《IOSG：当 Fintech 融合加密底层，数字金融的下一个十年》（作者 Benji Siem）金融科技两大趋势显现：一是“基础设施优先、以稳定币降摩擦、提升结算速度”的结构性转变，二是多轨道、可编程货币的合规外壳与分发优势。稳定币成桥梁，DeFi 作为后端基础，Leads 通过大规模分发、信任与控管实现可持续盈利。阅读全文：

重构 AI 工厂的电力地基：拆解 NVIDIA Vera Rubin 的储能与集成密码（兼谈flnc为什么暴涨） 昨天Fluence Energy (FLNC)、西门子（Siemens）与英伟达（NVIDIA）联合发布了 136MW 级数据中心基础设施参考设计。 这是面向 NVIDIA Vera Rubin 平台 极限物理指标的深度协同设计（Co-Design）。 一、 物理极限的逼近：为什么通用设计在 Rubin 时代失效？ 传统的通用电力设计在旧代服务器（如 10kW-20kW 机架）中行之有效，但在面对未来的 Vera Rubin 平台时则彻底卡壳。 Rubin 带来了三大颠覆性的物理改变： 从 54V 到 800V DC 的跳跃： 随着单芯片功耗冲向 2000W+，传统 54V 机架配电的电流强度将直逼物理极限，铜缆面临熔断风险。Vera Rubin 彻底转向 800V 高压直流母线供电，要求电力与储能设备必须在源头上进行高压适配。 恐怖的瞬态负载（脉冲功耗）： 代理 AI 在高频推理时，算力负载会在微秒到毫秒间产生断崖式的暴涨或暴跌。这种极端的功率跳变会形成高频电网冲击，极易击穿数据中心的配电系统。 全液冷与超高密度： 普通机架功耗仅十余千瓦，而 Vera Rubin NVL72 机架直接飙升至 120kW-130kW，未来甚至将直奔 600kW。该平台彻底告别风冷，100% 绑定全液冷设计，这要求基础设施重组所有配电单元空间。 二、 混合储能协同：微观拆弹与宏观大坝 为了应对 Rubin 平台的脉冲功耗，一套由“超级电容 + 锂电池储能”构成的混合储能系统（HESS）成为了新架构的核心。 1. 武藏精密 HSC 贴身拆弹 在算力机架内部，武藏精密（Musashi Seimitsu）的混合超级电容（HSC）充当了微秒级的电力缓冲垫。 毫秒响应： 传统锂电池响应速度在秒级，而 HSC 具备超级电容的电荷快速释放特性，能在毫秒内对 Rubin 芯片的爆发式功耗进行高功率充放电。 百万次寿命： AI 高频推理意味着脉冲波动每天发生数万次。HSC 支持超过 100 万次的完全循环寿命，避免了电池频繁充放电带来的快速衰减。 800V 高压契合： 相比传统电容，HSC 具备更高的单体电压，在搭建 800V 直流储能模组时所需的串联单元更少，能够以极小的体积塞入寸土寸金的算力机柜中。 2. Fluence Smartstack 稳住后方 在算力园区外围，Fluence 的 Smartstack 储能平台则负责秒级到小时级的大规模能量平衡。 削峰填谷： 平滑长周期的电网变动，在 peak 阶段（GPU 满载需求突增时）提供兆瓦级的容量支撑。 并网缓冲： 充当 136MW AI 工厂与外部公共电网之间的缓冲隔离带，防止 AI 工厂的剧烈波动导致外部公共电网频率失稳。 三、 角色演变：FLNC 如何定义“能源系统集成商”？ 在这场三方合作中，Fluence (FLNC) 的核心角色是系统集成商（System Integrator）。它的商业壁垒和价值，早已不再是售卖底层的电芯资产，而是提供“软硬件一体化的能源大脑”：（拆解见插图） 物理与高压直流集成： FLNC 将上游西门子的中低压配电柜、自身的电池模块以及冷却系统打包，在物理和电气层面整合成标准化的集装箱舱体，实现 Tier III 级别的在线可维护性。 核心软件控电（Fluence OS）：FLNC 依靠其 Fluence OS 操作系统，打通了 NVIDIA 的 DSX 动态功率调配协议。Fluence OS 会在百毫秒内做出频率响应，并向下对接机架内武藏精密（通过代工巨头伟创力 Flex 整合）的电容数据。 避免级联冲突： 软件的集成确保了“机架内的电容”与“园区外的大电池”在充放电逻辑上保持步调一致，防止两者在剧烈波动时因响应延迟而发生功率互卷或控制死锁。 四、 商业底层逻辑：从定制时代走向“乐高式”交付 将大储能引入基础架构蓝图，预示着数据中心供应链的底层商业逻辑发生了巨变。 对于 Hyperscaler（超大规模云厂商）而言，以往新建一座 100MW+ 级别的 mission-critical AI 工厂，仅供电与电气系统的定制化设计和审批就需要耗费 18 个月以上。 而 FLNC、西门子与 NVIDIA 推出的这种预工程化参考设计，将原本需要单独设计的强电变电、高压直流母线、液冷 CDU、机架电容以及园区大储能，打包成了一套“即插即用”的标准化全栈方案。厂商可以像搭乐高积木一样直接复制部署，将交付周期缩短数倍。 在这场算力狂飙的军备竞赛中，能源不再只是 IT 的被动配套，而是决定 AI 算力能否落地、能否稳定运行的直接生产力。FLNC 与武藏精密在微观和宏观层面的合围，恰恰掐中了未来 gigawatt 级 AI 时代最核心的物理命门。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor

Anthropic 副首席信息安全官 Jason Clinton 上周披露了一组内部数字：软件工程师每季度交付的代码量是 2021–2025 年平均水平的 8 倍，Claude 写了约 80% 合并入库的代码。 效率提升之后，新的风险也出现了。 被提示注入的 Agent 可能写入恶意代码，受污染的依赖可能被当作可信输入，拥有不同权限的 Agent 甚至会主动互相协作。 Anthropic 曾遇到过一个真实案例：负责事故响应的 Agent 主动在 Slack 联系另一个有代码权限的 Claude，请它直接推送修复，最后被人工审批拦下。 他们现在把安全规则写进 CLAUDE.md 和插件，让检查发生在代码生成过程中；Agent 在限制网络出口的远程虚拟机里工作，每个 Agent 都有独立身份和最小权限。普通变更可以经过自动化和多 Agent 审查，关键代码仍然需要人工批准。 所有审批、工具调用和 Agent 之间的通信，也会进入 SIEM，作为潜在的内部人员风险接受监控。 AI 原生工程真正开始的标志，也许不只是代码产量翻了多少倍。 当 Agent 可以写代码、查日志、联系其他 Agent 并请求执行操作，企业就需要为它重新设计身份系统、权限边界、审计日志和责任链。 Link:

听了最近一期硅谷 101 关于美国电力的分享，才知道最近 BE 今年涨了五倍，是因为它几乎是唯一的选择： 美国 AIDC 现在都在搞「园区自建电站」： - 核电稳定，但建设周期是 5 年以上 - 新增电力供应和电力上网是两回事，上网电的乐观排期是3–5 年 - AI 上线周期又是按季度算 所以最现实也几乎是唯一的方案：AIDC 旁边自己发电。 - - - 现在支持这个规模的在地发电只有两条路径：天然气燃气轮机和固体氧化物燃料电池 SOFC。 燃气轮机的原理类似于飞机发动机，因为之前的需求没有这么强，美国本土能交付的产能只有几十台的数量级（每一台几十 MW、100MW 级）。 据说马斯克的 xAI 扫完了美国几乎所有的燃气轮机库存，加速了这个趋势。 代表公司是 GE Vernova / Siemens Energy / Mitsubishi Power / Doosan Enerbility。 但是燃机转速掉、调停会有瞬断风险，SOFC 电池是连续稳态电，虽然建设成本更高，但是电效率也更高，也支持氢气掺混，目前的玩家只有美国的 BE 和韩国的 Doosan Fuel Cell。 BE 目前在 2028 年以前不会接新订单了。 - - - 产能爬坡： 燃机轮机原理 = 半个航空发动机 + 半个发电厂： - 涡轮叶片是单晶超合金，涉及航空级精密加工 - 大型锻件与高端合金加工全球只有几家，主要在中国，但是被 Section 232 设置了配额和加征关税 - 人才链条断档（多年需求低迷） 这都不是加产线能解决的问题。 - - - 搞清楚的太晚了，但凡和一个美国 AIDC 建设从业者聊聊，应该抓住主线还是不难的，不会被核电的伪经忽悠。

黃仁勳：十年把 AI 效能提升 100 萬倍！｜GTC 柏林 2026 主題演講 2026.10.21 概述NVIDIA 创始人兼 CEO 黄仁勋在柏林 GTC 发表主题演讲。他回顾了 NVIDIA 在欧洲 33 年的发展，提出 AI 是一个“五层蛋糕”式的新制造业，并发布了 Vera Rubin 全栈 AI 工厂、DSX Pod、OpenShell 安全运行时、Hyperion 自动驾驶生态扩展、Agile ONE 参考机器人和 RTX Spark 个人 AI 电脑。 = 》他的判断是：每家欧洲企业都会成为 AI 公司。 核心要点AI 是新的工业革命：AI 是“生产智能的制造业”，按五层结构理解：能源 → 计算 → AI 工厂 → 模型 → 应用。 Vera Rubin 已全面量产：100% 液冷，无线缆，单节点组装时间从 Grace Blackwell 的 2 小时降到 5 分钟以内；性能约为 Blackwell 的 30 倍。 过去 10 年 AI 性能累计提升约 100 万倍，同期摩尔定律只能带来约 100 倍。 DSX Pod：把 NVL72 机架在供应链内完成集成、测试并装入集装箱交付，现场部署从约 4–5 个月缩短到约 1 个月。智能体五要素：模型、Harness（“外骨骼”）、沙箱（OpenShell）、知识、工具。 OpenShell + Sentry：开源（Apache 2.0）的智能体安全运行时，策略在智能体外部执行；Sentry 运行在 BlueField-4 上，提供硬件级隔离监控。 物理 AI：覆盖电信 AI-RAN、自适应放疗、Robotaxi（Hyperion）和人形机器人，需要“三台计算机”：训练、数字孪生、机器人端。 RTX Spark：与微软合作 4 年，搭载 N1X 芯片，提供 1 PFLOPS 算力和 128GB 内存，规格相当于 2016 年交付给 OpenAI 的 DGX-1。 NVIDIA 与欧洲：早期芯片 NV1、NV2、NV3（RIVA 128）都在欧洲制造：合作伙伴 SGS-Thomson，在法国 Crolles 生产，在马耳他封装。 早期最大客户是 Medion；ELSA 于 2000 年把 NVIDIA 带入工作站市场；2005 年进入 Audi 车内；2020 年与 Mercedes 合作自动驾驶。过去一年在欧洲投资近 100 亿美元，本周宣布投资 14 家初创公司，欧洲合作伙伴超过 12,000 家。 合作的欧洲企业包括 L'Oréal、Revolut、Spotify、Merck、Vodafone、Zara、Porsche、Nestlé、HSBC 等。 AI 五层蛋糕与基础设施，每一层都在增长：能源层（Schneider、Siemens Energy）、计算层（NVIDIA）、AI 工厂层（Nebius、Firebird、Cassava）、模型层、应用层（AI 原生初创公司）。预测全球约 10 万个电信站点、约 100GW 的分布式基站和数据中心，未来会演变为分布式 AI 网络。 模型层不只有语言模型，还包括生物、化学、物理、机器人动作、动画等多种模态。1GW AI 工厂造价约 500 亿美元；如果年收入按 400 亿美元计，延迟 3 个月约损失 100 亿美元收入。 全栈 AI 工厂平台硬件：Vera Rubin GPU、NVLink 交换机（72 颗 GPU 连成一个巨型 GPU，每颗 20 PFLOPS）、Vera CPU（每时钟 8 条指令，首个 LPDDR 内存系统）、BlueField-4、Spectrum-X 以太网（使 NVIDIA 成为全球最大的网络公司）、Groq 3 解码加速器。 Spectrum-X CPO：全球首款量产的共封装光学交换机，512 端口 × 200Gb/s，采用与 TSMC 合作的 COUPE 工艺。软件：AI 工厂系统软件、350 多个 CUDA-X 库（cuDNN 被比作“AI 界的 SQL”），以及多领域模型。 架构演进：Pascal（DGX-1，2016 年交付 OpenAI）→ Volta → Ampere → Hopper → Blackwell（首个机架级计算）→ Vera Rubin（处理整个智能体）。DSX 参考架构：PTC、Dassault Systèmes、Schneider Electric、Jacobs、Siemens、Procore 参与数字孪生设计；DSX Max-Q 节省 30% 电力；冷却液温度最高 45°C，采用干式冷却；2GW 规模下每天可节水 5,400 万升，相当于 18 万户家庭的日用水量。 NVIDIA 的两大差异化：通用加速计算架构（CUDA，保持一致约 25 年），以及 全栈 AI 工厂交付能力。架构“可互换（fungible）、耐用、高生产力”，可服务 CSP、新云、OEM/ODM、AI 实验室和各行业终端市场。 智能体与安全OpenClaw 开启了开源智能体浪潮，token 消耗和 GPU 需求随之激增。OpenShell 在系统调用、文件访问、网络连接三个粒度上执行策略。形式化验证保证权限不超出上限；密钥由 supervisor 保管；Sentry 可在毫秒级隔离异常智能体，并留下防篡改记录。安装只需两条命令。 前沿实验室、操作系统、网络安全和平台公司纷纷采用；Anthropic 与 NVIDIA 合作打造 Claude OpenShell 智能体。可用的 Harness 包括 OpenClaw、Hermes、OpenHands、LangChain Deep Agents，或直接用 Python 编写。 开放模型、知识与工具开放模型家族：Nemotron（语言）、Cosmos（世界基础模型）、GR00T（人形机器人）、Alpamayo（自动驾驶）、Ising（量子-经典计算）、Earth-2（物理 AI）。同时开放权重、数据和训练脚本。客户案例：AI21 与 Alice、Baseten 与 CodeRabbit、Trajectory 与 Harvey、Scale 与 Skydance、Palantir 与 Tampa General Hospital，通过后训练达到前沿水平。 知识基础：Nemotron Parse、Embed、Rerank（排行榜领先），以及用 Kumo 对结构化数据做预测（例如预测供应短缺）。 CUDA-X 工具相比 CPU 可加速 10–100 倍。 案例： - Lila Sciences：B 细胞淋巴瘤疗法设计，使用 BioNeMo。 - Siemens Erlangen 工厂：使用 Cosmos 和 Omniverse。 - Dassault Systèmes：把 Golf 车门设计改到 Tiguan 上，使用 ENOVIA、CATIA、SIMULIA。 观点：AI 不会终结软件或工具公司，工具公司会变成智能体公司。 物理 AI电信：与 Nokia 在 T-Mobile 网络上完成首个商用通话，历时近 8 年。自适应放疗：被视为一种机器人手术。Hyperion：标准传感器套件包括 14 个摄像头、9 个雷达、3 个激光雷达，由双 NVIDIA GPU 驱动。 新增 VW 厢式车、JLR、Volvo、Mercedes 下一代车型；全球每年行驶约 1 万亿英里。人形机器人：标准化形态能带动技术飞轮，欧洲在机电一体化方面有优势。 Agile ONE 参考机器人与 Agile Robots 合作，预计明年第一季度推出。 RTX Spark 与演示： RTX Spark 系列包括台式机、笔记本和工作站；DGX Station for Windows 提供 20 PFLOPS 和 754GB 内存，预计今年底上市。构建智能体的方式是“让智能体帮你构建智能体”。 演示中，Hugging Face/Pollen Robotics 的 Micro Duck 机器人由 Hermes、Nemotron 和 GPT-6 Astra 驱动，借助 FreeCAD、Blender、Isaac Sim/Lab 和 Newton 完成建模、云端并行训练、本地验证和真机部署。 关键结论AI 工厂正在从“运行模型”转向“运行完整智能体”。欧洲应成为 AI 的生产者而非消费者，每家公司都将成为 AI 公司。 行动方向：使用开放模型结合自有数据进行后训练，以 OpenShell 保证安全，借助 DSX Pod 加速 AI 工厂部署，并抓住物理 AI 和人形机器人的机遇。 $NVDA

黄仁勋在GTC台湾大会又点名了8家软件公司，AI智能体不是掘墓人而是送钱人！ 被老黄点名的8个方向赶紧看过来 👇 1. 楷登电子 Cadence $CDNS 做芯片设计EDA工具的龙头，英伟达、AMD等背后的设计发动机。 2. CrowdStrike $CRWD 全球网络安全SaaS龙头，AI Agent进入企业后安全需求爆炸式增长。 3. 达索系统 Dassault $DSY 工业仿真与3D设计软件巨头，航空、汽车、制造业核心工具。 4. Palantir $PLTR AI数据分析与决策平台龙头、政府与大型企业数据中枢。 5. SAP $SAP 全球企业ERP霸主，掌握财务、供应链、采购等核心数据。 6. ServiceNow $NOW 企业工作流自动化平台龙头，未来AI Agent接管办公。 7. 西门子 Siemens $SIE 工业自动化与数字化工厂巨头，AI+工业结合的核心平台之一。 8. 新思科技 Synopsys $SNPS 芯片设计EDA三巨头之一，与Cadence双雄并立。 总而言之，软件公司不想死的，都来用英伟达建设 Agent！ $NVDA

德国弗里德里希·瑙曼基金会（Friedrich-Naumann-Stiftung）周二（5月26日）发布的一份分析报告指出，德国在重要战略物资方面对中国的依赖正日益加深。与联邦政府既定目标背道而驰的是，在多种被列为“关键物资”的产品和原材料类别中，从中国进口的份额却正在上升。 例如，在锂电池领域，中国在德国总进口量中的份额已从2023年的49.7%上升至去年的66.5%。医药抗生素，中国供应所占的份额也有所增加，从65.3%升至72.9%。 此外，中国在太阳能电池板供应中所占的份额也创下新高——目前已占德国总进口重量的92.6%。不仅如此，中国实际上已成为镨、钕、钐这三种稀土元素的唯一供应商。 该研究报告的作者雷德里克·斯波尔（Frederic Spohr）指出：“恰恰是在关键领域，德国未能实现多元化。相反，其依赖程度反而进一步加深，从而变得更加脆弱。”他补充道：“对于企业而言，未来‘去风险化’的进程可能会变得愈发复杂，因为中国政府目前也正积极采取措施予以反制。” 德国联邦经济部长赖歇（Katherina Reiche）明起将访问中国。随行代表团成员包括巴斯夫（BASF）首席执行官凯礼（Markus Kamieth）、蒂森克虏伯（Thyssenkrupp）首席执行官米格尔·洛佩斯（Miguel Lopez），以及西门子能源（Siemens Energy）董事会成员蒂姆·霍尔特（Tim Holt）等在内的约40家企业的高层代表。德国联邦经济部的一位发言人表示，对于联邦政府而言，在原材料领域构建更强的韧性，同时倡导公平竞争，具有尤为重要的意义。 瑙曼基金会开展的这项研究中，统计范围仅涵盖德国直接从中国进口的商品，经由第三国转口的进口商品未被纳入统计。

BTM（Behind-The-Meter，表计后/现场发电）方案正成为数据中心尤其是AI驱动的新型云服务商（Neoclouds）快速上线的关键，主要依赖天然气发电机、燃气轮机、燃料电池等现场发电技术，以绕过电网多年排队。 01 受益美股主要集中在以下几类（基于公开市场数据和行业趋势，非投资建议，股价波动大，请自行尽调）： 1. 发电设备/发电机制造商（直接供应BTM核心硬件） •Caterpillar (CAT)：数据中心发电机市场领先供应商之一，受益于备用/现场燃气/柴油发电机需求激增。分析显示其数据中心相关收入预计显著增长。 •Cummins (CMI)：发电机巨头，大量用于数据中心现场电源，收入因AI数据中心需求而大幅提升。54 •Generac Power Systems (GNRC)：专注于分布式/备用发电系统，适用于BTM场景。 •GE Vernova (GEV)：燃气轮机（如LM2500系列）需求强劲，已获Crusoe等AI数据中心近1GW订单，生产能力正扩张。7478 2. 燃料电池/高效现场发电 •Bloom Energy (BE)：固体氧化物燃料电池（SOFC）领先者，使用天然气高效发电，无需燃烧，部署极快（可数周/月）。已获Oracle高达2.8GW合作、Brookfield $50亿框架、Nebius等订单，是BTM“快”方案的典型受益股，近期股价波动大但订单强劲。 3. 天然气中游/基础设施（燃料供应 + BTM电站开发） •Williams Companies (WMB)：积极布局BTM，通过Power Innovation业务建现场电站（如与Meta的Socrates项目），目标2027年1GW+，并有大规模管道扩张服务数据中心。43 •Energy Transfer (ET)：与VoltaGrid等合作，为Oracle、Vantage等提供天然气供电，已签多笔BTM/数据中心供气协议，管道项目支持Texas等地增长。043 其他相关：Siemens Energy（非美股主板）、中游如Kinder Morgan (KMI)等也有曝光；ETF如 $AMLP（MLP能源基础设施） 可间接覆盖天然气部分。 趋势支撑：McKinsey等预测新数据中心25-33%+用BTM，Neoclouds依赖度更高（66%）。核心优势是18个月 vs. 数年电网接入。天然气仍是主力（轮机、往复式发动机、燃料电池），未来或混核/可再生+储能。 2 这些公司受益于订单 backlog 增长、快速部署需求，但面临供应链（轮机短缺）、天然气价格、监管/排放风险。建议关注最新财报和数据中心公告。