David Silver(大卫·西尔弗):劳力士是奢侈品的“入门券”,而古董表市场已彻底改变撰文:Techub News 整理
导语
在最新一期的 Superlative 播客中,主持人 Ariel Adams 与伦敦知名古董腕表商 The Vintage Watch Company 的创始人 David Silver(大卫·西尔弗)进行了一场深度对话。The Vintage Watch Company 成立30年来,专注于古董劳力士腕表的收藏与销售,被誉为拥有全球最大规模的古董劳力士系列。David Silver(大卫·西尔弗)从其家族生意起源谈起,深入剖析了劳力士品牌跨越产品本身、成为一种全球文化符号的独特魅力,并分享了古董劳力士市场在过去几十年间,如何从一个小众爱好演变为一个受到全球事件、金融市场甚至流行文化深刻影响的成熟领域。本次对话不仅关乎腕表收藏,更是一次对奢侈品消费心理、品牌价值构建和市场动态的精彩解读。
摘要
劳力士的品牌力量可与可口可乐等全球消费品牌比肩,其成功根植于深厚的历史、名人效应与文化符号意义。
2017年保罗·纽曼 Daytona 以1700万美元天价拍卖,是古董劳力士市场走向主流公众视野的关键转折点。
古董劳力士的收藏逻辑与现代表款截然不同,其价值源于历史的偶然性与稀缺性,而非刻意营销的“限量版”。
现代劳力士的供应短缺意外推动了古董市场的繁荣,但古董表的货源获取如今比销售更具挑战性。
加密货币、地缘政治、全球经济等外部因素,正以前所未有的方式影响着高端腕表的价值与市场波动。
劳力士:超越腕表的全球性符号
当被问及为何劳力士能在消费者心中占据如此独特且稳固的地位时,David Silver(大卫·西尔弗)给出了一个宏观的视角:劳力士首先是一个与可口可乐、百事可乐、家乐氏齐名的全球顶级品牌,其次才是一个奢侈腕表制造商。这种品牌认知的广度与深度,是其价格远高于普通消费品却依然拥有巨大市场的根本原因。
他认为,劳力士的魅力来源于一个强大的组合:深厚的历史积淀、纯粹的制表传承、以及无数传奇人物与故事。从保罗·纽曼(Paul Newman)到各种影视作品和体育成就,劳力士的形象早已深入人心。它不仅仅是一个计时工具,更是一种成就的象征、一份珍贵的礼物、一件可以传世的资产。Silver(西尔弗)指出,对于许多人而言,购买第一块劳力士(无论是古董款还是现代款)是一个重要的人生里程碑,代表着“我做到了”。这种“渴望感”是品牌的核心驱动力之一。
他特别强调了劳力士在奢侈品领域的“入门”作用:“很多人是通过劳力士第一次接触到豪华腕表这个概念。如果没有劳力士作为‘引路人’,许多人可能根本不会知道高端腕表世界的存在。” 尽管并非所有人都会从劳力士扩展到其他品牌,但劳力士作为“门户”的角色,对整个腕表行业的生态至关重要,滋养了从大型品牌到独立制表师的整个体系。
古董劳力士市场的演变与转折点
The Vintage Watch Company 的创立本身就是一个市场选择的缩影。Silver(西尔弗)回忆道,30年前他的父亲最初经营的是一个包含多个品牌的古董表柜台,但很快发现,劳力士的销售速度远超其他所有品牌的总和。这个“尤里卡时刻”促使他们决定专注于单一品牌——古董劳力士,将其作为当时现代劳力士之外一个极具吸引力的替代选择。
谈及古董劳力士市场的演变,Silver(西尔弗)认为,2017年保罗·纽曼本人的“保罗·纽曼” Daytona 腕表在富艺斯拍卖行以1700万美元创纪录的价格成交,是一个“ monumental turning point”( monumental 转折点)。这一事件首次将“古董”、“劳力士”和“天价”这几个关键词同时推上了全球各大媒体的头条,让普罗大众开始好奇:“一块手表凭什么值这么多钱?” 这股好奇心吸引了海量的新玩家进入古董表领域。他将此事对腕表行业的影响,类比为伊丽莎白·泰勒(Elizabeth Taylor)的珠宝收藏对珠宝行业的推动作用。
市场成熟也带来了变化。Silver(西尔弗)指出,如今的挑战主要在于 sourcing(货源获取),而非销售。市场信息高度透明,消费者(卖家)可以轻松通过网络了解腕表的大致价值,很难再以极低的价格“捡漏”。同时,由于古董表的不可再生性,拥有者越来越惜售,而现代腕表则更容易在市场上流通。
新冠疫情及其后的供应链问题,意外地给古董市场带来了助推。当消费者走进劳力士授权店,却只能得到“请登记排队”的答复时,古董劳力士的“即时可得性”成为了巨大的优势。许多人因此第一次尝试购买古董款,并由此成为常客。
收藏逻辑:偶然性与历史的馈赠
在讨论古董表的价值来源时,Silver(西尔弗)和 Adams 达成了一个共识:最具收藏价值的物品,往往在其诞生之初并未被刻意设计为“收藏品”。以 Daytona 为例,在自动计时机芯成为潮流的年代,劳力士仍在使用手上链机芯,导致其当时在市场上并不受欢迎,产量也相对较少。如今被誉为传奇的“exotic dial”(异国情调面盘,即“保罗·纽曼”面)款式,在当时只是零售目录中的一个普通变体。
“当时根本没有人能预见到这些手表未来会价值连城,” Silver(西尔弗)说。这种源于历史偶然性、而非现代营销套路的稀缺性,才是古董收藏真正的魅力所在。他对此表示欣赏,并对当下一些品牌刻意推出“限量版”以营造稀缺感的做法持保留态度。“我们现在都需要等上80年,才能知道2025 年 5 月的哪些限量版在未来真的有价值。”他幽默地补充道。
对于想要从现代劳力士转向古董款的消费者,Silver(西尔弗)会坦诚地设置预期:古董表需要更多的呵护。它们可能不适合佩戴去海滩游泳或潜水,需要像对待宝贝一样小心。但另一方面,他也指出,许多古董表在工艺上其实更为出色,包含了更多的手工成分,佩戴起来通常更轻、更优雅。
《Vintage Rolex》图鉴与未来展望
对话中,Silver(西尔弗)也介绍了其公司出版的《Vintage Rolex》图鉴(新版)。这本书并非传统意义上的品牌历史书,而是一个视觉化的档案库,收录了所有经他们之手、并由专业团队统一拍摄的古董劳力士表款照片。其独特之处在于,它按照收藏家的逻辑(而非品牌官方的产品线)来分类展示,让读者能够直观地看到各个系列(如 Explorer、Submariner)细微的演变过程,以及一些短暂出现过的独特设计。
“世界上没有任何一个地方能同时看到所有这些表,” Silver(西尔弗)说,“因为它们太稀有、太珍贵了。” 这本书因此成为了一部“作弊手册”,让爱好者能快速把握古董劳力士的美学 DNA。他坦言,如今由于一些表款(如彩色 Stella 面盘 Day-Date、保罗·纽曼 Daytona)价格已飙升至数十万甚至数百万美元,要像当年那样集结成如此规模的收藏并进行拍摄,几乎已不可能。因此,这本书也成为了一个特定市场时期的珍贵记录。
展望未来,尽管线上销售和社交媒体日益重要,Silver(西尔弗)坚信实体店体验无可替代。位于伦敦伯灵顿拱廊(Burlington Arcade)的店铺是其业务的核心,让人们能够亲眼目睹、亲手触摸这些历史作品。他2025 年 5 月续签了租约,决心将这个线下目的地持续经营下去。同时,他也敏锐地观察到,加密货币的兴起、全球利率变化、甚至地缘政治冲突,都在以前所未有的方式影响着高端腕表的价值波动,这使得这个行业与宏观经济的联系变得空前紧密。
最后,谈及现代劳力士供应情况逐渐改善是否会影响古董市场时,Silver(西尔弗)用了一个巧妙的比喻:如果一家你屡次预约都被告知客满的知名餐厅,突然主动打电话给你说有位置,你可能会心生疑虑——“是换厨师了吗?”。他认为,消费者心理需要时间调整,而那些最热门的表款依然稀缺,因此市场关系的重塑仍需时日。
NVIDIA 创始人 Jensen Huang(黄仁勋):AI 工厂、物理智能与机器人未来撰文:Techub News 整理
导语
在 COMPUTEX 2025 的舞台上,NVIDIA 创始人兼 CEO Jensen Huang(黄仁勋)发表了长达近两小时的主题演讲。这场演讲不仅是年度科技盛会的高光时刻,更是 NVIDIA 在 AI 计算时代的一次全面战略宣言。黄仁勋回顾了 NVIDIA 过去三十年的转型之路——从图形芯片公司到 CUDA 计算平台创造者,再到如今全球 AI 基础设施的核心构建者。本次演讲的重要性在于,它清晰地勾勒了 NVIDIA 对下一个计算时代的愿景:一个由“AI 工厂”、物理智能(Physical AI)和普及化机器人所定义的新产业。
摘要
NVIDIA 宣布全新产品线:GB300 超级芯片、面向开发者的 DGX Spark、企业级 RTX Pro 服务器,以及开放生态的 MVLink Fusion 平台。
提出“AI 工厂”概念,认为未来的数据中心是生产“智能令牌(Tokens)”的工厂,AI 基础设施将成为堪比电网和互联网的社会基础。
揭示 AI 演进路径:从感知、生成式 AI,迈向具备推理能力的“智能体 AI(Agentic AI)”,并最终实现理解物理世界的“物理 AI”。
宣布与富士康、台湾地区政府、台积电合作,在台湾建设首座巨型 AI 超级计算机,强化本地 AI 生态系统。
全面展示 NVIDIA 在机器人技术栈的布局,包括 Isaac Groot 开源平台、Jetson Thor 机器人处理器,以及利用 AI 生成合成数据训练机器人的“Groot Dreams”蓝图。
从芯片到 AI 基础设施:NVIDIA 的范式转移
黄仁勋开篇即指出,NVIDIA 的故事是计算机产业的重塑史,也是公司的自我再造史。他回顾了从 2006 年推出革命性 CUDA 平台,到 2016 年意识到需要重塑整个技术栈(处理器、软件、系统),从而诞生了 DGX1 系统,并将其捐赠给 OpenAI,由此点燃了 AI 革命的火种。
如今,NVIDIA 的自我定位已超越单纯的科技公司。“我们意识到 NVIDIA 不再仅仅是一家科技公司。事实上,我们是一家必不可少的基础设施公司。”黄仁勋强调。他将 AI 基础设施类比为历史上的电网和互联网,是即将融入社会肌理的新一代基础要素。这种基础设施的具体形态就是“AI 工厂”——它不再是传统的数据中心,而是输入能源、产出极具价值的“智能令牌(Tokens)”的生产设施。未来,企业财报可能会像报告产能一样报告“令牌产量”。黄仁勋预测,这个 AI 基础设施产业的规模将达到数万亿美元。
核心引擎:CUDA 与加速计算库的进化
黄仁勋重申,加速计算和 AI 的融合是 NVIDIA 的核心,而实现这一点的关键是庞大的软件库生态系统。他展示了涵盖各个领域的 CUDA-X 库,包括用于 5G/6G 无线信号处理的 Aerial,用于基因组学的 Parabrics,用于医疗影像的 Monai,用于气候预测的 Earth-2,以及用于计算光刻的 cuLitho(可将掩模制作计算加速 50-70 倍,台积电、ASML、Synopsys 等均为合作伙伴)。
他强调,正是这些领域专用的库,使得 NVIDIA 能够将一个又一个科学和产业领域迁移到加速计算平台上。例如,在电信领域,经过六年打磨,NVIDIA 已能提供完全加速的无线接入网(RAN)软件栈,在性能(每瓦特数据速率)上媲美最先进的专用芯片(ASIC),并为进一步叠加 AI(AI on 5G/6G)奠定了基础。
新一代 AI 超级计算机:Grace Blackwell GB300 与 MVLink 奇迹
演讲的重头戏之一是宣布 Grace Blackwell 平台的升级版 GB300。它采用相同架构和物理外形,但芯片升级,带来 1.5 倍的推理性能提升、1.5 倍的 HBM 内存容量和 2 倍的网络带宽。单个 GB300 节点即可提供 40 Petaflops 的性能,相当于 2018 年由 18,000 个 GPU 组成的 Sierra 超级计算机,实现了“六年性能提升四千倍”的极致摩尔定律。
实现这种“规模扩大(Scale-up)”能力的关键在于 NVIDIA 自研的 MVLink 互联技术。黄仁勋展示了由 9 个 MVLink 交换机(每个 7.2 TB/s)和重达约 70 磅、包含 2 英里长线缆的“MVLink 脊柱(Spine)”组成的系统。该脊柱可提供 130 TB/s 的全互联带宽,“超过了整个互联网的峰值流量”。这使得 72 个 GPU(144 个芯片)能够如同一个巨型 GPU 般协同工作。由于信号传输的物理极限,如此高性能的集成目前只能在一个机架内实现,这也导致了高达 120 千瓦的功率密度,必须采用全液冷散热。
更重要的生态战略是宣布 MVLink Fusion。这是一个开放平台,允许合作伙伴将自家的定制 ASIC、CPU 或加速器,通过 MVLink 小芯片(Chiplet)或 IP 集成到 NVIDIA 的 AI 超级计算机生态系统中。黄仁勋明确表示,“你的 AI 基础设施可以有一部分是 NVIDIA 的,很大一部分是你自己的”,这为包括联发科(MediaTek)、富士通、高通(Qualcomm)在内的合作伙伴提供了灵活的集成路径,旨在扩大整个 AI 基础设施的生态系统。
AI 的下一波浪潮:推理、智能体与物理 AI
黄仁勋梳理了 AI 能力的演进阶段:从早期的感知 AI(识别图像、语音),到过去五年的生成式 AI(内容生成),现在正进入 “推理 AI” 阶段。AI 不仅需要学习知识,更需要具备解决新问题、逐步推理、权衡选项的能力(如思维链、思维树等技术)。
结合多模态感知、工具使用和协作能力,推理 AI 将进化为 “智能体 AI(Agentic AI)”,即能够理解、思考并采取行动的数字实体。黄仁勋将其比作数字形式的机器人,并认为它们将作为“数字员工”弥补全球劳动力短缺(预计到 2030 年缺口达 3000-5000 万)。
超越数字智能体的下一阶段是 “物理 AI(Physical AI)”,即能够理解物理世界法则(如惯性、摩擦力、物体恒存性、因果关系)的 AI。这种能力对于机器人、自动驾驶等领域至关重要。NVIDIA 正在利用其仿真技术,通过提示词生成大量用于训练自动驾驶系统的合成视频场景。
产品民主化:从 DGX Spark 到企业级 RTX Pro
为了让 AI 计算能力更普及,NVIDIA 推出了多款新产品。其中,DGX Spark 是一款面向 AI 原生开发者、研究者和学生的桌面级设备,提供 1 Petaflops 性能和 128 GB 内存,其性能与 2016 年重达 300 磅的 DGX-1 相当,但体积和功耗大幅缩小,预计几周内上市。
针对企业市场,NVIDIA 发布了 RTX Pro 企业级服务器。这款服务器设计的关键在于既能无缝运行传统的 x86 企业 IT 环境(虚拟机、Kubernetes等),又能高效运行各类 AI 智能体工作负载(文本、图形、视频)。它搭载了新的 Blackwell RTX Pro 6000 GPU,并通过全新的 CX8 互联芯片(兼具交换和网络功能)实现高达 800 Gb/s 的 GPU 间东-西向流量带宽。黄仁勋引用性能曲线图显示,该服务器在 Llama 70B 模型上的性能是 H100 的 1.7 倍,而在优化程度更高的 DeepSeek R1 模型上,性能可达 H100 的 4 倍。
黄仁勋还概述了企业 AI 栈的另外两大支柱:AI 存储 与 AI 运维(AI Ops)。未来的企业存储将需要 GPU 前置来处理非结构化数据的语义搜索和索引,NVIDIA 的 NeMo Retriever 及相关蓝图正在与 VAST、戴尔、Hitachi、IBM、NetApp 等存储厂商合作。AI Ops 则涉及模型的微调、评估、护栏和安全,NVIDIA 正与 CrowdStrike、DataRobot、Elastic 等伙伴共建生态。
机器人未来:仿真、学习与数字孪生
机器人是黄仁勋演讲的另一核心。他宣布,用于机器人开发和运行的完整平台 Isaac Groot N1.5 现已开源,并已被下载超过 6000 次。该平台包括用于训练的 AI 超级计算机(GB200/300)、用于仿真的 Omniverse、以及用于部署的 Jetson Thor 机器人处理器和 Isaac OS。
针对机器人训练数据稀缺的挑战,NVIDIA 推出了 “Groot Dreams”蓝图。该方案利用 NVIDIA 的 Cosmos 物理 AI 基础模型,对少量人类示教(Teleoperation)数据进行扩增,生成大量高质量的合成轨迹数据,从而用一个小团队的工作量达到数千人示范的效果。
黄仁勋特别强调了人形机器人的重要性,认为它是唯一能无缝融入现有(为人类设计的)环境(即“棕地”)的机器人形态,并且因其潜在的海量规模,最有可能成为下一个万亿美元产业。
这一切都离不开 数字孪生。黄仁勋展示了台积电、富士康、和硕、广达、纬创等台湾合作伙伴利用 Omniverse 构建的工厂、数据中心乃至城市级别的数字孪生。这些高度逼真的仿真环境不仅是规划和优化的工具,更是训练机器人、模拟多智能体协作的“机器人健身房”。他透露,全球未来三年有约 5 万亿美元的新工厂投资计划,数字孪生技术将至关重要。
深耕台湾:宣布建设本地 AI 超算与新总部
作为对台湾生态系统的肯定和加码,黄仁勋宣布了一项重磅合作:NVIDIA 将与富士康、台湾地区政府及台积电合作,在台湾建设第一座巨型 AI 超级计算机,为本地研究人员、学生、初创企业及大型公司提供世界级的 AI 基础设施。
演讲最后,黄仁勋以一个“新产品”发布将气氛推向高潮——由于在台员工规模不断扩大,NVIDIA 计划在台北信义区贝托谢林(Beetho Sheiling)地块建设名为 “NVIDIA Constellation” 的台湾新总部大楼,这象征着 NVIDIA 与台湾科技产业更紧密、更长期的绑定。
黄仁勋总结道,当前是“一生一次”的机遇,NVIDIA 与合作伙伴不仅是在创造下一代信息技术,更是在开创一个全新的产业。他期待与生态伙伴共同构建 AI 工厂、企业智能体、机器人,并以统一的架构扩展生态系统。
NVIDIA 创始人 Jensen Huang(黄仁勋):Agentic AI 已至,发布 Vera Rubin、Vera CPU 与 RTX Spark PC撰文:Techub News 整理
导语
2026年6月1日,NVIDIA 创始人兼 CEO Jensen Huang(黄仁勋)在台北 COMPUTEX 展会上发表了长达两小时的主题演讲。这场演讲被视为指引未来数年 AI 与计算产业方向的「风向标」。黄仁勋不仅回到了其故乡台湾,更在父母和数万现场观众面前,系统阐述了 AI 从「生成」走向「有用」的关键转折,并发布了一系列旨在重塑从数据中心到个人电脑的软硬件产品。
当前,全球正处于建设 AI 工厂的狂潮中,算力即利润。黄仁勋此次演讲的核心,正是宣告一种全新的计算范式——以智能体(Agent)为中心的计算——已经成熟并开始创造巨大经济价值。他详细介绍了支撑这一范式的技术栈,包括已全面投产的 Vera Rubin 系统、专为智能体设计的 Vera CPU,以及与微软携手、时隔40年重新发明的个人电脑 RTX Spark。
摘要
Agentic AI(智能体 AI)时代已真正到来,AI 从生成内容变为执行有用工作,成为利润和 GDP 的直接创造者。
NVIDIA 发布 Vera Rubin 多机架超级计算机,这是首个专为处理智能体工作负载而设计的端到端系统,现已全面投产。
推出革命性的 Vera CPU,其设计理念从服务人类转向服务智能体,追求极致的单线程性能、带宽和能效,以消除智能体工作流中的瓶颈。
NVIDIA 与微软深度合作,推出 RTX Spark PC 产品线,重新发明个人计算机,使其原生运行智能体,开启继 Windows 95 之后最大的 PC 革命。
发布企业 AI 智能体工具包、物理 AI 基础模型 Cosmos 3、自动驾驶模型 Alpamo 2 及人形机器人参考平台 Isaac Groot,将智能体范式扩展至各行各业。
智能体时代降临:从生成到有用,算力即收入
黄仁勋开篇即指出,AI 的发展浪潮已从生成式 AI 进入 Agentic AI(智能体 AI)阶段。「有用的 AI」已经到来。他以全球软件开发为例,展示了智能体带来的生产力革命:GitHub 上的代码提交量在 2026 年前几个月近乎翻了三倍。这意味着全球约 3000 万软件开发者(代表约 3 万亿美元年薪)所创造的经济产出可能接近 9 万亿美元。AI 并未取代工作,反而因极大提升了单个工程师的产出价值,刺激企业雇佣更多工程师。
这一转变的核心在于,AI 生成的「Token」(代币)不再是单纯的信息单元,而是可盈利的收入单位。智能体能够观察、推理、规划并使用工具(如浏览器、数据库、CAD 软件)来完成实际任务,从编写代码、创建 GIF 动画到设计 3D 打印部件。这创造了对 Token 的海量需求,进而驱动对算力——即 AI 工厂——的疯狂投资。
黄仁勋强调,「计算即收入,计算即利润」。在这种新范式下,数据中心或 AI 工厂的每一瓦特电力都直接关联到 Token 的产出和收入。因此,衡量系统优劣的关键指标不再是单纯的峰值算力,而是「每瓦特 Token 数」和系统的整体可靠性、生命周期。这从根本上改变了计算基础设施的设计哲学和经济学。
Vera Rubin:为智能体而生的超级计算机
为了应对智能体工作负载的极端复杂性,NVIDIA 推出了 Vera Rubin。黄仁勋澄清,Vera Rubin 不是一个单一的 GPU 芯片,而是一个从端到端设计的、多机架规模的智能体处理系统。智能体的工作模式是「解聚且分布式」的:大语言模型负责「思考」,工具运行在 CPU 或加速器上,记忆管理系统处理工作记忆和长期记忆,安全处理器保障全流程加密,所有环节由编排软件协调。这完全不同于传统应用在单一操作系统内运行的模式。
Vera Rubin 系统集成了 Vera Rubin GPU(MVLink 72)、Vera CPU、Bluefield-4 DPU、ConnectX-9 网络芯片以及 Spectrum-X 以太网交换机等至少七种新型芯片。其设计采用「极端协同设计」,通过数字孪生在 Omniverse 中完成整个系统的模拟、验证和优化,然后再进行物理建造。黄仁勋特别展示了其革命性的机架设计:无电缆、无软管、无风扇,通过中置 PCB 背板连接,将单个机架的组装时间从 Grace Blackwell 时代的 2 小时缩短至 5 分钟,可靠性和可维护性大幅提升。
黄仁勋宣布,Vera Rubin 现已进入全面生产阶段,其供应链规模是 Grace Blackwell 的两倍。该系统专为智能体时代打造,能够高效处理智能体所需的观察、推理、规划、工具使用和记忆管理等复杂任务,是 NVIDIA 从 GPU 公司、系统公司向AI 基础设施公司转型的标志性产品。
Vera CPU:为 impatient 的智能体重塑计算核心
黄仁勋指出,传统 CPU 是为人类用户设计的,其使用和租赁模式以「秒」为单位。但智能体是「没有耐心的」,它们生活在「纳秒」世界。在智能体工作流中,CPU 用于编排、管理工具调用、访问数据库等任务,任何等待都会拖累整个智能体的执行效率,从而影响宝贵的 Token 产出。
为此,NVIDIA 设计了全新的 Vera CPU,这是首个为智能体时代打造的 CPU。其设计目标聚焦于四点:极高的单线程性能(IPC)、极高的每核心带宽、极高的芯片内外总带宽以及极致的能效。Vera CPU 采用了名为「Olympus」的自研核心、第二代可扩展一致性互连 fabric,并首次支持 LPDDR5X 内存,实现了相比现有 x86 CPU 数倍的性能提升。例如,在 SQL 查询和实时流处理(如纽约证券交易所场景)等关键工作负载上,Vera CPU 带来了 3 倍到 6 倍的加速。
黄仁勋预测,未来智能体的数量将远超人类,它们对低延迟和高效率的渴求将催生一个全新的、巨大的 CPU 市场。Vera CPU 将与 Vera Rubin 系统紧密耦合,成为优化 AI 工厂产出(Token)的关键一环。
重新发明 PC:NVIDIA 与微软的 RTX Spark 革命
黄仁勋将话题从数据中心引向个人计算,宣布与微软合作,时隔 40 年重新发明个人电脑。新的计算范式——智能体——不仅运行在云端,也将运行在每个人的设备上。为此,NVIDIA 推出了 RTX Spark 平台。
RTX Spark 的核心是一颗与联发科合作开发的 N1X 芯片,它集成了 Blackwell 架构的 RTX GPU、定制版 20 核 Grace CPU,并通过 NVLink 互联,拥有 128GB 统一内存。黄仁勋强调,这是一个「百分之百兼容 Windows、百分之百运行 CUDA、百分之百具备 NVIDIA AI Tensor Core」的平台,能够无缝运行过去数十年积累的所有应用和 AI 工作负载。
现场演示展示了运行在 RTX Spark 笔记本上的智能体如何帮助用户设计房屋:用户通过自然语言和草图表达意图,智能体便能调用本地的 Rhino、Blender 等专业软件进行建模、渲染,甚至利用云端模型生成效果图。这预示着未来 PC 的角色将从被动工具转变为拥有自主智能体的主动助手。
此外,NVIDIA 还宣布了全新的产品线,包括 RTX Spark 笔记本电脑、台式机和工作站。黄仁勋展望,未来家庭中可能会拥有一个常年开机、连接所有设备的「AI 超级计算机」,作为个人的智能体中枢,其意义堪比手机向智能手机的演变。
赋能万物智能:从企业工具包到物理 AI
为了让各行各业都能构建自己的智能体,NVIDIA 推出了「企业 AI 智能体工具包」。该工具包包含四个核心部分:模型(如开源的 Neotron,会上发布了更智能、更高效的 Neotron 3 Ultra)、智能体编排框架(如 Open Shell)、工具与技能(如 CUDA-X 库)以及运行时环境。黄仁勋以与 Cadence 合作开发的「芯片设计超级智能体」为例,展示了该工具包如何将芯片验证周期从数周缩短到数小时。
最后,黄仁勋将智能体的范畴从数字世界拓展到物理世界。他发布了物理 AI 基础模型 Cosmos 3,这是一个能够理解、推理和生成物理世界场景的多模态模型,可用于机器人训练、仿真等。同时,还推出了具备推理能力的自动驾驶模型 Alpamo 2,以及为降低人形机器人研发门槛的开源参考平台 Isaac Groot(包含软硬件和参考机器人设计)。
黄仁勋总结道,无论是云端智能体、PC 智能体、机器人还是自动驾驶汽车,其核心计算模式都是相同的:模型、编排框架、工具技能和运行时。NVIDIA 通过 Vera Rubin、Vera CPU、RTX Spark 以及一系列软件工具包,正在为这个全新的智能体时代构建完整的基础设施栈。他感谢了台湾供应链伙伴的巨大贡献,并坚信与生态系统的紧密合作将继续驱动这场前所未有的技术革命。
Davide Asnaghi(戴维德·阿斯纳吉)与 Alex Modon(亚历克斯·莫顿):AI如何重塑硬件设计与大型基建撰文:Techub News 整理
在 a16z 的深度对话节目中,两位致力于将AI引入实体世界的创业者——Diode Computers CEO Davide Asnaghi(戴维德·阿斯纳吉)和 Unlimited Industries CEO Alex Modon(亚历克斯·莫顿)——分享了他们的见解。他们分别从微观(电路板)和宏观(大型基建项目)两个截然不同的尺度,探讨了AI如何改变传统上依赖深厚专业知识与手工流程的行业。这场对话揭示了AI不仅关乎软件与数据,更关乎如何移动原子、建造实体,以及重塑美国工业的未来。
从代码到电路板:AI如何成为硬件设计师
Davide Asnaghi(戴维德·阿斯纳吉)的公司 Diode Computers 正利用AI设计和制造定制电路板。他的目标听起来雄心勃勃:“我希望能够像我的朋友创办B2B SaaS公司那样,轻松创办一家硬件公司。”这意味着,将硬件设计——一项传统上被视为极其复杂和专业的工程——变得如同编写软件一样 accessible。
然而,硬件设计领域数据稀缺,且工程师们习惯于特定的工具和流程。Asnaghi(阿斯纳吉)的解决方案颇具巧思:“我们作弊了。”他们绕过了直接训练AI理解电路板物理设计的难题,转而利用AI已经擅长的领域——代码。他们构建了一个编译器,给予AI模型足够的提示,使其感觉像是在编写Python程序,而非设计电路板。这本质上是将物理设计问题,重构为一个AI模型已经拥有海量训练数据(代码)的问题。
“传统的电子设计根本不是用代码完成的,” Asnaghi(阿斯纳吉)解释道,“而且,很多有品位的电气工程师鄙视编写代码的想法。没关系,我们不想让不想写代码的人去写。让模型去写代码。模型写代码的能力惊人,它理解这些概念。”
这种“万物皆代码”的方法,使得AI能够生成可直接用于制造的硬件设计。Asnaghi(阿斯纳吉)对自动化时间线的预测相当激进:“我曾以为需要5年,但现在我认为可能只需要2年。”当然,他指的是特定类型的电子设计(他重点关注的子集)将在两年内实现全自动化设计。
自动化不仅仅是设计。在制造端,电路板组装(SMT)已有大量机器人自动化,但仍有约20%的工作难以自动化,例如焊接大型变压器、组装外壳等。这部分通常依赖人工。Asnaghi(阿斯纳吉)指出,在美国,单纯依靠劳动力无法快速扩大数据中心等产能,也无法将建设周期从四年缩短到两年。因此,他们的核心目标并非用AI完全取代设计工作,而是用AI自动化那些能够产出“高度可制造”输出的设计类型。如果设计本身受到约束(即针对制造优化),那么2026 年 4 月就可以实现100%的自动化制造——“机器人已经在这里了。”
Asnaghi(阿斯纳吉)的愿景是扩展“软件工程师”的定义:“你希望赋予任何能够生成代码的事物同样的生成硬件的能力。”这不仅包括技艺高超的软件工程师,也包括AI代理(agents)。他们的开源编译器工具链(diode.link/pcb)正是为此搭建的基础设施,旨在成为AI和人类设计硬件并无缝进入制造流程的轨道。
对于数据难题,Asnaghi(阿斯纳吉)认为,电路板设计领域缺乏足够的公开数据来训练一个真正强大的基础模型。他们的策略是先用代码方法 bootstrap(引导),生成经过验证的设计模块库,这些模块成为下一代模型的训练数据,形成复利效应。同时,如果他们能成为众人免费设计的平台(rails),数据自然会汇聚而来。他相信,最大的障碍是数据不足,而非模型架构。只要能在美国以与亚洲竞争的成本进行盈利性制造,就能生成足够数据使模型准确性飙升。
基建自动化:用AI重新设计大型项目
Alex Modon(亚历克斯·莫顿)的 Unlimited Industries 则瞄准了规模宏大的基建项目——电厂、医院、大型设施。他提出了一个大胆的断言:“在10年内,所有建筑都将完全自动化。”
目前,一个大型基建项目始于开发商拥有一块空地。随后,可能需要长达一年甚至一年半的时间进行设计,数百名工程师(机械、工艺、电气、土木结构)参与,共同完成一套巨大的“施工发布包”(IFC)。这套文件随后交给总承包商进行采购和建造。
Modon(莫顿)描述了他们自动化这一前端流程的愿景:输入场地信息和建设要求,AI将探索成千上万种不同的设计方案 permutations,一键点击即可生成一个全局优化的IFC包。优化目标可以是资本支出(CapEx),但更好的方式是项目的总拥有成本,包括运营维护和施工便利性。
与软件行业参数化、灵活的设计方式类似,Modon(莫顿)希望将这种模式引入基建设计。“对我们客户来说,最大的价值体现是,如果你花了6个月设计某样东西……如果你想在6个月后更改某些东西,哦,天哪……你得重新开始。这完全是一场噩梦。”而在他们的AI驱动模式下,一切只是一个更新的变量,可以高效迭代。
后端施工则涉及更多机器人技术,从短期内更可行的自主推土机,到未来工地上的大量人形机器人和无人机。Modon(莫顿)相信,只要激励措施得当,这个未来注定会在十年内实现。
与硬件设计类似,基建行业也面临数据稀缺和传统工作方式的挑战。Modon(莫顿)指出,基建行业的激励结构与风险规避紧密相关,资本来源决定了整个项目的激励机制,这往往抑制了新技术的采纳。“你走进这些公司,看看人们的电脑,你会感觉像是被困在90年代末。”因此,Unlimited Industries 选择了垂直整合的策略,“我们必须拥有足够多的部分,以便能够与行业建立一个清晰的接口。”而不是试图切入一个小环节并强迫人们改变。
在团队构建上,Modon(莫顿)的经验是:“教一个跨学科的人使用最新最好的AI工具,比反过来(教AI专家成为领域专家)要容易得多。”他们的团队主要由多学科背景的机械、电气、土木工程师以及仿真、控制专家组成,辅以一些AI和软件背景的人才。
对于AI理解物理世界约束的问题,Modon(莫顿)同样秉持“万物皆代码”的理念。他们将复杂的系统关系 embodied 到一个 robust 的 ontological 模型中,为AI代理和LLMs提供一个可以生成代码的环境框架,这些代码能利用各种确定性工具,就像普通工程师一样。这创造了一种参数化的关系,使得优化和迭代变得容易。
挑战、机遇与未来展望
两位CEO都承认,实现完全自动化仍有最后一段 gap 需要跨越。对于 Diode,目前AI能完成约90%的设计,剩余10%需要人类工程师检查和完善。Asnaghi(阿斯纳吉)认为,“最后的 frontier 是我们没有足够的数据。”数据是 society 需要生成的东西。他个人认为现有架构组件已足够,但数据是关键。他的联合创始人则有不同看法,认为许多问题非常适合蒙特卡洛树搜索强化学习风格的方法。无论如何,他们的策略是专注于构建端到端的系统,并随时准备利用架构或数据生成方面的任何突破。
对于 Unlimited Industries,Modon(莫顿)认为他们的问题数据稀疏度更高,但大多数问题可以被 bounded(界定),且行业有大量标准 governing 如何建造。他更强调系统设计哲学:“确保你设计的系统实际上是完全自主的,而不是需要人类介入的。”这驱动了非常不同的架构。他们同样押注模型会变得更好。
关于人形机器人(humanoids)等更广泛的物理自动化,两人都持乐观态度。Modon(莫顿)认为,围绕一种设计进行大规模制造所能带来的效率和学习率,足以抵消定制化效率的损失,因此人形机器人形态将非常重要。Asnaghi(阿斯纳吉)则笑称自己“平等地爱所有机器人”,因为它们内部都有电路板。他更看好具有视觉语言动作模型(VLA)的机器人手臂,来解决那剩余的20%难以自动化的工作。
两人都提到了行业中存在的“ tacit knowledge”(隐性知识)——那些经验丰富的工程师、电工所拥有的直觉和诀窍。Modon(莫顿)指出,美国电工的平均薪水可能已经高于硅谷的软件工程师,需求巨大。Asnaghi(阿斯纳吉)则认为,在美国电路板行业,更大的文化 disconnect 在于设计与制造的脱节。设计师往往在“象牙塔”中设计,然后将制造外包到其他地方,因此缺乏“为制造而设计”(DFM)的 visceral connection(切身联系)。在中国,设计师即使知道制造不是自己完成,也会为了让朋友的工厂更容易生产而精心设计。AI的目标之一,就是自动生成这些DFM-ready的设计。
最后,谈到他们工作的二阶效应和使命,Asnaghi(阿斯纳吉)希望激发美国下一代对建造实体事物的热情。“我希望美国工程师、美国的青少年热衷于建造实体东西,并说‘我想建造一个立方星并把它送入轨道,做点酷炫的事情’,而且这很容易,因为我可以快速启动,并在第二天就制造出我的电路板。”
Modon(莫顿)则关注美国基建能力的衰退。他来自软件世界,那里一切都在进步,而基建领域的劳动生产率等指标在过去50年里却在恶化。“我晚上闭上眼睛时看到的图表就是那样。”他们的目标是,将建造这些项目的生命周期中的一个环节做得更好(一个数量级甚至多个数量级),从而有能力重新解决整个问题,从激励措施入手,建造绝对更多的项目——从支撑AI胜利所需的数据中心能源,到重新工业化所需的所有先进制造业公司,再到关键矿物。这一切构成了我们所见的世界的核心骨架,而我们正在变得更糟,这是非常令人担忧的事情。
两位创业者的对话揭示了一个共同的主题:AI在实体世界的应用,不仅是技术挑战,更是对行业文化、激励机制和数据生态的重塑。通过将物理问题编码化,他们正在搭建通往一个更高效、更具创造力、且更能应对未来挑战的实体工业未来的桥梁。
从“AI Next”到“AI Together”:COMPUTEX 2026 留给市场的是兑现题撰文:Techub News
导语:
台北国际电脑展在 2026 年给出的信号,比过去一年更清楚,也更难用一句“AI 热潮延续”概括。2025 年,COMPUTEX 的关键词还是 “AI Next”,行业在讨论 AI 基础设施如何扩张;到 2026 年,主题换成 “AI Together”,展会叙事从芯片、服务器和终端单点突破,转向 AI 工厂、机器人、边缘计算、AI PC 与供应链协同。
这不是简单的口号变化。
根据主办方资料,COMPUTEX 2026 于 6 月 2 日至 5 日在台北举行,展区横跨南港展览馆一馆、二馆、台北世贸一馆和台北国际会议中心,规模达到 1,500 家展商、6,000 个摊位。闭幕数据则显示,四天吸引 111,312 名买主和观众,来自 152 个国家和地区。相比之下,2025 年展会在南港一馆、二馆举行,1,400 家展商来自 34 个国家,使用 4,800 个摊位,闭幕统计为 86,521 名买主。
2025 年的三条主线是 AI & Robotics、Next-Gen Tech 和 Future Mobility,并新增 AI Services Technology Zone、Robotics & Drones Zone。2026 年主办方把焦点调整为 AI Computing、Robotics & Intelligent Mobility、Next-Generation Technology,并在台北世贸一馆设立 AI Robotics Zone,同时增加 E-paper Pavilion 和 TechXperience。展区变化说明,COMPUTEX 已经不再只是 PC 和零组件展,机器人、机器视觉、数据中心电力、散热、连接和边缘 AI,正在被放到更靠前的位置。
这一转向最集中体现在 NVIDIA 身上。2025 年,NVIDIA 在 COMPUTEX 期间推出 NVLink Fusion,试图把更多定制 CPU、ASIC 和加速器拉入其 NVLink 生态;同年还发布 RTX PRO Servers 和企业 AI Factory 设计,把“企业数据中心 GPU 化”推向台面。到 2026 年,NVIDIA 在 GTC Taipei 宣布 Vera Rubin 平台进入 full production,并点名台湾服务器厂和全球供应链参与制造,名单包括 Foxconn、Quanta Cloud Technology、Wistron、Wiwynn 等。它同时推出 Spectrum-X Ethernet Photonics,把 CPO 光互连也纳入 AI 工厂扩展叙事。
更有市场争议的是 RTX Spark。NVIDIA 与 Microsoft 将其包装为面向个人 AI agents 的 Windows PC 平台,合作伙伴包括 ASUS、Dell、HP、Lenovo、Microsoft Surface、MSI 等。它让 NVIDIA 从数据中心进一步逼近 PC 生态,也让 Qualcomm、Intel、AMD 在 AI PC 上面对新的竞争变量。
AMD 在两届展会中的角色有所不同。2025 年,它在 COMPUTEX 推出 Radeon RX 9060 XT、Radeon AI PRO R9700 和 Ryzen Threadripper 9000,强调本地 AI、工作站和高端桌面计算。2026 年,AMD 更突出平台寿命和游戏产品,宣布 AM5 支持延长至 2029 年,推出 Ryzen 7 7700X3D 和 Radeon RX 9070 GRE。对投资者而言,这更偏 PC 和游戏生态,数据中心 AI 的催化力度不及 NVIDIA。
Intel 的 2026 年重点则是把 CPU 重新放回 AI 基础设施中心。公司发布 Xeon 6+、800 Series Ethernet E835,并披露 Crescent Island 数据中心 GPU 进展,强调 agentic AI 工作负载需要 CPU 处理编排、并发和数据移动。Qualcomm 今年以 “The Year of Agents” 作为 Computex 叙事核心,展示 Dragonwing 机器人参考设计和 Snapdragon X2 Elite mini-PC;MediaTek 则把主题放在 edge-to-cloud,展出 Wi-Fi 8、6G、卫星通信、数据中心 ASIC、CPO 和 MicroLED 互连技术。
资本市场对 2025 年 COMPUTEX 的反应提醒投资者:展会热度和股价表现并不总是同步。按 Yahoo Finance 历史复权收盘价粗略计算,从 2025 年 5 月 16 日到 5 月 23 日,NVDA 下跌约 3.0%,AMD 下跌约 5.9%,INTC 下跌约 7.4%,QCOM 下跌约 4.7%,台积电 ADR 下跌约 1.2%。台湾 AI 服务器链条也并非普涨,鸿海、广达、联发科、纬颖短线均有回落,纬创则小幅上涨。
但如果把观察窗口拉到 2025 年 6 月 10 日,市场开始重新选择基本面更明确的环节。NVDA 较 5 月 16 日上涨约 6.3%,台积电 ADR 上涨约 9.4%,纬创上涨约 6.7%,广达和纬颖也转为上涨。这个过程说明,发布会带来的短线情绪可以很快降温,真正能支撑估值的仍是订单、产能利用率、客户名单和毛利率。
放到 2026 年,市场可以关注的方向并不少,但需要分层看。AI 服务器 ODM、先进封装、HBM、液冷、电源、连接器、PCB、高速交换和光互连,仍是最接近 AI 资本开支的链条。台积电的位置来自先进制程和 CoWoS 等先进封装;鸿海、广达、纬创、纬颖等承担系统制造和机柜级集成;联发科则在边缘 AI、ASIC 和高速互连上寻找新的增长曲线。
AI PC 和机器人更需要等待验证。RTX Spark、Snapdragon X2、Intel Core Ultra、AMD Ryzen AI 等平台会推动硬件更新,但 AI PC 是否带来真实换机周期,要看企业采购、软件适配和本地推理使用率。机器人和 Physical AI 的想象空间更大,也更容易被主题化交易,真正需要跟踪的是工业、物流、医疗和零售场景中的批量部署,而不是展台上的演示效果。
COMPUTEX 2026 的价值,不在于它又一次证明 AI 是科技产业主线,而在于它把主线拆成了更具体的兑现问题:谁有先进封装产能,谁拿到机柜订单,谁能解决电力和散热,谁的软件生态能让 AI PC 被用户真正使用,谁的机器人方案能离开展示区进入工厂和仓库。
展会结束后,市场不会缺少故事。真正稀缺的仍是可验证的数字。接下来几个季度,投资者需要看的不是“AI Together”的横幅,而是云厂商资本开支、TSMC 先进封装扩产、HBM 供需、ODM 月营收、毛利率变化、客户集中度,以及出口管制和地缘风险是否扰动订单。COMPUTEX 提供方向,财报才给答案。
COMPUTEX 2026:AI从算力竞赛走向实体部署,机器人产业链开始进入量产叙事 —— 从台北展会现场到资本市场热议,Physical AI如何重塑产业关注焦点导语
6 月的台北,COMPUTEX 2026 把“AI Together”写在了最醒目的位置。与去年还在讨论“AI NEXT”、更多强调下一阶段技术突破不同,今年展会传递出的关键信号已经明显变化:人工智能不再只是围绕大模型、服务器和算力芯片展开叙事,而是开始进入机器人、自动化、边缘运算、智能空间与真实业务流程之中。
对于产业观察者而言,这意味着 AI 的讨论中心,正在从“谁的模型更强”转向“谁能把 AI 真正部署进机器、系统和组织,并形成规模化交付”。
就在同一天,市场另一端也出现了呼应这一趋势的信号。6 月 5 日,市场关注度较高的投资人 Serenity 公开发文称,绿的谐波(688017)是其在人形机器人赛道布局中最看好的中国上市公司之一,并围绕谐波减速器、旋转关节减速器、直线执行器、电机、关节以及行星滚柱丝杠等核心部件,展开了其对“实体 AI”量产逻辑的判断。该观点迅速在市场发酵,绿的谐波股价当日出现显著波动。展会现场与资本市场的两条线索,在同一天形成了一次颇具代表性的交汇:当 AI 开始被放入机器人和自动化系统中,行业讨论的重点,也开始从模型能力本身,外溢到整机制造、供应链协同和关键零部件价值分配。
摘要
COMPUTEX 2026 在“AI Together”主题下,进一步强化了 AI 基础设施、边缘计算、机器人与智慧移动、下一代技术应用等多个方向,展会规模达到 1500 家厂商、6000 个展位,创下新高。
多家参展企业的展示重点,不再停留于生成式 AI 演示,而是进一步延伸到智能空间、智能制造、协作机器人、智慧停车、边缘推理、端侧 AI 设备以及企业场景部署。
与 2025 年相比,COMPUTEX 2026 最显著的变化,是展会叙事从“AI 的下一步”转向“AI 如何被协同交付并进入产业系统”。
与此同时,围绕绿的谐波的市场讨论,则折射出资本市场对机器人产业链的关注正在上移。根据公开流传的 Serenity 发文内容,其核心观点并非停留在单一公司情绪判断,而是围绕“若人形机器人进入规模化量产,哪些能够稳定切入单机 BOM 并具备多个核心部件布局能力的公司,将在产业放量中受益”这一逻辑展开。无论这一判断最终能否完全兑现,它都对应了当前机器人赛道最受关注的问题:Physical AI 如果从概念验证走向量产落地,产业价值究竟会沉淀到哪里。
AI Together
从展会层面看,COMPUTEX 2026 由台北国际电脑展延续升级而来,官方将本届主题定为“AI Together”,并明确提出聚焦 AI 运算与机器人、次世代科技、未来移动等方向。公开资料显示,本届展会吸引来自 33 个国家和地区的 1500 家厂商,使用约 6000 个展位,规模高于上一届。除了延续 AI 运算的高热度之外,展会今年新增 AI 机器人专区、科技应用与体验馆等内容,显示主办方正试图把 AI 从芯片与整机层的展示,扩展到更丰富的产业应用和体验式场景之中。
从企业展示内容看,今年不少参展方都在弱化单纯“秀模型”或“秀参数”的表达方式,转而强调落地能力、场景部署和系统协同。例如,联发科在本届展会上展示了从边缘到云端的 AI 布局,并将机器人、交通、智慧家庭、个人设备和数据中心连接进同一叙事框架;InnoVEX 2026 则将“AI 商业化”列为重点方向之一,主办方公开描述中也多次提到制造、机器人、企业自动化与下一代计算等场景。换句话说,今年 COMPUTEX 最值得注意的变化,不是 AI 标签更多了,而是 AI 终于被更明确地放入可交付、可部署、可量产的工业与商业系统中。
从市场层面看,6 月 5 日围绕绿的谐波的讨论同样引发关注。多家加密和财经资讯平台转载了 Serenity 对该公司的判断,相关内容提到,绿的谐波业务覆盖谐波减速器、人形机器人旋转关节减速器、直线执行器、电机、关节及多类核心零部件,并正进入行星滚柱丝杠领域。公开转载内容还提到,其对绿的谐波的看法建立在一个鲜明假设之上:一旦人形机器人走向规模量产,具备关键零部件切入能力、能够在单机价值量中占据一定比例的公司,将有望持续受益。
需要指出的是,关于“国内市场份额超过 60%”“全球客户超过 1800 家”等说法,当前广泛流传的来源主要来自 Serenity 相关发文及其二次转载。在公开研究资料与不同时间点的行业报告中,关于绿的谐波市占率、客户覆盖口径及其可持续性,存在不同统计口径与阶段性变化。因此,对于正规新闻写作而言,更稳妥的处理方式,是将这些数字明确归于“据 Serenity 发文表述”或“据公开流传信息”,并同时提醒读者,相关行业数据仍需结合公司定期报告、券商研究和后续订单验证交叉判断。
产业扩散
如果把 COMPUTEX 2026 与当下资本市场对机器人链条的关注放在一起看,可以发现一个非常清晰的共振:AI 产业正在从以“计算”为中心的上游竞赛,逐渐转入以“部署”为中心的中游和下游扩散。过去两年,资本市场和媒体报道中的焦点主要集中在 GPU、HBM、高速互连、服务器整机和大型模型厂商上;而到了 2026 年,随着边缘 AI、Agentic AI、机器人与自动化应用在展会上被集中展示,市场开始更认真地讨论,哪些硬件、系统和零部件会在下一阶段真正受益。
这也是为什么机器人赛道在今年的讨论中显得格外特殊。与生成式 AI 软件不同,人形机器人若要真正进入规模化部署,不仅需要感知、决策和控制层面的算法进步,还需要整机设计、执行器、减速器、丝杠、电机、关节、传感器、电池、线束、连接器以及制造良率的协同突破。换句话说,Physical AI 并不是一个单点的软件升级,它更像是一场跨越算法、工程、制造和供应链的系统战。而这种系统性,恰恰与 COMPUTEX 2026“AI Together”的展会主题形成了某种呼应。
从这个角度看,今年展会最重要的产业意义,或许不是再次证明 AI 很热,而是提示市场:AI 正在开始“长出身体”。当 AI 进入机器人、工业控制、智能空间和运营系统,它所对应的价值创造方式也会发生变化。模型和芯片仍然重要,但它们不再是价值链上唯一的焦点;谁能将这些能力封装进真实可运行的机器与系统,谁就更有可能在产业化进程中占据位置。
对于投资者而言,这种变化带来的一个直接结果,是观察框架需要同步迁移。过去关注 AI 产业,可能更多是看算力需求、芯片迭代和云厂商资本开支;而在机器人及自动化叙事升温后,市场会开始向下拆解单机 BOM、零部件壁垒、量产可行性、成本下降路径以及客户认证周期。Serenity 关于绿的谐波的公开表述之所以迅速引发讨论,也正是因为它触碰了这一新的估值问题:如果未来的人形机器人不只是实验室样机,而是逐步迈向成规模出货,那么那些能够稳定进入核心环节的零部件企业,是否会在市场重估中占据更高权重。
不过,展会热度和市场情绪并不能自动转化为产业兑现。无论是机器人整机厂、核心部件供应商,还是提供算法与操作系统能力的 AI 公司,真正决定行业节奏的,仍然是订单、成本、良率、稳定性与客户采用速度。尤其在人形机器人领域,从样机展示到规模商用之间,往往横亘着极长的工程化与商业化距离。COMPUTEX 2026 让外界看见了这条路径正在被加速铺设,但这并不意味着所有叙事都将在短期内被验证。
结语
回看今年的 COMPUTEX,一个最值得记住的变化在于,AI 展会的重心已经发生位移。它不再只是一个展示芯片性能、模型能力和笔电终端升级的舞台,而越来越像一个观察未来工业系统如何重组的窗口。从 AI 基础设施、边缘计算到机器人与自动化系统,台湾在全球供应链中的角色,也因此显得更加关键。
而 6 月 5 日围绕绿的谐波引发的市场讨论,则进一步说明,当 Physical AI 开始成为更高频的行业关键词,资本市场已经在尝试提前寻找那些可能嵌入量产链条的关键环节。展会现场提供的是产业方向,市场波动折射的是资本预期,两者共同勾勒出的,是一个比“生成式 AI 继续升温”更具体的命题:AI 正在从数字世界走向物理世界,真正的竞争,正从模型能力延伸到谁能完成交付、制造与规模化落地。
COMPUTEX 2026:Google与NVIDIA同时加码,AI基础设施竞争进入“系统级战争”导语:Google 在 Cloud Next ’26 推出第八代 TPU 和 Virgo Network,NVIDIA 则把 Vera Rubin 平台推进到更明确的商业化阶段,行业竞争的重心正从单颗芯片性能,转向计算、网络与机架级系统的整体协同。
如果说过去两年,AI 产业竞争的焦点主要集中在“谁的芯片更强”,那么到了 2026 年,这场竞赛已经明显进入下一阶段:比拼的不再只是芯片本身,而是谁能把算力、网络、软件栈和数据中心系统更高效地组织在一起。
这一变化,在今年 Google Cloud Next ’26 与 NVIDIA 的最新发布中体现得尤其明显。
Google 在 Cloud Next ’26 上正式发布第八代 TPU,包括面向训练场景的 TPU 8t,以及面向推理和强化学习场景的 TPU 8i。
这意味着 Google 仍在持续推进自研 AI 加速器路线,而且开始更清晰地区分训练与推理两类核心工作负载的基础设施需求。
比芯片更新更值得关注的,是 Google 对大规模算力网络的描述。Google 在官方材料中表示,Virgo Network 可在单一数据中心连接 134,000 个 TPU,并可跨站点连接超过 100 万个 TPU 组成训练集群。
这组数据释放出的信号很直接:在 Google 的 AI 基础设施版图里,网络已经不再只是芯片的配套环节,而是决定集群效率与扩展能力的核心部分。
另一条值得注意的线索是,Google 并未把赌注全部压在自研 TPU 上。除了 TPU 体系,Google 还宣布将提供 A5X 基础设施,并采用 NVIDIA Vera Rubin NVL72 机架级系统。
对外部市场而言,这说明超大云厂商在 AI 基础设施上的策略正变得更加务实:一边强化自研栈,一边继续引入 NVIDIA 的高端 GPU 平台,以满足不同客户和场景的部署需求。
NVIDIA 方面,Rubin 平台也已经从路线图概念进一步走向更清晰的落地阶段。NVIDIA 官方披露,Vera Rubin 平台围绕 Vera CPU、Rubin GPU、NVLink 6、ConnectX-9 SuperNIC、BlueField-4 DPU 和 Spectrum-6 Ethernet switch 进行系统级协同设计。
这套表述背后的重点,不是单一芯片参数,而是 NVIDIA 正把竞争维度提升到整机柜、整网络、整系统层面。
更具体地说,NVIDIA 已确认 Vera Rubin NVL72 将整合 72 个 Rubin GPU 和 36 个 Vera CPU,并表示相关平台将由合作伙伴在 2026 年下半年陆续提供。
这意味着,Rubin 不只是下一代 GPU 名称,而是一套面向 AI 工厂和大规模部署的完整平台方案。
把 Google 和 NVIDIA 的动作放在一起看,一个更清晰的产业趋势已经浮现出来:AI 基础设施的竞争,正在从“芯片代际升级”转向“系统级能力升级”。
无论是 Google 强调 Virgo Network 的跨数据中心连接能力,还是 NVIDIA 持续强化 NVLink、以太网交换和机架级系统协同,背后都指向同一个判断——未来决定 AI 产能上限的,越来越不是单点算力,而是算力能否被高效组织起来。
这也解释了为什么 2026 年的行业讨论开始越来越多地围绕 fabric、rack-scale、POD-scale 和 AI factory 展开。
在这个阶段,芯片仍然重要,但网络、系统架构和数据中心级部署能力,已经从“幕后配角”变成了新的主战场。
现阶段更稳妥的结论是,Google 与 NVIDIA 都在把 AI 基础设施推向更大规模、更强互连和更高系统集成度的方向。
至于更细的供应链受益名单、器件用量变化和价格传导节奏,公开材料暂时还不足以支持写成确定事实,这部分仍应与官方已确认信息严格区分。Synaptics, 在 Computex 2026 上公布“边缘 AI”战略……IoT 营收增长态势能否持续Synaptics ($SYNA)将于6月2日至5日在台湾台北南港展览中心举行的“2026台北国际电脑展”上,公开最新的“边缘AI”技术。本次展会中将介绍基于Astra的AI原生计算、下一代无线连接以及多模态传感技术,其应用领域涵盖智能家居、工业设备、物理AI以及智能企业物联网(IoT)的各个方面。
公司强调的方向是,在设备本身而非云端处理AI的“边缘AI”的普及。这一点因其能够减少延迟、提高能效和安全性,近来被视作半导体行业的核心趋势。Synaptics计划在此次活动中,通过演示重点展示其芯片组和开发平台如何融入实际产品中。
业绩呈改善趋势,IoT增长显著
Synaptics 2026财年第三季度销售额为2.942亿美元,约合4391亿韩元。这比去年同期增长了10%。核心IoT产品销售额在同一时期增长了31%。
盈利能力因会计准则而异。根据美国通用会计准则(GAAP),净亏损为800万美元,每股亏损0.21美元。相比之下,非GAAP准则下的净利润为4410万美元,稀释每股收益(EPS)为1.09美元。可以解读为,在剔除一次性费用等因素后,业绩持续改善。
此前公布的2026财年第二季度业绩也呈现类似趋势。当时销售额为3.025亿美元,同比增长13%,核心IoT产品销售额猛增53%。非GAAP准则下的毛利率为53.6%。公司方面曾将积压订单、边缘AI需求、有机增长投资以及机器人样品供应扩大列为增长背景。
第四季度指引与增长动力
Synaptics对第四季度销售额的指引为3.05亿美元,误差范围为1000万美元。非GAAP准则下的毛利率预计约为53.5%,每股收益预计为1.20美元,误差范围为0.15美元。管理层解释说,在物理AI和边缘AI领域,“设计中标”正在加强。预计年度核心IoT销售额将超过3.85亿美元。
这表明Synaptics正从单纯的零部件供应商,转向一家内置AI功能的互联半导体企业,其重心正在转移。特别是将AI运算、连接性和安全性整合于单芯片中的战略,在智能设备和工业系统中正变得越来越清晰。
新产品线扩增……微控制器与Wi-Fi 7芯片受关注
Synaptics自今年初以来,也在迅速扩展相关产品线。3月10日,公司推出了基于Astra SL2610系列和性能为1 TOPS的Torq神经网络处理单元(NPU)的限量版“Coral Dev Board”。该开发板基于Google Research的Coral NPU实现技术设计,并预装了Gemma 3 270M模型。它支持摄像头、显示器、音频,并可通过M.2接口扩展Wi-Fi和蓝牙功能。开发工具使用基于MLIR的Torq开源工具链。
此外,Synaptics还发布了面向高端音频和互联边缘设备的AI原生微控制器“Astra SR80”和“SRW1500”系列。主要规格包括Arm Cortex-M33及M52内核、Arm U55 NPU (50 GOPS)、集成Wi-Fi 7以及PSA Level 3根信任安全功能。样品供应目标为2026年第二季度,量产目标为第四季度。开发套件预计将于2026年初提供。
与此同时,公司还发布了面向智能家电、家庭自动化和工业物联网(IIoT)的单芯片Wi-Fi 7解决方案“SYN765x”。该产品的特点是将Wi-Fi 7、蓝牙LE 6.0、Thread/Zigbee、片内NPU/DSP以及传感功能集成于一体。公司说明,与类似的多芯片解决方案相比,可将RBOM降低最多25%,并将PCB面积缩减至不到100平方毫米。该产品同样计划于2026年第二季度提供样品,第四季度量产。
投资者沟通亦加强
Synaptics在发布业绩的同时,也持续与投资者进行沟通。公司宣布将于5月7日收盘后发布2026财年第三季度业绩,并于当日举行电话会议。希望参会的分析师和投资者需通过预先注册获取接入信息及专属密码。实时网络直播、回放及相关资料将在公司投资者关系网站上提供。
此外,首席财务官(CFO) Ken Rizvi已于1月13日参加了Needham增长会议、2月26日参加了Susquehanna技术会议,首席执行官(CEO) Rahul Patel计划与Rizvi一起于3月3日参加摩根士丹利技术、媒体与电信会议。
市场解读
通过近期的业绩和产品发布,Synaptics正在加快向“边缘AI”和高性能连接半导体企业转型的步伐。虽然按GAAP准则仍处于亏损区间,但核心IoT销售额的增长、非GAAP盈利能力以及接连不断的新品发布,都是增强增长预期的因素。2026台北国际电脑展将成为验证这一战略是否能转化为实际客户需求的舞台。
TP AI注意事项
本文由基于TokenPost.ai的语言模型总结而成。正文中的主要内容可能被遗漏或与事实不符。The Eastern Company,将于5月12日收盘后公布第一季度业绩…次日举行电话会议东方公司($EML)将于5月12日盘后公布2026年第一季度业绩。投资者将通过此次业绩发布了解今年初的业务动态和盈利能力变化。
据公司方面透露,东方公司($EML)计划于5月12日周二美国股市收盘后公布第一季度财务结果。随后在次日5月13日周三上午9点(美国东部时间),管理层将召开电话会议和网络广播,详细说明业绩情况。
电话会议在美国和加拿大可拨打888-506-0062接入,其他国家请使用973-528-0011。参与代码为399095。网络广播可在公司指定的专用页面收听,结束后也提供回放服务。
上市公司的季度业绩发布不仅是简单的数字公开,更是了解未来业务前景和管理层信息的重要场合,具有特殊意义。其中营收增长趋势、成本控制、主要业务部门订单流向等被视为核心关注点。
虽然本次日程通知本身未包含具体业绩数据或指引,但市场很可能在发布后紧接着的管理层发言中寻找今年业绩方向和需求环境的线索。东方公司($EML)股价预计也将根据实际业绩和未来展望作出反应。
TP AI 注意事项
本文基于TokenPost.ai语言模型生成的文章摘要。可能存在遗漏正文主要内容或与事实不符的情况。Cursor,以'Composer 2'为AI编程市场注入新风……强调成本效益Cursor近日推出名为"作曲家2"的人工智能模型,强调其在编程领域的卓越性能。该模型被评价为能够超越Claude Opus 4.6,并处理多样化的编程任务。目前通过Cursor热门AI代码编辑器可访问的"作曲家2",支持从开头至20万个令牌的上下文长度,能够执行代码生成、错误修复以及与计算机命令行界面的交互。
在Cursor的测试基准"CursorBench"中,通过平均由352行代码构成的多样化编程任务评估"作曲家2"的能力,其取得超过60%的得分,紧随OpenAI的GPT-5.4的高配置及中配置版本位列第三。同时,该模型在TerminalBench 2.0基准测试中超越了Anthropic PBC的模型,在命令行界面展现出优异性能。
据Cursor表示,"作曲家2"相比许多竞争模型更具成本效益。标准算法版本定价为每百万输入令牌50美分,每百万输出令牌2.50美元。响应更快速的高级版本则以每百万输入令牌1.50美元、每百万输出令牌7.50美元的价格提供。这种经济高效性源于该模型主要基于编码数据集进行训练。通过采用自总结式机器学习方法,成功实现了模型开发所需的数据压缩。
值得注意的是,"作曲家2"的发布,预计将成为Cursor推进估值约500亿美元融资轮次的积极因素。撰文:Techub News 整理 导语 在最新一期的 Superlative 播客中,主持人 Ariel Adams 与伦敦知名古董腕表商 The Vintage Watch Company 的创始人 David Silver(大卫·西尔弗)进行了一场深度对话。The Vintage Watch Company 成立30年来,专注于古董劳力士腕表的收藏与销售,被誉为拥有全球最大规模的古董劳力士系列。David Silver(大卫·西尔弗)从其家族生意起源谈起,深入剖析了劳力士品牌跨越产品本身、成为一种全球文化符号的独特魅力,并分享了古董劳力士市场在过去几十年间,如何从一个小众爱好演变为一个受到全球事件、金融市场甚至流行文化深刻影响的成熟领域。本次对话不仅关乎腕表收藏,更是一次对奢侈品消费心理、品牌价值构建和市场动态的精彩解读。 摘要 劳力士的品牌力量可与可口可乐等全球消费品牌比肩,其成功根植于深厚的历史、名人效应与文化符号意义。 2017年保罗·纽曼 Daytona 以1700万美元天价拍卖,是古董劳力士市场走向主流公众视野的关键转折点。 古董劳力士的收藏逻辑与现代表款截然不同,其价值源于历史的偶然性与稀缺性,而非刻意营销的“限量版”。 现代劳力士的供应短缺意外推动了古董市场的繁荣,但古董表的货源获取如今比销售更具挑战性。 加密货币、地缘政治、全球经济等外部因素,正以前所未有的方式影响着高端腕表的价值与市场波动。 劳力士:超越腕表的全球性符号 当被问及为何劳力士能在消费者心中占据如此独特且稳固的地位时,David Silver(大卫·西尔弗)给出了一个宏观的视角:劳力士首先是一个与可口可乐、百事可乐、家乐氏齐名的全球顶级品牌,其次才是一个奢侈腕表制造商。这种品牌认知的广度与深度,是其价格远高于普通消费品却依然拥有巨大市场的根本原因。 他认为,劳力士的魅力来源于一个强大的组合:深厚的历史积淀、纯粹的制表传承、以及无数传奇人物与故事。从保罗·纽曼(Paul Newman)到各种影视作品和体育成就,劳力士的形象早已深入人心。它不仅仅是一个计时工具,更是一种成就的象征、一份珍贵的礼物、一件可以传世的资产。Silver(西尔弗)指出,对于许多人而言,购买第一块劳力士(无论是古董款还是现代款)是一个重要的人生里程碑,代表着“我做到了”。这种“渴望感”是品牌的核心驱动力之一。 他特别强调了劳力士在奢侈品领域的“入门”作用:“很多人是通过劳力士第一次接触到豪华腕表这个概念。如果没有劳力士作为‘引路人’,许多人可能根本不会知道高端腕表世界的存在。” 尽管并非所有人都会从劳力士扩展到其他品牌,但劳力士作为“门户”的角色,对整个腕表行业的生态至关重要,滋养了从大型品牌到独立制表师的整个体系。 古董劳力士市场的演变与转折点 The Vintage Watch Company 的创立本身就是一个市场选择的缩影。Silver(西尔弗)回忆道,30年前他的父亲最初经营的是一个包含多个品牌的古董表柜台,但很快发现,劳力士的销售速度远超其他所有品牌的总和。这个“尤里卡时刻”促使他们决定专注于单一品牌——古董劳力士,将其作为当时现代劳力士之外一个极具吸引力的替代选择。 谈及古董劳力士市场的演变,Silver(西尔弗)认为,2017年保罗·纽曼本人的“保罗·纽曼” Daytona 腕表在富艺斯拍卖行以1700万美元创纪录的价格成交,是一个“ monumental turning point”( monumental 转折点)。这一事件首次将“古董”、“劳力士”和“天价”这几个关键词同时推上了全球各大媒体的头条,让普罗大众开始好奇:“一块手表凭什么值这么多钱?” 这股好奇心吸引了海量的新玩家进入古董表领域。他将此事对腕表行业的影响,类比为伊丽莎白·泰勒(Elizabeth Taylor)的珠宝收藏对珠宝行业的推动作用。 市场成熟也带来了变化。Silver(西尔弗)指出,如今的挑战主要在于 sourcing(货源获取),而非销售。市场信息高度透明,消费者(卖家)可以轻松通过网络了解腕表的大致价值,很难再以极低的价格“捡漏”。同时,由于古董表的不可再生性,拥有者越来越惜售,而现代腕表则更容易在市场上流通。 新冠疫情及其后的供应链问题,意外地给古董市场带来了助推。当消费者走进劳力士授权店,却只能得到“请登记排队”的答复时,古董劳力士的“即时可得性”成为了巨大的优势。许多人因此第一次尝试购买古董款,并由此成为常客。 收藏逻辑:偶然性与历史的馈赠 在讨论古董表的价值来源时,Silver(西尔弗)和 Adams 达成了一个共识:最具收藏价值的物品,往往在其诞生之初并未被刻意设计为“收藏品”。以 Daytona 为例,在自动计时机芯成为潮流的年代,劳力士仍在使用手上链机芯,导致其当时在市场上并不受欢迎,产量也相对较少。如今被誉为传奇的“exotic dial”(异国情调面盘,即“保罗·纽曼”面)款式,在当时只是零售目录中的一个普通变体。 “当时根本没有人能预见到这些手表未来会价值连城,” Silver(西尔弗)说。这种源于历史偶然性、而非现代营销套路的稀缺性,才是古董收藏真正的魅力所在。他对此表示欣赏,并对当下一些品牌刻意推出“限量版”以营造稀缺感的做法持保留态度。“我们现在都需要等上80年,才能知道2025 年 5 月的哪些限量版在未来真的有价值。”他幽默地补充道。 对于想要从现代劳力士转向古董款的消费者,Silver(西尔弗)会坦诚地设置预期:古董表需要更多的呵护。它们可能不适合佩戴去海滩游泳或潜水,需要像对待宝贝一样小心。但另一方面,他也指出,许多古董表在工艺上其实更为出色,包含了更多的手工成分,佩戴起来通常更轻、更优雅。 《Vintage Rolex》图鉴与未来展望 对话中,Silver(西尔弗)也介绍了其公司出版的《Vintage Rolex》图鉴(新版)。这本书并非传统意义上的品牌历史书,而是一个视觉化的档案库,收录了所有经他们之手、并由专业团队统一拍摄的古董劳力士表款照片。其独特之处在于,它按照收藏家的逻辑(而非品牌官方的产品线)来分类展示,让读者能够直观地看到各个系列(如 Explorer、Submariner)细微的演变过程,以及一些短暂出现过的独特设计。 “世界上没有任何一个地方能同时看到所有这些表,” Silver(西尔弗)说,“因为它们太稀有、太珍贵了。” 这本书因此成为了一部“作弊手册”,让爱好者能快速把握古董劳力士的美学 DNA。他坦言,如今由于一些表款(如彩色 Stella 面盘 Day-Date、保罗·纽曼 Daytona)价格已飙升至数十万甚至数百万美元,要像当年那样集结成如此规模的收藏并进行拍摄,几乎已不可能。因此,这本书也成为了一个特定市场时期的珍贵记录。 展望未来,尽管线上销售和社交媒体日益重要,Silver(西尔弗)坚信实体店体验无可替代。位于伦敦伯灵顿拱廊(Burlington Arcade)的店铺是其业务的核心,让人们能够亲眼目睹、亲手触摸这些历史作品。他2025 年 5 月续签了租约,决心将这个线下目的地持续经营下去。同时,他也敏锐地观察到,加密货币的兴起、全球利率变化、甚至地缘政治冲突,都在以前所未有的方式影响着高端腕表的价值波动,这使得这个行业与宏观经济的联系变得空前紧密。 最后,谈及现代劳力士供应情况逐渐改善是否会影响古董市场时,Silver(西尔弗)用了一个巧妙的比喻:如果一家你屡次预约都被告知客满的知名餐厅,突然主动打电话给你说有位置,你可能会心生疑虑——“是换厨师了吗?”。他认为,消费者心理需要时间调整,而那些最热门的表款依然稀缺,因此市场关系的重塑仍需时日。
