Loading video...

Video Failed to Load

Go Home

黄仁勋对Marvell $MRVL 会是下一个万亿市值评论，让公司股价直接起飞，但其实昨天公司CEO Matt Murphy 在 Computex 演讲中的核心观点才更有意思，值得反复观看 核心观点是：AI基础设施的下一个瓶颈已从“算力”和“内存”转向了“连接”，光互连技术将成为未来10年AI竞争的关键 1⃣. AI瓶颈转向连接：AI基础设施的瓶颈正从算力、内存转向“连接”。单颗处理器再强也无法满足需求，未来决定AI系统性能的关键是数百万颗芯片间的数据传输效率。Marvell已彻底转型，数据中心业务营收占比超75% 2⃣. 光通信必然趋势：铜缆面临物理极限，400Gbps速率下将无法连接整个机架。黄仁勋定调“能用铜用铜，必须用光用光”，未来AI数据中心将大规模引入光互连，而共封装光学（CPO）是解决密度与功耗的终极方案 3⃣. 中立但深度绑定：英伟达已向Marvell投资20亿美元，双方联合开发NVLink Fusion技术。同时Marvell定位为行业“瑞士”，既与英伟达深度合作，也为所有大型云厂商提供定制化芯片，扮演中立且关键的互连角色

SpermCapital's profile picture

美股金虫哥

3,517 subscribers

34,116 views • 2 months ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

黄仁勋进一步解释，为什么 Marvell $MRVL 能到1万亿美金市值？！ 老黄的底层逻辑其实就4点： 1. AI 已经开始赚钱了！ 过去AI是在烧钱训练模型，现在AI开始生产Token，Token又能卖钱。只要能赚钱，企业就会更加疯狂扩建AI，增加CapEx，而Marvell正站在这条产业链最核心的位置！ 2. 未来AI是无数Agent协同工作！ 当计算被拆散以后，最重要的就不再只是GPU，而是把所有GPU、CPU、内存和存储连接起来的高速网络。 而Marvell正是全球最重要的数据中心互联芯片厂商之一。 3. AI工厂规模正在加速扩张。 以后，每新增1美元AI算力投资，背后都需要更多交换机、光模块、DSP、定制ASIC和高速互联芯片。 Marvell 你就躺着数钱吧！ 4. 未来Agent不仅要推理，还要： • 访问互联网 • 调用工具 • 管理长期记忆 • 管理短期记忆 • 调度多个模型协同工作 这一切都要大量连接，不论是铜缆和光模块，铜不够用了，就光互联。 Agent时代全面到来，未来AI最大的瓶颈之一，不是算力，而是连接！
1:31

黄仁勋进一步解释，为什么 Marvell $MRVL 能到1万亿美金市值？！ 老黄的底层逻辑其实就4点： 1. AI 已经开始赚钱了！ 过去AI是在烧钱训练模型，现在AI开始生产Token，Token又能卖钱。只要能赚钱，企业就会更加疯狂扩建AI，增加CapEx，而Marvell正站在这条产业链最核心的位置！ 2. 未来AI是无数Agent协同工作！ 当计算被拆散以后，最重要的就不再只是GPU，而是把所有GPU、CPU、内存和存储连接起来的高速网络。 而Marvell正是全球最重要的数据中心互联芯片厂商之一。 3. AI工厂规模正在加速扩张。 以后，每新增1美元AI算力投资，背后都需要更多交换机、光模块、DSP、定制ASIC和高速互联芯片。 Marvell 你就躺着数钱吧！ 4. 未来Agent不仅要推理，还要： • 访问互联网 • 调用工具 • 管理长期记忆 • 管理短期记忆 • 调度多个模型协同工作 这一切都要大量连接，不论是铜缆和光模块，铜不够用了，就光互联。 Agent时代全面到来，未来AI最大的瓶颈之一，不是算力，而是连接！

Annie 所长

70,146 views • 3 months ago

英伟达刚花了40亿美元。 投了一项99%的人都没听说过的技术。 但在三年内，地球上每个AI数据中心都离不开它。 而英伟达，刚刚锁死了整个供应链。 发生了什么？ 英伟达给两家公司各投了20亿：Coherent和Lumentum。 你可能根本没听过。 它们搞的是光子技术。 用光，而不是用电来传输数据。 听着像科幻小说。 但这却是AI基础设施里最重要的赌注。 所有AI数据中心都撞上了一堵墙。 这堵墙跟芯片、能源、钱都没关系。 是铜线。 今天，所有数据中心都用铜缆连接GPU。 但在AI需要的速度下，铜线已经到了物理极限。 信号衰减。 热量爆炸。 电力消耗飙升。 一个数字就够了： AI数据中心30%的电力，都浪费在把数据从A点搬到B点。 黄仁勋自己也承认： “我们只能在大概一两米内用铜线。” “但数据中心有体育场那么大，我们需要别的东西。” 那个东西，就是光子技术。 用激光驱动的光纤，直接集成到芯片里。 数据惊人： 能效高3.5倍。 网络可靠性高10倍。 数据速度每秒102太比特。 这不是英伟达第一次这么干了。 他们对CoreWeave做过同样的事。 投资20亿，锁定GPU产能，创造一个依赖自己的客户。 他们对内存供应商也做过。 提前几年锁定HBM供应，让对手到处找货。 现在轮到光子技术。 趁早投资。 锁死供应。 让整个生态都依赖于那些依赖英伟达的公司。 等竞争对手意识到光子技术是瓶颈时，游戏已经结束了。 英伟达已经拥有了整条供应链。 这才是真正建立壁垒的方式。 不是靠游说和补贴。 而是靠对物理定律和市场需求的冷酷预判。
1:37

英伟达刚花了40亿美元。 投了一项99%的人都没听说过的技术。 但在三年内，地球上每个AI数据中心都离不开它。 而英伟达，刚刚锁死了整个供应链。 发生了什么？ 英伟达给两家公司各投了20亿：Coherent和Lumentum。 你可能根本没听过。 它们搞的是光子技术。 用光，而不是用电来传输数据。 听着像科幻小说。 但这却是AI基础设施里最重要的赌注。 所有AI数据中心都撞上了一堵墙。 这堵墙跟芯片、能源、钱都没关系。 是铜线。 今天，所有数据中心都用铜缆连接GPU。 但在AI需要的速度下，铜线已经到了物理极限。 信号衰减。 热量爆炸。 电力消耗飙升。 一个数字就够了： AI数据中心30%的电力，都浪费在把数据从A点搬到B点。 黄仁勋自己也承认： “我们只能在大概一两米内用铜线。” “但数据中心有体育场那么大，我们需要别的东西。” 那个东西，就是光子技术。 用激光驱动的光纤，直接集成到芯片里。 数据惊人： 能效高3.5倍。 网络可靠性高10倍。 数据速度每秒102太比特。 这不是英伟达第一次这么干了。 他们对CoreWeave做过同样的事。 投资20亿，锁定GPU产能，创造一个依赖自己的客户。 他们对内存供应商也做过。 提前几年锁定HBM供应，让对手到处找货。 现在轮到光子技术。 趁早投资。 锁死供应。 让整个生态都依赖于那些依赖英伟达的公司。 等竞争对手意识到光子技术是瓶颈时，游戏已经结束了。 英伟达已经拥有了整条供应链。 这才是真正建立壁垒的方式。 不是靠游说和补贴。 而是靠对物理定律和市场需求的冷酷预判。

墓碑科技

74,848 views • 5 months ago

刚刚，英伟达宣布向两家大多数人从未听说过的公司投资20亿美元:Coherent和Lumentum。它们不生产GPU，也不做服务器。它们制造的是以光速传输数据的技术。当前，AI数据中心有一个不为人知的隐秘问题:芯片很快，但连接它们的线路却跟不上。铜缆正在成为瓶颈，甚至可能拖慢整个AI革命。黄仁勋亲口说过:能源效率是我们的首要优先事项。关于信息传输、比特翻转和比特传输的物理定律，限制了我们能够完成的事情。Coherent和Lumentum打造的是一种叫做硅光子的技术。它不是通过铜线传输数据，而是使用激光。能效提升3.5倍，速度更是高出几个数量级。而这也是构建黄仁勋所说的“吉瓦级AI工厂”的唯一方式。 这两笔交易包含在英伟达此前数十亿美元的采购承诺中。未来产能优先获取权、美国新的制造工厂，以及未来多年的锁定供应。英伟达买的不是零部件。它是在别人反应过来之前，买下未来。英伟达现在掌控着什么:GPU、网络交换芯片，以及如今把这一切连接在一起的光学互连。这种纵向整合规模，堪比石油巨头早期时代。一家公司，构建整个AI的神经系统。这就是护城河。 而对博通、AMD以及所有竞争对手释放的信息也很明确:英伟达不只是制造最好的芯片，它正在打造整台机器。如果你无法掌控光，你就无法掌控AI。
0:41

刚刚，英伟达宣布向两家大多数人从未听说过的公司投资20亿美元:Coherent和Lumentum。它们不生产GPU，也不做服务器。它们制造的是以光速传输数据的技术。当前，AI数据中心有一个不为人知的隐秘问题:芯片很快，但连接它们的线路却跟不上。铜缆正在成为瓶颈，甚至可能拖慢整个AI革命。黄仁勋亲口说过:能源效率是我们的首要优先事项。关于信息传输、比特翻转和比特传输的物理定律，限制了我们能够完成的事情。Coherent和Lumentum打造的是一种叫做硅光子的技术。它不是通过铜线传输数据，而是使用激光。能效提升3.5倍，速度更是高出几个数量级。而这也是构建黄仁勋所说的“吉瓦级AI工厂”的唯一方式。 这两笔交易包含在英伟达此前数十亿美元的采购承诺中。未来产能优先获取权、美国新的制造工厂，以及未来多年的锁定供应。英伟达买的不是零部件。它是在别人反应过来之前，买下未来。英伟达现在掌控着什么:GPU、网络交换芯片，以及如今把这一切连接在一起的光学互连。这种纵向整合规模，堪比石油巨头早期时代。一家公司，构建整个AI的神经系统。这就是护城河。 而对博通、AMD以及所有竞争对手释放的信息也很明确:英伟达不只是制造最好的芯片，它正在打造整台机器。如果你无法掌控光，你就无法掌控AI。

金融世界 Financial World

137,511 views • 6 months ago

难怪川沐盯上 $GLW 康宁，眼光太超前了！ 原来是海力士一样的方法论，AI 离不开存储，更离不开光模块 光模块和存储一样，康宁与海力士的逻辑相同，都属于 AI 基建最核心的卖铲人之一 康宁是整个AI基础链中讨论最少，但可以说最基础的一层。。无论GPU有多强大或自定义ASIC有多聪明，AI集群中的每颗芯片都需要以大带宽与数千颗其他芯片通信，而这些通信都通过光纤传输。随着AI集群从数千颗芯片扩展到数十万颗，光纤需求也随之同步增长 而全球最强的光纤和光连接供应商之一就是康宁 英伟达计划通过多年合作向康宁投资最高32亿美元，专注于扩大美国先进光学连接的制造规模，包括初始5亿美元股权和认股权证
6:12

难怪川沐盯上 $GLW 康宁，眼光太超前了！ 原来是海力士一样的方法论，AI 离不开存储，更离不开光模块 光模块和存储一样，康宁与海力士的逻辑相同，都属于 AI 基建最核心的卖铲人之一 康宁是整个AI基础链中讨论最少，但可以说最基础的一层。。无论GPU有多强大或自定义ASIC有多聪明，AI集群中的每颗芯片都需要以大带宽与数千颗其他芯片通信，而这些通信都通过光纤传输。随着AI集群从数千颗芯片扩展到数十万颗，光纤需求也随之同步增长 而全球最强的光纤和光连接供应商之一就是康宁 英伟达计划通过多年合作向康宁投资最高32亿美元，专注于扩大美国先进光学连接的制造规模，包括初始5亿美元股权和认股权证

0xkevin (🖤 , 💙)

275,702 views • 2 months ago

我发现很多人只知道光模块很火，但不知道它到底是干什么的。 一句话解释🌝 光模块就是数据中心里的“光速快递员”。 以前服务器之间传数据，主要靠电信号。 但AI时代不一样了。 大模型训练需要成千上万张GPU一起工作，GPU之间要疯狂交换数据。你可以理解为：以前是一群人在小会议室聊天，现在是几十万人同时开大会，信息必须高速传递。 这时候电信号就容易遇到瓶颈： 距离短、损耗大、发热高、速度上不去。 于是光模块登场。 它的核心作用，就是把电信号转换成光信号，再把光信号转换回电信号。 电信号像骑电动车送外卖，光信号像上了高铁。 光模块越强，服务器之间传输数据越快，AI集群的整体效率就越高。 所以光模块不是单纯的硬件小零件，而是AI算力基础设施里的“高速公路收费站”。 英伟达卖GPU，云厂商建数据中心，AI公司训练大模型，背后都离不开高速网络。 GPU再强，如果数据传输跟不上，也会变成一堆昂贵的“孤岛”。 这就是为什么AI爆发以后，市场开始疯狂重估光模块。 因为AI拼到最后，不只是拼芯片，也是在拼： 算力密度 数据传输 能耗控制 集群效率 而光模块刚好卡在这个关键位置。 从投资角度看，光模块的逻辑很像AI时代的“卖铲子”。 你不一定知道最后哪个大模型公司胜出，但只要大家都在疯狂建AI数据中心，就会持续需要高速光通信设备。 简单说： AI负责制造需求。 GPU负责提供算力。 光模块负责让算力连接起来。 没有光模块，AI数据中心就像一座没有高速公路的城市。 楼建得再高，车也跑不起来。
4:21

我发现很多人只知道光模块很火，但不知道它到底是干什么的。 一句话解释🌝 光模块就是数据中心里的“光速快递员”。 以前服务器之间传数据，主要靠电信号。 但AI时代不一样了。 大模型训练需要成千上万张GPU一起工作，GPU之间要疯狂交换数据。你可以理解为：以前是一群人在小会议室聊天，现在是几十万人同时开大会，信息必须高速传递。 这时候电信号就容易遇到瓶颈： 距离短、损耗大、发热高、速度上不去。 于是光模块登场。 它的核心作用，就是把电信号转换成光信号，再把光信号转换回电信号。 电信号像骑电动车送外卖，光信号像上了高铁。 光模块越强，服务器之间传输数据越快，AI集群的整体效率就越高。 所以光模块不是单纯的硬件小零件，而是AI算力基础设施里的“高速公路收费站”。 英伟达卖GPU，云厂商建数据中心，AI公司训练大模型，背后都离不开高速网络。 GPU再强，如果数据传输跟不上，也会变成一堆昂贵的“孤岛”。 这就是为什么AI爆发以后，市场开始疯狂重估光模块。 因为AI拼到最后，不只是拼芯片，也是在拼： 算力密度 数据传输 能耗控制 集群效率 而光模块刚好卡在这个关键位置。 从投资角度看，光模块的逻辑很像AI时代的“卖铲子”。 你不一定知道最后哪个大模型公司胜出，但只要大家都在疯狂建AI数据中心，就会持续需要高速光通信设备。 简单说： AI负责制造需求。 GPU负责提供算力。 光模块负责让算力连接起来。 没有光模块，AI数据中心就像一座没有高速公路的城市。 楼建得再高，车也跑不起来。

Sizhe思哲

15,004 views • 3 months ago

复刻下一个存储奇迹？光模块来了！ “铜线已经满足不了需求，下一代AI基建必须要用光纤” 这是英伟达 CEO 黄仁勋昨天刚说的话 我总结了相关的美股👇 Corning：NVIDIA的直接合作伙伴，预计投资32亿美元 Lumentum：专注激光和光电元件 Coherent：专注光电转换和光子模块 这三家均是光纤赛道，并且与英伟达有直接关联！
0:32

复刻下一个存储奇迹？光模块来了！ “铜线已经满足不了需求，下一代AI基建必须要用光纤” 这是英伟达 CEO 黄仁勋昨天刚说的话 我总结了相关的美股👇 Corning：NVIDIA的直接合作伙伴，预计投资32亿美元 Lumentum：专注激光和光电元件 Coherent：专注光电转换和光子模块 这三家均是光纤赛道，并且与英伟达有直接关联！

0xkevin (🖤 , 💙)

111,760 views • 3 months ago

SpaceX $SPCX 开始路演！完整 IPO 演示视频来了！ 如果把这场路演浓缩成一句话？ SpaceX已经不再是一家火箭公司，而是在打造「太空发射 + 全球互联网 + AI基础设施」三位一体的新超级平台，目标直指6万亿！ 12个最值得家人们关注的要点：👇 1. SpaceX正在从火箭公司升级为6万亿美元市场平台 CFO Bret Johnsen 直接给出SpaceX未来战略： 第一层：火箭发射 第二层：全球互联网 第三层：人工智能 AI SpaceX不再只赚发射费，而是要吃掉： • 航天市场 • 全球互联网市场 • AI基础设施市场 合计瞄准接近6万亿美元机会。 2. Starship才是真正的游戏规则改变者 Falcon 9： 23吨运力 Falcon Heavy： 64吨运力 Starship V3： 100吨运力 Starship V4： 目标200吨运力 更重要的是： 完全可重复使用。 Falcon已经降低了85%的历史发射成本。 而Starship还要在此基础上再实现数量级级别下降。 这意味着：未来发射成本可能接近航空运输模式。 这是SpaceX一切商业模式成立的基础。 3. Starlink已经成为全球最大卫星互联网网络 目前： • 超过9600颗卫星 • 占全球可机动卫星约75% • 覆盖164个国家和地区 • 服务超过1000万用户 • 用户数同比增长超过100% 竞争对手所有卫星加起来，规模仍远小于Starlink。这已经形成明显网络效应。 4. Starlink V3将迎来20倍性能跃迁 当前V2卫星：96Gbps/颗 未来V3卫星：约1Tbps/颗 性能提升超过10倍。 而Starship一次发射：60颗V3卫星 总下行能力：61Tbps 单次发射容量相比今天提升20倍。 Starlink未来将开始占据全球互联网流量的重要比例。 5. 手机直连卫星业务瞄准剩余30亿人口 目前： • 已发射650颗D2D卫星 • 合作30家运营商 • 覆盖19亿人口 其中包括： T-Mobile等大型运营商。 下一代Gen2系统： 直接提供完整5G连接。 这是连接全球剩余30亿未联网人口的关键入口。 6. SpaceX正式把AI列为第三增长曲线 这是整场路演最大的新增内容。 管理层首次把AI业务放到与火箭、Starlink同等战略地位。 逻辑非常简单，自己拥有： • 发射能力 • 卫星网络 • 电力系统 • 数据中心 那么继续向上游延伸：训练自己的大模型。 于是：Colossus AI超级计算中心诞生。 7. Colossus正在打造全球最大AI训练集群 目前： • 全球最大统一AI超级计算机 • 首个GW级训练中心 • 首个GW级Megapack储能系统 • 首批大规模部署GB200/GB300 采用：英伟达最新Blackwell架构。 AI最终竞争的核心是基础设施，而SpaceX拥有别人无法复制的基础设施能力。 8. SpaceX准备把AI数据中心送上太空 这是最疯狂也最具未来感的部分。 未来几年将建设轨道AI算力中心。 核心逻辑：太阳能免费供电+太空自然散热+Starlink激光网络互联 理论上：接近零能源成本。这才是未来AI基础设施的终极形态。 9. xAI与X平台形成独特护城河 Grok最大的差异化来自： 真相导向的 AI，爱说实话 同时结合：X平台实时数据流。 相比传统模型：Grok拥有持续更新的实时世界数据。 这是OpenAI、Anthropic等竞争对手难以复制的优势。 10. SpaceX已经开始AI商业化 最新案例：Anthropic已经签署托管协议。 使用SpaceX AI基础设施。 同时：Cursor合作也已落地。 说明：SpaceX不仅训练自己的模型， 还准备向外出售算力服务。 类似：AWS + OpenAI 的结合体。 11. 财务数据首次大规模披露 2025年： 收入：190亿美元 Adjusted EBITDA：约70亿美元 研发投入：36亿美元 资本开支：210亿美元 其中绝大部分用于AI建设。 Q1数据： 收入：50亿美元 其中：Starlink及连接业务贡献约30亿美元。 12. SpaceX真正的终局远不止火箭 管理层列出的未来市场包括： • 月球经济 • 火星殖民 • 点对点地球运输 • 太空制造 • 轨道工业 • 小行星采矿 Starship成功之后，将打开过去从未存在过的新经济体系！
17:18

SpaceX $SPCX 开始路演！完整 IPO 演示视频来了！ 如果把这场路演浓缩成一句话？ SpaceX已经不再是一家火箭公司，而是在打造「太空发射 + 全球互联网 + AI基础设施」三位一体的新超级平台，目标直指6万亿！ 12个最值得家人们关注的要点：👇 1. SpaceX正在从火箭公司升级为6万亿美元市场平台 CFO Bret Johnsen 直接给出SpaceX未来战略： 第一层：火箭发射 第二层：全球互联网 第三层：人工智能 AI SpaceX不再只赚发射费，而是要吃掉： • 航天市场 • 全球互联网市场 • AI基础设施市场 合计瞄准接近6万亿美元机会。 2. Starship才是真正的游戏规则改变者 Falcon 9： 23吨运力 Falcon Heavy： 64吨运力 Starship V3： 100吨运力 Starship V4： 目标200吨运力 更重要的是： 完全可重复使用。 Falcon已经降低了85%的历史发射成本。 而Starship还要在此基础上再实现数量级级别下降。 这意味着：未来发射成本可能接近航空运输模式。 这是SpaceX一切商业模式成立的基础。 3. Starlink已经成为全球最大卫星互联网网络 目前： • 超过9600颗卫星 • 占全球可机动卫星约75% • 覆盖164个国家和地区 • 服务超过1000万用户 • 用户数同比增长超过100% 竞争对手所有卫星加起来，规模仍远小于Starlink。这已经形成明显网络效应。 4. Starlink V3将迎来20倍性能跃迁 当前V2卫星：96Gbps/颗 未来V3卫星：约1Tbps/颗 性能提升超过10倍。 而Starship一次发射：60颗V3卫星 总下行能力：61Tbps 单次发射容量相比今天提升20倍。 Starlink未来将开始占据全球互联网流量的重要比例。 5. 手机直连卫星业务瞄准剩余30亿人口 目前： • 已发射650颗D2D卫星 • 合作30家运营商 • 覆盖19亿人口 其中包括： T-Mobile等大型运营商。 下一代Gen2系统： 直接提供完整5G连接。 这是连接全球剩余30亿未联网人口的关键入口。 6. SpaceX正式把AI列为第三增长曲线 这是整场路演最大的新增内容。 管理层首次把AI业务放到与火箭、Starlink同等战略地位。 逻辑非常简单，自己拥有： • 发射能力 • 卫星网络 • 电力系统 • 数据中心 那么继续向上游延伸：训练自己的大模型。 于是：Colossus AI超级计算中心诞生。 7. Colossus正在打造全球最大AI训练集群 目前： • 全球最大统一AI超级计算机 • 首个GW级训练中心 • 首个GW级Megapack储能系统 • 首批大规模部署GB200/GB300 采用：英伟达最新Blackwell架构。 AI最终竞争的核心是基础设施，而SpaceX拥有别人无法复制的基础设施能力。 8. SpaceX准备把AI数据中心送上太空 这是最疯狂也最具未来感的部分。 未来几年将建设轨道AI算力中心。 核心逻辑：太阳能免费供电+太空自然散热+Starlink激光网络互联 理论上：接近零能源成本。这才是未来AI基础设施的终极形态。 9. xAI与X平台形成独特护城河 Grok最大的差异化来自： 真相导向的 AI，爱说实话 同时结合：X平台实时数据流。 相比传统模型：Grok拥有持续更新的实时世界数据。 这是OpenAI、Anthropic等竞争对手难以复制的优势。 10. SpaceX已经开始AI商业化 最新案例：Anthropic已经签署托管协议。 使用SpaceX AI基础设施。 同时：Cursor合作也已落地。 说明：SpaceX不仅训练自己的模型， 还准备向外出售算力服务。 类似：AWS + OpenAI 的结合体。 11. 财务数据首次大规模披露 2025年： 收入：190亿美元 Adjusted EBITDA：约70亿美元 研发投入：36亿美元 资本开支：210亿美元 其中绝大部分用于AI建设。 Q1数据： 收入：50亿美元 其中：Starlink及连接业务贡献约30亿美元。 12. SpaceX真正的终局远不止火箭 管理层列出的未来市场包括： • 月球经济 • 火星殖民 • 点对点地球运输 • 太空制造 • 轨道工业 • 小行星采矿 Starship成功之后，将打开过去从未存在过的新经济体系！

Annie 所长

22,465 views • 2 months ago

通用计算的时代已经结束，未来是加速计算和 AI 计算的时代！黄老板在最近 BG2 的播客节目中，回击了华尔街分析师普遍认为 Nvidia 的增长将在 2027 年大幅放缓的预测，面对这种认知鸿沟，黄老板给出了一个三点式的宏大叙事框架，来解释为什么Nvidia 的增长不仅是可持续的，而且其潜在市场远未被市场充分理解👀 1. 物理定律层面的转变：通用计算的终结 摩尔定律已走到尽头，依靠 CPU 性能提升来推动计算发展的模式已经终结。这意味着，全球现有的、价值数万亿美元的、基于通用计算（CPU）的数据中心基础设施，在下一轮更新周期中，不得不转向加速计算架构。这是一个存量市场的巨大替换机遇 —— 仅仅将旧世界的基础设施"刷新"一遍，就构成了一个庞大的市场空间； 2. 现有应用的迁移：超大规模数据中心的 AI 化 在 AI 新应用爆发前，仅将现有互联网核心工作负载从 CPU 迁移到 GPU，就足以驱动数百亿美元的需求。搜索、推荐引擎、电商购物等支撑 Meta、Google、Amazon、字节跳动等科技巨头核心业务的系统，过去都运行在 CPU 上。如今，它们正全面转向使用 AI 和 GPU，因为 AI 能提供更好的个性化体验和更高效率。 这一过程并非创造新市场，而是用更优越的技术范式重塑一个已存在的、服务全球 40 亿人的庞大市场。"这就像从煤油灯转向电力，从螺旋桨飞机转向喷气式飞机。到目前为止，我谈论的仅是这些'平淡无奇'的存量替代。" 3. 未来的增量：AI 作为“智能工厂”对 GDP 的赋能 这是最激动人心的部分，即 AI 创造的全新价值。黄老板将 AI 工厂类比为工业革命中的“马达”，马达替代了体力劳动，而 AI 工厂则通过生成 “Token” 来增强人类的智力劳动。他做了一个估算：全球 GDP 中约有 50-65% 与“智力劳动”相关，大约价值 50 万亿美元； AI 将对这 50 万亿美元的经济活动进行增强。假设企业愿意为每位价值 10 万美元的员工，额外花费 1 万美元购买 AI 服务，以换取 2-3 倍的生产力提升，这笔投资是极其划算的。Nvidia 内部已经为每一位芯片设计师和软件工程师配备了 AI 助手，并取得了生产力的巨大飞跃； 如果全球 50 万亿的“智能 GDP”被每年价值 10 万亿的 “AI Token 生成服务”所增强，假设这些服务的毛利率为 50%，那么就需要价值 5 万亿美元的 AI 基础设施（资本支出 / Capex）来支撑这些服务的运行。 这个三层框架将 Nvidia 的增长逻辑从简单的"卖芯片"故事提升为与全球经济结构变迁共振的新叙事，不愧是最会讲故事的“黄老板”✨
0:54

通用计算的时代已经结束，未来是加速计算和 AI 计算的时代！黄老板在最近 BG2 的播客节目中，回击了华尔街分析师普遍认为 Nvidia 的增长将在 2027 年大幅放缓的预测，面对这种认知鸿沟，黄老板给出了一个三点式的宏大叙事框架，来解释为什么Nvidia 的增长不仅是可持续的，而且其潜在市场远未被市场充分理解👀 1. 物理定律层面的转变：通用计算的终结 摩尔定律已走到尽头，依靠 CPU 性能提升来推动计算发展的模式已经终结。这意味着，全球现有的、价值数万亿美元的、基于通用计算（CPU）的数据中心基础设施，在下一轮更新周期中，不得不转向加速计算架构。这是一个存量市场的巨大替换机遇 —— 仅仅将旧世界的基础设施"刷新"一遍，就构成了一个庞大的市场空间； 2. 现有应用的迁移：超大规模数据中心的 AI 化 在 AI 新应用爆发前，仅将现有互联网核心工作负载从 CPU 迁移到 GPU，就足以驱动数百亿美元的需求。搜索、推荐引擎、电商购物等支撑 Meta、Google、Amazon、字节跳动等科技巨头核心业务的系统，过去都运行在 CPU 上。如今，它们正全面转向使用 AI 和 GPU，因为 AI 能提供更好的个性化体验和更高效率。 这一过程并非创造新市场，而是用更优越的技术范式重塑一个已存在的、服务全球 40 亿人的庞大市场。"这就像从煤油灯转向电力，从螺旋桨飞机转向喷气式飞机。到目前为止，我谈论的仅是这些'平淡无奇'的存量替代。" 3. 未来的增量：AI 作为“智能工厂”对 GDP 的赋能 这是最激动人心的部分，即 AI 创造的全新价值。黄老板将 AI 工厂类比为工业革命中的“马达”，马达替代了体力劳动，而 AI 工厂则通过生成 “Token” 来增强人类的智力劳动。他做了一个估算：全球 GDP 中约有 50-65% 与“智力劳动”相关，大约价值 50 万亿美元； AI 将对这 50 万亿美元的经济活动进行增强。假设企业愿意为每位价值 10 万美元的员工，额外花费 1 万美元购买 AI 服务，以换取 2-3 倍的生产力提升，这笔投资是极其划算的。Nvidia 内部已经为每一位芯片设计师和软件工程师配备了 AI 助手，并取得了生产力的巨大飞跃； 如果全球 50 万亿的“智能 GDP”被每年价值 10 万亿的 “AI Token 生成服务”所增强，假设这些服务的毛利率为 50%，那么就需要价值 5 万亿美元的 AI 基础设施（资本支出 / Capex）来支撑这些服务的运行。 这个三层框架将 Nvidia 的增长逻辑从简单的"卖芯片"故事提升为与全球经济结构变迁共振的新叙事，不愧是最会讲故事的“黄老板”✨

indigo

42,829 views • 11 months ago

【英伟达将与诺基亚合作，在下一代通信技术6G的变革中占据中心位置】 这段讲话非常重要，是因为它是黄仁勋全程演讲的开篇。在开篇，他就强调了通信技术在美国国家安全中的核心地位。通过此次与诺基亚的合作，英伟达旨在支持美国将电信技术带回国内，成为下一代6G革命的中心。 黄仁勋将此使命视为美国的下一个“阿波罗时刻”。 1. 通信技术的战略意义 “通信技术，特别是无线技术，对美国科技和国家战略具有重要意义，尤其是在当前的平台转型时期” “在无线通信的早期，美国曾定义了技术和全球标准，并将美国技术和标准输出到世界各地” 但是现在却丧失了此前的优势 “现今全球部署的无线技术大多基于外国技术，美国的基础通信结构建立在外国技术之上。”他强调 “这种情况必须停止” “ 计算技术是几乎所有行业的基础，而当前正经历一个平台转型；这次转型（从通用计算转向加速计算和 AI）被视为一个千载难逢的机遇（once-in-a-lifetime opportunity），让美国能够重新凭借美国技术进行创新，重返竞争。 ” 电信被明确列为美国国家安全的核心要素之一，通过推动 6G 革命，目标是让美国处于下一代 6G 革命的中心。这是美国的下一个“阿波罗时刻”。 2. 英伟达在建立通信技术上的计划 英伟达的目标是利用加速计算和人工智能，在下一代通信技术 6G 的变革中占据中心地位。 英伟达宣布推出新的产品线，名为 Nvidia Arc Nvidia Arc 基于以下三种基础新技术构建： 1. Grace CPU。 2. Blackwell GPU。 3. ConnectX Melanox Connect X 网络技术。 通过这些技术，英伟达计划实现以下两个核心目标： （1） AI for RAN (无线接入网的人工智能) 英伟达将首次创建一个软件定义的可编程计算机，它能够同时进行无线通信和 AI 处理。 • 该系统运行名为 Aerial 的 CUDA X 库。 • 利用人工智能技术（例如强化学习），Arc 能够实时、根据环境（包括周围环境、流量、移动性、天气）调整波束成形，从而使无线电通信更具频谱效率。 • 提高频谱效率至关重要，因为无线电通信消耗了全球约 1.5% 到 2% 的能源。提高效率可以增加无线网络的数据吞吐量，同时无需增加能耗。 （2） AI on RAN (无线接入网上的 AI) 英伟达计划在无线电信网络之上建立一个新的云，称为边缘工业机器人云。 • 这将是继互联网促成云计算系统（如 AWS）之后，在无线网络上实现的类似举措。 • 这种云计算将能够延伸到数据中心无法触及的边缘地带，因为世界各地都设有基站。 3. 英伟达为什么要和诺基亚合作 英伟达与诺基亚合作是为了利用诺基亚在电信领域的既有地位和专利积累，共同推动 Arc 技术和 6G 革命。 诺基亚是全球第二大电信制造商。电信基础设施是一个庞大的行业，价值数万亿美元，基础设施本身也价值数千亿美元，全球有数百万个基站。 诺基亚拥有 7,000 项基础性的 5G 核心专利，是电信领域不可多得的领导者。 诺基亚将与英伟达合作，整合英伟达的技术并重写其堆栈。Nvidia Arc 将成为诺基亚未来的基站。 Nvidia Arc 兼容诺基亚当前的基站 Airscale。这意味着通过此次合作，他们能够利用新技术升级全球数百万个基站，使其具备 6G 和 AI 能力。
2:59

【英伟达将与诺基亚合作，在下一代通信技术6G的变革中占据中心位置】 这段讲话非常重要，是因为它是黄仁勋全程演讲的开篇。在开篇，他就强调了通信技术在美国国家安全中的核心地位。通过此次与诺基亚的合作，英伟达旨在支持美国将电信技术带回国内，成为下一代6G革命的中心。 黄仁勋将此使命视为美国的下一个“阿波罗时刻”。 1. 通信技术的战略意义 “通信技术，特别是无线技术，对美国科技和国家战略具有重要意义，尤其是在当前的平台转型时期” “在无线通信的早期，美国曾定义了技术和全球标准，并将美国技术和标准输出到世界各地” 但是现在却丧失了此前的优势 “现今全球部署的无线技术大多基于外国技术，美国的基础通信结构建立在外国技术之上。”他强调 “这种情况必须停止” “ 计算技术是几乎所有行业的基础，而当前正经历一个平台转型；这次转型（从通用计算转向加速计算和 AI）被视为一个千载难逢的机遇（once-in-a-lifetime opportunity），让美国能够重新凭借美国技术进行创新，重返竞争。 ” 电信被明确列为美国国家安全的核心要素之一，通过推动 6G 革命，目标是让美国处于下一代 6G 革命的中心。这是美国的下一个“阿波罗时刻”。 2. 英伟达在建立通信技术上的计划 英伟达的目标是利用加速计算和人工智能，在下一代通信技术 6G 的变革中占据中心地位。 英伟达宣布推出新的产品线，名为 Nvidia Arc Nvidia Arc 基于以下三种基础新技术构建： 1. Grace CPU。 2. Blackwell GPU。 3. ConnectX Melanox Connect X 网络技术。 通过这些技术，英伟达计划实现以下两个核心目标： （1） AI for RAN (无线接入网的人工智能) 英伟达将首次创建一个软件定义的可编程计算机，它能够同时进行无线通信和 AI 处理。 • 该系统运行名为 Aerial 的 CUDA X 库。 • 利用人工智能技术（例如强化学习），Arc 能够实时、根据环境（包括周围环境、流量、移动性、天气）调整波束成形，从而使无线电通信更具频谱效率。 • 提高频谱效率至关重要，因为无线电通信消耗了全球约 1.5% 到 2% 的能源。提高效率可以增加无线网络的数据吞吐量，同时无需增加能耗。 （2） AI on RAN (无线接入网上的 AI) 英伟达计划在无线电信网络之上建立一个新的云，称为边缘工业机器人云。 • 这将是继互联网促成云计算系统（如 AWS）之后，在无线网络上实现的类似举措。 • 这种云计算将能够延伸到数据中心无法触及的边缘地带，因为世界各地都设有基站。 3. 英伟达为什么要和诺基亚合作 英伟达与诺基亚合作是为了利用诺基亚在电信领域的既有地位和专利积累，共同推动 Arc 技术和 6G 革命。 诺基亚是全球第二大电信制造商。电信基础设施是一个庞大的行业，价值数万亿美元，基础设施本身也价值数千亿美元，全球有数百万个基站。 诺基亚拥有 7,000 项基础性的 5G 核心专利，是电信领域不可多得的领导者。 诺基亚将与英伟达合作，整合英伟达的技术并重写其堆栈。Nvidia Arc 将成为诺基亚未来的基站。 Nvidia Arc 兼容诺基亚当前的基站 Airscale。这意味着通过此次合作，他们能够利用新技术升级全球数百万个基站，使其具备 6G 和 AI 能力。

金融汪

88,666 views • 10 months ago

AI的第一性原则：电力决定算力，因为电力是不能虚构幻觉存在的物理上限。一个GW超算中心就是一个核电站级别。 已披露40GW的AI工厂是什么概念？按照每GW500亿美元2万亿资本投入，需2000万颗GPU，1.5万亿芯片收入，这就是梦想空间。 时代最大红利。ALl IN不？独家拆解到底黄仁勋给大家画的大饼靠谱不… 预测永远很难，连美联储盖栋楼都能超支30%。但很重要即便是模糊的正确，也比精准错误好，因为决定的是行业天花板。 一个GW级别AI数据中心的规模是超乎一般人想象的（视频是OpenAI的超算中心） 从目前公布数据市场40GW的“AI工厂”，怎么解读： 简单看一个机柜按最新的NVL72架构、填满72张英伟达GPU估算，一个机柜大致120KW，那么1GW的AI工厂大致500-600万张GPU。 40GW的披露AI数据中心估算新增2000万张GPU量级。 每年英伟达GPU销量500万，单单考虑增速未来3-5年的这块AI数据中心的量就能保证。 预测精准不？肯定不精准。电力的损耗、其他工厂内的用电、液冷，还有电力规划建设、芯片的制造等等。 但电力是算力的边界，边界就是梦想空间。这就是时代最大的红利。
1:55

AI的第一性原则：电力决定算力，因为电力是不能虚构幻觉存在的物理上限。一个GW超算中心就是一个核电站级别。 已披露40GW的AI工厂是什么概念？按照每GW500亿美元2万亿资本投入，需2000万颗GPU，1.5万亿芯片收入，这就是梦想空间。 时代最大红利。ALl IN不？独家拆解到底黄仁勋给大家画的大饼靠谱不… 预测永远很难，连美联储盖栋楼都能超支30%。但很重要即便是模糊的正确，也比精准错误好，因为决定的是行业天花板。 一个GW级别AI数据中心的规模是超乎一般人想象的（视频是OpenAI的超算中心） 从目前公布数据市场40GW的“AI工厂”，怎么解读： 简单看一个机柜按最新的NVL72架构、填满72张英伟达GPU估算，一个机柜大致120KW，那么1GW的AI工厂大致500-600万张GPU。 40GW的披露AI数据中心估算新增2000万张GPU量级。 每年英伟达GPU销量500万，单单考虑增速未来3-5年的这块AI数据中心的量就能保证。 预测精准不？肯定不精准。电力的损耗、其他工厂内的用电、液冷，还有电力规划建设、芯片的制造等等。 但电力是算力的边界，边界就是梦想空间。这就是时代最大的红利。

Tigris 会讲课教授是好老师

142,753 views • 11 months ago

每个人都能买得起 英伟达发布个人AI超级计算机 ，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。 将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。 设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心 也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿 参数的大语言模型。 通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿 参数模型。 而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。 简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！
1:30

每个人都能买得起 英伟达发布个人AI超级计算机 ，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。 将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。 设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心 也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿 参数的大语言模型。 通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿 参数模型。 而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。 简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！

小互

85,716 views • 1 year ago

英伟达黄仁勋在沙特接受访谈完整版👇 沙特要造AI工厂！ 一出手就是500兆瓦的部署， 跟谁合作？ 英伟达。 这背后是什么逻辑？ 用能源炼AI！ 这事得从英伟达和沙特一家叫Humane的AI公司说起。 两块Blackwell芯片，就重得拿不动。 功耗多少？2500瓦。 而沙特要建的，是500兆瓦的计算基础设施。 想想这规模 人工智能，公认的革命性技术， 可能是任何时代最具变革性的。 它会改变每个行业， 成为每个行业的基础设施。 沙特的Humane公司， 就要在当地建设这个AI基础设施。 但很多人没意识到， AI不仅是变革技术， 它本身就是个产业。 一个制造业！ 这个制造业需要什么？能源。 沙特有什么？能源。 通过英伟达这种AI超级计算机， 本质上就是AI工厂。 能源驱动这些AI工厂，生成tokens。 这些token再被重组成应用程序和解决问题的AI。 这就是Humane要为沙特和世界创造的东西。 基础设施搞定了，创新就看模型了。 生成式AI很火，但黄仁勋还提到了别的。 物理世界和物理AI。 这跟生成式AI、跟英伟达提供给Humane的平台，是什么关系？ 过去12年，AI产业发展神速。 最早是感知AI：能识别猫、文字、声音、语音。 感知AI进化到生成式AI：用文字生成文字，文字生成图像，文字生成化学物质和蛋白质。 现在是第三个时代：AI能推理。 这种能力的应用就是智能体AI（Agentic AI）。 它有自主性，能用工具、能推理、能解决问题，就像电脑里的数字机器人。 下一个时代，英伟达正在攻克的， 是理解物理规律的AI。 物理世界的常识：瓶子倒了会掉下来，理解重力、惯性、因果、物体恒存性、遮挡等等。 这些我们人类的常识，要教给AI。 下一代物理AI，结合已有的技术，可以被赋予物理形态。 这个物理形态，就是机器人技术。 AI的时代发展飞快，今天我们身处智能体AI世界，很快就会进入机器人或物理AI的世界。 Humane这家公司，源于沙特王储的愿景。 要在AI全价值链上发力。 建设大规模数据中心，目标是到2030年达到1.9吉瓦。 还要推进AI芯片、云、模型、应用和解决方案。 沙特的目标， 是建设自己国家的AI基础设施，参与并塑造这项变革性技术的未来。
6:21

英伟达黄仁勋在沙特接受访谈完整版👇 沙特要造AI工厂！ 一出手就是500兆瓦的部署， 跟谁合作？ 英伟达。 这背后是什么逻辑？ 用能源炼AI！ 这事得从英伟达和沙特一家叫Humane的AI公司说起。 两块Blackwell芯片，就重得拿不动。 功耗多少？2500瓦。 而沙特要建的，是500兆瓦的计算基础设施。 想想这规模 人工智能，公认的革命性技术， 可能是任何时代最具变革性的。 它会改变每个行业， 成为每个行业的基础设施。 沙特的Humane公司， 就要在当地建设这个AI基础设施。 但很多人没意识到， AI不仅是变革技术， 它本身就是个产业。 一个制造业！ 这个制造业需要什么？能源。 沙特有什么？能源。 通过英伟达这种AI超级计算机， 本质上就是AI工厂。 能源驱动这些AI工厂，生成tokens。 这些token再被重组成应用程序和解决问题的AI。 这就是Humane要为沙特和世界创造的东西。 基础设施搞定了，创新就看模型了。 生成式AI很火，但黄仁勋还提到了别的。 物理世界和物理AI。 这跟生成式AI、跟英伟达提供给Humane的平台，是什么关系？ 过去12年，AI产业发展神速。 最早是感知AI：能识别猫、文字、声音、语音。 感知AI进化到生成式AI：用文字生成文字，文字生成图像，文字生成化学物质和蛋白质。 现在是第三个时代：AI能推理。 这种能力的应用就是智能体AI（Agentic AI）。 它有自主性，能用工具、能推理、能解决问题，就像电脑里的数字机器人。 下一个时代，英伟达正在攻克的， 是理解物理规律的AI。 物理世界的常识：瓶子倒了会掉下来，理解重力、惯性、因果、物体恒存性、遮挡等等。 这些我们人类的常识，要教给AI。 下一代物理AI，结合已有的技术，可以被赋予物理形态。 这个物理形态，就是机器人技术。 AI的时代发展飞快，今天我们身处智能体AI世界，很快就会进入机器人或物理AI的世界。 Humane这家公司，源于沙特王储的愿景。 要在AI全价值链上发力。 建设大规模数据中心，目标是到2030年达到1.9吉瓦。 还要推进AI芯片、云、模型、应用和解决方案。 沙特的目标， 是建设自己国家的AI基础设施，参与并塑造这项变革性技术的未来。

墓碑科技

215,810 views • 1 year ago

都说英伟达是AI算力的央行。 一个季度吸金近600亿美元。 客户主要是那几家云巨头，几乎所有AI规划都得看黄仁勋的产品周期。 但现在，三个变化正在同时发生。 第一，谷歌出手了。 2026年开始，将为Anthropic提供高达一百万个TPU。 这是第一个真正有实力在顶尖规模上挑战英伟达的替代方案。 第二，物理极限到了。 现在的服务器机架功耗已达数百千瓦，兆瓦级的系统也快了。 真正的瓶颈不再是芯片，而是电力和内存。 AI的狂飙突进，终于撞上了能源这堵墙。 第三，英伟达自己也在“租”自己的卡。 英伟达承诺花260亿美元从云伙伴那里租回自家GPU的使用权。 上个季度这个数字才126亿。 为什么？ 是产能不足，还是在利用金融手段巩固护城河，维持市场价格？ 这操作有点像央行印钱再回购债券，维持资产价格稳定。 未来3到5年，格局会怎样？ 英伟达GPU仍是默认选项，但不再是唯一。 谷歌TPU将成为第二个生态系统。 而那些云巨头们，会拼命想办法摆脱“英伟达税”。 这场算力之战，本质是科技巨头们在争夺定义未来的权力。 但这和普通人有多大关系？ 是带来真正的技术普惠，还是仅仅把权力从一个垄断者转移到另一个？
1:36

都说英伟达是AI算力的央行。 一个季度吸金近600亿美元。 客户主要是那几家云巨头，几乎所有AI规划都得看黄仁勋的产品周期。 但现在，三个变化正在同时发生。 第一，谷歌出手了。 2026年开始，将为Anthropic提供高达一百万个TPU。 这是第一个真正有实力在顶尖规模上挑战英伟达的替代方案。 第二，物理极限到了。 现在的服务器机架功耗已达数百千瓦，兆瓦级的系统也快了。 真正的瓶颈不再是芯片，而是电力和内存。 AI的狂飙突进，终于撞上了能源这堵墙。 第三，英伟达自己也在“租”自己的卡。 英伟达承诺花260亿美元从云伙伴那里租回自家GPU的使用权。 上个季度这个数字才126亿。 为什么？ 是产能不足，还是在利用金融手段巩固护城河，维持市场价格？ 这操作有点像央行印钱再回购债券，维持资产价格稳定。 未来3到5年，格局会怎样？ 英伟达GPU仍是默认选项，但不再是唯一。 谷歌TPU将成为第二个生态系统。 而那些云巨头们，会拼命想办法摆脱“英伟达税”。 这场算力之战，本质是科技巨头们在争夺定义未来的权力。 但这和普通人有多大关系？ 是带来真正的技术普惠，还是仅仅把权力从一个垄断者转移到另一个？

墓碑科技

47,853 views • 9 months ago

美股今晚重头戏 $MRVL 要亮财报了！ 这次还是要坚定的相信光！ 最新财报显示，公司2026财年业绩表现强劲，数据中心和AI相关业务成为核心增长引擎。以下是关键财务数据和业务亮点整理： 核心财务数据 ​​2026财年第四季度​​：营收22.19亿美元，同比增长22%，创历史新高；Non-GAAP每股收益0.80美元，高于预期的0.79美元。 ​​2026财年全年​​：总营收81.95亿美元，同比增长42%；全年Non-GAAP每股收益2.84美元，同比增长81%。 ​​毛利率表现​​：Non-GAAP毛利率保持在59.0%的高位，显示在高端网络通信芯片领域的定价权。 业务亮点 ​​数据中心业务爆发​​：Q4数据中心收入16.51亿美元，同比增长21%，占整体营收约75%；其中AI相关光互连技术与定制芯片已占据半壁江山。 ​​定制芯片业务​​：2026财年定制芯片业务兑现15亿美元营收，主要为亚马逊Trainium 2等云大厂自研AI芯片提供设计服务。 ​​技术卡位优势​​：全球PAM4 DSP领头羊，芯片卡位800G并正向1.6T时代过渡；在800G及1.6T光模块PAM4 DSP领域拥有近乎垄断市占率。 ​​战略收购​​：以32.5亿美元收购Celestial AI，押注硅光子和光学互连技术，旨在突破AI计算中的"内存墙"瓶颈。 未来展望 ​​2027财年Q1指引​​：营收预计24亿美元，远超分析师预期的22.8亿美元；Non-GAAP EPS预计0.79美元，高于预期的0.74美元。 ​​长期增长预期​​：公司预计2027财年全年营收将超过110亿美元，2028财年有望达到约150亿美元。 ​​管理层信心​​：CEO表示2027财年每个季度营收增速都会加速，数据中心订单储备创纪录增长。 $MRVL过去 给人的印象是一家做网络芯片、存储控制器的传统半导体公司。 但到今年，数据中心业务已占到公司总营收的 75% 以上，其中 AI 相关的光互连技术与定制芯片已经占据半壁江山。 半导体行业有一条铁律：离硬件和底层架构越近，客户越不敢轻易更换供应商。 他的护城河就是“连接力（光电转换）+ 顶层 IP 积木（SerDes & 封装）”。只要 AI 规模扩大，数据传输的物理极限还在被挑战，他在底层“卖铲子和管道”的地位就很难被动摇。 1. 他是全球 PAM4 DSP 的领头羊，芯片卡位 800G 并正在向 1.6T 时代强力过渡。 2.定制化芯片，大厂为了降低对英伟达的依赖并降低成本，纷纷自研 AI 加速器。他凭借其先进的 SerDes（串行/解串器）技术和封装 IP，为客户提供“委托代工设计”。但是客户集中度极高。一旦某大厂云巨头因为 AI 回报率低而削减资本开支，他会立刻受伤。 3.交换机芯片与存储业务：稳健的现金流底座 通过收购 XConn，拓展了 PCIe 和 CXL 交换机能力。 4.光通信芯片：确定性与自主掌控力最高。在 800G 以及正在铺开的 1.6T光模块 PAM4 DSP 领域，拥有近乎垄断的市占率。 交付能力如何？ 1.他不生产芯片，它的最大交付瓶颈不在自己，而是在台积电。由于客户都是巨头，会协助共同向台积电“要产能”。其基础产能供应虽然紧张，但极少出现大面积断供风险。 2.量产落地验证：目前最大的交付项目是为亚马逊定制的 Trainium 2 芯片。在 2026 财年，其定制芯片业务已经成功兑现了 15 亿美元 的营收，这证明其从“设计、流片到大规模量产交付”的整条供应链已经完全走通。 3.巨头订单多，他正在多线作战。其设计团队的工程带宽能否同时支撑多个巨头大厂的催货压力，是后续交付的隐形隐患。 4.英伟达宣布对齐投资20亿美元，产能上台积电有优先配置权。 潜在风险： 1.虽然交付能力很强，但由于定制 ASIC 需要承担巨额的前期流片和测试成本，如果客户在交付中途更改设计规格，会导致毛利率在短期内受到阶段性伤害。 2.盘后财报如果符合预期就是利空，因为市场处于一个极度苛刻的状态。前面持续涨预期兑现。 涨跌判断 1.如果管理层画的大饼够。 2.毛利率维持在 62% - 63% 以上，营业利润率能向 36% 扩张。 3.传统业务确认为周期性见底并持续回升。 这里面有个重头戏，就是是否会宣布和谷歌达成订单合作。如果有这个答案加持，那么股价预期将会再次提高
1:33

美股今晚重头戏 $MRVL 要亮财报了！ 这次还是要坚定的相信光！ 最新财报显示，公司2026财年业绩表现强劲，数据中心和AI相关业务成为核心增长引擎。以下是关键财务数据和业务亮点整理： 核心财务数据 ​​2026财年第四季度​​：营收22.19亿美元，同比增长22%，创历史新高；Non-GAAP每股收益0.80美元，高于预期的0.79美元。 ​​2026财年全年​​：总营收81.95亿美元，同比增长42%；全年Non-GAAP每股收益2.84美元，同比增长81%。 ​​毛利率表现​​：Non-GAAP毛利率保持在59.0%的高位，显示在高端网络通信芯片领域的定价权。 业务亮点 ​​数据中心业务爆发​​：Q4数据中心收入16.51亿美元，同比增长21%，占整体营收约75%；其中AI相关光互连技术与定制芯片已占据半壁江山。 ​​定制芯片业务​​：2026财年定制芯片业务兑现15亿美元营收，主要为亚马逊Trainium 2等云大厂自研AI芯片提供设计服务。 ​​技术卡位优势​​：全球PAM4 DSP领头羊，芯片卡位800G并正向1.6T时代过渡；在800G及1.6T光模块PAM4 DSP领域拥有近乎垄断市占率。 ​​战略收购​​：以32.5亿美元收购Celestial AI，押注硅光子和光学互连技术，旨在突破AI计算中的"内存墙"瓶颈。 未来展望 ​​2027财年Q1指引​​：营收预计24亿美元，远超分析师预期的22.8亿美元；Non-GAAP EPS预计0.79美元，高于预期的0.74美元。 ​​长期增长预期​​：公司预计2027财年全年营收将超过110亿美元，2028财年有望达到约150亿美元。 ​​管理层信心​​：CEO表示2027财年每个季度营收增速都会加速，数据中心订单储备创纪录增长。 $MRVL过去 给人的印象是一家做网络芯片、存储控制器的传统半导体公司。 但到今年，数据中心业务已占到公司总营收的 75% 以上，其中 AI 相关的光互连技术与定制芯片已经占据半壁江山。 半导体行业有一条铁律：离硬件和底层架构越近，客户越不敢轻易更换供应商。 他的护城河就是“连接力（光电转换）+ 顶层 IP 积木（SerDes & 封装）”。只要 AI 规模扩大，数据传输的物理极限还在被挑战，他在底层“卖铲子和管道”的地位就很难被动摇。 1. 他是全球 PAM4 DSP 的领头羊，芯片卡位 800G 并正在向 1.6T 时代强力过渡。 2.定制化芯片，大厂为了降低对英伟达的依赖并降低成本，纷纷自研 AI 加速器。他凭借其先进的 SerDes（串行/解串器）技术和封装 IP，为客户提供“委托代工设计”。但是客户集中度极高。一旦某大厂云巨头因为 AI 回报率低而削减资本开支，他会立刻受伤。 3.交换机芯片与存储业务：稳健的现金流底座 通过收购 XConn，拓展了 PCIe 和 CXL 交换机能力。 4.光通信芯片：确定性与自主掌控力最高。在 800G 以及正在铺开的 1.6T光模块 PAM4 DSP 领域，拥有近乎垄断的市占率。 交付能力如何？ 1.他不生产芯片，它的最大交付瓶颈不在自己，而是在台积电。由于客户都是巨头，会协助共同向台积电“要产能”。其基础产能供应虽然紧张，但极少出现大面积断供风险。 2.量产落地验证：目前最大的交付项目是为亚马逊定制的 Trainium 2 芯片。在 2026 财年，其定制芯片业务已经成功兑现了 15 亿美元 的营收，这证明其从“设计、流片到大规模量产交付”的整条供应链已经完全走通。 3.巨头订单多，他正在多线作战。其设计团队的工程带宽能否同时支撑多个巨头大厂的催货压力，是后续交付的隐形隐患。 4.英伟达宣布对齐投资20亿美元，产能上台积电有优先配置权。 潜在风险： 1.虽然交付能力很强，但由于定制 ASIC 需要承担巨额的前期流片和测试成本，如果客户在交付中途更改设计规格，会导致毛利率在短期内受到阶段性伤害。 2.盘后财报如果符合预期就是利空，因为市场处于一个极度苛刻的状态。前面持续涨预期兑现。 涨跌判断 1.如果管理层画的大饼够。 2.毛利率维持在 62% - 63% 以上，营业利润率能向 36% 扩张。 3.传统业务确认为周期性见底并持续回升。 这里面有个重头戏，就是是否会宣布和谷歌达成订单合作。如果有这个答案加持，那么股价预期将会再次提高

伊泽🔶BTC |🧡 1000X GEM

35,199 views • 3 months ago

黄仁勋：地球太挤了，我们要把 AI 送上天！ GPU性能不断提升，但算力越强，发热越夸张，在地球上还能靠风冷、液冷解决，未来AI数据中心都搬到太空，太空散热怎么解决？ 老黄气定神闲：没关系，我最不缺的就是时间！ 老黄点名太空数据中心、散热，最值得关注的 12 只美股👇 1. Vertiv Holdings $VRT AI数据中心散热龙头之一，深度绑定英伟达生态。液冷、供电、机房基础设施全覆盖。 2. Modine Manufacturing $MOD 老牌热管理企业成功转型AI数据中心散热赛道。液冷业务增长迅猛。 3. AAON $AAON 美国高端制冷设备龙头。 4. Carrier Global $CARR 拥有成熟制冷技术和客户资源，正在积极切入AI数据中心冷却。 5. Trane Technologies $TT 工业制冷与能源效率领域领导者。 6. Constellation Energy $CEG 散热解决热量，核电解决能源。 7. Oklo $OKLO OpenAI创始人Sam Altman重点支持的小型核反应堆企业。市场普遍将其视为未来AI能源供应的重要潜在玩家。 8. Rocket Lab $RKLB 商业航天明星企业。如果未来出现轨道数据中心，发射能力和太空平台建设将成为刚需。 9. Redwire $RDW 专注太空基础设施建设。 10. L3Harris Technologies $LHX 长期参与卫星通信和空间系统建设，是未来太空计算生态的重要参与者。
0:44

黄仁勋：地球太挤了，我们要把 AI 送上天！ GPU性能不断提升，但算力越强，发热越夸张，在地球上还能靠风冷、液冷解决，未来AI数据中心都搬到太空，太空散热怎么解决？ 老黄气定神闲：没关系，我最不缺的就是时间！ 老黄点名太空数据中心、散热，最值得关注的 12 只美股👇 1. Vertiv Holdings $VRT AI数据中心散热龙头之一，深度绑定英伟达生态。液冷、供电、机房基础设施全覆盖。 2. Modine Manufacturing $MOD 老牌热管理企业成功转型AI数据中心散热赛道。液冷业务增长迅猛。 3. AAON $AAON 美国高端制冷设备龙头。 4. Carrier Global $CARR 拥有成熟制冷技术和客户资源，正在积极切入AI数据中心冷却。 5. Trane Technologies $TT 工业制冷与能源效率领域领导者。 6. Constellation Energy $CEG 散热解决热量，核电解决能源。 7. Oklo $OKLO OpenAI创始人Sam Altman重点支持的小型核反应堆企业。市场普遍将其视为未来AI能源供应的重要潜在玩家。 8. Rocket Lab $RKLB 商业航天明星企业。如果未来出现轨道数据中心，发射能力和太空平台建设将成为刚需。 9. Redwire $RDW 专注太空基础设施建设。 10. L3Harris Technologies $LHX 长期参与卫星通信和空间系统建设，是未来太空计算生态的重要参与者。

Annie 所长

24,826 views • 3 months ago

为什么美国越来越担心中国开源大模型？因为现在AI行业最大的风险，已经不是技术，而是金融。OpenAI、Anthropic等公司，向市场描绘了一个价值超过1.5万亿美元的AI基建蓝图，大量芯片厂商、数据中心和投资机构也因此提前投入资金。但些融资能否成立，取决于市场是否相信这些AI公司有能力兑现承诺。一旦中国开源模型抢走大量市场，美国AI公司的增长、估值和融资能力受到怀疑，那1.5万亿美元的采购承诺也会变得不再可信，整条产业链上的资产都会被重新定价。资本预期一旦落空，将会演变成一场覆盖整个科技行业的资产暴跌？
1:22

为什么美国越来越担心中国开源大模型？因为现在AI行业最大的风险，已经不是技术，而是金融。OpenAI、Anthropic等公司，向市场描绘了一个价值超过1.5万亿美元的AI基建蓝图，大量芯片厂商、数据中心和投资机构也因此提前投入资金。但些融资能否成立，取决于市场是否相信这些AI公司有能力兑现承诺。一旦中国开源模型抢走大量市场，美国AI公司的增长、估值和融资能力受到怀疑，那1.5万亿美元的采购承诺也会变得不再可信，整条产业链上的资产都会被重新定价。资本预期一旦落空，将会演变成一场覆盖整个科技行业的资产暴跌？

超级财经 SuperFinance

23,811 views • 1 month ago

黄仁勋真正想表达的不是“NVIDIA 股票一定涨”，而是 AI 基建正在从 GPU 短缺阶段，进入 AI 工厂标准化阶段。 谁掌握算力平台、软件生态和供应链，谁就掌握下一轮 AI 工业革命的入口。 一、核心观点： NVIDIA 的市值逻辑，不是“概念”，而是收入曲线在支撑 NVIDIA 的收入已经不是普通科技公司的增长速度。 NVIDIA 最新 FY2027 Q1 财报显示，公司季度收入达到 816 亿美元，同比增长 85%； 其中数据中心收入达到 752 亿美元，同比增长 92%。公司还给出下一季度 910 亿美元收入指引，并说明这个指引不包含中国数据中心计算收入。 最新市场数据也显示，NVIDIA 当前市值约 5.15 万亿美元。如果市场讨论未来 3–5 年能否继续翻倍到 10 万亿美元，本质上不是看短期情绪，而是看未来收入、利润和估值倍数能否继续配合。 一个重点是： NVIDIA 的市值不是“凭空炒上去”的，而是 AI 基建支出、数据中心收入、GPU / 网络 / 软件生态共同推动的结果。 二、黄仁勋真正的底气：AI 需求才刚开始 反复强调一个观点： AI 的需求不是接近尾声，而是刚刚开始爆发。 这和黄仁勋此前在 GTC 2026 的说法一致。 NVIDIA 官方博客提到，黄仁勋称 AI 计算需求已经“off the charts”，并表示过去几年计算需求增长了约 100 万倍；他还表示，从 2025 到 2027 年，仅 Blackwell 和 Vera Rubin 相关平台，就有望带来至少 1 万亿美元收入机会。 这句话非常关键 因为它意味着 NVIDIA 的增长逻辑已经从： 卖 GPU 给云厂商 升级为： 为全球 AI 工厂提供整套算力基础设施。 未来的 AI 需求来自多个方向： 大模型训练继续扩大； 推理需求快速增长； Agentic AI 带来更多多步骤任务； 企业 AI 应用从试点进入生产环境； 机器人、自动驾驶、工业数字孪生和物理 AI 开始吃算力； 数据中心从普通服务器升级为 AI 工厂。 这也是为什么黄仁勋一直强调 AI factories，AI 工厂。 在他的叙事里，未来数据中心不是存储网页和应用的地方，而是持续生产 token、智能和自动化能力的“工厂”。 三、第二个增长逻辑： Vera CPU 让 NVIDIA 不再只是 GPU 公司 NVIDIA 的下一个增量，不只是 GPU，而是 CPU。 过去数据中心 CPU 市场主要由 Intel 和 AMD 控制。但 Agentic AI 时代，CPU 的角色正在变化。 传统 CPU 主要处理通用计算任务；未来 AI 数据中心里，CPU 要负责更复杂的调度： 多智能体任务编排； 工具调用； 数据预处理； KV Cache 管理； 网络与存储调度； 大量小任务并发； GPU 集群之间的协调。 NVIDIA 在 Vera Rubin 平台中推出 Vera CPU，本质上就是在切入这个新市场。Tom’s Hardware 对 Vera Rubin NVL72 的报道提到，该系统采用 Vera CPU、Rubin GPU、NVLink 6、ConnectX-9、BlueField-4 和 Spectrum-6 Ethernet 等多类芯片，属于 rack-scale 架构；NVIDIA 声称 Rubin 相比 Blackwell 可带来更高推理性能和更低 token 成本。 这说明 NVIDIA 的打法已经不是“GPU 插进服务器”， 而是： CPU + GPU + DPU + NIC + Switch + 软件栈 + 液冷整机柜。 这就是视频里所谓“底气”的来源。 NVIDIA 的目标不是只拿 GPU 份额，而是重新定义整个 AI 数据中心的架构。 四、第三个护城河：CUDA 生态比芯片更难替代 NVIDIA 的优势不只是芯片性能，更关键的是 CUDA 生态。 很多公司可以做 AI 芯片，Google 有 TPU，Amazon 有 Trainium，Microsoft 有 Maia，Meta 也在推进自研芯片。 但问题是，AI 开发者、模型框架、推理工具、训练库、优化器、企业应用、工程经验，大量都围绕 NVIDIA CUDA 生态建立。 所以客户更换 NVIDIA 的成本，不只是换硬件，而是要重写软件、迁移模型、重新验证稳定性、重建工程体系。 这就是 NVIDIA 最难被替代的地方： 芯片可以被追赶，生态很难被一夜复制。 但这也带来反面风险。视频里提到“全球范围内的反垄断、CUDA 生态调查”，这确实是未来需要关注的风险之一。 NVIDIA 越强，监管压力越大；CUDA 越成为行业事实标准，越可能被监管机构审视。 五、第四个重点： 真正的 AI 机会在供应链，不只在 NVIDIA 本身 未来 AI 基建不是一颗芯片决定的，而是一整套系统决定的： GPU / CPU / HBM / CoWoS / 网络交换 / 光模块 / 液冷 / 电源 / PCB / 服务器代工 / 数据中心建设。 黄仁勋最近在台湾的动作，也印证了这一点。Reuters 报道称，黄仁勋在台北表示，NVIDIA 每年可能在台湾投入约 1500 亿美元，并称台湾是 AI 革命的“中心”； 他还与 TSMC、富士康、广达等关键供应链公司高层会面。 这说明 NVIDIA 很清楚： AI 的瓶颈不是单点，而是系统产能。 特别是接下来 Rubin 平台、GB300、NVL72 / NVL144、1.6T 网络、液冷机柜、HBM4 / HBM4E 等产品放量后，供应链会变得更重要。 视频里提到的几个方向，都值得重点关注： 1. AI 服务器代工 NVIDIA 自己不生产整机服务器，真正把 AI 服务器做出来的是供应链公司。 包括富士康、广达、纬创、纬颖、英业达、戴尔、Supermicro 等。 Dell 最新财报也验证了 AI 服务器需求的强度。Reuters 报道称，Dell 上调全年业绩预期，并将 FY2027 AI 服务器收入预期从 500 亿美元上调到 600 亿美元。 这说明 AI 服务器需求不是停留在 NVIDIA 财报里，而是已经传导到整机厂。 2. 高速网络与光互连 “1.6T 已经开始批量出货”，背后对应的是 AI 数据中心网络升级。 AI 集群越来越大，GPU 之间、机柜之间、数据中心之间都需要更高速连接。 NVIDIA 早已不只是 GPU 公司，它还通过 Mellanox 拿下 InfiniBand、Ethernet、Spectrum-X、NVLink 等网络能力。 NVIDIA 2025 年宣布 Spectrum-X Photonics 和 Quantum-X Photonics，推动共封装光学 CPO / 硅光方案，用于把 AI 工厂扩展到百万 GPU 级别； 官方当时称 Spectrum-X Photonics Ethernet switches 将在 2026 年推出。 未来 AI 工厂越大，网络互连越重要。 3. 液冷 Blackwell、Rubin 这类 AI 系统功耗越来越高，传统风冷很难长期支撑高密度机柜。 未来高端 AI 服务器会越来越多采用液冷方案，包括冷板、CDU、液冷管路、机柜级热管理等。 这意味着 AI 产业链的机会，会从芯片扩散到散热、电源、机柜和数据中心工程。 4. 高端 PCB / CCL “AI 服务器 PCB” AI 服务器的信号速率越来越高，层数越来越多，对高频高速材料、低损耗 CCL、高端 PCB 制程要求更高。 所以 AI 服务器放量，不只是利好 GPU 和 HBM，也会带动： 高速 PCB； 高端覆铜板 CCL； 连接器； 电源管理； 高速线缆； 光模块； 散热材料。 这就是所谓“刚需中的刚需”。 六、最近两天黄仁勋重点发言释放了什么信号？ 1. 台湾是 AI 基建中心 黄仁勋近期在台湾表示，NVIDIA 将持续扩大对台湾供应链的投入，并称台湾是 AI 革命的中心。Reuters 报道称，NVIDIA 在台湾的年度支出可能达到约 1500 亿美元，远高于几年前的 100–150 亿美元级别。 这意味着接下来 AI 产业链的核心观察地，不只是硅谷，而是台湾。 台积电负责先进制程和先进封装； 富士康、广达、纬创、纬颖负责服务器和机柜； 台达电、奇鋐、双鸿等参与电源和散热；大量 PCB、连接器、光通信公司也在台湾及亚洲供应链中。 2. Vera Rubin 将成为下一阶段主线 Reuters 报道称，黄仁勋将在 Computex / GTC Taipei 期间重点介绍 NVIDIA 面向数据中心的新技术，包括 Vera Rubin AI 平台和 CPU。 市场接下来不能只盯 Blackwell。 Blackwell 是当下收入核心，Rubin 是下一阶段估值锚点。 如果 Rubin 平台推进顺利，NVIDIA 的收入曲线有望继续保持高斜率； 如果供应链、良率、液冷、HBM 或客户部署节奏出现问题，市场也会重新评估估值。 3. 中国市场是风险变量 NVIDIA 近期也反复提到中国市场风险。Yahoo Finance 报道称，黄仁勋表示 NVIDIA 在中国数据中心计算市场份额已经降至零； Tom’s Hardware 也报道称，黄仁勋表示中国不应获得最先进的 Blackwell 和 Rubin AI GPU，美国应在 AI 硬件上拥有“first, most, and best”。 这对 NVIDIA 是双刃剑。 短期看，美国和全球云厂商需求足够强，能覆盖中国缺口； 但长期看，中国市场缺席会给本土替代和竞争对手生态留下空间。 七、未来走向：NVIDIA 的故事会从“GPU 短缺”走向“AI 工厂标准” 我认为未来 1–3 年，NVIDIA 的主线会发生三层变化。 第一阶段：Blackwell 继续放量，财报仍然强 短期最直接的逻辑还是 Blackwell 交付和数据中心收入。 NVIDIA Q1 FY2027 数据中心收入已经达到 752 亿美元，下一季度收入指引达到 910 亿美元。 只要 Blackwell 产能、HBM、CoWoS 和整机柜交付顺利，财报仍然会维持高增长。 市场短期最关注： Blackwell 出货节奏； GB300 / Rubin 过渡节奏； HBM 供应； CoWoS 产能； 液冷机柜交付； 云厂商 capex 是否继续上修。 第二阶段：Rubin 和 Vera CPU 打开新天花板 中期逻辑是 Rubin + Vera CPU。 如果 Blackwell 是 GPU 时代的强化版，那么 Rubin / Vera 更像是 NVIDIA 走向“整套 AI 工厂架构”的关键一步。 未来 NVIDIA 不只是卖 GPU，而是卖： CPU、GPU、DPU、NIC、Switch、NVLink、Spectrum-X、液冷机柜、软件栈和 AI 工厂设计方法。 这也是为什么 NVIDIA 的估值不是只看芯片，而是看平台。 第三阶段：Agentic AI 推动推理需求爆发 更长期看，Agentic AI 会改变算力需求结构。 过去 AI 主要是训练大模型。 未来 AI 会变成大量智能体持续运行： 企业内部 Agent； 代码 Agent； 客服 Agent； 金融分析 Agent； 机器人 Agent； 工业调度 Agent； 自动驾驶和物理 AI Agent。 这些 Agent 会带来巨大的推理需求，而且推理不是一次性任务，而是持续消耗 token。 Gartner 预计 2026 年全球 AI 支出将达到 2.59 万亿美元，同比增长 47%；Reuters 评论也提到，2026 年 AI 相关资本开支可能达到 8000 亿美元，2027 年进一步达到 1.12 万亿美元。 这就是 NVIDIA 最核心的长期逻辑： AI 应用越普及，推理越多；推理越多，AI 工厂越多；AI 工厂越多，NVIDIA 的平台价值越大。 八、风险 1. 估值已经很高 NVIDIA 当前市值约 5.15 万亿美元。要再翻倍，需要市场继续相信未来几年收入和利润能继续高速增长。 如果云厂商 capex 放缓，或者 AI 应用变现不及预期，估值会面临压力。 2. 自研芯片竞争会加剧 Google TPU、Amazon Trainium、Microsoft Maia、Meta 自研芯片，以及 Broadcom、Marvell 帮云厂商做 custom ASIC，都会持续挑战 NVIDIA。 这些芯片未必完全替代 NVIDIA，但会分流部分训练和推理工作负载。 3. 监管和出口限制 CUDA 生态越强，监管关注度越高。 出口限制也会影响中国市场，并推动中国本土 AI 芯片生态加速发展。 4. 供应链瓶颈 HBM、CoWoS、液冷、电源、PCB、光模块、服务器代工，任何一个环节出问题，都会影响 NVIDIA 的交付节奏。 NVIDIA 现在不是单颗芯片公司，而是系统供应链公司；系统越强，链条也越复杂。
4:44

黄仁勋真正想表达的不是“NVIDIA 股票一定涨”，而是 AI 基建正在从 GPU 短缺阶段，进入 AI 工厂标准化阶段。 谁掌握算力平台、软件生态和供应链，谁就掌握下一轮 AI 工业革命的入口。 一、核心观点： NVIDIA 的市值逻辑，不是“概念”，而是收入曲线在支撑 NVIDIA 的收入已经不是普通科技公司的增长速度。 NVIDIA 最新 FY2027 Q1 财报显示，公司季度收入达到 816 亿美元，同比增长 85%； 其中数据中心收入达到 752 亿美元，同比增长 92%。公司还给出下一季度 910 亿美元收入指引，并说明这个指引不包含中国数据中心计算收入。 最新市场数据也显示，NVIDIA 当前市值约 5.15 万亿美元。如果市场讨论未来 3–5 年能否继续翻倍到 10 万亿美元，本质上不是看短期情绪，而是看未来收入、利润和估值倍数能否继续配合。 一个重点是： NVIDIA 的市值不是“凭空炒上去”的，而是 AI 基建支出、数据中心收入、GPU / 网络 / 软件生态共同推动的结果。 二、黄仁勋真正的底气：AI 需求才刚开始 反复强调一个观点： AI 的需求不是接近尾声，而是刚刚开始爆发。 这和黄仁勋此前在 GTC 2026 的说法一致。 NVIDIA 官方博客提到，黄仁勋称 AI 计算需求已经“off the charts”，并表示过去几年计算需求增长了约 100 万倍；他还表示，从 2025 到 2027 年，仅 Blackwell 和 Vera Rubin 相关平台，就有望带来至少 1 万亿美元收入机会。 这句话非常关键 因为它意味着 NVIDIA 的增长逻辑已经从： 卖 GPU 给云厂商 升级为： 为全球 AI 工厂提供整套算力基础设施。 未来的 AI 需求来自多个方向： 大模型训练继续扩大； 推理需求快速增长； Agentic AI 带来更多多步骤任务； 企业 AI 应用从试点进入生产环境； 机器人、自动驾驶、工业数字孪生和物理 AI 开始吃算力； 数据中心从普通服务器升级为 AI 工厂。 这也是为什么黄仁勋一直强调 AI factories，AI 工厂。 在他的叙事里，未来数据中心不是存储网页和应用的地方，而是持续生产 token、智能和自动化能力的“工厂”。 三、第二个增长逻辑： Vera CPU 让 NVIDIA 不再只是 GPU 公司 NVIDIA 的下一个增量，不只是 GPU，而是 CPU。 过去数据中心 CPU 市场主要由 Intel 和 AMD 控制。但 Agentic AI 时代，CPU 的角色正在变化。 传统 CPU 主要处理通用计算任务；未来 AI 数据中心里，CPU 要负责更复杂的调度： 多智能体任务编排； 工具调用； 数据预处理； KV Cache 管理； 网络与存储调度； 大量小任务并发； GPU 集群之间的协调。 NVIDIA 在 Vera Rubin 平台中推出 Vera CPU，本质上就是在切入这个新市场。Tom’s Hardware 对 Vera Rubin NVL72 的报道提到，该系统采用 Vera CPU、Rubin GPU、NVLink 6、ConnectX-9、BlueField-4 和 Spectrum-6 Ethernet 等多类芯片，属于 rack-scale 架构；NVIDIA 声称 Rubin 相比 Blackwell 可带来更高推理性能和更低 token 成本。 这说明 NVIDIA 的打法已经不是“GPU 插进服务器”， 而是： CPU + GPU + DPU + NIC + Switch + 软件栈 + 液冷整机柜。 这就是视频里所谓“底气”的来源。 NVIDIA 的目标不是只拿 GPU 份额，而是重新定义整个 AI 数据中心的架构。 四、第三个护城河：CUDA 生态比芯片更难替代 NVIDIA 的优势不只是芯片性能，更关键的是 CUDA 生态。 很多公司可以做 AI 芯片，Google 有 TPU，Amazon 有 Trainium，Microsoft 有 Maia，Meta 也在推进自研芯片。 但问题是，AI 开发者、模型框架、推理工具、训练库、优化器、企业应用、工程经验，大量都围绕 NVIDIA CUDA 生态建立。 所以客户更换 NVIDIA 的成本，不只是换硬件，而是要重写软件、迁移模型、重新验证稳定性、重建工程体系。 这就是 NVIDIA 最难被替代的地方： 芯片可以被追赶，生态很难被一夜复制。 但这也带来反面风险。视频里提到“全球范围内的反垄断、CUDA 生态调查”，这确实是未来需要关注的风险之一。 NVIDIA 越强，监管压力越大；CUDA 越成为行业事实标准，越可能被监管机构审视。 五、第四个重点： 真正的 AI 机会在供应链，不只在 NVIDIA 本身 未来 AI 基建不是一颗芯片决定的，而是一整套系统决定的： GPU / CPU / HBM / CoWoS / 网络交换 / 光模块 / 液冷 / 电源 / PCB / 服务器代工 / 数据中心建设。 黄仁勋最近在台湾的动作，也印证了这一点。Reuters 报道称，黄仁勋在台北表示，NVIDIA 每年可能在台湾投入约 1500 亿美元，并称台湾是 AI 革命的“中心”； 他还与 TSMC、富士康、广达等关键供应链公司高层会面。 这说明 NVIDIA 很清楚： AI 的瓶颈不是单点，而是系统产能。 特别是接下来 Rubin 平台、GB300、NVL72 / NVL144、1.6T 网络、液冷机柜、HBM4 / HBM4E 等产品放量后，供应链会变得更重要。 视频里提到的几个方向，都值得重点关注： 1. AI 服务器代工 NVIDIA 自己不生产整机服务器，真正把 AI 服务器做出来的是供应链公司。 包括富士康、广达、纬创、纬颖、英业达、戴尔、Supermicro 等。 Dell 最新财报也验证了 AI 服务器需求的强度。Reuters 报道称，Dell 上调全年业绩预期，并将 FY2027 AI 服务器收入预期从 500 亿美元上调到 600 亿美元。 这说明 AI 服务器需求不是停留在 NVIDIA 财报里，而是已经传导到整机厂。 2. 高速网络与光互连 “1.6T 已经开始批量出货”，背后对应的是 AI 数据中心网络升级。 AI 集群越来越大，GPU 之间、机柜之间、数据中心之间都需要更高速连接。 NVIDIA 早已不只是 GPU 公司，它还通过 Mellanox 拿下 InfiniBand、Ethernet、Spectrum-X、NVLink 等网络能力。 NVIDIA 2025 年宣布 Spectrum-X Photonics 和 Quantum-X Photonics，推动共封装光学 CPO / 硅光方案，用于把 AI 工厂扩展到百万 GPU 级别； 官方当时称 Spectrum-X Photonics Ethernet switches 将在 2026 年推出。 未来 AI 工厂越大，网络互连越重要。 3. 液冷 Blackwell、Rubin 这类 AI 系统功耗越来越高，传统风冷很难长期支撑高密度机柜。 未来高端 AI 服务器会越来越多采用液冷方案，包括冷板、CDU、液冷管路、机柜级热管理等。 这意味着 AI 产业链的机会，会从芯片扩散到散热、电源、机柜和数据中心工程。 4. 高端 PCB / CCL “AI 服务器 PCB” AI 服务器的信号速率越来越高，层数越来越多，对高频高速材料、低损耗 CCL、高端 PCB 制程要求更高。 所以 AI 服务器放量，不只是利好 GPU 和 HBM，也会带动： 高速 PCB； 高端覆铜板 CCL； 连接器； 电源管理； 高速线缆； 光模块； 散热材料。 这就是所谓“刚需中的刚需”。 六、最近两天黄仁勋重点发言释放了什么信号？ 1. 台湾是 AI 基建中心 黄仁勋近期在台湾表示，NVIDIA 将持续扩大对台湾供应链的投入，并称台湾是 AI 革命的中心。Reuters 报道称，NVIDIA 在台湾的年度支出可能达到约 1500 亿美元，远高于几年前的 100–150 亿美元级别。 这意味着接下来 AI 产业链的核心观察地，不只是硅谷，而是台湾。 台积电负责先进制程和先进封装； 富士康、广达、纬创、纬颖负责服务器和机柜； 台达电、奇鋐、双鸿等参与电源和散热；大量 PCB、连接器、光通信公司也在台湾及亚洲供应链中。 2. Vera Rubin 将成为下一阶段主线 Reuters 报道称，黄仁勋将在 Computex / GTC Taipei 期间重点介绍 NVIDIA 面向数据中心的新技术，包括 Vera Rubin AI 平台和 CPU。 市场接下来不能只盯 Blackwell。 Blackwell 是当下收入核心，Rubin 是下一阶段估值锚点。 如果 Rubin 平台推进顺利，NVIDIA 的收入曲线有望继续保持高斜率； 如果供应链、良率、液冷、HBM 或客户部署节奏出现问题，市场也会重新评估估值。 3. 中国市场是风险变量 NVIDIA 近期也反复提到中国市场风险。Yahoo Finance 报道称，黄仁勋表示 NVIDIA 在中国数据中心计算市场份额已经降至零； Tom’s Hardware 也报道称，黄仁勋表示中国不应获得最先进的 Blackwell 和 Rubin AI GPU，美国应在 AI 硬件上拥有“first, most, and best”。 这对 NVIDIA 是双刃剑。 短期看，美国和全球云厂商需求足够强，能覆盖中国缺口； 但长期看，中国市场缺席会给本土替代和竞争对手生态留下空间。 七、未来走向：NVIDIA 的故事会从“GPU 短缺”走向“AI 工厂标准” 我认为未来 1–3 年，NVIDIA 的主线会发生三层变化。 第一阶段：Blackwell 继续放量，财报仍然强 短期最直接的逻辑还是 Blackwell 交付和数据中心收入。 NVIDIA Q1 FY2027 数据中心收入已经达到 752 亿美元，下一季度收入指引达到 910 亿美元。 只要 Blackwell 产能、HBM、CoWoS 和整机柜交付顺利，财报仍然会维持高增长。 市场短期最关注： Blackwell 出货节奏； GB300 / Rubin 过渡节奏； HBM 供应； CoWoS 产能； 液冷机柜交付； 云厂商 capex 是否继续上修。 第二阶段：Rubin 和 Vera CPU 打开新天花板 中期逻辑是 Rubin + Vera CPU。 如果 Blackwell 是 GPU 时代的强化版，那么 Rubin / Vera 更像是 NVIDIA 走向“整套 AI 工厂架构”的关键一步。 未来 NVIDIA 不只是卖 GPU，而是卖： CPU、GPU、DPU、NIC、Switch、NVLink、Spectrum-X、液冷机柜、软件栈和 AI 工厂设计方法。 这也是为什么 NVIDIA 的估值不是只看芯片，而是看平台。 第三阶段：Agentic AI 推动推理需求爆发 更长期看，Agentic AI 会改变算力需求结构。 过去 AI 主要是训练大模型。 未来 AI 会变成大量智能体持续运行： 企业内部 Agent； 代码 Agent； 客服 Agent； 金融分析 Agent； 机器人 Agent； 工业调度 Agent； 自动驾驶和物理 AI Agent。 这些 Agent 会带来巨大的推理需求，而且推理不是一次性任务，而是持续消耗 token。 Gartner 预计 2026 年全球 AI 支出将达到 2.59 万亿美元，同比增长 47%；Reuters 评论也提到，2026 年 AI 相关资本开支可能达到 8000 亿美元，2027 年进一步达到 1.12 万亿美元。 这就是 NVIDIA 最核心的长期逻辑： AI 应用越普及，推理越多；推理越多，AI 工厂越多；AI 工厂越多，NVIDIA 的平台价值越大。 八、风险 1. 估值已经很高 NVIDIA 当前市值约 5.15 万亿美元。要再翻倍，需要市场继续相信未来几年收入和利润能继续高速增长。 如果云厂商 capex 放缓，或者 AI 应用变现不及预期，估值会面临压力。 2. 自研芯片竞争会加剧 Google TPU、Amazon Trainium、Microsoft Maia、Meta 自研芯片，以及 Broadcom、Marvell 帮云厂商做 custom ASIC，都会持续挑战 NVIDIA。 这些芯片未必完全替代 NVIDIA，但会分流部分训练和推理工作负载。 3. 监管和出口限制 CUDA 生态越强，监管关注度越高。 出口限制也会影响中国市场，并推动中国本土 AI 芯片生态加速发展。 4. 供应链瓶颈 HBM、CoWoS、液冷、电源、PCB、光模块、服务器代工，任何一个环节出问题，都会影响 NVIDIA 的交付节奏。 NVIDIA 现在不是单颗芯片公司，而是系统供应链公司；系统越强，链条也越复杂。

伊泽🔶BTC |🧡 1000X GEM

77,844 views • 3 months ago

⚡🔥 $GOOGL CEO亲口承认：电力正在成为AI扩张的最大瓶颈——真正的赢家可能根本不是芯片 当 Sundar Pichai 公开说“电力是AI扩张的最大约束之一”，我意识到，市场可能盯错了方向。 大家都在追 $NVDA。 但如果数据中心开始进入 GW 级别的能耗规模，瓶颈不在算力本身，而在“能不能供得起电”。 AI 上半场是 GPU 军备竞赛。 AI 下半场是能源与电网重估。 逻辑非常清晰： 如果算力需求指数级增长 → 数据中心功耗爆发 → 电力成为稀缺资源 → 产业链利润向能源端倾斜。 我把这条链条拆开来看。 第一层：发电端——直接受益 当长期购电协议（PPA）被锁定，电力资产的确定性现金流会被重新定价。 $VST $CEG 这类公司拥有可规模化发电能力，尤其核电与稳定基载电力，对数据中心来说比“绿色标签”更重要的是“持续供电”。 第二层：电网与输电——隐形瓶颈 很多人忽略一个现实： 有电厂，不代表电能送到数据中心。 美国电网老化问题早就存在，AI 只是把矛盾提前放大。 $PWR $ETN 电网扩建、电气系统升级、变压与配电设备，都不是可选项，而是必选项。 第三层：数据中心基础设施 GPU 功耗越来越高，散热与电力系统成为成本核心。 $VRT 它卖的不是“科技梦想”，而是机房运转的生命线。 第四层：AI Hosting 与能源套利 当电力成为稀缺资产，拥有低成本能源的算力运营商会获得边际优势。 $IREN $APLD 本质是电力成本结构 + 算力租赁模型的组合。 我现在的判断是： 市场还在用“科技成长股”思维看AI。 但下一阶段的超额收益，很可能来自“公用事业 + 工业基础设施”的再估值。 如果AI真的进入长期资本开支周期，电力将从成本项变成战略资源。 你会继续重仓芯片， 还是开始提前布局能源与电网端？ 📣 我会持续跟踪AI产业链中被忽视的利润转移路径，拆解哪些环节会真正拿到定价权。关注我，一起在共识形成前看清结构变化。
0:23

⚡🔥 $GOOGL CEO亲口承认：电力正在成为AI扩张的最大瓶颈——真正的赢家可能根本不是芯片 当 Sundar Pichai 公开说“电力是AI扩张的最大约束之一”，我意识到，市场可能盯错了方向。 大家都在追 $NVDA。 但如果数据中心开始进入 GW 级别的能耗规模，瓶颈不在算力本身，而在“能不能供得起电”。 AI 上半场是 GPU 军备竞赛。 AI 下半场是能源与电网重估。 逻辑非常清晰： 如果算力需求指数级增长 → 数据中心功耗爆发 → 电力成为稀缺资源 → 产业链利润向能源端倾斜。 我把这条链条拆开来看。 第一层：发电端——直接受益 当长期购电协议（PPA）被锁定，电力资产的确定性现金流会被重新定价。 $VST $CEG 这类公司拥有可规模化发电能力，尤其核电与稳定基载电力，对数据中心来说比“绿色标签”更重要的是“持续供电”。 第二层：电网与输电——隐形瓶颈 很多人忽略一个现实： 有电厂，不代表电能送到数据中心。 美国电网老化问题早就存在，AI 只是把矛盾提前放大。 $PWR $ETN 电网扩建、电气系统升级、变压与配电设备，都不是可选项，而是必选项。 第三层：数据中心基础设施 GPU 功耗越来越高，散热与电力系统成为成本核心。 $VRT 它卖的不是“科技梦想”，而是机房运转的生命线。 第四层：AI Hosting 与能源套利 当电力成为稀缺资产，拥有低成本能源的算力运营商会获得边际优势。 $IREN $APLD 本质是电力成本结构 + 算力租赁模型的组合。 我现在的判断是： 市场还在用“科技成长股”思维看AI。 但下一阶段的超额收益，很可能来自“公用事业 + 工业基础设施”的再估值。 如果AI真的进入长期资本开支周期，电力将从成本项变成战略资源。 你会继续重仓芯片， 还是开始提前布局能源与电网端？ 📣 我会持续跟踪AI产业链中被忽视的利润转移路径，拆解哪些环节会真正拿到定价权。关注我，一起在共识形成前看清结构变化。

M

56,903 views • 6 months ago

白宫加密政策主管David Sacks： 四年内AI 大模型能力将增长一百万倍 ！ “我认为目前至少在三个关键维度上，进步的速度都是指数级的。” “首先是算法本身。模型每年提升的速度大概是 3-4 倍。” “它们不仅仅是在速度和性能上更快更好，而且将从量变到质变。” “接着是推理模型。” “我们甚至还没有真正进入智能代理时代，但这将是继推理模型之后的下一个重大飞跃。” “在这个领域，我们才刚刚开始（推理算力增加带来的能力增加也将是倍数增长）。” “接下来是芯片。” “根据多种衡量标准，每一代芯片的性能可能比上一代提高 3-4 倍。” “不只是单个芯片在不断进步，他们还在研究如何将这些芯片联网在一起。” “就像 NVL72 系统，它类似于一个机架系统，可以在数据中心级别大幅提升性能。” “计算能力是第三个你会看到基本上呈指数级进步的领域。” “只需要看看数据中心中部署的 GPU 数量。” “当马斯克最初开始训练 Grok 时，我认为他们大概有 10 万块 GPU。现在已经有 30 万块 GPU，而且正朝着百万块 GPU的目标迈进。OpenAI 的数据中心 Stargate 也是同样的情况。” “在接下来的几年中，他们可能会发展到 500 万、1000 万块 GPU。” 1,000,000 倍的增长是怎么得出的： “算法、芯片和数据中心的扩展和改进速度都是每年 3-4 倍。” “也就是说，每两年进步 10 倍。” “很多人没有理解指数级进步的含义：如果每两年提升 10 倍，并不意味着四年后你只是提升 20 倍。” “这实际上意味着提升 100 倍。” “把这些因素相乘：算法、芯片，以及可用于 AI 的原始计算能力。” 100 倍模型 🧠 × 100 倍芯片 💾 × 100 倍计算能力 ⚡️ = 1,000,000 倍的 AI 大模型🤖 “你所谈论的就是 1,000,000 倍的能力增长。” “但这种变革的影响将是绝对巨大的。” “我觉得人们还没有充分认识到这一点，因为他们不了解指数级进步的意义。”
1:42

白宫加密政策主管David Sacks： 四年内AI 大模型能力将增长一百万倍 ！ “我认为目前至少在三个关键维度上，进步的速度都是指数级的。” “首先是算法本身。模型每年提升的速度大概是 3-4 倍。” “它们不仅仅是在速度和性能上更快更好，而且将从量变到质变。” “接着是推理模型。” “我们甚至还没有真正进入智能代理时代，但这将是继推理模型之后的下一个重大飞跃。” “在这个领域，我们才刚刚开始（推理算力增加带来的能力增加也将是倍数增长）。” “接下来是芯片。” “根据多种衡量标准，每一代芯片的性能可能比上一代提高 3-4 倍。” “不只是单个芯片在不断进步，他们还在研究如何将这些芯片联网在一起。” “就像 NVL72 系统，它类似于一个机架系统，可以在数据中心级别大幅提升性能。” “计算能力是第三个你会看到基本上呈指数级进步的领域。” “只需要看看数据中心中部署的 GPU 数量。” “当马斯克最初开始训练 Grok 时，我认为他们大概有 10 万块 GPU。现在已经有 30 万块 GPU，而且正朝着百万块 GPU的目标迈进。OpenAI 的数据中心 Stargate 也是同样的情况。” “在接下来的几年中，他们可能会发展到 500 万、1000 万块 GPU。” 1,000,000 倍的增长是怎么得出的： “算法、芯片和数据中心的扩展和改进速度都是每年 3-4 倍。” “也就是说，每两年进步 10 倍。” “很多人没有理解指数级进步的含义：如果每两年提升 10 倍，并不意味着四年后你只是提升 20 倍。” “这实际上意味着提升 100 倍。” “把这些因素相乘：算法、芯片，以及可用于 AI 的原始计算能力。” 100 倍模型 🧠 × 100 倍芯片 💾 × 100 倍计算能力 ⚡️ = 1,000,000 倍的 AI 大模型🤖 “你所谈论的就是 1,000,000 倍的能力增长。” “但这种变革的影响将是绝对巨大的。” “我觉得人们还没有充分认识到这一点，因为他们不了解指数级进步的意义。”

夜谈

25,895 views • 1 year ago