跟着黄仁勋的时间线走，每一阶段的钱都在提前切换 过去一年，如果你认真拆老黄每次GTC、财报会、闭门峰会说了什么，会发现AI基建的主线其实一直在切换。真正厉害的资金从来不是等新闻出来再追，而是提前拆下一阶段CapEx会流向哪里。 整个时间线其实非常清晰。 第一阶段：GPU → HBM → CoWoS → Memory 最早被老黄反复强调的方向。 Blackwell开始，HBM已经从外围配件升级成AI架构核心。老黄在财报会上明确说了：Blackwell和Vera Rubin的性能瓶颈，越来越取决于HBM带宽与供应。 很多人还把 $MU当周期股。但老钱已经开始把存储当AI structural asset来定价。 第二阶段：Ethernet → 光通信 → Silicon Photonics 2026上半年真正爆发的第二条主线。 AI集群进入十万卡级别后，真正限制效率的已经不是单卡性能，而是GPU之间的数据流动效率。老黄开始疯狂强调Spectrum-X、Ethernet、Scale-Out、Silicon Photonics。 NVLink解决的是Scale-Up，柜内互联。真正的大规模AI集群最终拼的是Scale-Out，柜外组网。AI越大，Ethernet的地位反而越强。 $ANET $MRVL $CRDO $ALAB $LITE ——这些AI数据流动收费站开始进入估值扩张阶段。 第三阶段：Inference CPU / Agentic AI 2026 Q1财报会后华尔街开始重新定价的方向。 很多人之前觉得AI时代CPU会边缘化。但老黄在5月财报会明确：Inference爆发后，CPU反而重新成为瓶颈。Agentic AI、Inference、Orchestration都需要大量CPU调度。 $ARM $QCOM $ADI $TXN $MCHP开始明显走强。 很多人还在盯GPU，但老钱已经开始提前布局Inference infrastructure。 第四阶段：AI-RAN + Edge AI + Physical AI 我认为这是2026下半年到2027真正可能成为主场的方向。 AI第一阶段是Training，第二阶段是Scale-Out。接下来AI必须真正离开hyperscaler数据中心，进入现实世界。 老黄已经把话说得很清楚：未来AI会进入运营商网络、边缘节点、基站、机器人、工厂、汽车。AI不会永远只待在云里。 这一阶段分三类受益方向。 AI-RAN和边缘网络：未来全球几百万个基站可能都会变成边缘AI节点。真正值钱的是射频、DAC/ADC、FPGA、边缘推理网络。 $NOK是AI−RAN联盟的核心发起人，英伟达直接投资背书。 Edge AI和On-Device AI：Agentic AI开始长进PC、手机、汽车、边缘网关。设备端AI最大的问题是低功耗推理加本地memory加实时连接。 $QCOM $SIMO这些传统边缘芯片公司的估值可能会被重新定价。 Physical AI和Robotics：散户喜欢炒机器人概念，但真正决定机器人能不能大规模落地的是工业控制、PLC、伺服系统、自动化基础设施。未来真正持续扩估值的，可能不是最性感的人形机器人概念，而是卡住物理世界执行层的工业收费站。 $TSLA $ABB $SYM $ROK。 总结 AI的下一阶段已经不只是训练模型。而是让AI真正进入现实世界。每一次老黄开口，都是在提前告诉市场下一阶段的钱会流向哪里。 #PhysicalAI# #EdgeAI# #AIRAN# #光通信# #机器人# #数据中心# #半导体# #AI算力#

关于黑莓，华尔街日报的这篇值得看看。blcakberry这家曾被认为“已死”的公司早已放弃手机硬件业务，转向软件领域，现在连续四个季度实现盈利（这是智能手机时代以来首次）。QNX 部门已成为公司营收主力，贡献约一半总收入。 核心业务是QNX 操作系统：2010 年收购的 QNX 原本是为手机业务服务，如今却成为公司复兴引擎。它是一种高度可靠的实时操作系统，被形容为“像房子里的管道和电线一样基础”，用户几乎感觉不到它的存在，但它支撑着关键功能。 在汽车领域的深度应用：已装载在 2.75 亿辆汽车 中，主要用于安全关键系统（而非娱乐系统），包括碰撞预警、盲点监测、自适应巡航、行人检测、车道保持等。黑莓不再做“漂亮的表面”，而是做底层“永不失效”的基础软件。 而且在4月底黑莓的QNX 部门最近（2026 年 4 月 20 日）与英伟达（NVIDIA）宣布扩大合作。合作内容聚焦于安全关键的边缘 AI（Edge AI）系统，并非手机或消费级产品，而是针对工业、医疗、机器人等高可靠性场景的底层软件平台。 将 QNX OS for Safety 8.0（QNX 的安全认证实时操作系统）与 NVIDIA IGX Thor 计算平台以及 NVIDIA Halos Safety Stack（安全栈）深度集成。两者结合形成一个统一的安全关键边缘 AI 平台，让开发者能轻松在 NVIDIA 硬件上构建、生产级安全 AI 系统。 1）QNX 提供确定性实时内核（microkernel-based RTOS），负责安全控制、实时性和功能安全认证。 2）NVIDIA 提供加速 AI 计算（包括感知、规划、决策等 AI 能力），加上 Halos Safety Stack 支持混合关键性（mixed-criticality）设计。
 应用场景也要扩展到汽车之外： 1）机器人：自主移动机器人（AMR）、人形机器人等。 2）医疗：手术机器人、医疗成像设备（QNX 已服务全球前十大医疗设备厂商中的九家）。 3（工业：工业自动化、工厂设备等需要高可靠性、实时响应的场景。 这不是第一次合作，而是扩大版。
2025 年中期，QNX 已与 NVIDIA 在汽车领域合作：QNX OS for Safety 8.0 集成到 NVIDIA DRIVE AGX Thor Development Kit，用于自动驾驶和汽车安全系统。
此次扩展是将同一套成熟的安全架构从汽车“搬”到机器人、医疗和工业领域。 对于BB的意义： QNX 一直是 BB 的“隐形引擎”（已在 2.75 亿辆汽车中用于安全系统，如碰撞预警、车道保持等），此次合作进一步打开物理 AI（Physical AI） 的巨大市场。它强化了 BB 从“手机公司”向“安全软件公司”的转型，目标是让 QNX 成为 AI 驱动的机器人/工业/医疗设备里的“看不见的安全基础”。 我看到了边缘AI到物理AI的关键安全平台正在快速发展的信号和BB困境反转的可能性。 仅是个人想法 本条由@bitget_zh赞助，「Bitget 买美股：秒级入场，丝滑交易 」