$AVGO 是AI芯片的龙头。但历史告诉你，真正暴富的人买的是龙二 $MRVL 先说一个关于半导体行业的反直觉规律： 在一个严重缺货的市场里，获利最大的往往不是龙头，而是那个追赶中的龙二。（Herman老师分析intel观点我觉得说的很好，也同样非常适用于 $MRVL) 理由很简单： 当产能严重不足，买家再也无法只依赖龙头一家供应商。他们开始把订单给原本觉得"不够好"的替代者。而这个替代者，突然发现自己的产品以前没有人要，现在成了香饽饽——价格可以谈，条款可以谈，一切都变了。晶圆缺货时，原本没有人愿意把订单给Intel的客户，开始认真研究18A了。 那么，在AI定制芯片这个正在快速缺货的赛道里，获利最大的龙二会是谁？ 我的答案是 $MRVL 。 1. 先理解结构 AI芯片市场分两层： 第一层：通用GPU Nvidia统治，没有任何人能挑战。H100、B200、Blackwell——超大规模云厂商需要它们，别无选择。 这层市场已经被充分定价了。Nvidia市值5.7万亿，没有人会漏掉这个机会。 第二层：定制ASIC（专用AI加速芯片） 这是一个完全不同的故事。 每一家超大规模云厂商都在开发自己的专用芯片： Google有TPU（张量处理器），Amazon有Trainium（AI训练）和Inferentia（推理），Meta有MTIA（AI推理加速），Microsoft有Maia（Azure AI加速）。 为什么要自己开发芯片？ 因为通用GPU虽然强大，但它服务所有人，没有为特定工作负载优化。自研芯片可以针对自己的模型架构和推理需求精确设计，功耗更低，成本更低，效率更高。 这是一个不可逆的趋势——超大规模云厂商越大，自研芯片的动力越强。但有一个关键问题：这些云厂商需要设计合作伙伴。芯片设计是极其复杂的工程，需要有人懂SerDes，懂先进封装，懂chiplet集成，懂供应链——不是随便一家公司能做到的。 全球有能力承接超大规模云厂商定制ASIC设计的公司，只有两家： $Broadcom，和 $Marvell。 2. AVGO vs MRVL：龙头和龙二的真实差距 先看数字： Broadcom在ASIC市场占约55-60%的份额，与Google的TPU合作锁定到2031年，客户包括Meta、OpenAI等顶级厂商。Marvell约占15%的份额，排名第二Broadcom领先是事实，毫无争议。 但有几个数字值得认真对比： AVGO MRVL 市值 $2万亿 $1,470亿 ASIC市占 55-60% 15% FY26AI营收 $200亿+ $96亿 Forward PE 31倍 36倍 Broadcom在定制ASIC市场记录了约$200亿的AI总营收，而Marvell的AI相关营收约$96亿。 从市值角度：AVGO的市值是MRVL的13.6倍，但ASIC市场份额只是MRVL的4倍，AI营收只是MRVL的2倍。这个不对称，是MRVL存在的核心机会。 3. MRVL独特的地方：两场战争同时押注 这是我认为最关键的一点，也是MRVL和所有其他AI芯片公司最本质的区别。 MRVL同时押注了两个互相独立的万亿级叙事： 叙事一：定制ASIC——去Nvidia化的最大受益者 Marvell的数据中心部门FY2026增长46%，超过$60亿，管理层指引FY2027同比再增约40%。定制芯片年化营收已达$15亿规模，两个AI加速器项目处于高产量阶段，第三个超大规模客户合作正在进行。 Nasdaq 最重要的一个进展： 2026年4月，Google被报道正在与Marvell进行深度谈判，共同开发内存处理单元和下一代TPU，这正是Google此前几乎完全交由Broadcom负责的工作。如果谈判成功，Marvell将成为AI行业最具战略意义的芯片项目之一的核心设计伙伴。 这是什么意思？ Broadcom和Google的TPU合作锁定到2031年——这是Broadcom的护城河，但不是MRVL的天花板。Google开始和MRVL谈，不是要取代Broadcom，而是要建立第二供应商。这正是"缺货时代，落后者获利"的经典逻辑。 当TPU的设计需求超过了Broadcom单独能服务的上限，Google开始把部分项目分给MRVL。 这一单谈成，MRVL同时拥有Amazon和Google双超大规模客户锚定——三个超大规模客户（Amazon、Microsoft、Google）大幅降低了单一客户集中的风险，给市场提供了更清晰的多年营收增长路线图。 叙事二：光互连DSP——AI集群神经系统的命门 MRVL是目前唯一同时覆盖定制ASIC设计、1.6T光学DSP、硅光子技术（通过Celestial AI收购）和CXL交换的全栈公司——这是任何单一竞争对手都无法复制的护城河。 光互连DSP是什么？ 当GPU和GPU之间需要通信，数据需要在光纤里传输。但光纤里走的是模拟光信号，计算机需要的是数字信号。DSP（数字信号处理器）就是这两个世界之间的翻译器——它把数字数据编码成光信号发出去，再把收到的光信号解码成数字数据。 MRVL的PAM4 DSP是全球800G和1.6T光模块的核心芯片之一。光互连业务的需求与AI集群的互连基础设施同步扩张——每一个上线的AI集群都需要完整的互连协议栈，不需要等待GPU的供应情况。 这是最关键的逻辑： GPU供应有时候是稀缺的，但光互连不等GPU——只要数据中心在建，只要AI集群在运行，光互连就需要。 MRVL的DSP是一个和GPU并行运行的独立需求，不是GPU需求的影子。 4. 我自己的判断：为什么MRVL的故事比AVGO更有弹性 AVGO是龙头，MRVL是追赶者。 但在这个特定的历史时刻，追赶者的弹性更大，原因有三： 原因一：基数效应 AVGO已经是$2万亿市值，要翻倍需要成为$4万亿的公司。MRVL只有$1,470亿，翻倍只需要$2,940亿——和AVGO现在市值的15%相当。同样的资金流入，对MRVL股价的推动效果是AVGO的13倍以上。 原因二：Google的变量 AVGO和Google的合作是锁定的，这是护城河，但也意味着它的上行惊喜已经被充分定价。MRVL和Google的谈判还没有正式宣布——这是一个尚未被市场定价的潜在催化剂。如果Google正式宣布，MRVL立刻拥有Amazon+Google双超大规模客户，ASIC市场份额从15%向25%+跳升的路径被打开。 原因三：两个叙事不相关 AVGO的核心护城河是ASIC和VMware软件。 MRVL的两个叙事——ASIC和光互连DSP——是完全独立的业务。 ASIC受益于去Nvidia化，光互连受益于AI集群扩张。两个独立的增长引擎，互相不依赖，互相不替代。 MRVL在多个AI基础设施顺风中同时暴露：定制芯片、光互连、数据中心网络和更广泛的超大规模资本支出周期。这种在AI主题内的多元化暴露，使它成为纯粹的GPU标的（如Nvidia）的有吸引力的补充。 5. 估值合理吗？ $MRVL：Forward PE 36.4倍，市值$1,470亿。 $AVGO：Forward PE 31倍，市值$2万亿。 $MRVL的Forward PE比 $AVGO略高，但增速也更快： $MRVL FY27营收预期：约$110亿，同比增速约40% $AVGO FY27增速约25-30%。PEG（PE/增速）： $MRVL：36.4 ÷ 40 = 0.91, $AVGO：31 ÷ 27 = 1.15 PEG低于1都算便宜。 用PEG来衡量，MRVL比AVGO便宜约20%。 而且MRVL有Google催化剂这个尚未被定价的变量，AVGO没有。如果Marvell股价涨到$400，需要数据中心营收FY27超过$90亿，Google ASIC合同正式宣布，自定义硅年化营收达到$30亿。在这些条件下，ASIC业务40倍Forward EV/EBITDA，光互连业务20倍EV/Sales。 我觉得2027年是很有可能达到的，这还是在理性的估值下，如果是ai融涨疯牛选择忽略估值的话，如果NVDA到360分析师预测最高，也就是8.8T, 我预测8-10T，那么AVGO会到3-4T, MRVL到500B-1T都问题不大。 6. 三个需要追踪的关键变量 变量一：Google ASIC合同的正式宣布 这是目前MRVL最大的潜在催化剂。谈判已经在进行，但没有正式宣布。每过一个季度没有宣布，市场会稍微失去耐心。但一旦宣布，估值逻辑发生质变。 变量二：1.6T DSP的市场份额 Marvell已经开始出货1.6T PAM DSP，基于5纳米工艺，并推出了下一代3纳米版本，将光模块功耗降低超过20%。 800G向1.6T的迭代是MRVL DSP业务的下一个量子跳跃。如果MRVL能在1.6T时代维持甚至提升市场份额，光互连业务的营收会非线性增长。 变量三：Celestial AI的硅光子整合 MRVL收购了Celestial AI，进入硅光子领域。这是CPO时代最关键的技术平台——把光学引擎直接集成进芯片封装。如果MRVL能在CPO时代把DSP和硅光子整合成一个完整的解决方案，它的价值会远超现在的定价。 7. 最终判断：MRVL是这轮AI牛市里最干净的不对称机会 AI芯片市场分三类公司： 第一类：Nvidia——已经被充分定价的龙头。故事最好，估值最贵，上行惊喜空间有限。 第二类：纯ASIC公司（AVGO）——护城河深厚，但增速放缓在定价中。Google TPU锁定到2031年是确定性，也是上行惊喜的天花板。 第三类：MRVL——两个叙事都在爆发，Google催化剂未定价，市值基数小。 这是不对称机会的经典形态， 下行有Amazon锚定，有光互连稳定收入，不会归零，上行有Google合同宣布+CPO爆发+ASIC市场份额提升，估值可能从$1,470亿走向$5,000亿+。 $MRVL也是我重仓持有的标的之一，短期technical角度今天收长上影线，日线级别调整要来，加仓机会在第一目标165，第二目标140。如果给机会到140补那个缺口，我仓位加满（图1）。 总结：回到那个反直觉的规律：缺货时代，落后者获利最大。 ASIC市场正在缺货——Broadcom一家根本无法满足所有超大规模客户的定制需求。光互连正在缺货——AI集群每季度都在扩张，DSP的需求只增不减。MRVL是这两个缺货赛道里，那个正在被需要的追赶者。 历史一次次证明：当产能不足、供应商只有一两家的时候，第二名是最好的弹性高的投资标的（Nvidia和Amd，TSMC和Intel。） 因为所有人都开始认真研究它了。 #MRVL# #Marvell# #AVGO# #Broadcom# #ASIC# #定制芯片# #光互连# #DSP# #Google# #Amazon# #Nvidia# #AI芯片# #半导体# #美股# #龙二补涨# #CPO# #硅光子# #AI基建# #USStocks# #AIStocks# #数据中心# #去Nvidia化#

吴说获悉，去中心化 AI 协议 Prime Intellect 宣布完成 1.3 亿美元 A 轮融资，由 Radical Ventures 领投，NVIDIA Ventures、Intel Capital、Dell Technologies Capital 等参投，总融资额超过 1.5 亿美元。本轮资金将用于构建开放超级智能堆栈，涵盖算力、大规模强化学习、环境、沙盒、评估和部署等。

👇本周前五加密融资事件 | 7.5 - 7.10 1⃣ Prime Intellect - 1.3亿美元 去中心化人工智能平台@PrimeIntellect 完成 1.3 亿美元 A 轮融资，估值达到 10 亿美元。融资由 Radical Ventures @radicalvcfund领投，英伟达@nvidia风投、Intel Capital @intelcapital等参投。 2⃣ Gauntlet - 1.25亿美元 DeFi 资产管理与风险分析公司 Gauntlet @gauntlet_xyz完成 1.25 亿美元融资，由日本金融集团 SBI 控股独家投资，融资于今年 6 月完成，具体估值未披露。 3⃣ EDX Markets - 7600万美元 机构加密货币交易平台 EDX Markets 在 C 轮融资中获得 7600 万美元，由日本金融集团SBI Holdings 领投 4⃣ Mercado Bitcoin - 2000万美元 Tether 宣布向@MercadoBitcoin 的战略增长融资轮投资 2000 万美元。Mercado Bitcoin 是一家受监管的巴西链上金融服务平台，拥有 450 万用户，已发行超过 20 亿雷亚尔的代币化资产，并在巴西和欧洲拥有超过 10 个牌照。 5⃣ QIZ Security - 1700万美元 量子安全初创公司 QIZ Security 宣布完成 1700 万美元种子轮融资，由 Bessemer Venture Partners 和 Merlin Ventures 领投，Evolution Equity Partners、Qbeat Ventures、Singtel Innov8 和 Qino Cyber Capital 参投。

Tom Lee：以太坊会惩罚那些缺乏耐心的投资者 2026 年 7 月 7 日，Tom Lee @fundstrat 在接受 New Era Finance Podcast 采访时表示，近期加密市场掉队主要受去杠杆化余波影响，资金流向了具备收益率的板块。在谈及如何在以太坊等资产价格回调时保持信念，他认为其基本面并未改变。 Tom Lee 以英伟达（Nvidia）在 160 美元长期盘整后三个月内暴涨两万亿美元为例，表示无论是股市还是加密市场，最终都会惩罚缺乏耐心的投资者，无法坚持的人往往才是真正的输家。 来源：New Era Finance Podcast

为什么机器人一定要做成人形？因为不用再花几百年去改造我们现在的生存环境，黄仁勋说，我们是为自己造的这个世界。所以他主张做双足人形，可以最低成本接入现成的基础设施。 人形机器人的制造难度，马斯克说，介于 Model X 和星舰之间。现在根本没有人形机器人供应链，每个零件、每个执行器都得从零设计自研。 百万台年产的话，成本能压到2 万美金。这个价格能做饭、洗衣、叠衣服的机器人我是愿意买的，假设机器人能用 2 年，一年折 $1 万，比请菲佣便宜。要是它能用 10 年，就更好了！ 而且我认为一定会有租赁订阅的服务，因为我没办法要求它 24 小时不停干活，机器人大部分时间是闲置的，个人买断不划算。就像现在的宇树租赁，商家半个月回本。 说回供应链，目前没有现成供应链，所以马斯克必须从零自研。而且造机器人最要命的稀土永磁体，产能高度集中在中国，中国一收紧稀土出口管制，Optimus 生产就会被卡脖子。 中国控制着全球人形机器人零部件供应链约 63% 的关键企业， 特别是精炼稀土占 88%。 如果机器人真的普及了，我认为会先通胀、后通缩。因为造这些机器人和背后的大模型，需要海量算力，一颗 Nvidia Jetson Thor 2,070 FP4 TFLOPS，开发套件 $3,499，单台机器人光 AI 芯片就 $5,000–6,000。 还有电，美国居民电价 2025 年涨了近 7%，是通胀率的两倍多。电价暴涨到底多少怪 AI我不知道，但肯定是巨大的影响。 人形机器人普及之后，长期一定会通缩。 高盛把人形机器人 2035 年的市场规模一次上调 6 倍到 $380 亿，出货量上调 4 倍到 140 万台，理由是成本本来预期年降 15–20%，结果直接降了 40%。跟汽车普及一样。 第二个原因是，劳动力替代压低服务价格的结构性通缩。马斯克的说法是商品和服务的成本会趋近于零，工作会变成可选项。 那，除非出现新需求，否则价格越来越低。汽车、PC、智能手机、光伏，价格塌了、渗透率爆炸、总市场做大。机器人只会更便宜，然后发展到我们今天根本想不到的场景里。 硬件终将便宜，会同质化。 电机、减速箱、电池、芯片，最后大家都差不多，就像大模型，Figure 自己说的，越来越聪明，但也越来越商品化，所以他2025 年干脆终止和 OpenAI 的合作，自研 Helix。 硬件卷到最后，真正的差异化在软件、在人格。这跟我今年上半年做 的AI 聊天陪伴一直在思考的问题一样，到底什么，才能让一个机器人更像一个真的人？ 如果我有了自己的人形机器人，我不会让他先去叠衣服做饭，我一定要好好培养它一个好性格～

为什么你的智能摄像头不该信任云端今天聊聊链上目击者的崛起 AI爆发式增长，背后却隐藏着一个巨大的核心漏洞，信任。全球有数以十亿计的摄像头和传感器，但它们产生的每一比特数据，在传统私有服务器上都可以被随意篡改、删除，甚至遭遇深度伪造（Deep-fake） XYO @OfficialXYO正在通过NVIDIA 的机器人技术直接引入链上彻底打破这一技术僵局。 想象一下这个纯粹的边缘端协作：摄像头捕捉到画面，但数据完全不经过容易受到攻击的第三方云端，而是直接由 NVIDIA Jetson Orin Nano 芯片在本地（边缘端)完成计算机视觉推理 以下是 XYO Layer One 处理这些真实世界数据的硬核流程： 边缘检测与物体分类:Orin 芯片直接在设备源头识别物体(精准区分人、车辆或宠物） 置信度评分： 每一个事件都将模型的确定程度作为一级字段直接写入元数据，拒绝伪造绝对真理 加密签名： 设备在观测到事件的瞬间进行本地加密签名，将数据与其物理源头牢牢绑定。 去中心化账本： 签名后的事件被发送至 XYO Layer One 区块链，成为永久防篡改的记录。所有者可以自主选择将其完全私密保存或公开供全球验证 用加密证明取代盲目信任，XYO 正在为未来的机器经济搭建不可或缺的可信数据底层

CZ 把 2026 熊市归到三个原因：AI 资金转移、地缘政治、周期。 大多数人分析这轮下跌只会说两个字：降息。 但 CZ 指出了第三个变量——AI 正在把投机资金从 crypto 吸走。 不是阴谋论，是资金流向的算术： 2020-2024，crypto 是唯一的{高增长 + 零准入投机出口。 2025-2026，Nvidia、AI infra 基金、AI 概念股给了另一个出口——流动性更好，监管更清。 对冲基金的 risk budget 是有限的。不是 crypto 变坏了，是另一个赛道给了更好的 Sharpe。 当 AI 叙事每三个月翻一倍，你很难让一个 LP 继续持有年化波动率 60% 的 BTC 现货。 这能解释为什么降息预期落地了 BTC 也没大涨——新增流动性先去了 AI。 不是 crypto 不好了，是竞争者变强了。

英伟达正在成为AI时代的中央银行 英伟达当然不能印钞，也不能决定联邦基金利率。但它正在影响另一种更重要的资源配置——AI时代最稀缺的资本。 整个AI产业正在进入金融化（Financialization）阶段，资本开始成为AI基础设施的一部分，而不仅仅是融资工具。在这个体系中，英伟达越来越像AI时代的中央银行，不是创造货币，而是一定程度上决定资本围绕哪里流动。 NVIDIA是这一趋势最积极的推动者，nvda带动着其他GPU厂商、云厂商、NeoCloud、封装厂、HBM厂商、银行、Private Credit基金、基础设施基金、保险资金和主权财富基金，正在共同构建新的资本体系。AI产业正在从半导体产业链，逐渐演变为基础设施资产体系。 第一步，是金融化供应链。长期采购协议（LTA）、预付款、Take-or-Pay协议、供应链融资不断增加，本质都是将未来需求提前锁定，让供应商敢于扩产。对于TSMC、Amkor、SK hynix、Micron等企业而言，融资能力开始与制造能力同样重要。供应链投资越来越依赖长期订单，而不是短期市场判断。 第二步，是金融化客户。英伟达已经不只是销售GPU，而是帮助客户获得融资，通过投资像neocloud等的客户，帮助他们更容易获得银行贷款、Private Credit，更容易实现资产证券化（GPU租赁合同，电力ppa），将未来数年的采购提前释放。未来收入提前转化为今天订单，需求波动开始被金融体系吸收，而不是全部传导给供应链。 金融工具也改变了需求曲线。传统半导体行业最大的风险来自需求周期，需求旺盛时全面缺货，需求下降时订单迅速取消，整个产业链剧烈波动。金融化之后，即使客户短期现金不足，也能够继续采购GPU，未来需求被提前兑现，整个产业链获得更加平滑的资本开支节奏，供应商也更愿意持续扩产。 另外还有资本循环。融资购买GPU，GPU出租产生现金流，现金流支持新的融资，新融资继续购买GPU，形成持续扩张的资本飞轮。GPU开始具备基础设施资产属性，不再只是电子设备，而是能够产生长期现金流、能够抵押融资、能够证券化的资产。GPU正在从一种计算资源，演变成一种金融资产。 这也是为什么英伟达持续锁定HBM、先进封装和供应链产能。 如果资本变成未来瓶颈之一， 那么帮助客户解决融资问题，本身就是扩大GPU销量最有效的方法。 帮助供应商解决融资问题，本身就是扩大产能最有效的方法。 不光nvda，整个行业已经开始向这一方向演化。微软、Google、Meta、Amazon持续扩大资本开支，他们给客户或供应商的订单、预付款、合作协议，也能同样的帮助产业链上下游更容易的获得资金。 NeoCloud大量采用债务融资；HBM厂商持续扩产；先进封装企业签署多年协议；Private Credit基金、基础设施基金和主权财富基金开始进入AI数据中心投资。AI产业链已经从传统制造业融资，逐渐转向基础设施融资模式。 未来Hyperscaler每年数千亿美元CapEx，如果大量依赖债务融资，将持续吸收长期资本。新增资金不仅流向GPU，也流向数据中心、电力、光纤、冷却系统、HBM和先进封装。AI产业将成为全球最大的资本吸收行业（可能没有之一）。 资本需求扩大，对金融市场的影响不容忽视。长期资本供给有限，AI融资增加意味着长期资金价格可能维持较高水平。即使短端政策利率下降，长期融资利率仍可能受到资本需求推动而保持高位。同时，资金配置出现分层，现金流稳定、成长确定性高的AI企业融资成本可能继续下降，而传统行业融资成本可能相对上升，信用利差存在扩大的可能。 这种模式与房地产存在明显相似之处。两者都属于资本密集型行业，都依赖长期融资，都能够形成稳定现金流，都具备资产抵押和证券化能力，也都吸引养老金、保险资金和主权财富基金长期配置。 但与其说AI像房地产，不如说ai基建更接近铁路、电网和高速公路建设。资本首先建设基础设施，基础设施提升生产效率，新的现金流支持进一步融资，再推动下一轮建设。铁路曾经重塑资本市场，AI基础设施也可能经历类似过程。 但风险永远和收益并存，如果GPU和数据中心持续创造高于资本成本的回报，资本会不断进入，产业继续扩张。如果未来GPU租赁收益率下降到低于融资成本，资本循环将迅速放缓，GPU采购、HBM需求、先进封装投资都会同步降温，整个产业链将进入新的调整周期。 经历过房地产去库存周期的都应该知道，这样的调整会多么的痛苦。 未来AI产业最重要的变量，已经不仅是技术进步、算力需求或芯片性能，也包括全球长期资本是否能够持续支持AI基础设施扩张。从这个意义上说，英伟达正在扮演一个前所未有的新角色——它越来越像AI时代的中央银行：它不创造货币，却决定资本围绕什么资产流动；它不决定利率，却正在重塑全球资本配置的方向。

SemiAnalysis的创始人Dylan Peter在访谈中提到，OpenAI的架构比较稀疏，Anthropic的架构虽然也是MOE，但是没那么稀疏。刷了原文，很多有意思的观点： ① 模型架构分化：OpenAI 更稀疏，Anthropic 更稠密 Dylan 的原话是，两家的模型架构相当不同。OpenAI 的要稀疏得多，这有它的好处；而 Anthropic 的，仍然是稀疏的，但总体上更稠密，这又有另外的好处。 所以实际上，按 OpenAI 模型现在的走向，他们去用 TPU 可能会是一个糟糕透顶的决定；而按 Anthropic 和 Google 模型的走向，他们用 GPU 做训练，可能同样是个糟糕透顶的决定。 ② CUDA 护城河正在变形 这可能是整段访谈最有意思的部分。 红杉的 Sean 说他以前觉得 CUDA 是 NVIDIA 最大的护城河，但最近几个月改观了。因为模型已经很会写 kernel 了，Claude 和 Codex 能帮你做大量优化工作，编程壁垒在瓦解。 Dylan 的回应很妙：CUDA 护城河确实在被部分解绑，但原因不是 CUDA 本身，而是中国开源模型。 DeepSeek、Kimi、通义、智谱、小米……这些公司开源出来的模型，全都是按 NVIDIA GPU 协同设计的。下游的推理服务商、做 RL 定制化的公司，拿到这些模型一看，expert 的 shape、attention 的 arithmetic intensity，全是对着 GPU 调过的。你要跑在 TPU 上，不好意思，跑不好。 所以护城河不是 CUDA 编程难，而是整个开源生态默认你的硬件是 NVIDIA。谷歌要破局怎么办？Dylan 的潜台词：你得开源自己的强模型，让生态反过来适配 TPU。Gemma 是在往这个方向走，但还不够猛。 （感觉这跟之前 DeepSeek v4 用华为 CANN 栈跑 Day 0 推理是一个信号：非 CUDA 路线不是不能走，但得有人先把模型给你调好。） ③ 黄仁勋在下什么棋：制造多极世界 Dylan 对 Jensen 的解读非常锋利。 Jensen 最怕的世界是什么样的？只有三家超大云厂商 + 三家闭源实验室。那种世界里，Google 自己有 TPU，Amazon 自己有 Trainium，Microsoft 可以跟 AMD 深度合作，NVIDIA 的定价权直接崩。 所以 Jensen 到处投资 NeoCloud（Crusoe、CoreWeave），到处扶持 NeoLab（包括 Thinking Machines 这种刚起步的），力挺中国开源模型。不是因为他慈善，是因为他需要买家足够多、足够分散。 Dylan 说得很直：今天一张 GPU 卖给 Crusoe 和卖给 Google，对 NVIDIA 来说价格一样。但五年后，Crusoe 和 CoreWeave 活着，意味着 Google TPU 的议价权更弱、Amazon Trainium 的空间更小。更多推理跑在非闭源模型上，对 NVIDIA 就更有利。 （换句话说，Jensen 买的是供应链的分散度。） ④ “AI 没 ROI”是最让他恼火的言论 这段对应 42:11，Dylan 情绪很明显。 他说最让他恼火的就是有人跑出来说“AI has no ROI”。他拿出来的数据是：AnthropicQ2 盈利了，一个 Opus token 的 API 毛利 80% 以上。他们现在租 GPU 的逻辑是：每个 GPU 租能立刻卖 token 出来，而且是正毛利。就算 compute 成本翻倍，gross margin 从 75% 掉到 50%，NOI 还是在涨。所以他们愿意出高于市场价拿货。 还有一种说法也让他烦：模型进步停滞了。他的回应很简单：能力曲线一直向右上走。你觉得 benchmark 不涨了，是因为饱和了，换个新 benchmark 又在飙。 （Fable 发布之后，即使价格更贵，用户也在大量迁移过去。大家用脚投票。）