【 #印度# 成为 #美国# 云巨头的投资圣地】 #亚马逊# 宣布在2030年前向印度追加130亿美元投资，用于扩建人工智能（#AI）与云端基础设施。# 该决定由亚马逊首席执行官贾西在新德里与印度总理莫迪会面后正式发表。 这笔最新追加的投资使得亚马逊自2010年进入印度以来的累计投资总额预估将突破880亿美元。

所有人都在买英伟达，没人注意到这根连接所有AI芯片的管道——Nokia 上一篇写了为什么nokia是最便宜的光，今天再来详细分析一下4月份的财报和未来方向。有没有可能重现1999-2000年的parabolic move? 一、先说一个被忽视的逻辑 AI投资的讨论永远围绕着芯片——谁的GPU更快、谁的HBM供货更足。但没人问一个更基础的问题这些GPU之间，用什么连接？ 数据中心里成千上万颗GPU需要实时互相通信，传输的数据量是普通网络的数百倍。现有的网络基础设施正在被这股流量压垮。打通这个瓶颈，就是下一个十亿美元级别的机会。Nokia就站在这个瓶颈的收费站口。 二、4月份财报说了什么 表面数据：Q1净营收45亿欧元，整体年增率4%。很多人看到这个数字转头就走。 但分开来看： 1. AI与云端客户营收年增49% 2. 光通讯业务单季成长20% 3. 营业利益率冲上6.2%，年增200个基点 4. 自由现金流单季6.29亿欧元 5. EPS大超分析师预期31% 6. 净现金储备近40亿欧元 7. 已启动股票回购 更关键的是，管理层把光通讯与网络互联业务全年指引从10-12%直接上修到18-20%。大型设备商几乎从不这么做——除非手头的订单已经多到藏不住。10亿欧元实质采购订单，带明确交付日期，不是框架协议。客户之所以愿意压上日期，说明数据中心土建已完成，服务器准备进场，就等Nokia的设备到货。 三、为什么是Nokia，不是别人 重点一：与英伟达深度绑定 Nokia与英伟达达成AI-RAN战略合作，把GPU算力直接整合进无线电网络。年底还有双方合作的光电共封（LPO）现场试验数据即将公布。 黄仁勋说Agentic AI带来1000%的算力需求暴增。这1000%的算力要运转，需要1000%更宽的传输通道。Nokia在造这个通道，英伟达需要这个通道。 两家公司的利益高度一致。 重点二：Infinera并购协同效应超预期 高利率环境下，Nokia凭借近40亿欧元净现金逆势完成对Infinera的收购，并购带来的毛利率提升速度远超华尔街预期。这笔并购很完美，营收规模越大，利润爆发力越强。 重点三：主动放弃低毛利，聚焦Webscale巨头 Nokia正在主动削减消费者光纤等低毛利业务（固网业务Q1下滑13%），把所有产能死死锁定在谷歌、亚马逊这类超大型云端数据中心客户。 表面营收看起来疲软，实际是在牺牲数量，保住利润率。这种"价值重于数量"的策略，在产业周期里往往是股价主升段的前兆。 订单出货比持续大于1，接单速度快过交货速度，积压需求将在未来几季持续转化为营收。 四、市场有多大 云端巨头2026年资本支出超过7250亿美元，整个潜在市场年复合成长率从16%跳升至27%。目前AI驱动的网络流量只占整体的20%。随着Agentic AI和Physical AI的普及，机器对机器的数据传输将呈指数级增长——现有网络根本撑不住。Nokia不需要抢市场，只需要站在这条必经之路上收过路费。 五、风险在哪 供应链瓶颈： 光通讯产品交期被拉长至12-18个月，上游数字信号处理器（DSP）大缺货，营收认列速度被掐住。订单很多，但转化成钱需要时间。 无定价权： Nokia的增长靠的是出货量，不是涨价。光通讯产品长期价格向下，利润扩张依赖规模经济，这是苦活不是躺赢。 新交换器业务存在转换空窗期： Q1拿到的设计导入（Design Wins）不会立即贡献营收，需要等Q2-Q3的订单转化。 2027年新架构才放量： 下一代光电共封架构能降低客户总置成本70%，但量产要等2027年下半年，别把2027年的故事算进2026年的EPS。 六、会不会重现1999-2000年的parabolic move行情？ 1999年Nokia是全球最大手机厂，市值一度超过2000亿美元，两年内股价涨了超过10倍。那次是5G前身的2G/3G爆发周期。 这次不同，也更扎实。那次靠的是终端设备消费，周期性极强。这次靠的是基础设施刚性需求，数据中心建好就要配套设备，不存在等等看再说。 抛物线行情需要三个条件： 1. 需求端爆发: 7250亿资本支出，明年资本开支持续增加，AI流量暴增 2. 供给端瓶颈: 交期12-18个月，产能跑不赢订单 3. 市场认知滞后: 大部分人还把Nokia当5G周期股在看 认知差就是超额收益的来源。当市场还在争论Nokia是不是无聊的电信设备商，机构资金已经在悄悄重新定价。 七、三个必须持续跟踪的数据 1. Q2开始看设计导入转化率: Q1拿到的客户认证，有没有在Q2变成真实采购单，这决定下半年营收基础 2. 光通讯交期有没有开始收缩: 从18个月降到12个月是一个信号，意味着上游供应链开始松动，营收加速的拐点就在附近 3. 年底LPO试验数据: 与英伟达合作的光电共封现场测试，一旦数据亮眼，Nokia的估值逻辑将从"电信设备商"切换到"AI基础设施核心供应商"，PE重估空间巨大 八、总结 这不一定会是1999年的抛物线，但认知差带来的重估行情，逻辑上已经非常清晰。等年底英伟达LPO试验数据出来，才是真正的验证时刻。 #NOK# #Nokia# #NVDA# #AIInfrastructure# #OpticalNetworking# #Datacenter# #AI超级周期# #光通信#

《收藏！2026下半年最值得关注的10场AI大会》⭐ 号外！号外！🥳 继昨天Biteye整理了Web3下半年的跑会指南后，经 @xingpt 老师催更，我们加急整理出了2026年后半年的AI跑会指南！ 从 OpenAI、NVIDIA，到阿里、华为、微软、AWS，再到 NeurIPS，接下来几乎每隔一阵就会有一场重磅活动。 👇如果你下半年有AI跑会计划，这份指南可以直接收藏！ 一、【大模型与开发者生态 】🔥 1⃣OpenAI DevDay 2026 ⏰️时间：9月29日 🗺️ 地点：美国·旧金山 🏢 形式：线下开发者大会 + Keynote线上直播 💼 适合人群：AI开发者、技术创业者、工程师、产品负责人 ⭐ 亮点：下半年最值得蹲新品的一场。核心关注新模型、API、Agent、开发工具和AI应用开发范式。 🔗 报名链接： 2⃣2026 云栖大会 ⏰️时间：9月22日—24日 🗺️地点：杭州 🏢形式：线下主论坛 + 140+分论坛 + 大型科技展区 💼适合人群：AI开发者、创业者、产品经理、企业技术负责人、投资人 ⭐亮点：重点关注Qwen、Agent、AI Coding、云计算和Physical AI，适合看阿里系AI技术和产业生态的新进展。 🔗报名链接： 二、【AI算力与基础设施 】🔥 1⃣NVIDIA GTC Berlin 2026 ⏰️时间：10月20日—22日 🗺️ 地点：德国·柏林 🏢 形式：线下技术大会 + 黄仁勋Keynote直播 💼 适合人群：云计算工程师、AI开发者、企业技术负责人、架构师 ⭐ 亮点：重点关注GPU、AI Factory、推理、Agentic AI、机器人、Physical AI。 🔗报名链接： 2⃣HUAWEI CONNECT 2026 华为全联接大会 ⏰️时间：9月17日—19日 🗺️ 地点：上海世博展览馆、世博中心 🏢 形式：线下大会 + 峰会 + 技术论坛 + 展区 💼 适合人群：企业技术负责人、云计算/算力从业者、开发者、政企数字化团队 ⭐ 亮点：重点关注昇腾算力、AI基础设施、Agentic Computing、华为云、企业智能化。 🔗报名链接： 三、【企业AI与云端落地 】 1⃣AWS re:Invent 2026 ⏰️时间：11月30日—12月4日 🗺️ 地点：美国·拉斯维加斯 🏢 形式：大型线下大会 + Keynote直播 + Workshop 💼 适合人群：云计算工程师、AI开发者、企业技术负责人、架构师 ⭐ 亮点：全球云计算领域最重要的大会之一，AI已经成为核心板块。重点关注Bedrock、Agent、SageMaker、AI推理、Trainium以及企业AI基础设施。更适合看“大模型怎么真正被企业部署”。 🔗报名链接： 2⃣Microsoft Ignite 2026 ⏰️时间：11月17日—20日 🗺️ 地点：美国·旧金山 🏢 形式：线下技术大会 + Keynote + Hands-on Lab ⭐ 亮点：重点看Copilot、Azure AI、Agent和Microsoft 365，是观察微软企业AI生态的核心大会。 🔗报名链接： 四、【AI创业与融资 】🔥 1⃣TechCrunch Disrupt 2026 ⏰️时间：10月13日—15日 🗺️ 地点：美国·旧金山 🏢 形式：创业大会 + Startup Battlefield + AI专题舞台 💼 适合人群：AI创业者、Founder、VC、BD、产品团队 ⭐ 亮点：融资和创业资源密度很高，适合看硅谷AI创业趋势、找项目和对接投资机构。 🔗报名链接： 2⃣Web Summit Lisbon 2026 ⏰️时间：11月9日—12日 🗺️ 地点：葡萄牙·里斯本 🏢 形式：超大型科技大会 + AI Summit + 创业展区 💼 适合人群：AI创业者、VC、产品团队、增长和BD团队 ⭐ 亮点：重点不是“最前沿模型”，而是AI创业、融资、AI产品、SaaS和全球创业生态。适合找项目、找投资趋势以及观察AI创业公司到底在做什么。 🔗报名链接： 五、【具身智能与前沿研究 】🔥 1⃣AGIC 2026 深圳国际通用人工智能产业博览会 ⏰️时间：8月26日—28日 ⭐ 地点：深圳国际会展中心（宝安） 🏢 形式：线下展览 + 论坛 + 新品发布 + 机器人体验 💼 适合人群：AI创业者、机器人/具身智能团队、AI硬件公司、投资机构 ⭐ 亮点：重点覆盖具身智能、人形机器人、大模型、AI Agent、国产算力、脑机接口和AI硬件。相比纯论坛，它最大的优势是现场实物和Demo多，很适合拍视频、找机器人和AI硬件选题。 🔗报名链接： 2⃣NeurIPS 2026 ⏰️时间：12月6日—12日 🗺️ 地点：澳大利亚·悉尼，另有巴黎、亚特兰大Satellite 🏢 形式：学术主会 + Workshop + Poster + Satellite会议 💼 适合人群：AI研究员、博士生、实验室、基础模型团队、技术投资人 ⭐ 亮点：全球AI研究风向标之一，适合看推理、多模态、Agent、World Model、机器人等下一阶段前沿方向。 🔗报名链接：

《🔥英伟达来中国招兵买马布局物理AI和机器人万亿生意❗️》 兄弟姐妹们，英伟达和黄仁勋又出大招了，这次是招兵买马抢人才。 6月30日，英伟达机器人团队在中国开放招聘，北京、上海、深圳三地同时放出岗位，方向集中在具身智能、仿真、部署和解决方案架构四条线。 岗位关键词很有意思：人形机器人电气方案、机械方案、全身传感、全身控制、移动操作、Isaac Lab…… 表面看，是一次普通招聘。但放对位置看，这是英伟达在告诉市场——物理AI，要从发布会走进中国工厂了。 01. 物理AI 到底是什么？ 过去两年，AI最热的故事在大模型、算力、数据中心。投资者熟悉的词，是GPU、服务器、液冷、光模块、电力。 但英伟达现在告诉你：AI只会写字、画图、生成视频，还不够。下一步，AI要能看、能走、能抓、能干活。 这就是黄仁勋反复强调的"物理AI"。2025年3月，黄仁勋断言"生成式AI已成为过去，未来属于'代理AI'与'物理AI'"。简单说，屏幕里的AI，要走进工厂、仓库、医院、汽车和家庭。它不只是回答问题，而是理解现实环境，把判断变成动作。 所以，这次招聘最关键的，不是"机器人"三个字，是岗位组合。硬件、电气、传感、控制、仿真、部署一起招——英伟达补的不是一个展示样机，是机器人从训练到落地的整套基础设施。 英伟达在机器人领域的布局其实从2014年就开始了，核心战略很清晰——不与整机厂商争份额，而是做机器人领域的"安卓生态"，提供从算力到开发平台到模型的完整工具链。GR00T人形基础模型已被Figure AI、宇树科技等厂商采用，Cosmos 3世界模型更是全球首个完全开源的物理AI训练平台，能把训练周期从数月缩短到数天。 02. 机器人行情看什么？——四个价值环节，A股美股这么盯 顺着黄仁勋的布局，机器人行情不能只看整机厂。整机厂最容易被炒热，但竞争最激烈，毛利率不稳定。 真正该盯的，是四个上游价值环节。 一、感知系统 机器人进真实世界，先要感知世界。视觉、力觉、触觉、IMU、激光雷达——没有高质量传感，智能就是空中楼阁。 A股值得跟踪的： 🔶奥比中光（ Sim平台，在人形机器人参考平台中扮演"视觉感知底座"角色，已与英伟达Jetson Thor等系统级模块完成适配验证； 🔶柯力传感（ 🔶安培龙（ 也被多家券商列为传感器环节重点标的。 二、执行系统 伺服电机、减速器、丝杠、灵巧手——人形机器人从展示到干活，核心在关节能不能高精度、低能耗、长寿命运行。执行器成本占整机物料成本的三分之一甚至更高。 A股值得跟踪的： 🔶绿的谐波（ ； 🔶 五洲新春（ 🔶兆威机电（ 🔶三花智控（ 三、边缘算力和控制系统 机器人不能每个动作都等云端回答。它必须在本地完成快速推理、感知融合和运动控制。 Jetson Thor就是英伟达交出的答卷——最高2070 FP4 TFLOPS的AI算力、128GB内存、功耗仅40-130W，专门为人形机器人和物理AI设计。 英伟达还联合宇树科技推出了全球首款开放式人形机器人参考设计Isaac GR00T，整合了宇树H2 Plus本体和Jetson Thor计算平台，目标是把开发周期从几个月缩短到几周。 这个环节目前由英伟达主导，A股纯正标的较少，更多是产业链配套的PCB、结构件等。 四、仿真与数据生态 未来机器人公司拼的不是硬件，是谁拥有更多高质量动作数据，谁能把虚拟训练可靠地迁移到真实工厂。 A股值得跟踪的： 🔶索辰科技（ 🔶 软通动力（ 美股方面，核心标的就是英伟达（NVDA）本身——它是物理AI底层算力+世界模型+仿真平台的三合一玩家。特斯拉（TSLA）也值得关注。 03. 最后小结 生成式AI解决脑力自动化，物理AI解决行动自动化。前者改变办公室，后者改变工厂和供应链。 过去十年，资本追的是数字世界的入口。未来十年，资本会重新定价——谁掌握现实世界的执行权。 英伟达真正想做的，不是卖一台机器人，是成为所有机器人的底层平台。物理AI是AI技术从虚拟走向实体的必由之路，这个赛道才刚起步。 谁能把机器人从实验室带进车间，谁就可能拿到下一轮工业革命的门票。 ---小龙先生 #英伟达# #物理AI# #人形机器人# #具身智能# #黄仁勋# #机器人产业链# #奥比中光# #绿的谐波# #JetsonThor#

📈 每日盘前A股预测（日期：2026年5月7日） ━━━━━━━━━━━━━━━━━━━━━━━━ 【过去24小时A股舆情热点话题】 1. 英伟达宣布与康宁建立长期合作伙伴关系，将新建三家美国工厂，把美国光连接产能提升10倍，光纤产量提升超过50%。华泰通信再次强调光纤光缆的历史大周期，受益标的包括通鼎互联、特发信息、罗博特科等。康宁扩产50%是光纤拉丝而非光棒，受限于SiCl4管制，美日企业无法扩出光棒产能，中国企业全面收益。 2. 字节跳动确认56亿美元昇腾芯片采购订单，锁定约35万颗昇腾950PR，创下国内AI芯片采购历史纪录。华为昇腾在字节今年国产采购预算中占据绝对核心地位，奠定国产算力"一哥"地位。国产AI大模型DeepSeek V4已全面适配华为昇腾NPU。 3. AMD将2030年服务器市场规模预期从600亿美元上调至1200亿美元，美股AMD大涨超18.5%。美光高管表示内存需求爆发，全球再建5座超级晶圆厂也不够。瑞银研报称市场严重低估AI时代CPU价值，服务器CPU的TAM将从2025年约300亿美元增长至2030年约1700亿美元。 4. 厄尔尼诺5月正式进入状态，今夏高温天气加剧，用电负荷或创历史新高。国家气候中心预测今年大概率迎来厄尔尼诺，全国高温现象加剧。电力板块迎来确定性爆发窗口，大连热电、立新能源等受关注。 5. SpaceX AI与Anthropic签署协议，将提供Colombus 1的访问权限。预计未来1个月带来超过300兆瓦新增容量，相当于22万个英伟达GPU。商业航天领域催化密集，博云新材获得蓝箭5.6亿元框架协议。 6. 一季度电子行业营收同增19.87%、利润同增32.77%。26Q1营收同增28.70%，归母净利润同增73.77%，盈利持续增长。AI云端算力硬件需求持续强劲，产业链业绩高速成长；国内半导体自主可控进程加速。 7. 锂电板块一季度整体营收同比增长42%左右、环比持平，利润同比增长约75%、环比大幅增长。在国内新车销量同比下滑23%、环比近乎腰斩背景下，锂电产业链一季度出货表现显著超出预期。过去几个季度多数环节盈利已显著改善，2026年Q1仍保持上行趋势。 8. 石英股份成为AI算力最上游卡脖子核心原料。AI服务器必须采用介电常数和介电损耗最低的终极玻纤材料Q布，全球对Q布需求瞬间爆发。欧晶科技高纯石英砂产能8000吨/年，半导体级石英砂项目加快推进。 9. 福达合金一季度营收19.42亿元，同比大增92.67%，归母净利润大幅增长。作为国内电接触材料行业龙头，公司海外+高端战略突破、产品结构优化与行业景气周期共振，两连板只是刚刚开始。 10. 铌酸锂成为光模块"卡脖子"材料。薄膜铌酸锂凭借110GHz+超高带宽、超低功耗特性，成为单波200G/400G超高速调制最优解。国泰集团上游钽铌资源，抢占AI算力先手。 【预测热点方向】 方向一：AI算力基础设施（光通信+光纤+PCB） 英伟达与康宁合作提升光连接产能10倍，AI服务器产能爆发带动上游材料需求。关注通鼎互联、特发信息、长飞光纤、太辰光等光纤光缆企业，以及中际旭创等光模块龙头。PCB上游材料如建滔积层板上调FR-4覆铜板价格10%，宏和科技、泰金新能等受益。 方向二：国产算力芯片（昇腾+CPU） 字节跳动56亿美元昇腾订单奠定国产算力"一哥"地位，国产替代加速。华为昇腾产业链公司高新发展、拓维信息、神州数码、兴森科技等受益。CPU价值回归，海光信息、中国长城、龙芯中科等国产CPU龙头迎发展机遇。 方向三：电���+新能源（厄尔尼诺+锂电） 厄尔尼诺来袭，今夏用电负荷或创历史新高，电力板块迎来确定性窗口。大连热电、立新能源、华能国际等受关注。锂电板块一季报表现亮眼，排产5月环比+8%，同比+64%，关注宁德时代、比亚迪等龙头及永杉锂业等上游。 【重点股票观察】 1. 中际旭创：光模块龙头，一季度净利同比增262%，800G和1.6T产品放量，预计全年需求有较大增长 2. 通鼎互联：康宁国内战略合作伙伴，光纤光缆核心标的，受益北美AI基建需求 3. 华为昇腾产业链：字节56亿美元订单，国产算力芯片替代加速，产业链业绩兑现 4. 电力板块：厄尔尼诺高温催化，用电负荷创新高，电力股迎来确定性行情 5. 福达合金：电接触材料龙头，业绩暴增92%，两连板只是开始 【结束语】 请关注、转发、收藏，请订阅我的账号，我将持续跟踪相关消息，为您提供超前布局机会。订阅者将邮件收到我们的每日机会个股数据和每周的华尔街观察投研周报。 【免责声明】 本文所载内容仅供信息参考，不构成任何投资建议或操作指导。盘前预测基于公开市场热点信息整理，热点瞬息万变，本文不对信息的真实性、完整性、有效性承担任何责任。投资者据此操作，风险自担。投资有风险，入市需谨慎。 #A股# #股票# #投资#

关于国内AI算力格局与近期风险的几点研判 近来行业内的动向，越发让我感到一个历史性的拐点正在到来。华为今年的业务量大概率要站上万亿量级的新台阶，这不仅仅是消费电子业务的恢复性增长，更核心的驱动力，来自其在人工智能基础设施领域的不可替代性。 在国内人工智能这个大赛道上，华为几乎是当前唯一从底层架构到上层应用全链路自主可控的可靠选择。这种“可靠”，既体现在其昇腾芯片的持续迭代上，也体现在其完整的开发生态和硬件供应链的韧性上。当前制约华为在AI芯片领域放量的，主要矛盾已经不再是设计能力，而是先进制造工艺的产能爬坡和良率提升。只要这一瓶颈能够被逐步攻克，其在这一块的业务量空间将是令人震撼的。 我们可以参照英伟达在数据中心GPU市场的营收规模来做一次推演——英伟达一个财年从全球AI芯片市场攫取的收入已达数百亿甚至近千亿美元级别。类比来看，即便考虑到地缘政治造成的市场分割，仅就国内庞大的内需市场、各行业数字化转型的迫切需求以及“东数西算”等国家战略的拉动，十年之后，华为仅凭向国内市场和友好国家供应AI训练与推理芯片，年度营收做到万亿人民币级别，绝非天方夜谭。这背后是智能算力需求的指数级膨胀，是每一个产业都被大模型重塑一遍的历史性机遇。 然而，我们必须清醒地看到，这块巨大的蛋糕，正在引来外部环境愈发猛烈的风暴。大洋彼岸的资本市场正处在一个微妙的周期顶点，大量科技企业急于通过上市实现资本退出，这种内部流动性压力会驱使其背后的政商力量对中国科技产业实施更具攻击性的打压。美国国内的这种焦虑，正在转化为对华科技封锁的层层加码。他们的逻辑很清晰：不惜一切代价延缓中国在尖端算力领域的追赶速度。这种外部的极限施压，正在倒逼一个意想不到的结果——国内无论大小企业，过去那种“全球化采购、多元化备货”的侥幸心理正在迅速消散。安全与合规已经超越单纯的性价比，成为第一考量。大家正在用脚投票，迅速向华为构建的自主生态靠拢。这种“被迫的凝聚”，反而加速了国产替代的进程，使得华为的生态位空前稳固。 在这个过程中，一个深刻的产业认知正在被重塑：云计算的重要性正在超越单纯的芯片硬件，而算力能力的智能化调配，其对整体运营成本的影响，可能比算力本身的计算峰值更为关键。 为什么这么说？因为当单卡算力遇到物理瓶颈，当大规模集群训练面临通信延迟和故障率难题时，能否通过云化架构将分散的算力资源进行池化、切片和动态调度，直接决定了千卡、万卡集群的实际训练效率。英伟达的护城河不仅在于GPU硬件，更在于其CUDA生态和云原生调度系统。华为同样意识到了这一点，其昇腾云服务正在构建类似的“算力银行”机制——让客户无需关心底层物理芯片在哪，只需按需获取算力，并通过弹性调度大幅降低闲置浪费。这一块的降本增效潜力，在电力、散热和硬件折旧成本日益高昂的今天，甚至比多堆几块芯片更具现实意义。 基于以上判断，接下来的地缘政治博弈必然会向更敏感的环节延伸。我盲猜这几天，美方可能就会对国内大模型赛道的明星选手——比如深度求索（DeepSeek）和月之暗面（Kimi）下手。这不是空穴来风，逻辑有两条线： 第一是系统与软件层面的断供。美方可能会进一步收紧开源AI框架（如PyTorch、TensorFlow）的某些高级特性对特定中国实体的访问权限，或是在开发者授权协议中新增限制性条款。虽然国内已有替代框架，但短期内切换成本极高，这对依赖快速迭代的大模型创业公司是精准打击。 第二是融资通道的进一步冰封。深度求索和月之暗面作为极具潜力的独角兽，其融资背景备受关注。美方可能会通过二级市场限制、要求美国风投机构撤资、甚至动用“实体清单”等手段，切断这些头部初创企业的美元资本链条，制造流动性危机。其目的很明确：在它们成长为足以动摇算力需求格局的力量之前，扼杀在早期萌芽状态。 这场博弈已经从芯片硬件的“点对点”封锁，升级到了算力生态和资本热钱的“面与面”对抗。对于所有身处这场变局中的从业者而言，短期的不确定性与阵痛难以避免，但长期来看，一个独立自主、内循环主导的AI产业新格局，正在不可逆转地形成。我们所需要的是定力，以及在极限压力下寻求突围的智慧与勇气。窗外风雨欲来，但手中造芯、云端调度的火种，已非十年前可比。这场考验，终究会筛选出真正的长期主义者。

辉达携手华尔街六巨头，筹组逾5,000亿美元AI算力融资平台 辉达（ 消息公布后，市场迅速聚焦「循环融资」疑虑：华尔街提供资金给AI企业，企业再以贷款采购辉达晶片，等同以外围杠杆创造需求，而非产业内生需求。一旦下游AI企业营收不及预期、无力偿债，恐引发连锁债务风险。 部分人士将其类比为2000年网路泡沫前的供应商融资乱象。辉达股价周一收跌约2.86%，单日市值蒸发逾700亿美元；5年期信用违约交换（CDS）同步跳升近6个基点，保险成本自5月下旬以来已翻倍。 面对质疑，黄仁勋明确反驳："AI算力已从「快速折旧的科技产品」，转变为具备长生命周期、可跨客户流转、持续创收三大特性的「投资级资产」。2020年推出的A100至今仍在全球大规模商用，设备使用周期可拉长至10年；H100与Blackwell系列租赁价格持续走高，制药、制造、金融、零售等产业需求同步上升，算力整体仍处于供不应求状态。" 黄仁勋强调，本轮AI基建与传统半导体景气循环本质不同-后者依赖手机、电脑等消费电子换机潮，具有明显周期性；前者则来自全球各产业的数位化转型与各国算力基础设施建设，属于结构性长期需求。 从晶片、HBM、电力到资料中心土地均面临短缺，产能追赶需求将是主线。因此，短期并不存在需求大幅崩塌的基础。 针对「5,000亿美元是否刻意放大杠杆」的质疑，黄仁勋澄清：这是平台长期可调动的资金总规模，并非一次性投放，更不等同于辉达营收。 实际资金将配合客户算力建设周期分批投入。全球云端服务商与AI实验室的扩建动辄千亿美元级，完全依赖企业自有资金将大幅压缩研发与其他业务空间。 透过第三方融资分摊压力、加快建设，与公路、电网等大型基础设施长期依赖外部资本的模式并无本质差异。 华尔街合作方同步背书「算力资产化」逻辑： - 黑石将AI算力比拟为房地产抵押贷款，认为其具备稳定、长期收益特性； - 高盛视算力信贷市场为历史性投资机会； - 贝莱德则认为加速资金投入AI，是美国巩固全球领先优势的关键，并将此合作模式类比为1970年代抵押贷款证券化带来的金融创新。 核心争议最终落在两个判断上：市场如何评估AI算力的长期需求强度，以及高杠杆支撑基建扩张的可持续性。 一边是股价与CDS反映出的风险警戒，另一边是黄仁勋与华尔街试图建立的新估值框架- AI算力不再只是快速折旧的晶片，而是能够长期创造现金流、支撑外部融资的基础设施资产。 $NVDA

《AI 下半场：美股人形机器人产业链全梳理》 白毛股神 Serenity @aleabitoreddit 说：Robotics is next.🤖🤖🤖 过去两年，市场主要交易的是 AI 的大脑：GPU、CPU、存储、数据中心、大模型、推理算力。 但大脑建好之后，AI 不能永远只停留在屏幕里写代码、画图、聊天。 大模型是 AI 的大脑，机器人是 AI 的身体。大脑负责思考，身体负责行动。 只有当 AI 拥有了身体，它才能真正走进工厂、仓库、医院、家庭，去搬运、分拣、装配、护理、清洁，最终在真实世界里创造价值。 Biteye 按照人形机器人的组成部分，系统梳理了美股机器人及供应链核心标的👇 🔹 感知系统 这部分负责让机器人看到世界。它通过视觉、深度、触觉等传感器，把真实世界转化为数字信息，让机器人能够识别物体、理解环境并进行空间定位，是机器人理解外部世界的第一步。 $CGNX Cognex | ~$8B+ | 工业机器视觉龙头，工厂自动检测与识别系统 $KEYS Keysight | ~$30B+ | 测试测量系统，机器人电子系统验证基础设施 $TDY Teledyne Technologies | ~$25B+ | 高端工业相机+LiDAR+传感器系统 $ON onsemi | ~$25B+ | 自动驾驶+机器人图像传感器核心供应商 $NOVT Novanta | $5.61B | 做机器人力/力矩传感器，在人形机器人和工业机器人里很重要。 $AMBA Ambarella | ~$4B+ | AI视觉芯片，用于机器人/无人机/安防识别 $VPG Vishay Precision Group | ~$1.7B | 精密力学传感器公司，应变计和力传感器可用于人形机器人灵巧手、关节力控与高精度抓取，是 Optimus 供应链弹性标的之一。 $VLN Valens Semiconductor | ~$200M+ | 高速信号传输芯片公司，提供低延迟视觉数据传输方案，可用于机器人多摄像头、自动驾驶和端侧计算系统。 🔹 执行系统 执行系统相当于机器人的肌肉和关节，负责把计算系统发出的指令转化为真实动作。无论是行走、转身、抓取、搬运，还是保持平衡，都依赖电机、减速器、液压/气动系统和精密传动部件来完成。 $PH Parker Hannifin | ~$120B+ | 运动控制+液压系统，机器人核心驱动与执行器 $IR Ingersoll Rand | ~$32B+ | 工业压缩机+自动化气动系统 $FTV Fortive | ~$18B+ | 工业精密工具+自动化设备系统 $RRX Regal Rexnord | ~$14B+ | 电机+传动系统，工业机器人动力核心 🔹 计算与控制 计算与控制相当于机器人的“大脑 + 小脑”，负责处理感知数据、理解环境、规划路径，并把AI决策转化成稳定动作。它决定机器人反应快不快、动作准不准、能不能在复杂环境中自主运行。 $NVDA Nvidia | ~$3.0T+ | AI GPU + Jetson边缘计算平台，机器人算力绝对核心 $MSFT Microsoft | ~$3.2T+ | Azure + Copilot + AI基础设施，提供机器人云端大脑与开发平台 $GOOGL Alphabet | ~$2.0T+ | DeepMind + Waymo，布局自动驾驶与机器人AI系统 $AMD AMD | ~$880B+ | GPU/CPU替代方案，提供机器人边缘与训练算力 🔹 能源系统 能源系统决定机器人能运行多久、功率能有多强，包括电池技术、电源管理和充电系统，是机器人能否规模化落地的关键限制条件。 $ADI Analog Devices | $203.57B | 模拟芯片、电源管理、传感和工业控制巨头，机器人底层硬件核心。 $HON Honeywell | $144.11B | 电源管理+工业能源系统 $MPWR Monolithic Power Systems | $76.83B | 电源管理芯片龙头，广泛应用于机器人、AI服务器和汽车电子。 $VICR Vicor | $14.40B | 做高效率电源模块，将电池电压转换成不同部件用电，适合机器人能源系统。 $AMPX Amprius Technologies | $2.43B | 硅负极高能量密度锂电池，已切入无人机与机器人市场 $BLNK Blink Charging | $85.63M | EV充电基础设施公司，探索机器人与物流设备充电场景 🔹 基础软件 基础软件是人形机器人真正的“智能底座”，决定机器人不是简单重复动作，而是能够理解任务、学习环境并不断优化行为。 在人形机器人训练中，软件的重要性甚至高于单一硬件。机器人需要先在仿真环境中学习走路、抓取、避障和执行任务，再通过真实世界数据不断修正模型。 $MSFT Microsoft | ~$3.2T+ | Azure AI + Copilot 生态，机器人云端大脑与企业AI开发平台。 $NVDA Nvidia | ~$3.0T+ | Isaac Sim + Jetson + GPU 算力平台，机器人仿真训练和AI推理基础设施。 $TSLA Tesla | ~$1.3T+ | FSD + Optimus 数据闭环，端到端机器人策略模型代表。 🔹 人形机器人 在人形机器人方向，本体公司的目标是让机器人像人一样在复杂环境中完成通用任务；在工业和协作机器人方向，则更强调稳定性、效率和规模化部署。因此，这一层通常也是机器人产业链中最接近终端需求、最容易形成品牌和估值叙事的部分。 $TSLA Tesla | ~$1.3T+ | Optimus 人形机器人 + FSD 自动驾驶统一系统，代表“AI大脑 + 机器人本体 + 数据闭环”的一体化路线。 $HON Honeywell | ~$140B+ | 工业自动化、航空自动化与物流自动化解决方案商，更多偏机器人系统集成与场景落地。 $ABB ABB | ~$100B+ | 全球工业机器人和自动化龙头，产品覆盖机械臂、控制系统、产线自动化，是成熟工业机器人代表。 $TER Teradyne | ~$24B+ | 通过 Universal Robots 和 MiR 布局协作机器人与自主移动机器人，是工业协作机器人平台型公司。 $CCXI Churchill Capital Corp XI / Agility Robotics | 拟合并估值约 $2.5B | Agility 是美国人形机器人公司，核心产品 Digit 主攻物流、仓储和制造场景。 目前 Agility Robotics 正通过与 SPAC 公司 Churchill Capital Corp XI 合并上市，交易完成后预计更名为 Agility，并使用新 ticker $AGLT。 🌟写在最后 机器人产业链的投资逻辑，其实和半导体周期很像。 早期阶段，很难判断谁会成为最终赢家，但产业链上每一层都会先跑出阶段性机会：感知、执行、能源、控制、本体，都会随着行业关注度提升被重新定价。 今天优必选超仿生机器人刷屏，就是一个很明显的信号：机器人正在从实验室、发布会，开始走进大众视野。根据公开报道，优必选在 6 月 30 日发布会上表示，“优世界 U1”系列全渠道订单已突破 1 万台，并计划今年交付。 当然，这不代表机器人马上就会全面商业化。短期看，它更像一个从“概念展示”走向“真实订单”的拐点。真正值得关注的，是订单能不能持续、成本能不能下降、供应链能不能跟上。 对普通投资者来说，与其现在就押注谁是“人形机器人界的英伟达”，不如把机器人当成一条完整产业链来研究：感知、执行、能源、本体，每一层都选出核心公司，用组合方式分散单一标的不确定性。 Robotics is next 这句话大概率是对的。但节奏不会一蹴而就，真正的机会，可能藏在每一台机器人都绕不开的核心供应链里。

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

$PLTR：Palantir正在从AI软件公司，进一步走向“主权AI基础设施操作系统” 今天 $PLTR 在社交平台上的讨论热度再次明显上升。 但这次真正值得看的，不只是股价。 Palantir与Armada刚刚宣布合作，而且Armada成为Palantir首个： Certified Modular Data Center Partner——认证模块化数据中心合作伙伴。 这看起来只是一个合作公告。 但背后的意义其实很大。 Palantir正在把自己的AI能力，从软件层一路往物理AI基础设施延伸。 以前提到Palantir，大家想到的是： 数据整合 Ontology AIP 政府合同 企业AI软件 但这次合作开始解决另一个越来越重要的问题： 如果一个政府或者大型企业不希望自己的AI运行在别人控制的云端怎么办？ 这就是Sovereign AI——主权AI。 Palantir的方案，是把自己的Sovereign AI Operating System，与Armada的模块化数据中心结合。 客户可以： 拥有自己的算力； 拥有自己的数据； 拥有自己的模型； 控制模型在哪里运行； 甚至运行Open-Weight Models开放权重模型。 而不是把所有东西都交给公共云。 Armada最重要的产品之一，是Galleon模块化边缘数据中心。 传统数据中心可能需要几年建设。 这类模块化基础设施的目标则是把部署周期缩短到数月甚至数周级别。 对很多政府、军方、能源、矿业、制造业和偏远地区来说，这个区别非常重要。 因为他们需要的不是： “全球最大的云。” 他们需要的是： 属于自己的AI。 这里就出现了Palantir下一条非常大的增长曲线： 过去Palantir卖的是软件。 未来Palantir可能参与的是整个： Compute + Data + Models + Infrastructure 也就是： 算力 数据 模型 物理基础设施 更加值得注意的是，Palantir此前已经和 $NVDA 建立Sovereign AI参考架构。 所以现在这条链开始越来越清晰： $NVDA 提供GPU和AI计算平台。 Armada提供模块化数据中心。 $PLTR 提供数据、模型、Ontology以及AI操作系统。 三个部分组合在一起，客户理论上就可以建立一个完全由自己控制的AI环境。 为什么这个市场可能越来越重要？ 因为未来AI不会全部集中在： AWS Azure Google Cloud 很多国家和大型机构开始越来越重视： 数据主权 国家安全 模型控制权 算力控制权 本地部署 特别是政府、国防、关键基础设施领域。 这些客户很多时候不会允许最敏感的数据直接离开自己的控制范围。 这也是为什么我认为“主权AI”可能成为Palantir非常重要的第二增长曲线。 过去市场把 $PLTR 定义成： 政府数据软件公司。 后来变成： 企业AI平台。 接下来，它可能继续往： Sovereign AI Infrastructure Platform——主权AI基础设施平台 方向发展。 当然，这条新闻暂时仍然需要保持一个清醒点： 目前双方并没有公布具体客户、合同金额或者明确部署时间表。 所以现在还不能直接把合作等同于新增几十亿美元收入。 但战略方向已经非常清楚： Palantir正在试图控制的不只是AI软件，而是AI如何在现实世界基础设施里面运行。 如果未来越来越多国家开始要求“自己的GPU、自己的数据中心、自己的模型、自己的AI系统”，那么Palantir可能正好处在这一趋势最核心的位置。 AI的下一场竞争，可能不只是哪个模型最聪明。 而是谁真正拥有并控制这些模型背后的算力、数据和基础设施。