Loading...
Loading...
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。
Navitas Semiconductor：2026 年第二季度让 800V 故事离收入兑现更近了一步投资观点（Investment Thesis）
在公司公布 2026 年第二季度业绩后，我重申对 Navitas Semiconductor（NVTS）的“买入”评级，并将目标价调整至每股 22 美元。我调整目标价的原因，并不只是因为 NVTS 交出了一份更好的季度业绩，而是因为 2026 年第二季度给了我更多实质证据，证明我在最初文章中讨论的高功率转型正在以快于我此前模型假设的速度发展，同时管理层如今也对 AI 基础设施收入的兑现时间给出了更详细的信息。在最初的文章中，我实际上是在为一家仍需要投资者相信这样一个逻辑的公司进行估值：即移动设备和低端消费电子业务的收缩，最终能够被 AI 数据中心、电网和工业需求所取代。如今，随着 2026 年第二季度财报发布，这一假设中的一部分已经开始转化为可衡量的经营证据。我之所以这样说，是因为公司收入环比增长 22% 至 1,050 万美元，高功率业务收入同比增长超过 50%，而管理层对第三季度收入的指引为 1,300 万至 1,400 万美元，其中 1,350 万美元的中值意味着收入将再次环比增长 28%。
【原文图片位置：2026 年第二季度财务摘要（Q2 2026 NVTS Earnings Presentation）】
这一 2026 年第三季度指引对我的模型非常重要，因为我此前预计 2026 年第三季度收入只有 1,150 万美元，第四季度收入约为 1,300 万美元。因此，公司对第三季度 1,350 万美元的收入指引中值，比我此前的预测高约 17%。更重要的是，NVTS 目前预计 2026 年全年收入将在 2025 年 4,590 万美元收入基础上实现中个位数百分比增长，这意味着 2026 年收入可能达到 4,800 万至 4,900 万美元。根据我将“中个位数”理解为 5%-7% 增长，这将意味着 2026 年第四季度收入大约在 1,560 万至 1,650 万美元之间，较我原始模型中 1,300 万美元的第四季度预测高约 20%-27%。我此前的文章实际上对应的是约 4,300 万美元的 2026 年收入，因此从技术上讲，2026 年第二季度已经将公司的近期收入轨迹推升至比我最初假设高出 10% 以上的水平。
收入结构也正在变得越来越重要。我之所以这样说，是因为公司目前预计，包括 AI 数据中心以及电网和能源基础设施在内的 AI 基础设施业务，将贡献 2026 年第四季度超过三分之一的收入，而移动设备和低端消费电子业务的敞口则将变得微不足道。公司还披露，在手订单正在扩大，订单出货比（book-to-bill）创下纪录，同时多个新项目已经开始提供量产样品，其中包括 800V AI 数据中心应用。NVTS 预计，部分超大规模云服务商和 xPU 平台将在 2027 年开始放量。这让我对 2029 年模型背后的时间假设有了明显更高的信心。在最初的投资逻辑中，与 Nvidia 相关的 800V 机会非常有吸引力，但当时仍然高度依赖技术路线图以及最终采用情况。如今，2026 年第二季度已经首次为我建立起一座更清晰的桥梁，把这一技术机会连接到客户项目和实际量产爬坡。
【原文图片位置：AI 基础设施（Q2 2026 NVTS Earnings Presentation）】
我也认为，上图所展示的 NVTS 最新 800V 路线图进一步强化了我的投资逻辑，因为它显示，随着 AI 电源架构不断演进，NVTS 有多个机会提升其半导体内容价值。管理层预计，SiC 在 AC/DC 电源中的采用将在 2026 年下半年开始放量，并在 2027 年上半年加速。下一阶段是在 2027 年年中左右出现 800V power sidecar（电源侧车），随后原生 800V 架构将在 2027 年中后期进入计算托盘，并在 2028 年加速发展。从 2028 年开始，固态变压器以及从电网到核心计算的电能转换又将成为下一潜在增长阶段。这意味着，我最初的投资逻辑如今已不再依赖某一个单独的 800V 产品突然成为巨大收入来源，而是意味着，随着整个电源架构的发展，NVTS 有可能在电力链条中的多个环节获得更高的半导体内容价值。
我确实做出了一项负面调整，而且我认为这一点非常重要。NVTS 在 2026 年第二季度末的摊薄平均流通股数约为 2.611 亿股，而 2026 年第一季度约为 2.305 亿股，主要原因是公司通过 ATM 市场发行计划筹集资金，并结清剩余的 earnout（或有对价）义务。公司在上半年通过 ATM 发行出售了 1,740 万股股票，并在 2026 年第二季度末拥有 5.57 亿美元现金。更强的资产负债表大幅降低了融资风险，也让 NVTS 拥有更强的能力为 AI 基础设施扩张提供资金支持。但股东为这种财务灵活性付出的代价就是股权稀释。因此，我将 2029 年摊薄股数假设从原始文章中的 2.30 亿股提高至 2.70 亿股，这也为从现在到 2029 年期间可能归属的股权激励留出了空间。
即使做出这一调整，我依然认为 2026 年第二季度对上行逻辑的强化程度足以支持更高的目标价。当前约 12 美元的股价也明显低于我撰写最初文章时采用的 14.46 美元。因此，我调整后的 22 美元目标价意味着相较当前股价约有 83% 的上涨空间。我愿意继续维持“买入”评级，因为公司的经营证据已经改善，2027 年的放量路径变得更容易建模，资产负债表得到显著强化，而我的更新盈利模型即便明确计入股权稀释后，仍然显示出显著的上涨空间。公司的估值依然很高，因此这并没有突然变成一项低风险的半导体投资。但 2026 年第二季度确实让支撑我最初投资逻辑的多个关键假设同时朝着正确方向发展。
【原文图片位置：NVTS 当前股价（Seeking Alpha）】
更新后的增长驱动因素（Updated Growth Drivers）
第一个、同时仍然是最大的增长驱动因素，是 AI 数据中心电源。在最初的模型中，我预计到 2029 年 AI 数据中心收入将达到 1.4 亿美元。我的计算方式是，将管理层预计 2030 年 35 亿美元高功率 SAM（可服务市场）中的 50% 分配给 AI 数据中心，由此得到 17.5 亿美元的市场规模，然后对 2029 年应用 80% 的折扣系数，并假设 NVTS 能够获得这一风险调整后机会的 10% 市场份额。我继续保留原本 1.4 亿美元的核心假设，因为 2026 年第二季度并没有给我足够理由改变底层市场份额假设。真正发生变化的是可服务产品组合。NVTS 宣布了一款新的 1.2kV SiC JFET 产品系列，预计将在 2027 年初推出，目标市场包括 AI 数据中心、固态变压器以及电网应用。更重要的是，公司管理层表示，这一产品线将额外增加 10 亿美元的 SAM。
不过，我并不希望简单地把整个新增 10 亿美元全部加入 AI 数据中心这一增长驱动因素，因为那样会重复计算电网机会。因此，我将新增 JFET SAM 的 60% 分配给 AI 数据中心，另外 40% 分配给电网和能源基础设施。随后，我继续对 2029 年应用相同的 80% 折扣，但在这一新产品机会中，我只采用 7.5% 的市场份额假设，而不是核心既有 SAM 使用的 10%。由此得到到 2029 年额外约 3,500 万美元的 AI 数据中心收入机会。将其与原来的 1.4 亿美元相加后，得到如下所示的大约 1.75 亿美元。
项目
数值
原始 2030 年 AI 数据中心 SAM
17.5 亿美元
风险调整后的 2029 年核心 SAM（80%）
14 亿美元
NVTS 核心市场份额（10%）
1.4 亿美元
分配给 AI 的新增 JFET SAM（10 亿美元 × 60%）
6 亿美元
风险调整后的新增 2029 年 SAM（80%）
4.8 亿美元
NVTS 在新增 SAM 中的市场份额（7.5%）
3,600 万美元
更新后的 2029 年 AI 数据中心收入
约 1.75 亿美元
我继续维持原始模型中的 52% 毛利率假设。2026 年第二季度非 GAAP 毛利率从 39% 提升至 39.5%，而管理层第三季度指引中值意味着毛利率将进一步小幅改善至 39.7%。公司明确表示，产品组合改善和规模效应应该继续推动利润率扩张，而计划在 2027 年和 2028 年进行的 GlobalFoundries 8 英寸 GaN 转换，也可能随着 AI 业务放量带来额外的成本优势。这让我对长期 52% 毛利率假设的方向更有信心，但目前仍不足以让我上调这一数字。从今天大约 40% 的水平提高至 2029 年 52%，本身已经是一个相当明显的假设，因此我更愿意让更强的收入增长来推动目标价提升。
按照我原始文章中的同一贡献框架，1.75 亿美元 AI 收入在 52% 毛利率下可产生 9,100 万美元毛利润。我继续假设新增运营成本会消耗其中 20% 的毛利润，从而留下约 7,280 万美元的新增 EBITDA 贡献。按照 80% 的税后转化率计算，可得到 5,820 万美元的税后盈利贡献。再除以我更新后的 2.70 亿股摊薄股数假设，对应 AI 数据中心电源业务约 0.22 美元的新增 EPS 贡献。相比我原始文章中的 0.20 美元，这一贡献仅略有提升，因为显著扩大的股本规模吸收了部分收入前景改善带来的好处。这也正是为什么将 2026 年第二季度的股权稀释纳入模型如此重要。
项目
数值
2029 年收入预测
1.75 亿美元
毛利润（52%）
9,100 万美元
扣除 20% 新增运营成本后的 EBITDA 贡献
7,280 万美元
税后贡献（80%）
5,820 万美元
2029 年预计摊薄股数
2.70 亿股
新增 EPS 贡献
$0.22
第二个增长驱动因素是电网和能源基础设施。在我的原始模型中，我将原始 35 亿美元 SAM 的 30% 分配给电网基础设施，然后对 2029 年应用 80% 的折扣系数，并假设 Navitas 获得 10% 的市场份额，由此得到 8,400 万美元的 2029 年电网收入预测。我继续保留这一 8,400 万美元的核心预测。随后，我将新宣布的 10 亿美元 JFET SAM 中的 40% 分配给电网，因为这一产品明确面向固态变压器以及能源电网基础设施，同时也服务于 AI 数据中心。应用相同的 80% 折扣系数，以及更保守的 7.5% NVTS 市场份额后，我得到额外 2,400 万美元的潜在电网收入，这使总收入提升至约 1.1 亿美元。
项目
数值
原始 2030 年电网 SAM
10.5 亿美元
风险调整后的 2029 年核心 SAM（80%）
8.4 亿美元
NVTS 核心市场份额（10%）
8,400 万美元
分配给电网的新增 JFET SAM
4 亿美元
风险调整后的新增 2029 年 SAM
3.2 亿美元
NVTS 在新增 SAM 中的市场份额（7.5%）
2,400 万美元
更新后的 2029 年电网收入
约 1.1 亿美元
继续采用不变的 52% 毛利率假设，1.1 亿美元电网收入可产生约 5,720 万美元毛利润。扣除我假设的 20% 新增运营成本后，可以得到约 4,580 万美元新增 EBITDA。按照同样的 80% 税后转化率计算，可产生约 3,660 万美元盈利贡献。除以 2.70 亿股摊薄股数后，对应新增 EPS 约为 0.14 美元，高于我此前模型中的 0.12 美元。
第三个增长驱动因素是工业电气化和高性能计算（IEPC）。2026 年第二季度为我们提供了一个更好的方式来确定这一细分市场的基础，因为管理层目前表示，AI 基础设施约占超过 35 亿美元高功率 SAM 的 80%。这意味着大约还有 20% 留给高性能计算和工业电气化。我对这一机会按照 2029 年 80% 的比例进行折扣，得到约 5.6 亿美元的风险调整后 SAM。由此可以得到约 4,000 万美元的收入，我将其取整为 2029 年 IEPC 收入约 4,000 万美元。
项目
数值
AI 基础设施以外剩余高功率 SAM
7 亿美元
风险调整后的 2029 年 SAM
5.6 亿美元
假设 NVTS 市场份额
7%
更新后的 2029 年 IEPC 收入
约 4,000 万美元
我继续采用原始模型中的 810 万美元 2026 年 IEPC 收入基础，因此新增收入贡献约为 3,190 万美元，由此可产生约 1,660 万美元新增毛利润。随后按照 80% 的税后转化率计算，我得到约 1,060 万美元盈利贡献。以 2.70 亿股计算，更新后的 IEPC 贡献约为每股 0.03 美元。2026 年第二季度还有另外一个因素让我对这些新增盈利假设更有信心。Navitas 指引 2026 年第三季度运营费用中值约为 1,650 万美元，环比增长 6.5%，而第三季度收入中值预计环比增长约 28%。我并不认为这种差距能够永久维持如此之大，但如果公司最终要跨过盈亏平衡点，这正是我需要看到的经营杠杆类型。NVTS 仍然在研发、客户支持、供应链以及产能方面进行投资，因此其成本并不是静止不变的。
更新后的估值（Updated Valuation）
我的估值方法保持不变，因为我仍然认为，对于一家尚未实现正常化盈利的公司而言，采用前瞻 EPS 方法比直接将当前销售倍数套用在公司身上更加有意义。下方图 4 仍然准确说明了为什么这只股票很难仅依靠当前基本面进行估值。NVTS 当前的前瞻 EV/Sales 约为 59 倍，前瞻 Price/Sales 约为 71 倍，而行业中位数分别只有大约 3.6 倍和 3.5 倍。这些数字让 NVTS 今天看起来极其昂贵，我并不否认这一点。我的投资逻辑依赖于公司随着高功率业务收入放量、正 EPS 开始出现，逐步增长进入当前估值。
【原文图片位置：NVTS 估值评级（Seeking Alpha）】
话虽如此，我也继续维持 100 倍前瞻非 GAAP 市盈率假设不变。我认为 2026 年第二季度的表现还不足以支持进一步扩张估值倍数，因为 NVTS 仍然是一家估值很高、尚处亏损状态并且存在较大执行风险的半导体公司。2026 年第二季度真正改变的是盈利这个分母。我之所以这样说，是因为公司目前的收入进展已经明显领先于我此前对 2026 年的假设。例如，2027 年超大规模云客户放量的可见度已经更高，JFET 路线图扩大了可服务机会，而 800V 架构目前也已经拥有一条更清晰的商业化里程碑路径。因此，在维持 100 倍估值倍数不变的情况下，我调整后的目标价几乎完全由更强的盈利能力推动。
我也继续保留 -0.17 美元的 2026 年正常化 EPS 基础，因为第二季度每股 -0.04 美元的非 GAAP 亏损并没有给我充分理由把起始亏损假设调得更加乐观。随后，我加入来自 AI 数据中心电源的 0.22 美元贡献、电网和能源基础设施的 0.14 美元贡献以及 IEPC 的 0.03 美元贡献。在抵消 2026 年亏损基础后，我得到如下表所示的 2029 年正常化 EPS 约为 0.22 美元。
项目
数值
2026 年正常化 EPS 基础
-$0.17
AI 数据中心贡献
$0.22
电网和能源基础设施贡献
$0.14
IEPC 贡献
$0.03
2029 年 EPS 预测
$0.22
前瞻非 GAAP P/E
100x
隐含目标价
$22
当前价格
$12
上涨潜力
83%
关键风险（Key Risks）
我调整后投资逻辑面临的最大风险，是 2026 年第二季度更强的经营动能最终未必能够转化为我当前估值模型所假设的 2027 年和 2028 年量产爬坡。与我最初撰写关于 NVTS 的文章时相比，公司如今已经向投资者提供了更多证据，但截至目前，公司仍然处于从样品、资格认证和设计项目向量产过渡的阶段，尤其是在 800V AI 数据中心架构方面。这意味着，如果超大规模云服务商的采用出现延迟，或者 800V power sidecar 的部署速度低于预期，那么我模型中的收入拐点就会被推迟。我认为这一点非常重要，因为我目前每股 22 美元的更新目标价，假设到 2029 年 AI 数据中心收入达到 1.75 亿美元，电网和能源基础设施收入达到 1.1 亿美元。因此，如果这些项目哪怕仅推迟一年，那么盈利贡献也会随之推迟，而我采用的 100 倍前瞻非 GAAP 市盈率也将变得更难合理化。
第二个风险是，业务放量后的经济效益可能没有我的模型假设那么理想，尤其是在考虑股权稀释之后。我对主要高功率增长驱动因素采用 52% 的长期毛利率假设，而 2026 年第二季度非 GAAP 毛利率只有 39.5%。因此，我对 2029 年 0.22 美元 EPS 的预测，有相当一部分依赖于未来几年产品组合、规模以及制造效率显著改善。同样需要指出的是，NVTS 在第二季度末的摊薄股数已经达到 2.611 亿股，而 2026 年第一季度为 2.305 亿股。不过，我已经将 2029 年摊薄股数假设提高至 2.70 亿股，以反映这一变化。另外，5.57 亿美元现金余额为公司提供了显著更高的财务灵活性，但帮助公司建立这一现金缓冲的资本融资，同时也降低了未来盈利增长对每股收益的贡献。竞争同样是一个重要因素，因为大型功率半导体公司完全有能力在 GaN、SiC 和 AI 数据中心电源领域投入巨额资金，这可能会在 NVTS 刚开始扩大规模时对其市场份额或定价形成压力。这意味着，如果毛利率最终停留在低 40% 区间附近，或者进一步发行股票使总股数超过我 2.70 亿股的假设，那么即使收入逻辑依然成立，我的 EPS 预测也需要下调。
最后观点（Final Thoughts）
总的来说，2026 年第二季度让我对 NVTS 更有信心，但我仍然把这视为一项高度依赖执行的投资，而不是一家已经完成转型的半导体公司。与我最初文章相比，最大的区别在于，管理层现在已经让我更清楚地看到了从技术故事走向收入故事之间的路径。公司收入正在实现环比增长，同时高功率产品正在成为主导业务，AI 基础设施预计将在 2026 年第四季度贡献超过三分之一的收入。此外，超大规模云客户项目正在朝着 2027 年放量推进，新的 SiC JFET 路线图也新增了一个具有重要意义的可服务市场机会。与此同时，我并没有提高 100 倍前瞻非 GAAP 估值倍数，因为我认为当前估值本身已经要求公司实现强劲执行，但我提高了摊薄股数假设，以反映今年上半年发生的资本融资。真正发生变化的是我的盈利预测，目前 2029 年正常化 EPS 提高至 0.22 美元，而此前为 0.19 美元，这支撑了我调整后的 22 美元目标价。因此，我继续重申对 NVTS 的“买入”评级，并认为 2026 年第二季度已经充分强化了原始投资逻辑，足以支持更高的目标价。
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。
NVIDIA 创始人 Jensen Huang（黄仁勋）谈 19 条公司经营哲学撰文：Techub News 整理
导语
在最新一期的 Founders Podcast 中，主持人 David Senra 以新书《The NVIDIA Way: Jensen Huang and the Making of a Tech Giant》为蓝本，对 NVIDIA 创始人兼 CEO 黄仁勋（Jensen Huang）的经营哲学进行了长达 100 分钟的深度剖析。这场对话之所以重要，在于它不仅追溯了 NVIDIA 从濒临倒闭到成为 AI 时代核心引擎的跌宕历程，更首次系统性地提炼出黄仁勋在三十余年商海沉浮中形成的、一套高度个人化且极具成效的公司构建与运营法则。此时，正值 NVIDIA 市值突破三万亿美元、其 GPU 成为全球 AI 基础设施的关键时刻，理解这位传奇领袖的思考方式，对于洞察科技行业的未来走向与组织管理精髓具有非凡价值。
摘要
卓越源于承受痛苦的能力：黄仁勋认为，伟大并非来自智力，而是源于性格，而性格只能在克服问题、挫折和逆境并拒绝放弃的过程中锻造。
构建“自我延伸”的组织：NVIDIA 是“拥有 29,000 条生命的黄仁勋”，公司的组织架构、文化和工作节奏都是其个人特质与哲学的延伸，旨在打造一台 CEO 能够完美驾驭的“赛车”。
公开批评与极度坦诚：黄仁勋信奉公开、直接的批评，认为这能让整个组织从单一个体的错误中学习，对抗官僚主义与自满情绪，将工作质量置于个人感受之上。
用“光速”作为唯一基准：NVIDIA 内部评判工作速度的唯一标准是物理定律允许的极限——“光速”，而非过去的成绩或竞争对手的表现，以此驱动极致的效率与创新。
集中力量，猛攻最大机遇：从早年押注 CUDA 生态到全力转向深度学习，黄仁勋展现了识别并调动全公司资源“蜂拥而至”最大历史性机遇的非凡魄力与远见。
早年淬炼：卓越是对痛苦的承受力
理解黄仁勋（Jensen Huang）的经营哲学，必须从其早年经历开始。四岁时，父母为了给他和兄弟争取更好的机会，毅然决定从台湾移民美国。这段经历让黄仁勋深刻体会到“牺牲”与“机会”的重量。随后，他被父母送入肯塔基州一所实为问题少年改造学校的寄宿机构。在那里，他不仅需要严格遵守日程并每日劳作，还因年幼体弱而时常遭受欺凌。这段经历塑造了他异于常人的韧性。他后来回忆道：“因为这段经历，我很少感到害怕。我不担心去从未去过的地方。我可以忍受大量的不适。”
这种“忍受不适”的能力贯穿了他的职业生涯。在 AMD 全职工作期间，他利用夜晚和周末时间，花了八年才完成斯坦福大学的硕士学位，同时还要养育年幼的家庭。他从中领悟到：“我有很长的视野。我对某些事情可能没有耐心，但对其他事情却可以无限耐心。我会持续努力。”在他看来，成功的关键并非单纯智力，而是性格（Character），而性格只能通过克服问题、挫折和逆境并拒绝放弃来获得。因此，当被问及成功建议时，他的回答始终如一：“我祝愿你们有充足剂量的痛苦和磨难。”
创业前夜：机会与关系的复利
在创立 NVIDIA 之前，黄仁勋在 LSI Logic 的工作经历至关重要，他在这里收获了三条影响深远的经验。第一，他形成了“磨砺刀剑（Honing The Sword）”的理念。他意识到，对于真正在乎的事情，不应回避冲突，而应主动寻求。正如杰夫·贝索斯（Jeff Bezos）所说：“如果我必须在一致和冲突之间选择，我每次都选冲突。因为它总能产生更好的结果。”激烈的辩论虽然暂时令人不适，但最终能打磨出更锐利、更优秀的想法。这让人联想到史蒂夫·乔布斯（Steve Jobs）的“岩石抛光机”比喻：一群才华横溢的人相互碰撞、摩擦，最终将彼此和彼此的想法打磨得光彩夺目。
第二，也是最重要的，他在这里遇到了未来的联合创始人克里斯·马拉科夫斯基（Chris Malachowsky）和柯蒂斯·普里姆（Curtis Priem）。当时，后两人对 Sun Microsystems 不满，计划离职创业，因欣赏黄仁勋的才华而邀请他协助。这次合作最终催生了共同创立 NVIDIA 的想法。这完美印证了一条法则：“机会处理得当，会带来更多意想不到的机会。”黄仁勋在每一份工作中都竭尽全力，这种卓越的表现为他打开了原本无法预测的大门。
第三，当他向 LSI Logic 的 CEO 威尔弗雷德·科里根（Wilfred Corrigan）提出离职创业时，科里根的第一反应是：“我能投资吗？”并随后将他引荐给了红杉资本创始人唐·瓦伦丁（Don Valentine）。尽管黄仁勋回忆自己的初次 pitch “糟糕透顶”，但瓦伦丁依然决定投资，并说：“违背我的更好判断，基于你刚才告诉我的（显然是个糟糕的 pitch），我会给你我的钱。但如果你把我的钱亏了，我会杀了你。”这次经历让黄仁勋刻骨铭心地认识到：“你的声誉会走在你的前面。” 你的长期声誉是商业世界中最宝贵的资产，它能为你开启或关闭未来的机会之门。
NVIDIA 的诞生与早期磨难：在失败中学习
NVIDIA 的起步并非一帆风顺。其首款产品 NV1 遭遇市场冷遇，几乎将公司拖垮。黄仁勋事后复盘，认识到几个关键错误：产品过度设计，塞入了太多无人关心的功能；市场定位模糊复杂。他总结道：“我们学到，做好少数几件事，比做太多事情更好。没人会去商店买一把瑞士军刀（那只是圣诞礼物）。”这与詹姆斯·戴森（James Dyson）的感悟不谋而合：“人们不想要万能的东西，他们想要高科技的专精。”
这次失败也让黄仁勋深感自己对营销定位的无知。他后来强调，产品定位的核心在于回答两个简单问题：“产品做什么？”以及“为谁而做？”。NV1 的教训是：“诱惑需要一个简单的信息。” 复杂的消息无法打动市场。
早期接连的失败（前两款产品均告失利）导致公司大规模裁员，从超过 100 人缩减至 40 人，现金也即将耗尽。黄仁勋不得不背水一战，将开发周期压缩到极限。为了加速第三款产品 RIVA 128 的测试，他毅然决定花费宝贵的 100 万美元购买一台 EOS 仿真器，尽管这会将公司的跑道从 9 个月缩短至 6 个月。最终，RIVA 128 获得成功，拿到了关键订单，拯救了公司于水火。这些早期的痛苦经历，锻造了黄仁勋和 NVIDIA 的“耐力”与“痛苦承受力”，为日后应对更大的挑战奠定了基础。
19 条经营哲学：黄仁勋的“NVIDIA 之道”
基于数十年的经验、学习、实践、失败与痛苦，黄仁勋形成了一套独特而系统的经营哲学。主持人 David Senra 从《The NVIDIA Way》一书中提炼出 19 条相互关联、彼此强化的核心理念。
1. 黄仁勋是教师
书中的第一句话便是：“在另一种人生里，黄仁勋可能会是一名教师。”历史上许多伟大的创始人，如沃伦·巴菲特（Warren Buffett）、史蒂夫·乔布斯（Steve Jobs），都将大量时间用于教导组织。好市多（Costco）联合创始人吉姆·辛内格（Jim Sinegal）更是直言：“作为公司领导者，如果你没有把 90% 的时间花在教导上，你就没有做好你的工作。”黄仁勋通过不断重复公司的原则和格言，持续灌输其哲学与价值观。NVIDIA 员工甚至称他为“黄教授”。他偏爱的教学工具是白板，擅长将复杂概念以几乎任何人都能理解的方式拆解。
2. NVIDIA 是“拥有 29,000 条生命的黄仁勋”
书的结尾指出：“NVIDIA 之道最简洁的定义就是黄仁勋之道，或者干脆就是黄仁勋本人。”这与“苹果就是拥有 10,000 条生命的史蒂夫·乔布斯”异曲同工。黄仁勋将公司打造成自身特质的延伸：每个人都分享他对使命的专注、他的工作 ethic、以及尽可能快的工作节奏以保持领先。公司的组织像一辆赛车，必须是 CEO 知道如何驾驶的机器。
3. 白板文化
白板是 NVIDIA 会议中的主要沟通工具。它代表着可能性与“无常”的信念——无论一个想法多么出色，最终都必须被擦除，让位于新想法。白板要求人们在观众面前实时展示思维过程，无处可藏，迫使思考必须彻底和清晰。黄仁勋对此极为执着，甚至只使用一种台湾生产的特定品牌白板笔，出差时也随身携带。
4. 扁平化组织架构
黄仁勋以拥有约 60 名直接下属且拒绝进行一对一会议而闻名。他认为，扁平结构能对抗决策缓慢的危险，赋予员工更多独立性，并淘汰那些不习惯独立思考、等待指令的低绩效者。他坚持这一管理哲学，即便有新董事会成员建议他聘请首席运营官（COO）来减轻行政负担，他也断然拒绝。扁平化使得信息传递迅速，员工被充分赋能。
5. 公开批评
与“公开表扬、私下批评”的传统智慧相反，黄仁勋相信公开批评，以便整个组织能从单一个人的错误中学习。这是他对抗官僚主义、地盘保护和政治内斗的解药。他直言：“我毫不介意把人们叫出来。”例如，在一次产品设计失误后，他在全体员工会议上大声质问：“这就是你们打算打造的东西吗？架构师把产品组装得一塌糊涂！”他认为，反馈就是学习，“凭什么只有你一个人应该从中学到东西？我们都应该从那个机会中学习。”他将工作质量置于个人感受之上，正如乔布斯曾对乔尼·艾维（Jony Ive）说的：“你把别人对你的看法，看得比工作本身更重要。”
6. “折磨”出伟大（自我批评）
黄仁勋不仅公开批评他人，更对自己进行无情的自我批评。他拥有极度的自信与魅力，同时也有一个内在声音不断告诉他“你做得还不够好”。在公司取得巨大成功的季度后，他会在会议上站起来说：“我每天早晨看着镜子里的自己说，‘你真差劲’。”他相信这种严苛能防止自满，并说：“我不喜欢放弃别人，我宁愿‘折磨’他们，直到他们变得伟大。”他也这样“折磨”自己。
7. “光速”基准
NVIDIA 评判自身速度的唯一标准是物理定律允许的极限——“光速”。他们将每个项目分解为组成部分，为每个任务设定一个假设“无延迟、无排队、无停机”的理论最短完成时间。他们不与自己过去的成就或竞争对手比较，只与这个理论最大值比较。例如，在开发 RIVA 128 时，为了节省近一年时间，他们决定在芯片原型完成前就开始开发驱动程序软件，并投资百万美元购买仿真器，以接近“光速”。
8. 毫不妥协的极致
黄仁勋在所有事情上都追求极致。“可能有人比我聪明，但绝不会有人比我更努力。”当有高管提到员工抱怨长时间工作时，他回应道：“为奥运会训练的人也会抱怨早起训练。”他将工作视为必需。他的专注和强度无处不在，甚至会在洗手间“堵住”员工询问工作进展。他重组工程部门，形成“三个团队，两个季节”的模式，使 NVIDIA 能够每六个月发布一款新芯片，而竞争对手则需要十八个月，从而建立了巨大的产品迭代优势。
9. “前五件事”（Top 5 Things）邮件
黄仁勋要求所有层级的员工定期发送“前五件事”邮件，列出他们正在做的、观察到的五件要事（如客户痛点、竞争对手动向、技术进展、项目延迟等）。他每天阅读上百封此类邮件，以获得公司状况的即时快照。他说：“策略不是我说的，而是他们做的。重要的是我要理解每个人在做什么。”他想要的是“来自边缘的信息”，即未经管理层过滤的一手信息，以便在信号还很微弱时就能捕捉到下一个巨大市场机遇。正是通过这些邮件，他早期察觉到了 GPU 在机器学习中的潜力。
10. 自满是杀手
黄仁勋对自满保持高度警惕，视其为公司的头号杀手。他通过设定极高的标准、公开批评、以及“光速”基准来持续制造“健康的不适感”，防止组织陷入安逸。他认为，只有持续感到“痛苦”和“不适”，公司才能保持敏锐和前进的动力。
11. 战略耐心与战术急躁
他能够对长期目标保持无限耐心（如用十年以上培育 CUDA 生态），同时对短期执行中的拖延和低效极度没有耐心。这种结合使他既能进行长远布局，又能确保日常运营的卓越效率。
12. 从每个人身上学习
黄仁勋具有强烈的求知欲，善于“向所有人学习”。无论是客户、合作伙伴、竞争对手还是行业活动中的其他智者，他都能从中汲取 insights 并应用到 NVIDIA 的经营中。他记忆力惊人，能记住员工的背景细节，这体现了他对人和知识的深度关注。
13. 创造市场，而非争夺市场份额
NVIDIA 不相信打造大宗商品化产品，因为那会面临激烈的价格竞争。黄仁勋的理念是：“我们应该做别人做不到的事情。”这与埃德温·兰德（Edwin Land）的格言“不要做任何别人也能做的事”一脉相承。他说：“我们没有争夺市场份额的文化。我们宁愿创造市场。”
14. 蜂拥而至最大的机会
当黄仁勋认定人工智能和深度学习将是历史性机遇时，他调动全公司资源全力投入。即便在 2008 年前后，大力投资 CUDA 导致毛利率下滑、股价暴跌，面对投资者要求战略调整的压力，他依然坚持：“我相信 CUDA……我们不得不做出那种牺牲。我深信它的潜力。”他不仅投资技术，还投入巨大资源教育市场（如向大学捐赠设备、编写教材、举办峰会），为生态爆发奠定基础。
15. 构建自我强化的网络（护城河）
通过通用 GPU（硬件）和易于使用的 CUDA（软件层）的组合，NVIDIA 创造并主导了一个全新的计算市场。随着越来越多人学习 CUDA，对 GPU 的需求增长，进一步巩固了其地位。黄仁勋不喜欢“护城河”这个词，他更倾向于称之为“强大的、自我强化的网络”。竞争对手难以突破，因为 NVIDIA 不仅提供了领先的产品，还建立了完整的生态系统和开发者社区。
16. 简化信息，强化传播
从早期失败中，黄仁勋学会了产品定位和信息传递必须简单、有力。复杂的消息无法打动人心。在推广 CUDA 和 AI 愿景时，他确保了信息的清晰和一致性，并通过各种渠道（演讲、会议、教育项目）不断强化。
17. 关系创造世界
黄仁勋深刻理解人际关系和声誉在商业中的复利效应。他在 LSI Logic 建立的声誉为他赢得了红杉资本的投资。他持续维护和拓展与业界关键人物的关系，这些关系在 NVIDIA 发展的各个阶段都提供了重要支持。
18. 像创始人一样思考（即便对于非创始人）
他期望员工，特别是高管，能够像公司所有者一样思考，承担风险，做出长远有利于公司的决策，而非仅仅扮演“职业经理人”角色。这有助于建立一种责任感和主人翁文化。
19. 持久战：留在牌桌上的艺术
NVIDIA 的历史证明了“留在游戏中足够久，以便获得幸运”的重要性。公司经历了多次濒死体验，但都因黄仁勋和团队的韧性而存活下来，并最终抓住了 GPU 计算和 AI 的历史性浪潮。长期的坚持是捕捉不期而至的巨大机会的前提。
结语：NVIDIA 之道即黄仁勋之道
纵观这 19 条理念，它们并非孤立存在，而是相互交织、彼此强化，共同构成了黄仁勋独特的经营哲学体系。从承受痛苦的韧性、极致执行的文化，到识别并全力拥抱历史机遇的远见，这套哲学深深烙印在 NVIDIA 的每一个角落。正如书中所总结的：“NVIDIA 之道最简洁的定义就是黄仁勋之道，或者干脆就是黄仁勋本人。”在 AI 重塑世界的2025 年 1 月，理解这位带领 NVIDIA 从图形芯片制造商跃升为人工智能计算巨擘的领袖其思考与行动方式，无疑对每一位创业者、管理者乃至技术从业者都具有深刻的启示意义。黄仁勋用三十年的时间证明，一套高度个人化、真诚且坚韧不拔的经营哲学，能够驱动一家公司穿越周期，最终抵达无人预见的顶峰。
NVIDIA 创始人 Jensen Huang（黄仁勋）：光速思维如何缔造万亿美元帝国撰文：Techub News 整理
导语
在科技行业的历史上，鲜有公司能像NVIDIA一样，在如此短的时间内实现如此惊人的价值飞跃。从一家为游戏玩家提供图形芯片的初创公司，到如今驱动人工智能革命的全球市值最高企业，其背后的掌舵人Jensen Huang（黄仁勋）的思维方式与管理哲学，无疑是解码这一奇迹的关键。2025 年 12 月，Inner World Podcast深入探讨了黄仁勋的核心思维框架——“光速思维”，通过对其创业历程、关键决策和内部管理规则的剖析，为我们揭示了NVIDIA如何打破常规、挑战物理极限，最终在激烈的竞争中脱颖而出。
摘要
摒弃“相对性思维”陷阱：黄仁勋禁止员工与竞争对手或过去的自己比较，要求只关注在理想条件下，基于物理定律所能达到的绝对最快速度。
以“光速”定义成功：将工作目标设定为消除所有流程延迟，达到理论上的物理极限时间，以此作为衡量进展的唯一标准。
通过关键决策践行理念：在生死存亡之际，用软件模拟取代芯片物理原型测试，将两年的开发周期压缩至六个月；挑战行业标准，将芯片封装时间从三周的理论极限压缩至36小时。
构建无延迟组织：建立极度扁平的架构，包括60人直接汇报制、禁止一对一“邀功”会议、推行“五件要事”邮件规则，确保信息从一线直达决策层。
光速思维：超越竞争，挑战物理极限
黄仁勋（Jensen Huang）的“光速思维”并非一个简单的效率口号，而是一套从根本上重塑工作方式的哲学体系。其核心在于彻底摒弃商业世界中常见的“相对性思维”陷阱。通常，公司会通过对比竞争对手或对比自身过往业绩来衡量成功，例如“我们比对手快15%”或“我们比去年增长了10%”。黄仁勋认为，这是一种致命的误区。如果竞争对手本身行动迟缓，那么比他们快一点并无实质优势；而与过去的自己比较，则容易陷入渐进式改进的舒适区，无法催生颠覆性创新。
因此，他要求NVIDIA全体员工转向“绝对性思维”。唯一的衡量标准是物理定律所允许的极限速度。具体规则是：当接手一个项目时，必须将其分解为最基础的任务单元，然后计算在绝对理想条件下——没有等待、没有官僚流程、一切完美运行——完成每个任务所需的最短时间。这个理论上的最短时间，就是“光速”。工作的目标，不是比昨天快一点，而是找到并消除所有导致实际耗时远超这个“光速”的延迟，将延迟降至零。当一家公司以物理极限的速度运作时，竞争对手最多只能打平，而无法超越。
生死赌注：Riva 128与六个月的奇迹
“光速思维”并非纸上谈兵，它首次力挽狂澜的应用，就发生在NVIDIA命悬一线之际。1996年，公司的首款产品NV1芯片遭遇市场惨败，客户大量退货，超过一半员工离职，公司现金仅够维持九个月运营。按照当时半导体行业的铁律，设计并推出一款新芯片需要24个月。但NVIDIA没有24个月，只有9个月。
黄仁勋拒绝接受行业惯例。他质疑为何必须等待耗时的物理原型来进行测试。在他的推动下，NVIDIA做出了一个被资深工程师称为“自杀任务”的决定：动用所剩无几的资金，购买一台名为ICOST Emulator的模拟器，完全在软件中模拟和调试即将设计的Riva 128芯片，跳过所有物理原型制作阶段。这意味着，芯片必须在计算机模拟中达到完美，才能直接投入量产，如同设计好飞机图纸后，不经试飞就直接载客首航。
在接下来的六个月里，剩下的35名工程师24小时轮班工作，目标是一次成功。当首批芯片从工厂运抵并成功点亮屏幕时，NVIDIA得救了。Riva 128大获成功，前四个月就售出100万颗。这一战证明，半导体行业24个月的流程本身存在巨大的“延迟”，通过消除恐惧、相信模拟技术，NVIDIA用六个月完成了两年的工作，实现了第一次“光速”超越。
挑战“不可能”：36小时封装与流程重构
“光速思维”也体现在挑战供应链的“行业标准”上。2007年，Debora Shoquist（时任NVIDIA运营执行副总裁）刚加入公司，就被黄仁勋要求缩短芯片封装时间。她认为这不可能，因为全球标准流程就是三周。但黄仁勋不接受这个答案，他追问：“实际物理操作到底需要多久？”
为了证明老板是错的，Shoquist亲自飞往台湾的合作工厂实地考察。结果她发现，机器和人工实际处理一颗芯片的纯物理劳动时间，仅为36小时。三周（21天）与1.5天（36小时）之间巨大的时间差，就是黄仁勋所说的“延迟”——主要由等待时间和库存队列造成。工厂表示，如果优先处理NVIDIA的订单，理论上可以在36小时内完成，但每颗芯片的成本将从8美元飙升至1000美元。
Shoquist带着这个看似荒谬的报价回来，以为黄仁勋会放弃。然而，黄仁勋看到36小时这个数字后却说：“就按这个做，这才是物理极限的速度。”他认为，不能因为官僚流程而浪费19.5天。支付高价并非长期之计，而是一种“教育投资”。通过支付超高费用，NVIDIA迫使工厂重组了整个流程，消除了所有不必要的步骤和等待。几年内，NVIDIA成功将交货期缩短至3到5天，而成本仅比旧流程增加20-30%。这个故事的核心在于，首先要看清物理极限在哪里，然后不惜代价去消除实现极限过程中的所有障碍。
扁平化组织：消除信息传递的“延迟”
黄仁勋深知，随着公司规模扩大，官僚主义会成为“光速”的最大敌人。信息在层级间传递，如同失真的传话游戏，每一层都是过滤器和延迟源。为了消除这种“致命延迟”，他将NVIDIA构建成一个极度扁平的组织，并立下三条铁律。
第一，60人直接汇报规则。 违背管理学教科书（建议CEO直接管理6-10人），黄仁勋有多达60名直接下属。他的目的是不想通过任何人的过滤来听取信息，希望直接从掌控问题的一线人员那里获取未经修饰的真相，让“战场”信息无障碍直达“指挥部”。
第二，禁止一对一“邀功”会议。 黄仁勋几乎完全禁止了员工与上司之间为汇报功劳而进行的一对一会议。他认为这类会议是内部政治和信息不平等的温床。所有重要信息和策略都应在团队中公开讨论，错误也应向整个团队坦诚。
第三，“五件要事”邮件规则。 公司所有层级的员工，每周都必须发送一封邮件，列出他们当前正在处理的五件最重要的事，每件事必须以动词开头，邮件必须简洁扼要。黄仁勋每天早晨会随机阅读约100封这样的邮件。正是通过阅读基层工程师和销售人员的“五件要事”邮件，他在2012年左右察觉到了问题：尽管副总裁们的报告一片乐观，但基层反馈却显示，为了在智能手机芯片价格战中取胜，NVIDIA正在牺牲性能、背离其解决最复杂问题的核心DNA。这些分散的线索促使他在2014年做出了退出智能手机市场、全力转向AI和自动驾驶的关键决策，从而塑造了今日的AI芯片霸主。
将光速思维应用于个人生活
黄仁勋能用“光速思维”改造一家数万人的公司，个人同样可以借鉴这一思维来提升效率、解放时间。关键在于回答两个问题：
问题一：在绝对理想条件下，完成此事最快需要多久？ 这一步是确定个人任务的“物理极限”。例如，撰写一份报告，常规可能拖满5天。但如果置身于一个无手机、无干扰、资料齐全、全心投入的环境，最快可能只需3-4小时。这3-4小时就是你的“个人光速”。
问题二：那我们为什么不用3小时完成？ 这一步旨在识别并消除“延迟”。答案会暴露所有吞噬时间的敌人：手机通知、拖延症、完美主义、等待灵感、工作娱乐混杂的习惯等。
通过这种方式思考，目标不是把自己累垮，而是将原本需要五天痛苦拉伸完成的工作，压缩在几个高效小时内完成，从而腾出大量时间用于休息、学习或追求其他目标。起初，“光速思维”听起来可能令人倍感压力，但实际上它是一种解放，将人从繁琐流程和无意义的时间浪费中解脱出来。
NVIDIA 创始人 Jensen Huang（黄仁勋）：从买错教科书到万亿市值，NVIDIA 的算法世界观与 AI 未来撰文：Techub News 整理
导语
在 Y Combinator 举办的 Startup School 2026 大会上，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）进行了一场近一小时的深度对话。作为当今全球 AI 浪潮中最具影响力的领导者之一，黄仁勋的每次公开分享都备受关注。此次对话不仅回顾了 NVIDIA 从一家濒临破产的图形芯片初创公司成长为市值超万亿美元的科技巨头的关键转折，更深入剖析了驱动这家公司前进的“算法世界观”，并展望了 AI 代理、物理智能（Physical AI）等前沿领域的未来图景。对于每一位身处技术变革洪流中的创业者、开发者而言，这无异于一堂关于创新、韧性与未来洞察的“大师课”。
摘要
NVIDIA 创立之初选择的技术路线是完全错误的，公司是靠创始人买回教科书重新学习才得以存活。
NVIDIA 成功的核心理念不是制造最好的芯片，而是“加速算法领域”，即用专用处理器解决通用 CPU 难以处理的复杂计算问题。
AI 的突破在于认识到深度学习是一个“通用函数逼近器”，这彻底改变了从芯片到应用的整个计算栈。
未来最重要的技能之一是“系统思维”，因为底层的具体任务将由 AI 代理自动化完成。
AI 自动化的是“任务”，而非“工作”，证据表明自动化正在创造更多就业机会。
物理 AI（机器人技术）的“ChatGPT 时刻”已经发生，自动驾驶将是其首个大规模经济应用。
开源是推动整个计算产业（从移动云到现代 AI）发展的根本动力。
创业者的核心心态应是“这能有多难？”，保持学习、直面现实并具备韧性。
一、 教科书拯救的公司：直面错误与学习的力量
如今被视为 AI 基石和图形王者的 NVIDIA，其起点却是一个巨大的错误。Jensen Huang（黄仁勋）在分享中坦言，1993 年公司创立时选择的核心技术“绝对是错的”。当时的愿景是将每台个人电脑变成游戏主机，为此他们试图重新发明 3D 图形算法。然而，到了 1995 年，他们痛苦地意识到，不仅算法行不通，整个团队甚至不知道正确的方法是什么。
彼时，已有 35 到 40 家公司投身 PC 3D 图形领域，NVIDIA 濒临绝境。黄仁勋回忆道，他口袋里只剩下几百美元，于是跑到 Fry‘s 电子产品商店，买回了三本关于 OpenGL 和图形管线设计的教科书。“我把书带回公司，交给工程师……我们后来 reinvent 了计算机图形学，成为现代计算机图形的全球领导者，过去 25 年大多数重大突破都是我们发明的。人人都以为 NVIDIA 一开始就是 3D 图形领域的王者，但我们是从教科书学来的。”他总结道，“我们实际上是开了公司，融了资，然后去买教科书。”
这段经历奠定了 NVIDIA 最根本的哲学：技术本身并不重要，重要的是直面现实的能力和持续学习的态度。“从那以后，NVIDIA 一直在发明各种我们以前从未真正做过的技术……我们以同样的态度对待一切：如果这件事重要，我们就去学，这能有多难？”当然，实际过程总是比想象中艰难得多，但带着“这能有多难”的心态出发，是克服恐惧和开启征程的关键。
二、 算法而非芯片：NVIDIA 的“加速计算”世界观
早期与世嘉（Sega）的合作，是另一个关于诚信与救赎的关键故事。NVIDIA 原本受合约要为世嘉的下一代游戏机（后来的 Dreamcast）提供芯片，但因技术根本性缺陷，黄仁勋亲自飞往日本，向时任 CEO Irimajiri 坦诚无法履约，并建议对方另寻合作伙伴。然而，他也直言公司仍需要合约款项以维持生存。
“你可以想象这场对话。我对他说，‘你合同要求我做的事，我做不到，但我希望拿到合同所有的钱。’”黄仁勋回忆道。最终，世嘉出于对“人”而非“公司”的信任，支付了 500 万美元，这笔钱让 NVIDIA 得以续命，并争取到时间找到正确的方向。后来世嘉在 NVIDIA 上市时出售了股份，获得了可观的回报。这个故事印证了黄仁勋的观点：投资者投资的是人。
从这些生死考验中，NVIDIA 提炼出其成功的核心“大理念”：公司的独特视角在于相信可以通过增强 CPU（即加速计算）来解决原本过于困难的问题。3D 图形只是第一个“算法领域”，后来的分子动力学、图像处理、物理模拟，以及最重要的深度学习，都是同一理念的延伸。
“我们很早就意识到，关键不是制造一个伟大的芯片，而是加速一个算法领域。”黄仁勋强调，“伟大公司的特质在于你对世界有一个独特的、你深信不疑的视角。这不完全是技术，甚至不完全是市场……一个关于未来重要事物的高层愿景，一个独特的视角，并且追求这个愿景是困难的，这些是好的组合。”对于 NVIDIA 而言，这个视角就是“加速计算将变得重要”，而其核心“一切与算法有关，而非芯片”，被证明是完全正确的。
三、 从 AlexNet 到“通用函数逼近器”：预见 AI 革命
当 AlexNet 在 2012 年横空出世时，黄仁勋和许多人一样看到了它。但不同的是，他始终透过“寻找算法”的透镜观察世界。他将 AlexNet 不仅仅视为一个图像识别模型，而是认识到其背后的深度学习是一种“通用函数逼近器”。
“大约 15 年前，我告诉所有人，‘嘿，猜猜怎么着？我们2026 年 7 月学会了通用函数逼近器。’……我们可以给它几乎所有函数的答案，它就能学会这个函数是什么。”这一认知是革命性的。这意味着 AI 可以学习任何函数，而世界上大多数有趣的问题都具有这种“不精确”的特性。
基于此，黄仁勋开始推演这对整个计算栈、软件和各行各业意味着什么。NVIDIA 几乎立即开始了在计算机视觉、机器人、自动驾驶汽车等领域的布局。“我认为重大突破很简单，就是这比 AlexNet 更基础。这是一种做软件的方式。”他描述了一个需要从头开始重新发明的“五层蛋糕”产业栈，包括处理器、中间件、算法和应用。这种从第一性原理出发进行推理、追问“如果这样，那会怎样”的能力，是 NVIDIA 能够提前布局并抓住 AI 浪潮的关键。
四、 CEO 如冲浪者：保持好奇与系统思维
黄仁勋以深入技术细节、直接阅读论文、与一线科学家交流而闻名。当被问及如何在一个庞大组织中保持这种“创始人模式”并推动第一性原理思考时，他表示这始于好奇心。
“我的心态总是从好奇心开始……我首先倾向于自己去发现答案。”如果发现某个信息领域对公司可能非常重要，他的下一个倾向就是尽可能多地学习，以便服务于公司并与他人分享。“我认为 CEO 是为公司服务、为所有员工服务的。你想用一些洞察力赋能他们。”
他比喻道，担任 CEO 就像冲浪。对于外行，海浪是混乱的，但冲浪者能读懂波浪并保持在浪尖。“你必须学会冲浪，而要学会冲浪，你必须理解波浪……你无法拥有任何这些（能力），除非你去尝试，除非你真的去做。”因此，深入细节部分是为了自我了解，部分是为了分解问题以便公司能够学习并采取行动，部分是为了激励他人。
黄仁勋强调，不必为了成为 CEO 而改变个性。“你正在建造一辆你要去比赛的赛车。你应该让车适应你……当我在工作中去世的那天，他们只需要为下一任 CEO 重塑公司。”这种“让组织适应你”的理念，是他能够以“创始人模式”领导公司 34 年，并将其从零带到超 5 万亿美元市值的原因。
五、 智能体、开源与物理 AI 的未来
谈及当前最前沿的算法，黄仁勋着重提到了智能体（Agent）和物理 AI。他认为，系统思维将是未来最重要的技能，因为底层的具体任务（无论是芯片设计还是软件编码）都将被智能体自动化。人们需要更抽象地思考系统：要解决什么问题？约束条件是什么？信息如何流动？
对于智能体，他认为当前最大的突破需求是可控性。“我们不需要智能体 100% 准确、100% 高质量才能使用它……我认为可控性可能是我们在每个层级上对智能体所需的唯一最大突破。”他设想未来人们可以与智能体精细协作，修改计划中的一个词、CAD 文件中的一个组件，然后让智能体重构其余部分。
黄仁勋是开源模式的坚定支持者。他将 OpenClaw 的出现比作“Linux 时刻”，并宣布 NVIDIA 的工程师将全力协助其发展。他认为，就像 Linux、Kubernetes、PyTorch 推动了移动云和现代 AI 一样，开源对于让每个人、每家公司都能构建自己的 AI 至关重要。“如果不开源，移动云产业就永远不会发生……如果没有所有这些，我们怎么会有现代 AI？”
在物理 AI（机器人）方面，黄仁勋表示，其“ChatGPT 时刻”（即打开想象力的时刻）在几年前已经发生，当时他们看到了由神经网络生成的视频和模拟。他意识到，如果能生成手指移动或拿起杯子的视频，就能让机器人执行相同动作。NVIDIA 正在构建“世界基础模型”，让 AI 理解物理定律。他预测，自动驾驶将是物理 AI 首个具有大规模经济价值的应用，目前相关业务规模已近百亿美元，并有望在未来成为下一个千亿美元级业务。
六、 AI 创造就业，与给年轻一代的建议
针对 AI 对就业影响的普遍担忧，黄仁勋提出了一个鲜明的观点：AI 消灭的是“任务”，而不是“工作”。他以软件工程、放射学和律师助理为例：编码、读片等任务被自动化了，但这些职业的就业人数却在显著增长。原因在于，自动化提高了生产率，解决了巨大的需求积压，从而创造了更多的岗位来处理更宏大的抱负和更多的案例。“这是生产力增长推动增长，增长驱动更多就业的经典例子。”
最后，对于年轻一代和在场创业者，黄仁勋给出了真诚的建议。他认为，简单的技能（如手动编码）会被自动化，但硬科学（物理、化学、生物）、计算机工程，尤其是系统思维和跨学科领域的能力将永远至关重要。AI 是一个强大的工具，让我们能够更有野心、更“不耐烦”地去解决那些极其庞大和困难的问题。
回顾自己的创业历程，黄仁勋送给年轻时的自己，也是送给所有创业者一句话：“这能有多难？” 他承认实际过程总是无比艰难，但不要让对困难的想象变成焦虑并阻碍行动。要相信学习的能力，这是最强大的超能力。“你不需要在一天内克服一生。你只需要克服那个早晨，克服今天……如果你坚持足够长的时间，NVIDIA 就会发生。”韧性，或许是所有品质中最重要的一个。
NVIDIA 创始人 Jensen Huang（黄仁勋）：AI 工厂是新时代基础设施，机器人将无处不在撰文：Techub News 整理
导语
当地时间，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）在巴黎 VivaTech 2025 大会上，进行了其公司在欧洲首次 GTC（GPU 技术大会）的主题演讲。这场长达 96 分钟的演讲，不仅是对 NVIDIA 最新技术进展的集中展示，更是对 AI 产业未来格局的一次系统性阐述。在 AI 竞争全球化的背景下，黄仁勋亲赴欧洲，宣布与当地企业、研究机构和政府的深度合作，凸显了欧洲市场在构建下一代「AI 基础设施」中的战略地位。
摘要
AI 进入新阶段：从生成式 AI 迈向「智能体 AI」和「具身智能」，AI 将具备规划、推理、执行复杂任务的能力。
「AI 工厂」成为国家基础设施：数据中心正转变为生产智能「代币」的工厂，是驱动经济增长的新基础设施，各国正争相建设。
Blackwell 是「思维机器」：专为推理和复杂思考设计，其 NVLink 互联技术实现了性能的跨越式提升，以支撑爆炸式增长的推理需求。
欧洲全面拥抱 AI：NVIDIA 宣布与 Mistral 共建 AI 云、建立工业 AI 云，并预计未来两年欧洲 AI 算力将增长十倍，缓解 GPU 短缺。
机器人时代来临：通过 Omniverse 数字孪生训练，人形机器人将可快速学习并适应物理世界，预示着一个全新的庞大产业。
从加速计算到量子计算：CUDA 生态的持续进化
Jensen Huang（黄仁勋）开篇回顾了 NVIDIA 的初心：创建加速计算平台。他指出，加速计算不仅仅是新处理器，更是算法和软件范式的重构。为此，NVIDIA 构建了覆盖各领域的 CUDA-X 库生态系统，如用于计算光刻的 cuLitho、用于优化决策的 cuOpt、用于深度神经网络原语的 cuDNN 等。这些库将复杂的并行计算封装起来，为开发者打开了新的应用大门。
他重点宣布了量子计算领域的拐点到来。随着谷歌在 2023 年演示首个逻辑量子比特，量子计算正遵循类似摩尔定律的轨迹发展。NVIDIA 的 CUDA-Q 平台，旨在为量子-经典混合计算提供统一架构。黄仁勋宣布，CUDA-Q 现已针对 Grace Blackwell 200 平台加速，性能提升显著。他预测，未来几年内，新一代超级计算机都将配备量子处理单元，与 GPU 协同工作，开启下一代计算。
AI 新浪潮：从生成内容到生成行动与思考
黄仁勋将 AI 发展划分为几个阶段：最初的感知 AI（识别信息）、过去五年的生成式 AI（创造内容），以及正在开启的第三波浪潮。这波新浪潮的核心是智能体 AI和具身智能。
智能体 AI 意味着 AI 能够像人一样理解、推理、规划并执行任务。它不再是一次性的问答，而是能够分解问题、进行研究、使用工具、评估自身答案的复杂过程。例如，一个智能体可以接收「在巴黎开一家餐车」的指令，然后自动调用市场研究、菜单设计、财务规划、营销策划等多个子智能体协作完成全套方案，生成数千倍于传统问答的「代币」。
具身智能则是智能体在物理世界的体现，即机器人。AI 的能力从生成文本、图像，扩展到生成运动——行走、抓取、使用工具。黄仁勋强调，让机器人学会在复杂物理环境中行动，是当前 AI 最具挑战性的前沿之一。
Blackwell：为「思考」而生的工程奇迹
支撑 AI 新浪潮需要前所未有的算力，尤其是推理算力。黄仁勋指出，传统的单次生成模型正被需要大量内部「思考」（链式思考、树状思考、自我反思）的推理模型取代，这催生了对「思维机器」的需求。NVIDIA 的 Grace Blackwell 架构正是为此设计。
他将 GB200 系统比作一个巨大的虚拟 GPU，其核心突破在于 NVLink 互联技术。通过创新的「脊柱」式纯铜背板，NVLink 将 144 个 Blackwell 芯片连接成一个整体，提供高达 130 TB/秒的全对全带宽——超过全球互联网的峰值流量。这种设计使得性能在摩尔定律放缓的背景下，实现了代际间的巨大飞跃，满足智能体 AI 对高吞吐量和低延迟思考的需求。
黄仁勋通过一段视频展示了 Blackwell 从晶圆到成品的复杂制造过程，涉及全球供应链、120 万个组件、2 英里长的铜缆。他透露，目前该系统的产量已达每周 1000 台，正在以前所未有的规模量产超级计算机。
「AI 工厂」：新时代的国家基础设施
黄仁勋提出了一个核心观点：未来的 AI 数据中心不应再被视为成本中心，而应被重新定义为「AI 工厂」——一种生产智能「代币」并直接产生收入的基础设施。
「没有人会把数据中心看作创收设施，但人们会这样看待汽车工厂。AI 工厂就是创收设施，它们被设计用来生产代币。」他解释道。这些代币可以转化为各行各业的生产力，因此 AI 工厂正成为国家关键基础设施的一部分。这也是他频繁与各国元首会晤的原因——每个国家都希望拥有自己的 AI 制造能力。
他展示了欧洲在此领域的积极行动：电信公司、云服务提供商、超级计算中心都在与 NVIDIA 合作建设 AI 基础设施。他宣布，未来两年，欧洲的 AI 计算能力将增加十倍，这将极大缓解研究者和初创公司的 GPU 短缺问题。同时，NVIDIA 正在七个欧洲国家建立 AI 技术中心，以促进协作研究、扶持初创企业和构建生态系统。
合作、开源与智能体平台：赋能欧洲生态
黄仁勋宣布了多项针对欧洲的具体合作。其中最重要的是与法国 AI 公司 Mistral 合作，共同建设一个大规模的 AI 云，用于交付 Mistral 的模型并为其他 AI 初创公司提供服务。
在模型层面，他介绍了 NVIDIA 的 Nemotron 计划。该计划旨在对 Llama、Mistral、DeepSeek、Qwen 等开源模型进行后期训练、架构搜索和强化学习，大幅提升其推理、长上下文理解等能力，并将优化后的模型以 NIM 的形式封装，供开发者免费下载部署。他强调，数据属于用户自己，鼓励企业利用自身数据在开源模型基础上进行定制化。
为了帮助企业构建自己的专用智能体，NVIDIA 推出了完整的平台，包括世界级的 Nemotron 推理模型、NeMo Retriever 多模态搜索引擎，以及一套涵盖智能体入职、微调、评估、防护、部署全生命周期的工具包。同时，新发布的 DGX Cloud Lepton 服务提供了一个「云上之云」的统一界面，让开发者可以轻松地将训练好的模型或智能体部署到全球任何支持 NVIDIA 架构的云、本地服务器甚至桌面设备上。
工业 AI 与数字孪生：欧洲的复兴机遇
黄仁勋认为，AI 与欧洲深厚的工业根基结合，将催生第四次工业革命。他回顾了欧洲在工业历史上的贡献，并特别提及西门子在 1992 年就推出了神经网络计算机 Synapse 1，以此向欧洲的工业与创新传统致敬。
数字孪生是工业 AI 的核心。通过 NVIDIA Omniverse 平台，企业可以创建逼真且遵守物理定律的工厂、仓库、甚至核聚变反应堆的数字孪生。在其中，可以进行实时设计、仿真、优化，以及训练机器人。宝马、梅赛德斯-奔驰、舍弗勒、丰田等公司均已利用 Omniverse 构建其生产设施的数字化双胞胎。
他预告，NVIDIA 将在欧洲建设世界上第一个工业 AI 云，专门用于满足工业设计、仿真和机器人训练对高性能、高安全性的特殊需求。
自动驾驶与人形机器人：具身智能的未来
黄仁勋将自动驾驶汽车视为最大的机器人应用场景。他介绍了 NVIDIA DRIVE 平台及其核心的 Halos 安全系统，该系统从芯片架构、软件栈到 AI 模型训练和验证，全程贯穿安全理念。基于 Transformer 的感知-推理-规划模型，使得汽车能够像智能体一样处理复杂驾驶场景。
演讲的高潮部分转向了更具象的具身智能——人形机器人。黄仁勋指出，当前机器人普及的障碍在于编程困难，而 AI 将改变这一切。未来的机器人可以通过学习而非编程来掌握技能。
NVIDIA 为此提供全栈解决方案：底层的 Thor 机器人计算芯片、机器人专属操作系统，以及上层的感知与运动生成 AI 模型。最关键的是训练方式：机器人先在 Omniverse 创建的、遵守物理定律的数字孪生世界中，经历数十万种场景的训练，然后再迁移到现实世界。
现场，黄仁勋与一个名为「Grek」的、在 Omniverse 中学会行走的小型机器人进行了生动互动，直观展示了这项技术的成熟度。他预言，人形机器人将成为有史以来最大的产业之一，而拥有强大制造业的欧洲将在此领域拥有巨大机遇。
结语：一切皆已开始
在演讲结尾，黄仁勋总结道，一场新的工业革命已经开启，AI 的新浪潮已经到来。智能体 AI 和机器人将驱动推理工作负载呈指数级增长，这需要 Blackwell 这样的「思维机器」，也需要 AI 工厂这样的新型基础设施。他欣喜地看到欧洲正在全力投入 AI，并相信这将成为欧洲复兴的重要契机。在雷鸣般的掌声中，他与机器人 Grek 告别，为这场信息量巨大的技术盛宴画上了充满未来感的句号。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Techub News 消息，英伟达 CEO 黄仁勋近日表示，人类水平的人工智能（AGI）已经到来，并特别提及 OpenAI 的 GPT-6 Astra 模型已达到通用人工智能水平。然而，他此前在 G20 会议上的表态则更为模糊，称 AGI 可能在几年内实现，甚至“实际上今天就已经达到了”，并认为该术语的定义可能意味着很多，也可能毫无意义。
业界对 AGI 的定义和达成标准存在显著分歧。OpenAI 与微软的合作协议曾将 AGI 与创造约 1000 亿美元利润的能力挂钩，但 2026 年 4 月修订的协议已取消这一技术里程碑触发条款，无论技术进步如何，OpenAI 的付款将持续至 2030 年。红杉资本合伙人年初发文称“2026 年就是 AGI”，而 Anthropic 首席执行官 Dario Amodei 则认为当前系统远未达到“天才国度”的水平。
认知科学家 Gary Marcus 对此持怀疑态度，认为在真正实现之前的任何声明都为时过早。投资者则更关注这些系统能可靠地接管多少人类工作。 （BeInCrypto）Neoclouds 凭借英伟达服务器优势挑战传统云服务巨头Techub News 消息，新兴云服务商 Neoclouds 正凭借其在获取英伟达服务器方面的优势，挑战传统云服务巨头。这一趋势正在重塑 AI 基础设施格局，并突显了英伟达在市场上的战略影响力。
（Crypto Briefing）MBZUAI旗下IFM发布K2 Horizon系列六款开源AI模型，参数规模0.9B至375BTechub News 消息，MBZUAI旗下基础模型研究所（IFM）发布了K2 Horizon系列开源模型，包含六款参数规模从0.9B到375B的模型，均采用Apache 2.0许可。该系列模型共享核心架构、训练方法和部署工具，预训练数据约20万亿token，其中包含大量合成任务与问题解决轨迹。IFM称这是AI史上最大规模的全开源模型发布。
该系列模型已在Hugging Face上提供，支持vLLM、SGLang和Ollama等推理框架，并可在NVIDIA、AMD和Cerebras硬件上运行。IFM还引入了MoVA注意力机制和名为Uno的LoRA适配器，后者据称可实现约3倍的无损解码加速。（MarkTechPost）黄仁勋宣称 AGI 已到来，Nvidia 将部署 40 万 AI 代理Techub News 消息，Nvidia CEO 黄仁勋（Jensen Huang）在 Lex Fridman 播客及 Q2 2026 财报电话会上宣称，人工通用智能（AGI）已在许多实际任务中实现。他提出应以「盈利性代币」（profitable tokens）——即 AI 系统产生的实际经济产出——作为衡量 AGI 的新标准，而非传统认知基准。
黄仁勋透露，Nvidia 正构建超 40 万个 AI 代理与约 4 万名人类员工协同工作的模式，覆盖工程、运营及商业职能。同时，公司计划部署超 150 万块 GPU 打造「AI 工厂」，将智能生产工业化。该定义与 OpenAI 将 AGI 定义为「在多数经济价值任务上超越人类」的正式标准形成分歧，后者涉及公司治理层面的合约触发机制。（cryptobriefing.com）戴尔向 CoreWeave 交付全球首批英伟达 Vera Rubin NVL72 AI 服务器机架Techub News 消息，戴尔科技已向 AI 云服务商 CoreWeave 交付全球首批英伟达 Vera Rubin NVL72 AI 服务器机架。该部署标志着 AI 效率的重大飞跃，有望降低大规模 AI 应用的成本与能耗。
（Crypto Briefing）华为 AI 芯片 2026 年产量预计仅为英伟达的 4%Techub News 消息，华为 AI 芯片的全球产量预计在 2026 年将达到英伟达同期产量的 4%。这一数据突显了中国在科技领域的依赖性与挑战，以及在全球领先半导体公司竞争中的处境。（Crypto Briefing）DeepSeek 计划部署超 10 万枚华为芯片以减少对英伟达依赖Techub News 消息，AI 公司 DeepSeek 计划部署超过 10 万枚华为芯片，以降低对英伟达 GPU 的依赖。此举旨在应对全球 AI 芯片供应链的紧张局面，并寻求多元化的硬件解决方案。
（@Kalshi）英伟达 AI 投资额已飙升至近 1000 亿美元Techub News 消息，英伟达在人工智能领域的投资总额已飙升至近 1000 亿美元。这一数据突显了该公司在 AI 基础设施和生态系统建设上的巨大投入与战略决心。
巨额投资涵盖了从芯片研发、数据中心建设到初创企业支持等多个层面，旨在巩固其在全球 AI 硬件和软件市场的领导地位。（@Kalshi）英伟达股权投资增至 990 亿美元，成为全球最大科技战略投资者之一Techub News 消息，英伟达报告其股权投资总额已达到 990 亿美元，该公司正广泛投资于人工智能实验室、云服务提供商及整个行业的基础设施公司。（CNBC）英伟达 CFO 预计新款服务器处理器将带来 200 亿美元销售额Techub News 消息，英伟达首席财务官表示，公司预计其用于数据中心的新款服务器处理器将带来 200 亿美元的销售额。
（@Kalshi）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。
