黄仁勋的投资组合曝光： $NVDA 第二大持仓竟然是 $SPCX，而且英伟达将超过80%的公开股票仓位压在了两家公司身上。 根据 NVIDIA 最新披露的 13F，截至2026年6月30日，英伟达申报的美国股票投资组合总值已经达到约 634亿美元，只有8只股票，但集中度极高。 持仓排名如下： 1. $INTC Intel 约 299.9亿美元 占组合 47.3% 2. $SPCX SpaceX 约 209.8亿美元 占组合 33.1% 3. $CRWV CoreWeave 约 47亿美元 占组合 7.4% 4. $COHR Coherent 约 30.7亿美元 占组合 4.8% 5. $NOK Nokia 约 22.1亿美元 占组合 3.5% 6. $SNPS Synopsys 约 21.5亿美元 占组合 3.4% 7. $NBIS Nebius 约 3.29亿美元 占组合 0.5% 8. $GENB Generate Biomedicines 约 1,406万美元。 最值得注意的不是英伟达买了多少只股票，而是它把钱放在哪里。 单单 $INTC + $SPCX，已经占整个13F组合约 80.3%。 这已经不是普通意义上的“分散投资”，而是非常明显的战略下注。 而 $SPCX 更值得注意。 英伟达上一季度13F里还没有这笔仓位，到第二季度直接出现约 1.228亿股 SpaceX、价值接近210亿美元，一跃成为 NVIDIA 第二大公开股票持仓。 如果从整个AI产业链去理解，这套组合其实非常有意思。 $INTC —— 芯片制造、先进封装与美国本土半导体产能。 $SPCX —— 太空基础设施、Starlink、卫星网络以及未来越来越庞大的AI算力需求。 $CRWV、$NBIS —— AI Cloud / GPU算力基础设施。 $COHR —— 光通信、数据中心高速互连。 $NOK —— 网络基础设施。 $SNPS —— 芯片设计软件与EDA。 换句话说，NVIDIA赚到AI芯片的钱之后，并没有单纯把现金留在资产负债表，而是在把资本重新投入到整个AI基础设施生态系统。 芯片 → 云算力 → 光通信 → 网络 → EDA → 太空基础设施。 甚至可以理解成： NVIDIA不仅想成为AI时代最大的“卖铲人”，还开始直接持有那些未来会大量购买这些铲子的公司。 而且截至7月披露，NVIDIA 对 $NBIS 的经济权益也已经进一步扩大至约 9.3%。 所以现在再看 $NVDA，已经不能只把它当成一家GPU公司。 它正在逐渐变成一个拥有巨大现金流、同时主动配置下一代AI基础设施资产的超级资本平台。 而我认为最值得市场重新思考的问题反而是： 如果连 NVIDIA 自己都愿意拿接近210亿美元押注 $SPCX，并把它放到仅次于 $INTC 的第二大持仓，那么市场现在到底给 SpaceX 的长期价值定价了多少？ 更多交易机会报告👇

5台机器，炸掉了全球芯片股500多亿美元？ 真的是半导体的 DeepSeek 时刻？还是又一篇小作文？ 今天 The Information（美国一家专门搞科技行业独家的付费媒体，在硅谷圈子里分量很重）爆了一条消息， 一家上海的国资背景企业，开始量产国产浸没式DUV光刻机。今年计划出货5台，明年扩到20台，客户是中芯、华虹、长鑫存储。 消息出来，全球芯片股直接走跌。ASML盘中跌超8%，一度触发自动停牌。Applied Materials跌7.7%，Lam Research跌8.5%。 存储那边更惨，闪迪跌了12.9%，SK海力士跌8.6%，美光6.6%。连Nvidia都被拖下水，跌了5%。 反应是真的。但消息本身有多"真"？ 23年华为用DUV多重曝光做出了麒麟9000s，全世界说不可能。25年9月，中芯开始测试上海裕量升科技造的国产浸没式DUV。 现在，量产了。每一步都比"专家预测"提前了好几年。ASML的CEO之前还说中国落后10到15年，SemiAnalysis今年3月预测要2030年才能实现DUV国产化。 结果2026年7月就开始交货了。 再说虚的部分。5台DUV，目标制程28nm，多重曝光理论上能推到7nm。但台积电2018年就量产7nm了。ASML去年一年交了131台浸没式DUV，总系统出货535台。 5台 vs 131台，连人家一个月的量都不到。而且量产和稳定跑产线是两回事，良率、精度、可靠性全是未知数。 所以这到底算不算DeepSeek时刻？ 说实话，我觉得这个类比有点问题。DeepSeek那次，2025年1月27号，R1的benchmark实打实跑到接近o1，训练成本不到600万美元，Nvidia一天蒸发5890亿。那是产品级的冲击，东西就摆在那里，跑了就知道行不行。 这次不一样。5台机器还没在产线上被验证过，没人知道良率能到多少。更像是一个叙事冲击，不是产品冲击。 但市场怕的也不是这5台机器本身。它怕的是这5台背后的时间线。 从"不可能"到"开始测试"到"量产交货"，中国走了不到三年。上一次所有人都觉得"至少落后一年"的时候， DeepSeek一个模型直接把叙事翻了个底朝天。这次芯片圈会不会重演，没人敢打包票。

我恨AI，一样的配置的电脑，现在比一年前买贵了1倍多，存储内存贵了3倍，固态硬盘贵了2倍多。我用的机器128GB DRAM + 4TB NAND Flash，刚好踩中了 2026 年涨价最严重的两个零部件。 背后真正发生的是“AI 抢走了 PC 的产能” AI GPU → HBM爆发 → DRAM厂把晶圆产能转向HBM和服务器DRAM → 普通DDR5供给减少 → PC内存涨价。 Samsung 最新表示，HBM 对全球 DRAM wafer capacity 的占用预计会从目前约 20%进一步提高到接近30%。而 HBM 与普通 DDR5 本质上会竞争部分相同的 DRAM 制造资源。 这也是为什么有一个看起来很反常的现象： AI GPU 越卖越多，不仅 NVIDIA GPU 贵，连一台根本没有 HBM 的家用电脑，其 DDR5 内存也跟着涨。 这是典型的“产能挤出效应”。 SSD也是同样逻辑。 现在 hyperscaler 不只是买 GPU，还在疯狂购买 enterprise SSD。AI 从 training 向 inference、AI Agent、RAG、vector database 扩散以后，大量实时数据需要被读取、缓存、检索，所以服务器对 NAND 的需求爆炸。 TrendForce 预计，2026 年 enterprise SSD bit demand 同比增长超过 80%，而新增供应大量已经被云厂商提前锁定。 #美股# $MU $SNDK $WDC

NVIDIA 这次真的不讲武德，直接甩出一个开源的视频理解怪兽 Nemotron 3 Nano Omni，处理视频快得离谱：1 小时就能搞定 10 小时的视频内容，比播放速度还快 10 倍 核心靠的是 3D 卷积技术，不再逐帧傻扫，而是成块"吞噬"数据，效率直接拉满 以后这些场景真的爽： 全天监控里找"没戴安全帽且在争吵"的人 几百个素材里精准定位"有海浪声且拍到日落"的画面 听一段机器运转视频就能诊断电机异响 几分钟帮你搞定，连 Whisper 的钱都省了 不过要注意，这哥们是个典型的偏科生 技能点全加在了多模态理解和处理效率上，想拿它写代码或者搞高难度文本推理，表现可能还不如一些轻量级纯文本模型 结论：别把它当全能程序员，但在音视频分析、海量素材打标这些实战场景里，它绝对是开源界的神 搞 AI 视频、多模态的兄弟，这个必须试试 项目地址放评论区了👇

我最新的產業調查顯示，Nvidia 開始測試以碳氫樹脂（hydrocarbon resin，HC）為主的無布 CCL，取代先前測試的 PTFE 無布 CCL，並搭配 HC 無布 PP，評估能否滿足預計於 2H27 量產的 Rubin Ultra NVL576（8 機櫃互連方案）之 switch tray PCB 需求。 在提升 PCB 生產性的目標下，HC 無布 CCL 的初步測試結果符合 switch tray 的高頻電性要求（表現不及原 PTFE 方案，但優於 M9 等級方案，甚至優於 M10 的帳面規格）。上述測試不代表最終定案，但顯示 Nvidia 仍在滿足電性要求的前提下，尋求更好的 PCB 製造良率與生產效率。 1. 重點解讀與分析： (1) 先前測試 NVL576 switch tray 的組合，是 PTFE 無布 CCL 搭配 HC 無布 PP。近期的新一輪測試，則是以 HC 無布 CCL 替代原本的 PTFE 無布 CCL，HC 無布 PP 仍使用相同料號。 (2) 生益科技是目前 NVL576 switch tray 材料測試的領先供應商。相關材料包括 SG5300N（PTFE 無布 CCL）、SG1030N（HC 無布 CCL），以及 SIF09（HC 無布 PP）。 (3) 將 PTFE 無布 CCL 改為 HC 無布 CCL，主要是評估在改善 PCB 的製造良率與生產效率的目標下，同時滿足高頻電性要求。 (4) 為進一步優化 PCB 可製造性，後續也可能測試將 HC 無布 PP 換成 HC 有布 PP。導入 HC 有布 PP 的挑戰在於，能否仍達到訊號完整性與 0.4 dB/in 的損耗要求。 (5) 值得注意的是，SG1030N 與 SIF09 雖以 HC 為主要材料，但配方中仍含少量 PTFE。因此，這次測試並非完全去 PTFE 化，而是調整材料主體與組合，以兼顧高頻電性與 PCB 可製造性。 2. 結論： (1) PTFE 導入高階 PCB 材料（CCL 與 PP）的長期趨勢明確，但未來兩年的出貨成長節奏仍有變數。關鍵在於：NVL576 switch tray PCB 的最終材料方案、NVL576 的採用比重，以及採用正交背板的 Kyber-like 機櫃設計之研發進展。 (2) HC 在高階 CCL／PP 的應用持續擴大。短期成長動能除了 NVL576 switch tray，還包括自 4Q26 開始放量的 M9 等級材料，以及後續的 M10。 (3) 預期未來規格定案與開始量產後，生益科技將加速導入中國的 HC 供應商（如既有的東材與聖泉，潛在供應商呈和等），有助於供應缺口改善與優化成本結構。

手上有 NVIDIA DGX Spark的話，先把 agent 安裝起來。叫它去讀 @MiaAI_lab 的 sparkDash，再叫它在機器上寫一個、或改一個 model switcher、service switcher。 Switcher 實際怎麼設 一份 registry。每個 serving stack 一張卡。現在七張。 每張卡帶：它在哪台機器、要探的 IP 加 port、它該回報的 model id、以及啟動跟關掉的兩支腳本。 四張在 head，`:8888`、`:8889`，loopback 探。三張在 worker，27B 在 `:8888`、TTS 在 `:8010`、MiniMax 在 `:8000`，走 CX7 探。啟動關掉走 ssh，因為腳本在 worker 上。 兩台都用 8888 這個 port。所以不能用 port 當鑰匙。要用 host 加 port，再加上它回報的 model id。Head 跟 worker 能同時掛在同一塊面板上、又不會認錯，就靠這對。 活著沒有，靠便宜的探針。OpenAI 那種 stack 打 models 那個端點。 沒有 id 清單的卡，就只看探針回不回。 切換順序是寫死的，不是聰明的。先停掉全部。兩台都把 page cache 丟掉。UMA 上這步不能省，否則下一包權重要進記憶體時，空閒檢查會過不了。再跑目標自己的 start 腳本。輪詢到 API 肯回答。Dashboard 不自己發明啟動參數。它叫操作員寫好的腳本。 畫面上一個 stack 一張卡。亮著的那張綠點。節點、host:port、現在活著的 model id。Start、Stop、Switch。連到它的 console。切換進行中，進度從 operation log 流下來。 旁邊那些附屬服務另開一區，不算進 UMA 預算。`:8814` 那個檔案上傳。普通的 node process，記住 pid。要開再開，要關再關。模型切走，它還在。 我們活在最好的時代,能想出來就可能創造出來. 我剛做完，現在在用。

最近 Rust 世界发生了几件看似独立、实际上很值得连起来看的事情。 2026 年 6 月，OpenAI 成为 Rust Foundation Platinum Member。 9 月，NVIDIA 也以最高等级 Platinum 加入 Rust Foundation。与此同时，NVIDIA 正式发布 CUDA Rust，开始把 Rust 从 Host 端真正推进到 GPU Kernel。 Rust Foundation 对 NVIDIA 的加入给出的定位也很直接：这是 AI Infrastructure 领域的重要玩家以最高会员等级进入 Rust 生态。(The Rust Foundation[1]) 紧接着，Perplexity 今天宣布加入 Rust Foundation。它在公告里特意说了一句话： 希望改善 people and agents build with Rust 的方式。 而它的 Agent Sandbox 平台 SPACE，本身就是用 Rust 构建的，负责支撑 Perplexity Computer 和 Agent API 背后的执行环境。(LinkedIn[2]) 另一边，Coding Agent 公司 Cognition 刚刚把 Dioxus 整个团队收入麾下。 Dioxus 创始人 Jonathan Kelley 在解释这件事的来龙去脉时提到一个很有意思的变化： 2025 年末，他们明显感觉到 LLM 写 Rust 的能力突然好了起来。 随之而来的，是更多人开始用 Rust 和 Dioxus。而 Dioxus 团队后来做的事情，也逐渐从 UI Framework 延伸到了 SkyVM、虚拟化、跨平台测试和 Coding Agent Harness。(Dioxus Labs[3]) 如果把这些事情一件一件看，都可以找到各自的解释。 但如果把 OpenAI、NVIDIA、Perplexity、Cognition 放在一张图里，我觉得一个更大胆的问题开始出现了： AI 时代，是不是正在重新选择自己的系统语言？ 甚至再往前一步： Rust 会不会成为未来“黑灯软件工厂”的重要基础材料？ 这是我最近越来越强烈的一个判断。👇

1/ 🧠 為什麼未來的 personal AI computer(像 NVIDIA DGX Spark)真的能跟 data center 一較高下? 不是因為桌面變強到取代雲端,而是因為 AI 的「需求結構」正在分裂 —— 訓練留在雲端,推論回到本地。 2/ 關鍵突破一:FP4 改寫遊戲規則 70B 參數的模型,用 FP16 要 140GB 記憶體; 換成 FP4 → 只要 35GB。 一台配 128GB unified memory 的桌面機,就能跑得動以前要 8 張 H100 才能裝下的模型。 精度損失?用 QAT(量化感知訓練)幾乎可以忽略。 3/ 關鍵突破二:Memory Wall 正在被打破 LPDDR5X 頻寬不夠? •Apple M4 Ultra 用超寬位元寬度做到 ~800 GB/s •LPDDR6(2027)頻寬再翻倍 •NVIDIA DGX Spark 用 GB10 + 連貫記憶體架構 桌面端不再是「閹割版 GPU」,而是「為推論優化的新物種」。 4/ 關鍵突破三:你根本不需要 data center Data center 解決的是: ✅ 訓練 frontier model(兆級參數) ✅ 服務全球數十億用戶並發 個人需要的是: ✅ 一個跑得動 70B–200B 模型的本地大腦 ✅ 隱私、低延遲、不用月費 這兩件事根本是不同問題。 5/ 投資啟示 💡 •HBM 仍是訓練端王者(SK Hynix、Micron) •但邊緣推論晶片 + 高頻寬 LPDDR/統一記憶體會是下一個十年的新戰場 •NVIDIA DGX Spark、Apple Silicon、AMD Strix Halo、高通 X Elite —— 都在卡位 未來不是雲端 vs 桌面,是雲端做訓練,桌面做你的 AI。

CRYPTO ALPHA｜本周回顾 8/24–8/28 Trader Bryan 现货 ETF 连买九天，累计 30 亿美元。 持有 840,447 颗 BTC 的 Strategy，同期一颗没加。 这周该记住的就这一句： 价格是买出来的，不是相信出来的。 ━━━━━━━━━━ 01｜沃什一句话，砍掉黄金整周涨幅 联准会新主席首场公开演说，他说通胀仍高于 2% 目标， Fed 现在的主要焦点应该放在物价。 并点出 PCE 12 个月是 3.7%、6 个月年化却是 4.1% ——趋势在恶化，不是在改善。 黄金当天 -146 美元收 4,454，单日 -3.18%。 周二才刚摸到 4,698 的三个月高点， 周五盘中低点 4,531，峰到谷约 -5%。 一场演说蒸发掉整周涨幅。 逻辑很单纯：升息预期回来， 持有不生息资产的机会成本立刻变贵。 黄金的基本面这周没有任何变化。 变的是持有它的代价。 ━━━━━━━━━━ 02｜市场从赌降息，改成赌升息 Polymarket 上 9 月升息机率当场从 35% 跳到 59%， 盘中一度触及 69%。 FOMC 在 9/16。 ━━━━━━━━━━ 03｜比特币撞墙两次，撞不过 50 周均线 周二冲到 81,265，被 50 周均线 81,085 精准打回， 周五收 79,700。 64 亿美元选择权到期后， 卖压从 81,000 上移到 82,000——新天花板在那。 ━━━━━━━━━━ 04｜这轮是机构在买，不是信仰在买 现货 ETF 连 9 天流入、累计 30 亿美元，IBIT 吃走大部分。 但持有 840,447 颗 BTC 的 Strategy，全程一颗没加。 链上也是大户累积、小户派发。 同样是买盘，来源不一样，撤得快慢就不一样。 ━━━━━━━━━━ 05｜Nvidia 打爆财报，还是打不赢殖利率 营收 962 亿，年增 106%，Q3 指引 1,080 亿。 黄仁勋说 FY2028 还有 70% 成长，而且"供给受限"。 周四飙 8.7%。周五被殖利率压回 4.6%。 财报是公司的事，殖利率是所有人的事。 ━━━━━━━━━━ 06｜指数没事，底下在裂 S&P +0.5%。 但 Russell 2000 -1.5%，生技 ETF 周五单日 -3.41%， 美股基金净流出 223 亿美元，3 月以来最大单周。 升息预期先辗的，永远是体质差的那批。 ━━━━━━━━━━ 下周三个日期，先存起来： 9/4 非农　9/11 CPI　9/16 FOMC 一到五 20:00，YouTube 直播拆解盘势。 以上为教育内容，不构成投资建议。 加密资产波动剧烈，请自行评估风险。

科技大佬重砲開嗆！AI狂熱背後，大家連基本的財務數學都不管了嗎？全民炒股？現在的企業不是比誰用AI賺得多，竟然是比誰消耗的算力多，AI究竟是未來的印鈔機，還是巨大的錢坑？ #美股# #財報# #AI泡沫# #股災# #財報週# #算力# #股市# #台積電# #台股# #川普# #川普關稅# #台股# #AI泡沫# #美股# #中國# #台積電# #股災# #台積電財報# #算力# #股市# #財報# #邦妮區塊鏈# #OpenAI# #雷曼兄弟# #雷曼時刻# #科技股# #輝達# #Nvidia# #甲骨文# #Oracle#