Techub News 搜索

加拿大创新部长 Evan Solomon（埃文·所罗门）：主权 AI 与加拿大数字未来撰文：Techub News 整理导语 2025年9月24日，加拿大创新、科学和工业部长 Evan Solomon（埃文·所罗门）出席在蒙特利尔举行的第三届“ALL IN”人工智能峰会并发表主旨演讲。这场峰会由加拿大著名AI公司Scale AI主办，汇聚了全球AI领域的创始人、研究者、投资者和学生。在长达50多分钟的演讲及随后的专家讨论中，Solomon（所罗门）系统阐述了加拿大在AI革命关键节点上的国家战略——构建“数字主权”，并勾勒了政府在资本、算力、人才、法规等方面的具体行动计划。随后，他与NVIDIA企业生成式AI软件副总裁 Carrie Briskey、Cohere联合创始人兼CEO Aiden Gomez（艾登·戈麦斯）以及主持人 Amber Mac（安珀·麦克）进行了一场深度对话，进一步探讨了主权AI的实践路径、公众信任建立以及加拿大在全球AI竞争中的独特角色。此次发声被视为加拿大政府对AI国家战略的一次重要更新和动员。摘要加拿大将“数字主权”定义为核心国策，旨在建立自主的算力基础设施、数据治理规则和AI创新能力，确保关键数据受加拿大法律管辖。政府计划在未来数月内，围绕信任与安全、资本/客户/算力、人才与前沿技术三大支柱，推出一系列具体措施，包括更新已有25年历史的隐私数据法、利用政府采购创造市场需求、启动重大量子倡议等。主权不等于孤立，加拿大将继续深化与美国、欧盟、阿联酋等盟友及全球科技公司的合作，但强调必须“拥有这个关键时刻所需的工具和规则”。面对公众对AI的焦虑，政府认为建立信任的关键在于将AI定位为“服务工具”，通过立法保障、实际用例展示和透明沟通，让技术服务于提升民生与经济。加拿大AI业界领袖呼吁国内企业提升雄心与风险承受能力，制定超越简单工具应用的实质性AI战略，并积极采用本土AI解决方案。构建数字主权：加拿大 AI 的国家使命 Evan Solomon（埃文·所罗门）在演讲开篇即点明，当前我们正处在“技术革命与政治格局重塑相互碰撞的关键时刻”。他认为，AI不仅是新技术，更标志着“创业者时代的诞生”，个人拥有了史上最强大的工具将创意转化为企业与就业。但他强调，加拿大的核心任务是构建“数字主权”——这被他称为“当今时代最紧迫的政策与民主议题”。所谓“数字主权”，Solomon（所罗门）从几个层面进行了阐释：首先，加拿大需要一个有意义的、自主的主权数字骨干网络，包括人才、能源和算力，以构建未来经济。这个数字经济的核心是“免受胁迫”，即不被他人随意关闭。拥有自己的数字资产，加拿大才能以平等的姿态与全球伙伴合作、贸易，并在合作中保持主权。其次，数据是核心。谁控制、使用和管理数据，谁就决定了集体的繁荣、安全乃至价值观。因此，加拿大必须建立一个能反映、保护并投射其核心价值观的数字骨干，确保关键和敏感数据处于加拿大法律管辖之下。最后，数字主权意味着支持加拿大的建设者、创新者和企业家，让他们的创意成长为繁荣的加拿大公司，将总部、工作岗位和知识产权留在国内，使加拿大成为“AI总部”，而非“分支机构”。他特别指出，主权并不意味着孤立（“Sovereignty does not mean solitude”）。加拿大将继续与国际朋友和盟友，尤其是美国、阿联酋、欧盟等，以及全球大型科技公司（超大规模云提供商）合作，他们同样是生态系统中至关重要的一部分。但关键在于，加拿大必须“拥有这个关键时刻所需的工具和规则”，建立自己的“数字保险单”。 Solomon（所罗门）回顾了加拿大在AI领域的传统优势：现代AI在此成形，拥有 Geoffrey Hinton（杰弗里·辛顿）、Rich Sutton（里奇·萨顿）、Yoshua Bengio（约书亚·本吉奥）等奠基人；2017年推出了全球首个国家AI战略；建立了Mila、Vector、Amii等世界领先的研究所。但他警告，领导地位不是与生俱来的，必须不断争取，而当前竞争异常激烈。信任、资本、算力与人才：四大行动支柱基于数字主权的目标，Solomon（所罗门）概述了政府即将展开的几大关键行动领域。第一，信任与安全。 Solomon（所罗门）直言，技术以创新速度前进，但采用速度取决于信任。为了建立信任，政府将着手更新已有25年以上历史的加拿大隐私和数据法律。新法律将包含针对消费者担忧（如深度伪造）的保护措施，特别是加强对儿童的保护，并为数据使用设定清晰标准，以便创新者能够明确规则，从而释放投资。此外，政府还将通过刑事法典等其他法律工具应对新型威胁。他强调，立法的目标是让加拿大人感到安全，从而将AI视为改善服务的机会而非威胁。当人们信任AI时，才会在农业、医疗、教育、政府服务等各个领域广泛使用它。第二，资本、客户与算力。通过过去四个月与全国创始人和企业家的交流，Solomon（所罗门）总结出三大普遍需求。首先是资本。政府将推出新工具，帮助加拿大创新者在国内扩大规模，在种子轮和早期阶段获得更多资金，吸引耐心资本，并将总部留在国内。其次是客户。政府将发挥表率作用，通过政府采购成为AI解决方案的强大验证者和客户，为加拿大制造的AI产品创造市场。他举例已与Cohere签署谅解备忘录，采购其具有战略意义的大语言模型，并提到国防工业战略也将为AI技术解锁双重用途机会。第三是算力。主权算力/主权云是核心任务，意味着关键敏感数据将保留在加拿大法律下，并存储在加拿大控制的数据中心内。第三，人才与下一代。 Solomon（所罗门）认为，加拿大的竞争优势在于“人”。因此，国家需要持续吸引全球顶尖人才，并留住本国最优秀的人才。他预告，今年10月，加拿大将启动一项重大的量子技术倡议，以确保量子领域的人才、智慧与知识产权留在国内。他明确表示，目标不是成为“他人经济体的农场队”，即培育公司只为被收购和迁走。第四，战略更新与加速执行。 Solomon（所罗门）宣布，2025 年 9 月晚些时候将启动加拿大AI战略工作组，汇集全国各地的创新思想家，用30天时间围绕研究、应用、商业化、安全、教育、基础设施等八大优先级进行“冲刺”，提出大胆实用的想法。工作组将于11月提交报告。今年晚些时候，加拿大将提前近两年提交更新后的国家AI战略，实现“从原则到项目、从想法到影响”的转变。他强调“等不起”，加拿大必须保持竞争力、可信度和创新性。专家对话：主权AI的实践、信任与机遇在随后的专家讨论环节，NVIDIA的 Carrie Briskey、Cohere的 Aiden Gomez（艾登·戈麦斯）与 Solomon（所罗门）部长就主权AI的具体实践和挑战进行了深入探讨。主权AI的必要性与模型：Carrie Briskey 从技术合作角度阐述了主权AI的价值。她指出，所有国家都应发展自己的AI，而不仅仅是外包给外部供应商，因为AI需要与本地价值观、文化背景、政策规范以及细微的自然语言模式对齐。她列举了瑞典、印度、日本、波兰、意大利、法国等国建设本土大模型的案例，并强调本地模型会吸引开发者，进而需要本地基础设施来构建应用，形成数据反馈和模型优化的正向循环，从而逐步建立信任。 Aiden Gomez（艾登·戈麦斯）则从公司和政府合作层面分享了Cohere的实践。他强调与加拿大政府合作的目标是提升公共服务质量与效率，同时确保数据主权和安全。Cohere提供的完全私有化部署方案，甚至可以做到物理隔离（“空气间隙”），为数据和IP提供了最高级别的保护，避免了数据外泄到外部公司的风险。建立公众信任的路径：针对主持人 Amber Mac（安珀·麦克）提出的“超过半数加拿大人对AI感到担忧”的问题，Solomon（所罗门）重申了立法更新是关键的第一步，能向民众和企业发出明确的信号。他借用威尼斯Aldine印刷厂“欲速则达”（Festina Lente）的格言，指出必须“快速行动以跟上，但要稳中求进”。他认为，应当将AI首先作为一种“服务”来谈论——如何改善医疗、农业等民众切身相关的领域，并颂扬那些创造前所未有新岗位的企业家。技术变革总伴随焦虑，而信任感将随着使用案例的增多和安全感的确立而建立。监管的平衡艺术：关于AI监管这一全球性难题，Solomon（所罗门）分析了三种不同模式：美中倾向于认为任何监管都会限制安全与创新；欧盟率先尝试全面监管，但坦承对创新造成了一些限制。加拿大的路径将是聚焦关键领域：保护加拿大敏感数据安全（通过主权基础设施）、更新隐私和数据法、关注儿童和消费者保护（如深度伪造）。他承认不存在“完美监管”，立法需要与技术一样迭代发展，避免“让完美成为优秀的敌人”。核心是保持加拿大作为一个法治国家、教育发达、人才辈出、值得信赖的贸易伙伴的竞争优势，不能让监管扼杀这些优势。对加拿大企业领导者的建议：在讨论的最后，各位嘉宾对加拿大企业如何拥抱AI给出了建议。Solomon（所罗门）提出三点：购买加拿大（解决方案）；与国际伙伴（如NVIDIA）在其安全框架内合作；制定清晰的、以服务交付和客户转变为导向的AI采用计划，而不仅是为了技术而技术。他引用NVIDIA CEO Jensen Huang（黄仁勋）的话鼓励企业不要追求完美主义，而要敢于“发布、观察、测试、然后成长”。 Aiden Gomez（艾登·戈麦斯）呼应了 Solomon（所罗门）关于“雄心与风险承受力”的观点，并尖锐指出，如果企业的AI战略仅仅是“购买了Microsoft Copilot或让员工用ChatGPT”，那等于没有战略，这只是价值创造中最底层的一环。企业需要制定有具体目标和真实投资回报率路径的战略。 Carrie Briskey 则以个人经历为例，鼓励大家立即行动。她谈到AI正在缩小技术鸿沟，她12岁的女儿已经能通过自然语言交互创建应用。她建议，无论是个人、家庭还是企业，都可以从今天开始尝试使用各种AI应用，通过透明性和实际使用来建立信任。在闭幕词中，Aiden Gomez（艾登·戈麦斯）强调“这是加拿大的时刻”，需要将投入研究的AI技术真正投入生产，这要求雄心、风险承担和领导力。Evan Solomon（埃文·所罗门）则最终回归其核心信息：不要将技术与人对立，AI是企业家工具和改善服务的工具，当人们看到这一点，更多的人将涌入这个领域，共同推动国家经济增长，让所有人受益。

嘉立创：用 2100 万张零散的 PCB 板，拼成一门价值千亿的生意锁定一个制造业赛道的互联网转型。文丨李赓 2026 年 8 月 4 号，PCB（印刷电路板）厂商嘉立创在深交所敲钟，发行之后股价一度暴涨，虽然后续股价有所往复，但市值已初步维持在近千亿人民币的水平。基本看齐国内 PCB 行业的整体估值水平。先抑后扬的上市不稀奇，稀奇的是撑起这门生意的商业模式，和这门生意所达成的水平。 2025 年，嘉立创的前五大客户合计只贡献了 1.16% 的收入，全年 102.3 亿元的营收来自 130 万付费用户的 2108 万笔订单，平均每付费用户和订单的平均消费仅为 7870 元和 485 元。相比之下，同等规模及以上的 A 股其他 PCB 制造公司，前五大客户占比最低也在 20% 左右，最高的超过 60%。更重要的是，用户结构的迥异，并没有影响嘉立创的利润转化能力。2025 年，嘉立创净利率为 12.4%，；2026 年上半年，嘉立创的净利率进一步上升至 14.4%，两个周期内，A 股中比它净利率更高的只有三家公司：沪电股份、深南电路和胜宏科技。后三者均已进入英伟达（NVIDIA）的 AI 服务器、高速交换机或 OAM（加速模块）等高端 AI 供应链核心阵营。没有大客户，却做成了一门百亿生意；用户量庞大，订单数更大，利润却能看齐行业技术最领先的英伟达供应商。让人不得不产生一个疑问：嘉立创，到底是一门什么生意？一门没有大客户的百亿生意嘉立创的故事，起点是一个反直觉的事实：百亿元的营收，是一块块极度分散的订单拼出来的。一般而言，做硬件的路数是固定的：先用电脑软件画电路，这一步叫设计；然后打出一小块样品板验证，这就是打样、样板；走通了才小批量试产，最后才上产线大批量。嘉立创赚的，正是这条链路最前端、最零散、也最没人在意的那一段。 2025 年，嘉立创前五大客户收入占比仅 1.16%，其中最大的单一客户麦格米特（一家做电力电子部件的公司），也只贡献了 0.28%。客户名单里能看到海尔（白电）、威胜（电表）这样的名字，但没有一家能左右它的业绩。相比之下，绝大多数制造业企业都在拼命绑定一两个大客户，嘉立创的命脉却分散在 130 万个付费用户、2100 万张订单里。这些订单从哪里来？答案是硬件研发的 “碎片化”，也就是样品、打样、小批量这类需求天然零散、高频、改版频繁。二十年前，深圳的硬件工程师想打个样，基本要靠托关系找板厂，费用动辄五六千元，还得等上半个月到一个月，即便出了钱，板厂还不一定乐意接这种小单。成本贵、交期不稳、质量参差、服务单一，是那个年代研发试样端绕不开的问题。当时只在华强北租了个柜台的嘉立创，就已经开始通过手工拼版方式，将多个客户的小订单集中在一块大板上生产，大幅压缩了开机费，并提出 “双面板打样低至一元一片，100 元能拿 10 片样品” 的颠覆性价格。 2012 年，可以完成电子元器件一站式采购的 “立创商城（已改名立创电子）” 上线，工程师能在线买齐一张板子需要的所有元器件（这份清单叫 BOM），同时推出 SMT 贴片服务（把元器件焊到板上）和激光钢网定制；2016 年起，先后在广东、江西、江苏等地建立四大现代化生产基地，大幅扩充 PCB 产能。 2017 年，收购在线设计软件 EasyEDA，迭代后成为立创 EDA（EDA 就是工程师画电路板的软件），免费开放给所有工程师使用，解决了中小方案商用不起、只好用盗版的风险。至此补齐了 “画板软件+元器件采购+做板+贴片” 的产业链一体化：工程师不用再分别找设计软件商、板厂、元器件分销商、贴片厂，在嘉立创一个入口里就能走完 “一个概念进、一个产品出” 的全过程。近几年，嘉立创还进一步向机械产业延伸，陆续拓展了 3D 打印、CNC 制造（数控加工）、FA 机械零部件商城等业务，将服务边界从电子产业链延伸到机械产业链，构建起覆盖电子、机械、工业软件的全链条服务能力。截至 2025 年末，这套体系服务覆盖 180 多个国家和地区，海外收入占比也已经超过 20%。与传统大厂的错位竞争接住零散需求只是个战略，问题是怎么用制造业的身躯，去消化制造业最不擅长的碎片化订单？嘉立创给出的答案，是用深度的运营变革。客户全程在官网自主下单，系统自动审单，智能算法把不同客户的零散板件 “拼” 到同一张大板上集约生产。这套模式最直观的价值，是价格和门槛都被压了下来，PCB 打样价格被压到几十元级别，最快 12 小时即可交付。曾经只有大型企业才负担得起的快速打样、全链路试制能力，如今初创团队、高校实验室、独立工程师都能低成本获取。嘉立创把这套逻辑称为 “制造平权”，意思是让便宜、好用的研发试制能力，不再只属于大企业。每月向工程师提供两次免费 PCB 打样，累计已超过千万笔；原材料涨价时主动控制调价幅度，持续让利研发群体，都是这段话的落地动作。没有销售员挨个谈单，没有中间商层层加价，整个链条轻量化、少人化。为了实现这套模式，嘉立创自研智能拼板算法、订单协同排产系统、标准化工艺基础库，把海量规格各异的碎片化订单聚合起来，同步排进生产线。从下单到交付，销售、仓储、物流、采购都跑在自研系统上。嘉立创在招股书中也特别表示：模式可能被模仿是风险项，但模仿成本是真实的资金、时间与数据沉淀，不是开一个 “在线报价页” 就能解决的。当然，这件事嘉立创自己说了不算，关键看对手的差距。首先是更接近嘉立创的碎片化路线的华秋与捷配，它们的模式最接近，但论自建产能规模、EDA 用户量与现货 SKU（下单即发的在库商品数）密度，都还不是一个量级；兴森、金百泽这类传统样板小批量上市公司仍以线下大客户为主，几乎没有产业互联网生态，单看样板小批量这一块的营收，也落在嘉立创之后。其次是深南电路、沪电股份、景旺电子这类传统 PCB 巨头。它们看得懂嘉立创的模式，却学不动，或者理性地选择不学。样板与小批量的合计份额只占整个 PCB 市场只有约 15%~20%，份额有限。PCB 大厂绑定品牌商、汽车、通信等大客户，靠规模与稼动率（设备开动率，也就是产线闲不闲得住）盈利，它们不会为份额有限又零碎的这类需求去改产线、养算法。对深南、沪电这类大批量板龙头而言，自家的产线是为万人大单设计的、靠不换线挣钱，硬要去接一百片起步的散单，等于用重型卡车跑同城快递。更不要提海量小单背后所需的互联网化的工程师触达（社区、内容、SEO、极致转化）、柔性制造体系，都是传统大厂需要从零摸索积累的新能力。目前嘉立创已经形成了一个庞大的生态：大几百万级的 EDA 用户池与其配套封装库、近百万现货 SKU 和日处理数十万 SKU 的仓储、已经跑通的贴片与机械业务转化。在细分赛道中也拥有绝对的规模优势，大厂即便要加入战场，资金的需求和后续的竞争烈度也会进一步提升，ROE 直线下降。市场为什么给它 “千亿” 估值相比于沪电、深南、胜宏的高净利率来自高多层、高速、HDI 板的产品溢价和客户认证，嘉立创同样的净利率来自一套结构完全不同的利润公式。嘉立创的大致收入结构是， 2025 年和 2026 上半年公司 PCB 业务收入分别为 38.8 亿元和 24.7 亿元，毛利率均约 28%；同期公司电子元器件业务收入分别为 26.5 亿元和 28.2 亿元，毛利率在 20%~21% 之间，且该业务已经成为公司的第一大业务分部；同期公司 PCBA（一站式交付服务）业务分别为 17.9 亿元和 12.0 亿元，毛利率约 38%~39%，并且 2025 年该业务反向带动了 4.7 亿元的 PCB 业务收入。数据表明，单纯的 PCB 业务已经不再是公司最重要的增长引擎，一站式解决方案和一篮子元器件采购已经成为公司最主要的收入来源，并且两者合计能实现超 60% 的增速，显著高于 PCB 的 36% 增速。因此，市场给到嘉立创 “千亿” 市值，大致是在其利润厚度和错位竞争特性之外的三件事。首先是长尾模式本身。订单密度高、用户基数大、复购率高，增长不依赖单一大客户，天然抗波动。大概率也不会受到 AI 浪潮左右 PCB 行业的新周期影响。2026 年一季度，嘉立创营收 30.29 亿元，同比增长 45.29%；归母净利润 3.76 亿元，同比增长 51.71%；二季度营收 41.44 亿元，同比增长 61.3%；归母净利润为 6.54 亿元，同比增长 89.22%。经营景气度仍在向上。其次是硬件创新生态的 “入口” 价值。大疆、宇树、智元机器人等新锐企业的崛起，背后都有低门槛的硬件试制生态。嘉立创的免费 EDA，解决了工程师动辄数十万元正版授权的成本问题；一站式试制，把 “从想法到实物” 的门槛压到极低。嘉立创是这套创新机器的底座之一。最后是产业周期。Prismark 预测，2026 年全球 PCB 市场规模将达 958 亿美元，同比增长 12.5%；AI 服务器、数据中心、高速通信带来的高阶多层板需求，正在成为行业增长的主要引擎。作为 A 股稀缺的 “产业互联网+柔性智造” 标的，市场把它看作这轮 AI 算力周期里稀缺的 “物理 AI 基础设施” 标的。当然，预期归预期，质疑也一直存在。嘉立创的自研 EDA，强在 “从画板到生产” 的闭环打通和普惠易用，解决了绝大多数工程师的日常需求；但在高端建模仿真、信号完整性分析等深水区，仍与国际巨头存在差距。尤其在高速通讯板等高端领域，Cadence、西门子（Mentor）等仍占据主导。它让工程师用得起，但高端建模仿真还用不深。当规模跨过 100 亿，增长的天花板开始显现。若想从 “研发试样” 走向 “高端批量”，就需要突破头部科技与云厂商（如英伟达、阿里）的核心供应链认证体系。这种认证考验的是稳定的良率、经年的信任，一道道验证走下来动辄以季计，靠免费的软件和便宜的板子换不来。一旦长尾需求增速放缓，仅靠制造平权，未必撑得起千亿市值对应的增长想象。摆在嘉立创面前的只有一条路：自我升级。一是向上加码工艺与产能，在高多层板、HDI、先进制程上持续投入，即便不能和传统大厂直接竞争，也可以提升自己的产品性能和服务范围。嘉立创的 IPO 募资重点投向高多层 PCB 与 PCBA 智能产线，还完成了 64 层超高阶 PCB、HDI 盲埋孔工艺的量产落地，正对应这条路径。二是在工艺与产能升级之后，进一步通过与更高端的客户、更核心的芯片生态合作，向中高端 EDA 与软件生态转型，守住 “全球硬件研发者最早、也最长期的合作伙伴” 这一定位。题图来源：视觉中国

NVIDIA 创始人 Jensen Huang（黄仁勋）谈下一代 AI 芯片撰文：Techub News 整理导语北京时间 2026 年 3 月，NVIDIA 年度技术盛会 GTC 在圣何塞 SAP 中心拉开帷幕。在创始人兼 CEO Jensen Huang（黄仁勋）的主题演讲之前，一场长达三小时的「开场秀」汇集了数十位全球顶尖的开发者、企业家、科学家和投资者。本次预热讨论由 Conviction 创始合伙人 Sarah Guo 和 Atreides Management 创始合伙人 Gavin Baker 主持，并穿插了现场记者 Tiffany Janzen 对多位嘉宾的采访。对话聚焦于加速计算如何从训练走向推理，并深入物理世界，成为重塑各行各业的基础设施。本文整理了这场高密度思想碰撞的核心观点，为读者呈现 AI 革命前沿的全景图。摘要加速计算已超越 AI，成为从图形渲染、数据处理到科学模拟的通用计算范式，其市场正首次扩展到设计与工程领域。企业 AI 应用的核心挑战正从「算力约束」转向「能力约束」与「数据价值解锁」，可靠、可解释的推理结果成为关键。推理工作负载的「解构」（如分离预填充和解码）将极大提升现有 GPU 的利用率和残值，延长基础设施生命周期，降低创新门槛。物理 AI（机器人、自动驾驶）是下一个爆发点，其发展路径将从结构化的企业场景逐步走向非结构化的消费场景，安全与仿真验证至关重要。专业化、多智能体协作的 AI 模式（如医疗领域的数字孪生专家）将成为复杂领域的主流，推动知识工作范式变革。加速计算：从专用引擎到通用基础设施摩根士丹利董事总经理 Mark Edelstone 作为当年 NVIDIA 上市的分析师，回顾了公司的崛起之路。他指出，NVIDIA 早期就确立了构建「平台」的愿景，即结合架构、算法和软件兼容性，并通过「三支团队应对两个产品周期」的研发节奏，在激烈的图形芯片竞争中建立了持续领先的能力。这种平台思维后来顺利过渡到加速计算领域。 IBM 软件高级副总裁 Desh Nirmal 从数据演进的视角解读了 AI 平台化。他认为，数据正从过去的「终点」（存储在数据库中等待查询），演变为今天的「工具」（通过多种接口访问），并即将成为明天的「代码」或「技能」。未来，企业将能通过自然语言指令，动态生成处理特定数据任务的程序，从而实现前所未有的灵活性和规模。企业 90% 的数据是非结构化的，如何将其与交易数据关联并提取价值，是生成式 AI 落地的核心。 Palantir 美国政府业务总裁兼 CTO Akash “Aki” Jain 分享了该公司从数据治理走向 AI 应用的经验。Palantir 的起点是帮助人类团队像软件工程团队一样协同处理数据。随着计算机视觉等 AI 技术因 NVIDIA GPU 和 CUDA 而变得实用，Palantir 开始将这些能力用于关键任务，例如利用视频、音频等非结构化数据保障军事人员安全。如今，随着生成式 AI 的成熟，焦点转向如何安全、受控地将「AI 队友」接入人类工作流，实现规模化的成果加速。Aki 提出了一个有趣的观点：组织的规模限制因素正从「神经元」（人力）转向「电子」（算力）。 Cadence 总裁兼 CEO Anirudh Devgan 则从芯片设计这一基石领域阐述了 AI 的影响。他将其比喻为一个三层蛋糕：顶层是智能体 AI，中间是物理、化学等「地面实况」真理，底层是计算与数据。成功的应用需要垂直切下整个蛋糕。在芯片设计领域，智能体 AI 已能自动生成寄存器传输语言代码和测试平台，而底层强大的算力（如 GPU）使得仿真速度和规模达到过去难以想象的水平。尽管设计工具效率已提升百倍，但芯片复杂性的指数级增长要求工具性能必须再提升十倍，AI 正是实现这一目标的关键。 AI 基础设施：构建全球智能的「五层蛋糕」戴尔科技创始人、董事长兼 CEO Michael Dell 指出，计算将无处不在，从边缘设备到超大规模数据中心。戴尔推出的 AI 工厂和数据平台，核心在于解决数据编排问题，以极快的速度向 GPU 输送数据。他特别强调，随着多智能体系统和复杂查询的出现，KV 缓存等分层内存系统变得至关重要，内存和存储数据的增长速度甚至可能超过算力本身。解锁企业内从未被使用的「冷数据」，是当前数千家客户正在探索的方向。云算力提供商 CoreWeave 联合创始人、董事长兼 CEO Michael Intrator 对推理工作负载的「解构」感到兴奋。他认为，将推理分解为不同阶段（如预填充和解码），使得像 CoreWeave 这样的公司能够针对每个环节进行深度优化。这种专业化在以往的计算浪潮中并不经济，但现在由于规模巨大而变得可行。更重要的是，解构允许将部分工作负载路由到旧一代 GPU 上执行，从而从现有基础设施中榨取更多价值，延长资产使用寿命，这将对融资和信贷模式产生积极影响。 Fireworks AI 联合创始人兼 CEO Lynn 将 2026 年视为「效率之年」和「AI 创新爆发之年」。她指出，当前拥有产品市场匹配度并不等于拥有可持续的业务，许多公司可能因推理成本过高而「扩张至破产」。Fireworks 通过「三维优化」方法，帮助客户利用其私有数据提升模型智能、速度和成本效益，目标是将总拥有成本降低 5 到 10 倍。她展望的未来是训练与推理的融合，模型在服务过程中持续学习，实现更极致的效率。卡特彼勒 CEO Joe Creed 代表了 AI 基础设施金字塔的底层——能源与物理建设。他坦言，正在见证职业生涯中最大规模的基础设施建设浪潮。Jensen Huang（黄仁勋）提出的「五层蛋糕」（芯片、系统、软件、AI 工厂、物理世界）中，前三层（能源、芯片、基础设施）正是卡特彼勒所赋能的领域。AI 的爆发将消耗远超预期的电力，而卡特彼勒正在全球范围内提升发电和工程机械的产能，以支撑这场智能革命。物理 AI 与智能体：当智能融入现实世界 Open Evidence 联合创始人兼 CEO Daniel Nadler 从医疗领域阐述了专业化智能体的必要性。人体本身是高度分化的，医学知识也早已高度专业化。因此，未来的医疗 AI 不会是单一的通用智能，而是由众多数字孪生专家（如心脏病学、神经学专家）组成的协作网络。医生可以动态调用这些「数字专家」来辅助诊断。他指出，生物医学知识的爆炸式增长（每 5 年翻一番）已远超人类医生的学习能力，AI 数字孪生将成为医生应对知识海洋的必备工具。他透露，Open Evidence 这家不足百人的公司，今年将间接支持美国 3 亿人次的患者诊疗，展现了 AI 时代「小团队、大影响」的新范式。西门子研发副总裁 Danping 分享了 AI 在工业物理世界的应用。通过智能体 AI 和模型上下文协议，可以将行业专家的领域知识嵌入工作流，赋能非技术背景的员工。西门子与 NVIDIA 的合作涵盖仿真、供应链、制造和电子设计自动化四大领域。例如，利用 GPU 加速物理仿真，用 AI 构建高精度流程模型，甚至用生成式 AI 控制工作流，让软件具备「思考并行动」的能力。数字孪生工具允许全球团队在虚拟环境中进行照片级真实的协作设计与决策。 Waabi 创始人兼 CEO Raquel Urtasun 从自动驾驶的历程为物理 AI 提供了经验教训。她指出，早期自动驾驶采用「机器人专家」方法，试图手工编码一切，这无法实现规模化。Waabi 秉持「AI 优先」、「仿真优先」的理念，通过构建世界模型和混合现实测试，能够在虚拟环境中穷尽测试 corner case，这是确保安全关键系统安全的唯一途径。她认为，这种基于仿真、可进行端到端验证与推理的新方法，将被其他物理 AI 领域广泛采纳。机器人公司创始人 Deepak 探讨了通用机器人的落地路径。他认为，机器人将遵循从企业到消费场景的渐进式发展。首先在结构化、付费意愿强、容错度较高的企业环境（如工厂）大规模部署；然后利用积累的数据，逐步拓展至医院、杂货店等半结构化场景；最后才进入家庭等完全非结构化环境。这个过程依赖于「数据飞轮」——用前一阶段的数据驱动下一阶段通用能力的提升。他预告将有重要企业合作公告，实现机器人在企业场景的「一次性大规模部署」。自动驾驶公司 Wayve 联合创始人兼 CEO Alex Kendall 展示了「端到端 AI」驱动自动驾驶的进展。Wayve 通过构建世界模型，实现了在超过 500 个城市进行「零样本」驾驶测试（即在从未采集过训练数据的城市驾驶），证明了其系统具备真正的泛化能力。他强调，未来的每辆车都将是自动驾驶的，而汽车产业将是 embodied AI（具身智能）首个大规模展示的舞台。Wayve 已与 Uber、Stellantis 等合作，计划在全球超 10 个城市推出机器人出租车试运营。

Nvidia 刚刚彻底击碎了空头逻辑，而股价依然被低估三个月前，我写道 Nvidia Corporation（NVDA）刚刚交出了我所关注的所有公司中最好的一份季度业绩。如今，它又超越了自己。NVDA 公布了 2027 财年第二季度业绩，交出的数字在如此巨大的体量下几乎令人难以置信。NVDA 实现收入 962.2 亿美元，同比增长 105.85%，比管理层今年 5 月给出的 910 亿美元指引高出 52.2 亿美元。NVDA 实现非 GAAP EPS 2.22 美元，比市场一致预期的 2.09 美元高出 0.13 美元，同比增长 119.80%。季度收入环比增加 146.1 亿美元，超过了 NVDA 仅仅一个季度前刚创下的纪录，这也是公司连续第 4 个季度实现同比增速加快。通常来说，一家公司在年化收入运行率达到 3,850 亿美元时，不应该还能继续加速增长，但这正是 NVDA 现在正在发生的事情。如果这还不够，管理层还给出了第三季度 1,080 亿美元的收入指引，并做了一件 NVDA 过去从未做过的事情。Colette Kress 首次对 2028 财年给出了初步数字，并告诉市场预计收入增长约 70%。她明确表示，这还是一个受供给限制的展望，因为客户预测显示需求实际上可能翻倍，而 Jensen Huang 在问答环节也证实了这一点，他表示实际需求远高于 70%，真正限制增长的是供给。我原本带着一个问题进入这次财报：我今年 5 月提出的资本回报逻辑是否依然成立。结果出来后，我反而认为空头逻辑是在这场电话会议中被现场拆解掉了。本季度，几乎所有针对 NVDA 的主要空头论点都被正面回应，而股价当前的估值倍数依然没有反映管理层刚刚告诉我们的这些信息。【原文图片位置：NVDA 股价及相关数据（Seeking Alpha）】继续跟进我此前关于 Nvidia 的文章今年 5 月底，我曾写过一篇关于 NVDA 的文章，在其中讨论了为什么公司将股息提高 2,400%，并承诺将大约 50% 的自由现金流（FCF）返还给股东，这标志着一个极其强大的股息增长故事正式开始。在那篇文章中，我建立了一个 5 年模型，假设 NVDA 每年将股息增长 50%，同时回购并注销超过 8% 的流通股，并累计向股东返还超过 9,000 亿美元资本。我的核心观点是，市场把这项资本回报计划当成了一个脚注，但实际上它可能是一个多年复利循环的起点。第二季度比我预期更快地验证了这一逻辑。NVDA 在本季度向股东返还了 260 亿美元，其中 200 亿美元来自股票回购，60 亿美元来自每季度 0.25 美元的股息。Colette Kress 披露，按年初至今计算，NVDA 已经返还了 60% 的自由现金流，超过此前承诺的 50%，并表示管理层未来计划在扣除战略用途后，进一步提高并返还多余自由现金流。目前股票回购授权额度仍剩下大约 990 亿美元，而下一次每股 0.25 美元的股息将在 10 月 1 日支付给截至 9 月 10 日登记在册的股东。不过，我这次继续写 NVDA 并不仅仅是因为资本回报计划依然按计划推进，而是因为第二季度彻底扩大了整个投资逻辑的边界，而我认为市场还没有真正消化这次电话会议里透露的信息。【原文图片位置：NVDA 相关资本回报及财务数据（Seeking Alpha）】第二季度业绩大幅超预期，而运营进展比预期更好表面数字已经非常惊人，但真正让我印象深刻的是这一季度内部结构。NVDA 实现收入 962.2 亿美元，环比增长 17.90%，GAAP 和非 GAAP 毛利率都达到 75%，同比提升 2.6 个百分点。公司实现 GAAP 营业利润 637.3 亿美元，同比增长 124.10%，GAAP 净利润 596.9 亿美元，同比增长 125.90%。NVDA 的 GAAP EPS 达到 2.46 美元，同比增长 127.78%。在一家达到如此规模的公司里，利润增长速度居然依然快于收入增长，这在历史上几乎没有出现过。根据第二季度股东演示材料，NVDA 数据中心收入达到 890 亿美元，环比增长 18%，同比增长 117%。其中，Hyperscale（超大规模云客户）在持续强劲的 Blackwell 需求推动下贡献 490 亿美元收入，而 ACIE——即 AI 云、工业和企业客户业务——贡献 400 亿美元，同比增长 138%。在我看来，这是本季度最重要的变化。过去两年空头逻辑一直围绕一个问题展开：当超大规模云厂商资本开支放缓时会发生什么？现在答案是，Hyperscale 已经只占数据中心业务的 55%，另外 45% 来自主权国家、NeoCloud、AI 原生企业以及传统企业，而这一侧业务的复合增长速度甚至高于 Hyperscale。与此同时，Hyperscale 本身也没有减速，因为云行业积压订单目前已经超过 2 万亿美元，预计前五大超大规模云厂商 2026 年资本开支将接近 8,000 亿美元，2027 年将达到 1.3 万亿美元。【原文图片位置：2027 财年第二季度数据中心业务（NVIDIA Q2 Deck）】网络业务又创下了一个季度纪录，收入环比增长 18%，其中 Spectrum-X Ethernet 同比增长 2.6 倍。接下来还有 Vera Rubin，而这才是支撑 NVDA 未来 18 个月增长的核心故事。NVDA 本月早些时候已经开始出货 Vera Rubin，机架目前已经在 CoreWeave, Inc.（CRWV）、Alphabet Inc.（GOOG、GOOGL）旗下 Google Cloud、Microsoft Corporation（MSFT）的 Azure、Oracle Corporation（ORCL）的 Cloud Infrastructure，以及 Nebius Group N.V.（NBIS）运行。管理层已经拿到了所有主要超大规模云厂商、AI 云平台以及系统 OEM 的采购订单，并预计 Vera Rubin 将成为 NVDA 历史上放量最快的产品，第三季度该平台将占数据中心收入约 20%。其性能跃升非常巨大，相比 Grace Blackwell Ultra，Vera Rubin 每兆瓦吞吐量提高 30 倍，同时 token 成本下降 35 倍。新的产品线同样重要。NVDA 发布了 Vera，这是首款专为 AI Agent 构建的 CPU，目前已经全面量产。Grace CPU 也在悄然之间形成了一项过去 12 个月收入超过 50 亿美元的业务，管理层认为服务器 CPU 的总需求大约达到 200 亿美元，并预计 CPU 收入将在 2028 财年翻倍以上。Groq 3 LPX 是 NVDA 首款机架级 LPU 系统，目前也已经全面量产，其每秒 token 输出能力几乎达到次优替代方案的 4 倍，预计本季度稍晚开始批量出货。NVDA 还宣布扩大与 Amazon.com, Inc.（AMZN）的合作，AWS 将从本季度开始一直到 2029 财年第二季度额外部署 200 万颗 GPU，同时还将部署 Vera CPU 和 NVDA 面向仓储机器人的完整 Physical AI 技术栈。Edge Computing（边缘计算）收入达到 72 亿美元，同比增长 27%，与此同时 NVDA 正与 Microsoft 合作，围绕 RTX Spark 和 DGX Station 重新定义 Windows PC。【原文图片位置：Vera、Groq 3 LPX 与边缘计算产品进展（NVIDIA Q2 Deck）】资产负债表本身也说明了很多问题。NVDA 可交易权益证券规模增长至 427.8 亿美元，非上市证券达到 511.6 亿美元，因此公司的投资组合规模在六个月内从本财年初的 350 亿美元增长至大约 940 亿美元。库存增加至 315.8 亿美元，为 Vera Rubin 放量提前备货；同时，应收账款周转天数（DSO）延长至 60 天，主要由于公司给予大型投资级客户更长的付款期限，Colette Kress 在 CFO 评论中对此进行了说明。NVDA 本季度还筹集了约 250 亿美元债务资金，我认为这更像是在为融资平台提前配置低成本资本，而不是警示信号。管理层给出的第三季度收入指引为 1,080 亿美元，对应环比增长 12.24%，同时他们在毛利率问题上也非常直接。由于内存价格上涨幅度超过此前预期，公司预计第三季度毛利率为 74%，第四季度触底于 71%-72%，随后随着已经执行的涨价措施生效，2028 财年恢复至 72%-73%。Kress 表示，她宁愿现在就重新设定市场预期，而不是让这个问题一直悬着不解决，我很欣赏这种透明度。 Nvidia 的关键成功因素解释了为什么它正在赢得 AI 竞赛如果把所有因素简化，我认为 NVDA 正在凭借三个结构性优势赢得 AI 竞赛，而每一个优势都直接击破了一个具体的空头论点。第一个优势是，NVDA 的架构可以运行所有模型。闭源模型和开源模型的采用率都在爆发式增长，而 NVDA 既运行 OpenAI 和 Anthropic 等领先闭源模型，也几乎运行所有领先的开源模型，这意味着 NVDA 根本不需要押注谁会赢得模型竞争。一套可互换的平台就可以完成数据准备、预训练、后训练以及 Agentic Inference，并且能够在 AI 的完整生命周期内持续创造价值。这直接击破了“开源模型崛起会削弱推动 NVDA 需求的前沿实验室”的论点，因为两类模型实际上都在爆发式增长，而几乎所有主要开源模型同样运行在 NVDA 硬件上。NVDA 的护城河甚至延伸到了大多数投资者根本不会关注的领域，例如支持 confidential computing（机密计算）的 NVDA GPU 现在已经运行在 Apple Inc.（AAPL）的 Private Cloud Compute 中执行机密推理，而 Blackwell 则横扫 MLPerf Training 6.0 基准测试中的所有类别，同时也在 AgentPerf——行业首个 Agentic AI 基础设施基准测试——中取得领先。第二个优势是完整的 AI 工厂全栈平台，这正在不断提高 NVDA 对每一美元数据中心投资的价值获取比例。NVDA 每吉瓦收入机会已经从 Hopper 时代的大约 180 亿美元，提高至 Blackwell 时代的 250 亿美元，再到 Vera Rubin 时代的 400 亿美元，而 Vera Rubin 平台现在已经覆盖 Vera CPU、Rubin GPU、NVLink、InfiniBand、Ethernet 网络以及 Groq LPU。这正是针对定制硅空头逻辑的答案。当 Jensen 被直接问到 OpenAI 的 Alpamayo 芯片时，他回应称，XPU 本质上是为某一家云或者某一项服务打造的特定推理芯片，而 NVDA 销售的是一整个 AI 工厂，可以在世界任何地方、任何云上运行任何模型。NVDA 已经进入第三代 NVLink 72 机架级系统，而竞争对手甚至还在努力部署第一代系统；随着已安装的网络和软件栈越来越庞大，每年将其整体替换掉的转换成本都在继续上升。【原文图片位置：Nvidia AI 工厂平台与每吉瓦收入机会（NVIDIA Q2 Deck）】第三个优势是 CUDA 生态系统，它把 AI 扩展到了单纯一颗芯片永远无法触达的市场。主权国家、NeoCloud 和传统企业都没有兴趣自己设计定制芯片，而 NVDA 是唯一一家能够直接交付一整套经过验证的 AI 工厂设计，并通过自己的开发者生态连接到最终计算需求的公司。主权 AI 收入环比增长 35%，同比增长超过三倍。NeoCloud 合作伙伴预计今年年底将拥有 8 吉瓦已安装容量，高于 2025 年底大约 3 吉瓦。Jensen 表示，非 Hyperscale 这一半业务目前每年增长 100%，而且全球这一部分计算市场最终很可能会比今天整个云计算市场还要大。企业市场也在快速扩张，其中汽车垂直领域过去 12 个月本地部署收入达到 80 亿美元，而金融服务、制造和医疗合计又贡献了另外 70 亿美元。接下来是融资结构，它反过来击破了“循环融资”的批评。NVDA 已经向前沿 AI 实验室投资接近 500 亿美元，而管理层指出，这只占公司同期预期自由现金流的一小部分。真正承担大部分资本开支的是第三方资金，因为 NVDA 已经与 Apollo Global Management, Inc.（APO）、BlackRock, Inc.（BLK）、Blackstone Inc.（BX）、Brookfield Asset Management Ltd.（BAM）、The Goldman Sachs Group, Inc.（GS）以及 KKR & Co. Inc.（KKR）建立融资平台，计划为 AI 基础设施建设筹集超过 5,000 亿美元机构资本。NVDA 会对部分设施容量提供 take-or-pay（照付不议）承诺，为贷款机构提供一个可以用于承保的最低收入底线，而作为交换，NVDA 可以分享超过该底线部分所产生的收入。换句话说，NVDA 可以赚两次钱：第一次是在硬件销售时获得收入，第二次则通过与使用量挂钩的持续性收入再次获利。Kress 明确表示，NVDA 并没有直接发放贷款，每笔交易都由独立资本方基于自身条件独立承保。NVDA 出货的计算资源最终都由投资级客户使用，或者由投资级机构提供支持；而那些利用 NVDA 资产负债表支持的 AI 实验室，大约只占公司明年业务的四分之一。对于一个计算资源高度可互换且在单个客户出现问题时可以重新部署的平台而言，这种风险敞口仍然可控。仅 OpenAI 现有和计划中的项目，到 2030 年就对应约 12 吉瓦 NVDA 计算资源，其中位于 Ohio 的 PORTS-Pike 园区首期 4.25 吉瓦部署将全部采用 NVDA 计算平台，而这个园区本身也是按照未来 20 年多轮升级周期进行设计的。需求背景则进一步提升了这一趋势的持久性。2026 年上半年，全球 AI 风险投资融资额已经超过 4,000 亿美元，超过 2025 全年 2,650 亿美元的融资额，而其中大约 70% 最终都会用于购买计算资源。目前已经有接近 20 家 AI 原生企业的年化收入运行率超过 10 亿美元，而两个季度前这一数字只有 13 家。Jensen 表示，Agentic AI 工作负载所消耗的计算资源，是人类单纯向模型输入 prompt 的 15 到 100 倍，而且就在上个月，AI 工作负载中 Agentic AI 已经首次占据多数。他还指出，如今一个 500 亿美元数据中心的投资资本回报周期已经缩短到一年以内。Jensen 在财报新闻稿中用一句话总结了整个逻辑：“Compute is revenue（计算就是收入）。”Token 可以盈利，而真正的约束是计算资源本身，这也正是为什么管理层可以给出 70% 增长指引，同时告诉你真实需求其实接近 100%。 Nvidia 的估值并没有反映管理层刚刚给出的指引当我查看最新市场一致盈利预测时，其中的错位非常明显。分析师目前预计 NVDA 在 2027 财年实现 EPS 9.05 美元，同比增长 89.76%，对应当前股价约 23.54 倍当年市盈率。到 2028 财年，一致预期 EPS 为 13.13 美元，同比增长 45.03%，对应股价仅为 16.23 倍市盈率。到 2029 财年，市场预期 EPS 为 16.61 美元，对应估值进一步下降至 12.83 倍，而两位给出 2030 财年预测的分析师预计 EPS 为 19.10 美元，对应仅 11.16 倍市盈率。NVDA 股价当前约为 213 美元，对应市值约 5.2 万亿美元。当我今年 5 月写 NVDA 时，股价对应的前瞻市盈率还超过 25 倍。因此，在连续两个极其强劲的季度之后，NVDA 相对于一个规模更大、增速更快的盈利基础，前瞻估值反而变得更便宜了。【原文图片位置：NVDA 前瞻盈利估值（Seeking Alpha）】我还认为，市场一致预期本身也太低了。NVDA 在 2027 财年前两个季度已经实现 1,778.4 亿美元收入，同时第三季度收入指引为 1,080 亿美元。如果第四季度继续按照最近几个季度类似的环比增速增长，那么 2027 财年全年收入将达到大约 4,050 亿至 4,100 亿美元。管理层刚刚给出了 2028 财年约 70% 的收入增长指引，这意味着全年收入大约会达到 6,900 亿美元。当前市场一致预期却认为明年 EPS 只增长 45.03%，而收入增长达到 70%，我很难理解这两个数字如何能够同时成立。随着已经执行的涨价措施生效，毛利率预计恢复至 72%-73%，同时运营费用增速低于收入，因此盈利至少应该与收入保持类似增速。我的判断是，未来几个季度 13.13 美元这一 EPS 预测将会被显著上调，而每一次上调都会让当前 16.23 倍的估值显得更加脱节。以大约 16 倍前瞻市盈率买入一家刚刚给出 70% 收入增长指引、同时将 60% 自由现金流返还给股东的公司，我很难在市场其他地方找到类似配置。即使估值倍数完全不扩张，目前一致预期本身也已经认为 NVDA 从 2027 财年到 2029 财年 EPS 将增长超过 80%，而股价理论上也应该随着盈利上升。投资 NVDA 所面临的风险虽然我持有 NVDA 多头仓位，并认为股价未来会获得更高估值，但确实存在可能影响我投资逻辑的真实风险。最直接的风险就是毛利率。内存价格涨幅超过管理层此前预期，而且预计明年还会进一步上涨，这也是为什么公司预计第四季度毛利率会触底至 71%-72%。2028 财年恢复至 72%-73%，依赖于已经执行的涨价措施能够真正覆盖成本上涨。如果内存价格上涨速度超过这些涨价幅度，那么毛利率恢复将无法兑现，EPS 预测反而会下调而不是上调。第二个风险是资产负债表结构正在变得越来越复杂。由于大型投资级客户获得延长付款期限，DSO 已经增加至 60 天，应收账款也从本财年初的 384.7 亿美元增长至 630.6 亿美元。由于营运资本大幅增加，第二季度自由现金流只有 213.4 亿美元，显著低于净利润，而 NVDA 本季度还新增了约 250 亿美元债务。大约四分之一的明年业务与 AI 实验室有关，这些实验室通过股权投资、take-or-pay 承诺以及选择性信用增级利用 NVDA 的资产负债表。如果 AI 融资环境趋紧，那么“循环融资”的批评就会变得更加尖锐，而这些结构也将首次真正面临压力测试。管理层的回应是，这些计算资源具有可替代性，也可以重新部署，而且客户本身要么是投资级，要么拥有投资级合作方支持。但无论如何，这是我未来最密切关注的领域。无论多头逻辑看起来多么强劲，任何人在投入资金购买 NVDA 之前都应该进行自己的尽职调查。结论 NVDA 刚刚交出了迄今最有力的证据，证明 AI 基础设施建设正在扩散，而不是接近顶部。公司连续第 4 个季度实现增长加速，目前数据中心业务的一半已经来自 Hyperscale 以外客户；毛利率下调也伴随着清晰的恢复路径；前沿 AI 实验室基础设施建设依靠的是超过 5,000 亿美元第三方资本，而不是仅仅依赖 NVDA 自己的资产负债表；同时资本回报计划目前已经达到自由现金流的 60%，高于此前承诺的 50%。更重要的是，管理层首次在公司历史上直接给出了 2028 财年 70% 的增长数字，并明确告诉市场，实际需求更接近 100%。我不认为当前股价按照明年盈利仅 16.23 倍估值能够反映这些变化，而且我认为盈利预测未来还会继续上调。我今年 5 月写过的股息复利逻辑依然完全成立，而包裹在这一逻辑外面的增长故事如今反而变得更大。我继续持有 NVDA 多头仓位，而且在看完这份财报之后，我比财报前更加看多，因为空头已经失去了他们最有力的几个论据。

伯克希尔哈撒韦终于成为股票净买家这让我对新任 CEO 更有信心新任 CEO Greg Abel 已经正式接掌公司，并终于做了一件 Berkshire Hathaway Inc.（BRK.B）（BRK.A）很久没有做过的事情：买入的股票多于卖出的股票。我们总是把 Warren Buffett 说成一个神话般的人物，耐心地端着他的“大象枪”等待完美的出手机会，或者像 Ted Williams 一样等待一个最完美的好球。近些年来，Buffett 对于大规模部署资本显然并不积极，上一次真正大规模净买入股票，还是在 2016-2018 年期间，当时 Berkshire 大举买入 Apple Inc.（AAPL）。虽然 Abel 现在是 CEO，但 Buffett 仍然担任顾问，而两人似乎都非常看好 Alphabet Inc.（GOOGL）（GOOG）。在最新一份 13-F 文件公布后，我们已经看到这家新的科技巨头在 Berkshire Hathaway 持仓名单中的排名不断上升：【原文图片位置：Berkshire Hathaway 持仓排名（Whale Wisdom）】由于 Berkshire 同时持有 Google 两种类别的股票，两类股票合计价值已经达到 377 亿美元，目前 Google 已经成为其投资组合中的第三大持仓。这是一个相当重要的变化，自当年大举买入 Apple 以来，我们还没有看到过如此激进的持仓重新配置。如果你一直关注我的文章，那么你会知道我对此完全认同，而且从 Google 股价还在每股 100 美元左右的时候开始，我就一直看多这家公司。Google 与 Apple 目前看起来正在形成市场中最强大的 AI 基础设施“双拳组合”之一。Google 的大语言模型和 Google Cloud 正在成为许多企业引入智能体或 AI 能力的核心 AI 引擎。Apple 则是设备领域最大的“收费公路”，而在考察过其他选择后，如今它再次选择 Google 作为首选合作伙伴。今年秋天，随着 Gemini 取代 Siri，或者说与 Siri 深度融合，两家公司在相关产品正式推出时都将获得大量媒体关注。如果我不提一下 Google 正在成为 AI 领导者的其他原因，那就有失完整了。以下是作者认为的重要因素： YouTube 是全球最大的流媒体服务。 Google 的办公与工作场所软件目前已经能够与 Microsoft Corporation（MSFT）展开竞争。 Google 拥有增长最快的云业务之一。通过整合 Wiz，Google 正在强化其网络安全业务。 Waymo 自动驾驶汽车已经成为美国规模最大的实际运营自动驾驶网络。 Google 拥有行业领先的大语言模型以及视频生成模型。 Google 已获得美国国防部的大语言模型相关合同。 Google 可能成为量子计算领域最大的公司之一。 Android 应用商店本身就是一个“收费公路”型业务。 Google 正在推动 Pixel 手机成为 Samsung 和 Apple 的真正竞争对手。简而言之，我认为建立并持续增加 Google 持仓，是非常优秀的资本配置方式。Berkshire 应该把更多现金部署到优质股票和股票回购上，而不是让如此庞大的现金继续拖累整体回报。几乎没有人愿意买债券，无论哪个期限除了等同现金的短久期债务工具之外，在目前这样的利率环境下，市场对债券几乎没有什么兴趣。短端收益率似乎几乎被锁定在当前水平，而长端收益率则正在上升以满足市场需求，目前已经向 4% 高位区间移动。Berkshire、Warren Buffett 和 Charlie Munger 一直都不喜欢长期债务工具。相反，他们更倾向于持有等同现金的货币市场型资产，并获得当时美联储政策利率附近的收益。这里的逻辑在于，现金等价物始终都在那里，而且当真正需要扣动扳机的时候，它们不会因为价格下跌而产生亏损。对于 Berkshire 来说，也许现在是时候意识到，投资者并不一定会从股票轮动到债券，并因此创造出长期股票买入机会。随着越来越多混合型产品出现，例如在股票投资组合基础上同时卖出股票或指数看涨期权和看跌期权，只要持续获得现金流收入，很多投资者现在已经愿意承受市场波动。除了混合型 ETF 之外，市场上还有各种私人信贷基金，例如 BDC，以及封闭式基金。如今要寻找收益率已经不再困难，因此债券也不再像过去那样天然成为投资者的默认选择。现金以及少数其他类别股票，正在成为唯一真正的对冲工具我们之前已经指出，随着债券目前缺乏吸引力，现金已经成为少数真正能够对冲波动的资产之一。而我所谓的“反向压舱石股票”，也就是当投资者开始担忧增长叙事时可以充当避险资产的股票，正在成为非常优秀的分散投资工具。以下是我最近注意到，在市场下跌时往往反向上涨的几个股票和板块：能源股。医疗保健股。废物管理类股票。公用事业股过去也属于这一类别，但如今它们同样开始被纳入 AI 叙事之中。Berkshire 也非常愿意以私有化方式持有这些公司。不过，如果 Abel 能够继续保持股票净买家的状态，并且主要将资金配置到那些无论经济环境如何都具备收入增长能力的耐久型行业，我会感到更加鼓舞。在我看来，Berkshire 通过其保险业务持续增持的日本综合商社，也非常适合作为其核心投资组合中的新增持仓。这些日本综合商社中的大多数既属于价值股，同时又在全球多个领域参与基础设施开发，其中包括能源领域。我理解 Berkshire 不愿意过快使用现金，但我认为，公司应该对具有价值的股票以及遭受重创的行业采取更长期的投资视角，而不是一直持有如此庞大的流动性。至少在这种情况下，公司获得的是不断增长的股息收益率，而不是静态甚至不断下降的现金等价物利息收入。如果能够将目标锁定在股息收益率高于现金等价物收益率的资产上，那么从长期来看，将有助于提高整个经营投资组合的收入。最后，还有股票回购正如我们很多人已经逐渐意识到的那样，过去把标普 500 指数 15 倍市盈率视为“合理价格”的时代基本已经过去了。近年来，市场回调时通常也只是回到 18-19 倍市盈率，而考虑到如今股票市场相比几十年前周期性已经有所下降，这可能已经成为新的估值基准。 Berkshire Hathaway 的情况也是如此。过去衡量股票回购是否合理的标准，是股价不高于 1.25 倍账面价值，因为保险浮存金本身至少还值额外的 0.25 倍账面价值。如今，我们看到 Berkshire 在大约 1.4-1.5 倍账面价值附近进行股票回购。这可能意味着市场需要采用一个新的衡量标准，因为目前利率顽固地高于过去十年的水平，而保险浮存金的价值可能也比过去认为的更高。另一个可能的解释是，Berkshire 提升账面价值的效率不够高，因为其股价基本横盘，但市净率却几乎没有明显下降。这可能是另一个重要数据点，提醒公司它们需要寻找更多投资机会。【原文图片位置：Berkshire Hathaway 相关估值走势图（YCharts）】如果公司无法让现金、私人企业账面价值或者投资组合价值的增长速度超过股票价值增长，那么 Berkshire 长期以来承诺持续提高每股账面价值的目标，就没有真正兑现。【原文图片位置：Berkshire Hathaway 账面价值与股价变化走势图（YCharts）】我们可以看到，大约从 2022 年开始，当现金等价物收益率开始大幅上升时，Berkshire 股价的涨幅也开始显著超过账面价值的增长。【原文图片位置：Berkshire Hathaway 现金及短期投资走势图（YCharts）】并不令人意外的是，这也正是 Berkshire 的现金和短期投资开始快速增长的时间点。简而言之，这说明公司囤积大量现金实际上阻碍了账面价值增长，因为它们没有进行能够持续创造新增价值的投资。营业利润【原文图片位置：Berkshire Hathaway 营业利润走势图（YCharts）】当分析师研究 Berkshire Hathaway 时，他们通常会首先查看公司的经营业务，以判断 Berkshire 实际经营状况究竟如何。尽管上市股票投资组合获得了几乎所有关注，但私人企业的价值仍然占公司资产的大部分。我喜欢对这一数字进行标准化处理，剔除交易活动带来的资本利得和损失。不过，通过提高现有私人企业收入或者扩大利润率，最终能够带来的增长是有限的，因为这些低增长业务毕竟不是科技巨头。从上图可以看到，Berkshire 的营业利润增长正在趋于平缓。如果公司不部署资产负债表上的部分现金，通过某种方式提高投资组合收入或者收购私人企业，那么营业利润最终将触及平台期，尤其是在现金等价物利率不断下降的情况下。现金本身并不是一种可靠的复利回报来源。 Berkshire 正在增加哪些资产在私人企业方面，Berkshire 今年有两项值得关注的新增投资： 2026 年 1 月 2 日，Berkshire 完成了对 Occidental Petroleum Corporation（“Occidental”）化工业务 OxyChem 的收购。该交易依据双方于 2025 年 10 月 1 日签署的协议完成，现金交易对价约为 94 亿美元。 2026 年 5 月 31 日，Berkshire 与 Taylor Morrison Home Corporation（“Taylor Morrison”）签署《合并协议与计划》，计划以每股 72.50 美元现金收购 Taylor Morrison 所有已发行普通股，总交易价值约为 68 亿美元。 OxyChem 私有化交易将环境相关负债留在 Occidental Petroleum Corporation（OXY）旗下子公司 Environmental Resource Holdings，因此 OxyChem 有可能成为 Berkshire 经营业务中的一项优质新增资产。Taylor Morrison 则是 Berkshire 对新建住宅开发商市场的又一次押注。相比二手房市场，新房开发商具备一些独特优势，例如内部融资能力，以及能够提供所谓的“points”，也就是房贷折扣。由于按揭贷款利率一直维持在高位，近年来新房开发商已经拥有非常明显的竞争优势。风险与总结我把 Berkshire Hathaway 看作是自己投资组合中用于平衡风险的价值型配置工具之一。另一个我经常使用的价值型配置工具是 Schwab US Dividend Equity ETF（SCHD），在最近这轮上涨之前，我曾经大规模买入它。虽然 Berkshire 不支付股息，但公司明确表示，其目标就是耐心等待，并买入被低估的企业和证券。我认为 Berkshire 是市场上最具代表性的“价值投资”代理资产之一。这里的一个风险在于，Abel 更加积极的投资风格可能会让部分长期股东感到不满，比如 Michael Burry，他此前就曾公开表示支持 Berkshire 囤积现金。这些投资者相信，Berkshire 的“大象枪”已经装满弹药，一旦市场崩盘，公司就会抓住机会全力出击，以折扣价格买下所有资产。幸运的是，我并不认同上一段所描述的这种叙事。2020 年新冠疫情导致市场暴跌时，Berkshire 手中拥有大量现金，但公司基本什么都没做，反而只是卖掉了航空股。我怀疑，即使未来市场再次出现 30% 甚至更大幅度的回调，Abel 也不会突然投入 1,000 亿美元资金。当 Buffett 和 Munger 进入 80 多岁时，那种老派“枪手式”的投资心态实际上已经逐渐离开了他们，而我也不认为 Abel 会重新点燃这种风格。现阶段最好的做法，是继续私有化那些商业逻辑合理的公司；当机会出现时，买入更多类似 Google 这样的 GARP（合理价格下的增长股）机会——比如 Meta Platforms, Inc.（META）怎么样？——以及如果股价仍然低于 1.5 倍账面价值，就继续进行股票回购。我喜欢并支持 Abel 终于让 Berkshire 从股票净卖家转变为股票净买家，同时今年完成两项新的私人企业交易，并继续进行股票回购。在我看来，Berkshire 依然值得“强烈买入”。

Marvell 赢得 Alphabet 订单；一切都发生了改变（评级上调）投资观点今天早些时候，（MRVL）宣布，公司赢得了来自（GOOG）（GOOGL）的一项广泛定制芯片开发合作订单，涵盖多个芯片开发项目，包括 AI 推理加速器、存储与网络接口控制器、内存接口控制器以及近内存计算（near-memory compute）。作为该合作的一部分，Google 也将参与 Marvell 股票潜在上涨带来的收益。该网络芯片公司向这家搜索巨头发行了一份基于收入的股票认股权证，该认股权证将根据未来 Google 授予 Marvell 的潜在业务规模，分阶段完成归属。在审阅 Marvell 提交的文件后，我认为，根据一个相对保守的估算，该网络与定制硅公司未来至少可以从 Google 这项合作中获得 5 亿美元的收入。我将 Marvell 的评级上调至强烈看多（Strong Buy），原因是新的网络业务进展表明，其主要云客户基础正在扩大，并进一步推动公司的增长空间。但首先，快速回顾一下 Marvell 的重大转型我继续对自己此前对 Marvell 的评级历史感到非常满意。去年我曾对公司保持中性观点，但当我意识到 Marvell 管理层正在抓住机会，将公司转向网络市场中增长速度更快的细分领域——即光互连和光子学领域时，我及时上调了评级。【原文图片位置：Marvell 作者评级历史（Seeking Alpha）】正如我在今年 3 月关于 Marvell 的文章中指出的那样，我仍然认为，公司管理层精准地完成了“两项变革性收购”——Celestial AI 和 XConn Technologies，这两项收购改变了公司的增长轨迹，而这一点已经体现在管理层三个月前发布的 2026 财年第一季度财报电话会议中所分享的强劲前景中。我尤其认为，Marvell 对 Celestial AI 的收购彻底改变了公司的竞争格局，使其获得了一条快速增长的赛道，能够参与 AI 加速器（包括 XPU 和 GPU）周围 AI 网络互连中价值积累最高的领域。Marvell 将这一领域称为“XPU attach（XPU 连接市场）”，并认为该领域推动其整体 940 亿美元数据中心（DC）TAM（总可寻址市场）增长了 26%，主要受益于加速计算和互连解决方案的发展。 Celestial AI 面向 CPO（共封装光学）的光子互连平台解决方案、XConn 的内存控制和内存管理定制硅解决方案、Retimer（重定时器）等产品，都属于 XPU attach 领域。在光网络时代，这一领域已经成为数据中心基础设施中的关键组成部分。在我看来，其重要性与 XPU 或 GPU 本身不相上下。【原文图片位置：Marvell 年度收入以及作者对 FY27 和 FY28 收入预测（公司数据及作者估算）】根据 Marvell 管理层最近一次公布的指引，公司不仅上调了 FY27 收入预测，也提高了 FY28 收入预期。今年 5 月，Marvell 将 FY27 收入预测提高至 115 亿美元，同比增长约 40%-41%，明显高于 6 个月前预期的 34%-35%。同样是在 5 月，Marvell 也上调了 FY28 收入预测，预计收入将达到 190 亿至 200 亿美元，同比增长加速至 68%，此前预测增长率为 55%。这些预测建立在行业普遍观点之上，即 Marvell 已经拥有两家大型超大规模云客户——（AMZN）和（MSFT），同时公司还能够利用近期与（NVDA）建立的合作关系，参与 NVIDIA 的 NVLink Fusion 项目。 Google 合作如何影响 Marvell 及其估值根据 Marvell 今天提交的文件，与 Google 扩大的合作意味着，Marvell 将开发一系列“连接至 Google TPU 生态系统的定制硅项目”。这些项目包括 Marvell 制造的定制产品，例如 AI 推理加速器、存储控制器、网络接口控制器、内存接口控制器以及近内存计算产品。更重要的是：作为此次合作的一部分，2026 年 8 月 18 日，公司（Marvell）向 Google 发行了一份认股权证（以下简称“认股权证”），Google 可购买公司最多 58,970,907 股普通股（以下简称“认股权证股份”），执行价格为每股 206.58 美元。 Marvell 表示，在其 2027 财年四个季度期间，Google 每季度将归属获得 130 万股股份，而剩余股份只有在 Google 根据未来从 Marvell 采购定制硅产品的规模进行“自主采购”后才开始归属。剩余股份的归属计划从 Marvell FY27 第三季度开始，并持续至 2033 年。直接影响 Marvell 收入的关键条款是：剩余股份将分为 240 个等额批次归属，Google 每获得来自 Marvell 的 5 亿美元定制产品收入，就可以解锁对应的一批 Marvell 股票。这意味着，保守来看，我预计 Google 至少会为 Marvell 带来 5 亿美元收入。考虑到 Marvell 赢得 Google 合作的时间点，我预计这 5 亿美元收入不会全部计入 Marvell FY27 收入，因为我强烈怀疑 Marvell 需要几个月时间，才能完成其定制硅产品在 Google TPU 平台上的集成和验证。但如果 Marvell 能够证明其产品良率稳定，并成功完成产品验证，那么 Google 有望成为 Marvell FY28 除 Amazon 和 Microsoft 之外的第三大客户。目前，我制作了一张表格，帮助投资者了解我预计 Marvell 因此次公告将如何逐步获得来自 Google 的收入：【原文图片位置：作者展示 Google 为 Marvell 定制硅和网络产品贡献收入的预测模型（作者）】我怀疑 Marvell 此次宣布的新合作中，来自 Google 的收入尚未包含在市场一致预期中。目前市场一致预期显示，Marvell FY27 收入将增长 41%，达到 116 亿美元，接近公司管理层自身预测，同时预计 FY28 收入增长将进一步加速至 45%-46%，达到 160 亿至 170 亿美元。从保守角度来看，仅 Google 带来的 2.5 亿至 5 亿美元未来收入，就意味着 Google 对 Marvell 收入贡献将达到低个位数至中个位数增长。但这只是 Marvell 新阶段的开始。这家公司去年还面临诸多挑战，而今年正在逐渐把所有关键因素做对。在这种情况下，以 FY27 收入的 16-17 倍收入倍数买入 Marvell 股票，我认为并不昂贵。【原文图片位置：基于 FY27 和 FY28 收入计算的 Marvell 前瞻收入倍数（yCharts）】更有吸引力的是，如果考虑到 Google 明年可能在 Marvell 收入中扮演更重要角色，那么以 FY28 收入的 11 倍收入倍数买入 Marvell 股票可能更加具有吸引力。风险及其他需要关注的因素类似 Marvell 向 Google 发行的这种基于股票的认股权证，根据 SEC 在 ASC 606 准则下关于“交易价格分配至履约义务”的规定，通常会导致净收入和毛收入需要进行特殊处理。如果相关履约义务对应的交易价格分配不利，将影响 Marvell 综合毛利率。这一点非常重要，因为 Marvell 通常已经暗示，未来数据中心业务的利润率将进一步提升。 Marvell 将于下周 8 月 27 日收盘后公布第二季度财报。我将关注公司是否会披露更多有关 Google 合作的信息，尤其是在产品和利润率方面。市场对于 Marvell 第二季度的外部预期如下： Q2 预期：收入增长 35% 至 27 亿美元，EPS 增长 39% 至 0.93 美元。 Q3 预期：收入增长 46% 至 30 亿美元，EPS 增长 41% 至 1.07 美元。考虑到自 7 月 29 日以来 Marvell 股价已经上涨 42%，短期内股价可能会出现一定回调。但我会将任何回调视为买入机会，因为我的投资组合目前已经显著跑赢市场。目前，Marvell 已经是我投资组合中的满仓持仓。总结我非常看好 Alphabet 旗下 Google 与 Marvell 展开合作，因为 Marvell 在 AI 加速器和网络应用领域拥有制造定制硅产品的专业能力。 Google 成为 Marvell 的第三大客户，不仅扩大了 Marvell 的客户基础，同时也可以被视为对 Marvell 向 XPU attach 方向进行重大转型的强力认可。正如我此前关于 Marvell 的分析中指出的，这一战略转型正在逐渐得到市场验证。

已经到底了

AI Web3 ETF 稳定币 Defi RWA

搜索“ID”共有20条相关结果

查看全部

相关发布者

相关发布者

OpenAI 首席科学家 Jakub Pachocki（雅库布·帕霍茨基）与研究员 Szymon Sidor（西蒙·西多）：解密 AI 研发历程与未来思考

加拿大创新部长 Evan Solomon（埃文·所罗门）：主权 AI 与加拿大数字未来

嘉立创：用 2100 万张零散的 PCB 板，拼成一门价值千亿的生意

NVIDIA 创始人 Jensen Huang（黄仁勋）谈下一代 AI 芯片

Nvidia 刚刚彻底击碎了空头逻辑，而股价依然被低估

Navitas Semiconductor：2026 年第二季度让 800V 故事离收入兑现更近了一步

伯克希尔哈撒韦终于成为股票净买家

Shopify 总裁 Harley Finkelstein（哈利·芬克尔斯坦）、Wealthsimple 创始人 Mike Katchen（迈克·卡钦）与 Cohere 创始人 Aidan Gomez（艾丹·戈麦斯）：共建加拿大科技新纪元

Marvell 赢得 Alphabet 订单；一切都发生了改变（评级上调）

NVIDIA 创始人 Jensen Huang（黄仁勋）谈 19 条公司经营哲学

Hunter Biden 计划基于 Base 发行 $LAPTOP

英伟达 CEO 黄仁勋称人类水平 AI 已实现，但业界定义仍存分歧

MidChains CEO：美国 CLARITY Act 或通过并影响全球加密货币行业

Neoclouds 凭借英伟达服务器优势挑战传统云服务巨头

Bitwise 提交以太坊现货 ETF 修订文件，纳入质押机制条款

Securitize 扩展 BlackRock BUIDL 基金在多家加密主经纪商中的抵押品用途

David Silver AI 初创公司 Ineffable 完成 11 亿美元种子轮融资

美前总统拜登之子计划在 Base 网络推出 LAPTOP Meme 币

Blockstream 遭白帽黑客攻击，损失约 4000 枚比特币

Rocket 遭价格操纵攻击，损失 28.7 万美元