#英伟达# 将 #Feynman# GPU 代工封装业务 交给 #英特尔# ，#台积电# 被抛弃？ 这是科技媒体 Wccftech 爆出的消息，此前英特尔和台积电是紧密的合作伙伴。 核心芯片（GPU Die）预计仍由台积电代工。 英特尔可能主要负责 I/O 芯片的代工，并提供其引以为傲的 3D 先进封装技术（如 Foveros）。

针对英伟达（NVIDIA）即将发布的 Feynman（费曼） 架构，整理了关于三种记忆体SRAM，HBM5，HBF在费曼架构中的协作关系。很多人被这种眼花撩乱的记忆体搞懵了，我来给你们缕顺它们。 一、 3D SRAM：纳秒级“热记忆”突触 （计算核心的物理延伸） 核心功能： 消除访存延迟：提供 < 1ns 的响应，存储单周期内的**瞬时激活值（Activations）**与指令碎片。 高速缓冲池：作为 HBM5 与 Tensor Core 之间的桥梁，通过 SoIC（混合键合） 直接堆叠在 GPU 核心上方，确保计算单元零空转。 技术规格： 带宽/容量：片上带宽 > 150 TB/s，单片容量 1.5 GB - 3 GB。 工艺：采用 2nm / 3nm 工艺，由台积电（TSMC）主导 SoIC 堆叠。 厂商格局：海力士与美光聚焦高密度 6T SRAM 单元以优化热功耗；三星则利用 IDM 优势自研定制化 SRAM 晶圆。 二、 HBM5：费曼架构的“温记忆”主干 （存内计算与 3D 键合巅峰） 核心功能： 模型全集载体：存储 全量权重（Weights） 与 活跃 KV 缓存。 存内计算 (PIM)：底层 Base Die 由英伟达定制，支持在存储端直接进行向量加法等预处理，释放 GPU 算力。 技术规格： 性能：单芯片带宽 15 - 20 TB/s，单卡容量可达 1 TB。 互联：全面转向 Hybrid Bonding（混合键合），支持 20-24 层 堆叠。 厂商路径： SK 海力士：依靠 Advanced MR-MUF 向混合键合平滑过渡。 三星：路线最激进，主导 16 层以上全混合键合。 美光：主攻低功耗控制（低 pJ/bit）。 闪迪/西数：通过 CBA 技术 积累提供高速逻辑层 IP。 三、 HBF (High Bandwidth Flash)：智能体“冷记忆”仓库 （长上下文存储的终极方案） 核心功能： ICMS 平台核心：专门存储 非活跃 KV 缓存，解决 AI Agent 数月跨度的对话记忆。 冷热置换：通过 CXL 3.1 协议实现与 HBM5 的数据无损迁徙。 技术规格： 性能：读取速率达 1.6 - 2 TB/s（接近 HBM），容量高达 8 TB - 16 TB。 耐久度：内置硬件磨损均衡引擎，寿命达普通 NAND 的 5 倍。 厂商路径： 闪迪/西数：领军者，将 HBF 控制器直接键合在 BiCS NAND 下方。 SK 海力士：开发 HBF-NAND 堆栈，力求外形尺寸与 HBM 统一。 三星：推出低延迟 Z-NAND 混合体，缩小与 DRAM 的性能鸿沟。 四、 协作关系总结：AI Agent 任务流 在英伟达费曼（Feynman）架构的 AI Agent 任务流中，三者构建了从“神经反射”到“深度思考”的记忆闭环：3D SRAM 以 < 1ns 的延迟在芯片内实时处理瞬时激活值与指令，确保计算核心零停顿；HBM5 作为封装内的动力心脏，通过 \sim 5 TB/s 的带宽承载全量模型权重与活跃 KV 缓存，维持推理逻辑的连贯性；而 HBF 则作为系统级的长期记忆库，利用 8-16 TB 的海量空间存储非活跃上下文，通过 CXL 3.1 协议与 HBM5 实现数据的冷热置换，共同支撑起智能体跨越时空的复杂任务处理能力。

今天推演了一晚上英伟达3.16号的下一代gpu芯片Feynman费曼，给你们刨析到了英伟达真正意图，汇总了一份报告给老板们。 深度报告：《AI 算力的终极变局 —— 费曼（Feynman）架构下的“光、存、算”范式转移》 发布日期： 2026 年 3 月 1 日 核心标的： $NVIDIA, $SK Hynix , #Samsung# , $TSM 台积电， $AVGO 博通, #中际旭创# , #新易盛# 投资主题： 从“芯片外挂”到“系统级封装（SiP）”的降维打击 报告摘要：打破物理极限的三个维度 在 2026 年 GTC 大会的背景下，英伟达正式确立了从 Rubin (2026) 到 Feynman (2028) 的演化路径。其核心战略意图已非常明确：通过 3D 堆叠（SoIC）和硅光子（CPO）技术，将原本属于产业链上下游的利润（存储、网络）强制“吸入”GPU 封装内部，实现从芯片供应商向“全栈系统承包商”的身份转型。 一、 英伟达 GPU 演化路径：从“微缩”转向“空间堆叠” 英伟达的架构演进已进入“后摩尔时代”的物理博弈： Blackwell (2025): 最后一代 2.5D 封装的巅峰，主力适配 1.6T 可插拔光模块。 Rubin (2026): HBM4 的元年。引入 3nm 增强型工艺，首次在 Base Die（底座）上尝试逻辑集成。 Feynman (2028): 终极形态。采用台积电 A16 (1.6nm) 工艺与 背面供电（BSPDN）。 核心创新： 将 SRAM（LPU Dies）垂直堆叠于 GPU 之上。 角色变化： GPU 不再仅仅是计算单元，而是一个自带“高速公路（CPO）”和“超大油箱（3D SRAM）”的独立系统。 二、 存储（HBM & SRAM）演化路径：从“外挂”到“共生” 1. 技术演进与角色变迁 HBM4 (2026/2027): 接口位宽从 1024-bit 翻倍至 2048-bit。最关键的变化是 Base Die（逻辑底座） 的权力移交。存储厂（海力士/三星）必须与 $TSM 台积电深度绑定，生产 5nm 级的逻辑底座。 3D SRAM (2028): 费曼架构引入 LPU Dies。这层高带宽（80-100 TB/s）缓存将承担 70% 的实时计算数据交换，导致 HBM 从“频繁访问的内存”退化为“高容量的背景油箱”。 2. 供需测算：40% GPU 增长下的 EB 级黑洞 按照 GPU 年增 40% 的复合增长率，叠加单卡 HBM 容量倍增（192G \rightarrow 288G \rightarrow 576G）： 2026年需求3.63EB供给2.8EB，缺口22.9% 2027 年需求冲破 10 EB供给5.5EB,缺口45% 2028年需求冲破28EB供给11EB，缺口61% 产能博弈： SK 海力士凭借 MR-MUF 工艺的良率优势，在 HBM4 时代仍将拿走 60% 的 NVIDIA 订单。三星则试图通过“Foundry + Memory”的一体化服务（One-stop Solution）在费曼时代通过定制化 Logic Die 翻盘。 三、 光模块演化路径：从“线缆”到“引擎” 光模块正面临行业历史上最剧烈的身份重构： 1. 三段式跨越：Pluggable \rightarrow LPO \rightarrow CPO 可插拔（Pluggable）： 正在触碰 1.6T 的功耗墙。 LPO (2025-2026)： 新易盛的护城河。通过去除 DSP 降低 30% 功耗，这是费曼量产前解决热瓶颈的最优过渡方案。 CPO (2027+)： 博通与中际旭创的终极战场。如图所示，PIC（光子芯片）直接与计算核心通过 SoIC 混合键合。 2. 实质威胁与角色错位 博通 (Broadcom)： 利用 ASIC 优势，试图推行“芯片内集成”，直接剥离传统光模块公司的整机价值。 中际旭创/新易盛： 战略意图是向上游挺进。中际旭创通过 70% 的硅光芯片自研率，将自己从“组装厂”转化为“半导体光引擎厂”，从而在费曼芯片的 CPO 供应链中争取“二供”或“定制化服务商”的地位。 四、 英伟达的最终战略意图：建立“物理层”护城河 通过费曼架构，英伟达意图实现以下三个战略垄断： 1.脱离 DRAM 周期绑架： 通过大规模 SRAM 堆叠，降低对外部高价 HBM 带宽的依赖，从而在存储周期涨价时拥有更高的议价权和架构冗余。 2.吞并互连生态： 费曼芯片集成 CPO 后，英伟达不仅卖 GPU，还实质上卖掉了原本属于模块厂的 1.6T/3.2T 互连收入。 3.打造“单卡即机架”： A16 工艺 + 背面供电 + 3D 封装，让单颗费曼芯片的吞吐量等于现在的一个小型机架。这迫使所有下游云巨头（Google, AWS）只能购买其整体解决方案，无法通过自研模块进行“零件组装”。 五、 投资建议：谁是这场再分配的赢家？ 绝对确定性：SK 海力士 & 三星。 虽然 SRAM 减少了单位带宽依赖，但总算力暴涨带来的 “容量缺口” 是 EB 级的物理事实。海力士 2026 年单季 $250 亿利润只是开端。 爆发弹性：新易盛 & 中际旭创。 关键指标是“自研芯片替代率”。如果旭创能成功在费曼芯片量产前完成台积电的 SoIC 认证，它将获得类似半导体 IP 公司的估值倍数（Re-rating）。SRAM 堆叠非但不会削弱光模块的重要性，反而会将其推向“决定性”的地位。 台积电： 它是最大赢家。因为无论是底部的 Feynman Die 还是顶部的 LPU Die，以及它们之间的混合键合（Hybrid Bonding），全都要在台积电完成。 系统控制：博通 (Broadcom)。 它是唯一能与英伟达在 CPO 架构上抗衡的巨头，适合作为 AI 网络的防御性底座。 报告结论：英伟达费曼芯片通过 LPU Dies 和PIC/EIC 与 GPU 完全共封装，降低了HBM和光模块公司的溢价能力

關於台積電的次世代先進封裝 CoPoS 的幾個關鍵（省略可查詢到的技術細節）： 1. 預計 2H28 量產，目標提升 9.5 倍光罩尺寸以上的封裝之量產經濟性，Nvidia 的 AI 晶片 Feynman 可能將首度採用。 2. 根據產業調查，兩個不同的地方會用到玻璃（尺寸 mm）： → 310 x 310 的臨時玻璃載具（glass carrier） → 250 x 250（測試）/ 510 x 515（量產）的玻璃面板，加工後切割為玻璃核心載板（glass core substrate） 3. 玻璃核心載板的架構主要分成三層：玻璃作為核心層，上下以 ABF（ABF-GCP）增層包覆。玻璃加工的挑戰，像是TGV（through glass via）、填銅 / 金屬化（metallization）等，指的都是這個階段。 4. CoPoS 常見的錯誤論述： → ❌ 錯誤 1：採用玻璃中介層（interposer）。⭕️ 應修正為：玻璃非中介層，其互連角色由晶片側 RDL 與玻璃核心載板側 TGV / ABF 增層分別承接。 → ❌ 錯誤 2：玻璃取代 ABF。⭕️ 應修正為：如前述的玻璃核心載板架構，玻璃與 ABF 並存。 → ❌ 錯誤 3：晶片放在玻璃上。⭕️ 應修正為：晶片貼附於玻璃核心載板的 ABF 增層表面。 5. CoPoS 將延續並強化台積電先進封裝的優勢，預期讓該優勢能見度可達約2032年。

摩根士丹利最新120页研报给老乡充值信仰了 首先大摩将这次回调定性为技术面因素，仓位拥挤消化、杠杆盘踩踏、动量因子反转，而非基本面逻辑遭到破坏 摩根士丹利化身大儒辩经，120页研报打碎市场对AI的恐慌 市场担忧一：企业开始限制Token使用，AI需求见顶了？ 大摩算了一笔账。单次AI调用平均能省55美元的人力成本，而用Agent完成一项企业级任务只要花2到5美元，ROI超过10倍。一个ROI十倍的工具，企业限不限预算其实不重要，不用的那家会被用的那家淘汰 Blackwell架构数据中心的Token净利率约58%，到Rubin代升至80%，Feynman代到90%。云厂商完全可以在利润率不变的前提下把Token价格压低75%，降价空间很大，利润一分不少 市场担忧二：中国大模型成本这么低，美国巨头万亿资本开支是不是打水漂？ 大摩用了一个19世纪的老故事来回应。瓦特改良蒸汽机之后，煤炭效率大幅提升，但英国煤炭消耗量反而飙升。原因很简单：蒸汽机变便宜了，于是被部署到了更多的工厂和矿井。经济学管这个叫杰文斯悖论。AI算力也是一样的道理，效率越高，成本越低，可行场景越多，总消耗只会更大 有一组数据可以感受一下供需缺口的量级。Google高管近期表示公司可能需要每6个月将算力翻倍，也就是5年增长1000倍。而NVIDIA按历史最高增速全力出货，5年累计交付也不到Google单家需求的10% 市场担忧三：物理世界的约束会不会卡住脖子？ 大摩用三个P概括供给侧瓶颈：People，熟练技工短缺；Power，电网排队5到7年；Politics，各州开始撤销数据中心税收优惠，联邦层面也在推数据中心电力附加费的立法 这些约束确实存在，但大摩认为它们是减速带，不是路障。真正被低估的机会在电力时间套利上：电网并网要等7年，但天然气轮机1到3年就能供电，比特币矿场已有10到19GW的并网容量可以直接转化为数据中心用途。谁能在短期内提供"有电可用的物理空间"，谁就是市场定价偏差最大的标的 即便把所有替代方案都算上，中性情景下仍有约1GW净缺口，悲观情景下扩大到11GW。云厂商现在最缺的不是钱，是有电的地方

野村2026年6月AI半导体与服务器报告300字概要 野村这份报告判断本轮AI周期尚未见顶，近期板块回调属于上涨后的健康消化。全球数据中心建设持续扩容，2027年新增算力32GW、2028年23GW，云厂商、新云企业资本开支持续加码，但2026下半年至2027年将出现全品类元器件供需严重错配，基板、电容、PCB等小元件（WoS）会比台积电CoW封装更紧缺，限制出货。 台积电激进上调2027年CoWoS产能至200万片，受基板约束实际仅能产出180万片；英伟达、谷歌瓜分大部分封装产能，AMD、AWS份额被挤压，形成巨头竞争、中小芯片厂商供给受限格局。英特尔EMIB-T成为台积电先进封装核心对手，台积电靠SoIC、CoPoS技术应对，英伟达Feynman芯片将采用3D SoIC堆叠，带动碳化硅热载需求。 Agent AI催生服务器CPU全新千亿赛道，ARM、英伟达Vera、AMD Venice等新品放量，CPU/GPU配比持续提升。报告上调2026-2027全球服务器收入增速至74%、65%，并上调台积电、ASE等9家产业链公司目标价，提示美债收益率上行、云厂商自由现金流承压为主要风险。

SemiAnalysis创始人Dylan Patel最新访谈：存储仍有2-3倍上涨空间，CPU为短期补缺，CPO量产推迟至2028年底-2029年 Dylan Patel指出，Anthropic已实现自由现金流转正、ARR突破500亿美元且毛利率超70%，有力回应市场对AI ROI的质疑。 硬件层面，AI推理模型驱动的内存需求呈结构性爆炸增长，供应缺口将持续多年，价格仍有2-3倍上涨空间； CPU增长主要来自历史补缺，属短期「迷你周期」； CPO大规模量产推迟至2028年底-2029年，铜缆红利期意外延长； 电力瓶颈则推动数据中心加速转向「表后电源」自建方案，催生能源与电力转换供应链的重大投资机会。 AI基础设施各层同步承压，机会与风险并存。以下为Dylan Patel访谈核心观点的逻辑重构与分析提炼。 1. AI需求侧：ROI疑虑落地，Anthropic率先实现盈利 市场普遍质疑AI投资回报，Dylan以Anthropic具体数据回应：2026年Q2已实现自由现金流转正（4-6月连续盈利），ARR超500亿美元，毛利率超70%。 OpenAI也随Codex等产品采用率提升快速增长。 SemiAnalysis自身AI支出轨迹印证这一趋势：2025年11月90人团队年化AI支出不足10万美元；2026年1月底因Claude Code大规模应用飙升至400万美元； 目前达1100万美元（峰值周折算1400万美元），已占人力成本三分之一，年底可能达一半。 分析洞见：更强模型未必更贵。新模型通过更高token效率（例如任务从10万token/多轮交互降至2.5万token/单次完成）降低综合成本。 这正是Anthropic在竞争中领先OpenAI的关键：token效率更高，用户总成本更低。 企业往往通过削减其他SaaS支出、而非压缩AI预算来支持AI增长，生产力提升带来的价值远超增量成本。 2. 内存：结构性超级周期，而非普通周期 Dylan对内存最为看好，判断这不是短期短缺，而是持续多年的结构性短缺。 核心驱动：推理模型（尤其是o1-like）使上下文长度爆炸式增长，KV Cache需求激增。传统对话上下文仅数千token，而推理模型可达数十万token，内存消耗呈指数级差异。 供给侧：内存产能年增长仅20-30%，远低于AI需求翻倍速度。价格已涨约4倍，预计还将再涨2-3倍。消费电子（中低端手机出货已降40%）将率先被挤压，iPhone/MacBook等高端产品明年价格将上涨，直至AI获得足够产能。 长期视角：即使未来进入下行周期，从波谷到波谷仍呈明确增长趋势。内存将从大宗商品转向高毛利结构性成长品类。 3. CPU：补缺行情为主，勿过度外推 CPU因强化学习（环境验证）和智能体（工具调用、实时交互）需求复苏，但Dylan给出明确警示：这主要是历史补缺，属短期迷你周期。 - 过去数百万颗AI加速芯片出货，但配套CPU严重不足，目前处于集中补齐阶段。 - 单系统价值：Blackwell GPU约5万美元，CPU仅约5000美元。即使CPU配比提升，绝对金额仍远低于GPU和内存。 - 长期来看，一旦补缺完成，需求回归正常增量，增长速度不会持续超过AI加速芯片。 分析：CPU是AI服务器中的「配角」，其重估已较合理，但不会改变GPU+内存主导的格局。 4. 光互联：CPO推迟，铜缆红利延长 CPO（共封装光学）被市场过度乐观，Dylan判断大规模量产推迟至2028年底-2029年。 原因：制造良率、芯片设计、供应链成熟度不足。 NVIDIA Rubin及后续Feynman架构仍主要采用铜方案，CPO需等待多代迭代。 中期机会：铜缆和非CPO光学方案受益更大（如安费诺等连接器公司）。长期CPO必然发生，但短中期铜缆仍有显著红利窗口。 5. 电力：表后电源成主流，能源链条机会广阔 电力是AI增长最硬的物理约束。预测：今年新增数据中心用电20GW，明年30GW，后年50GW。 拆解三维度： - 输电：最难突破，受监管、地方垄断、成本分摊机制制约。 - 发电：表后电源（自建）将占新增用电约一半。主流为CCGT联合循环燃气机组（GE Vernova、三菱、西门子），同时涌现往复式发动机、工业燃气轮机乃至改装车/船/火车发动机的创新方案。 约两年后，太阳能+储能成本有望低于燃气；更长期可考虑太空数据中心（无需储能）。 - 转换：IGBT、SiC、GaN MOSFET、固态变压器、UPS、超级电容等电压转换链路快速演进（12V→54V→800V DC等）。 SemiAnalysis目前最大研究团队正是「DEI」（Data Center、Energy & Industrial），追踪全球每座数据中心与发电资产动态。 总结投资逻辑 AI基础设施每一层均面临瓶颈，但也孕育结构性机会：内存超级周期、铜缆延长红利、表后能源与电力转换链。 Dylan Patel的判断强调区分短期补缺与长期结构性趋势，避免情绪化外推，聚焦供需错配、技术落地时间线与经济学本质。 此分析框架，帮助投资者穿越市场噪音，把握AI基础设施的真实脉动。 $DRAM

投资笔记：2026 GTC 大会深度复盘与利好标的分析！ 看完整场英伟达2026 GTC大会，还是蛮让人震撼的。黄老板如今给大家反复重新灌输一个新认知，未来 #AI# 比拼的不再是大模型，而是 Token工厂。尤其是这次Openclaw🦞爆火以后，大家逐渐认识到，Token消耗带来的巨大收入，未来将成为AI企业的核心支柱。 现在仅仅一个小龙虾🦞，以后可能出来小熊猫🐼，小仓鼠🐹，等等类似的成百上千个Agent，推理爆炸的年代已经来临，可预期的未来3-5年，Token消耗量将实现1000—10000倍的增长，而持续的计算调用服务，将带来可持续性的Token消耗。 假如说目前软件公司因为AI Agent而走向终结，过去的SaaS收订阅费模式，成为历史。那么AI时代，AaaS模式将成为未来，收 Token费将带来更暴利的企业收入，而且壁垒更高，一旦选用一家模型，持续的喂养和消耗的Token，本质是独立主体性的数据积累和自我成长，此刻专属你的Agent如同婴儿长大一样，不到万不得已，很难去推倒重新再养。此处到最后比拼的是各家巨头们的GPU算力，同时也是电力和数据中心的较量，而未来每一处数据中心便是一个收费单元。 假如理解了这套黄老板灌输的新逻辑，那么今年各家巨头6000多亿的资本开支预算，也就make sense了，毕竟现在投的越多，当下建设的每一座数据中心，都将成为未来源源不断的Token印钞机啊，抢GPU，抢电力，抢工期，抢内存芯片，貌似一切都合理化了！ 所以接下来，我们讲讲其中利好的美股标的👇 1️⃣“铜光共存”：连接器的黄金十年 黄仁勋这次大会上给了坚定的定调，「机柜内用铜，机柜外用光」。之前市场上传闻此次英伟达的新架构，会让“铜进光退”，市场十分担忧，而本次定调，基本一扫光模块板块的阴霾。 目前发展方向上，机柜内部为了物理极限的成本和能效，依然死磕铜缆；但随着 Spectrum X CPO(共封装光学)交换机的全面量产，光通信的爆发点已经从“模块”转向了“集成”，直接可集成整合到ASIC，克服大规模AI数据中心电子信号的限制，实现更高效率的传输。而英伟达与台积电在 CPO 上的合作，会让这些光路检测和激光器组件公司持续受益。 利好标的： 🟡#AAOI（Applied# Optoelectronics），这家公司把光芯片和器件组装成“能用的光模块”，卖给数据中心。 类比就像👉 富士康，把零部件整合成一部可以卖的iPhone。 🔵 #LITE（Lumentum），这家公司主要生产“让光跑起来”的核心器件（激光器、调制器）。# 类比就像👉 苹果iPhone中的A系列芯片，决定性能上限的关键部件。 🟢#AXTI（AXT# Inc），这家公司提供制造光芯片所需的底层材料（InP、GaAs衬底） 类比就像👉 卖稀土或者硅晶圆的，虽然叙事不性感，但所有高科技(光模块)都离不开。 🟣 #TSEM（Tower# Semiconductor），这家公司帮别人代工制造光子/模拟/射频芯片的“特色晶圆厂”。 类比就像👉造各纳米型号芯片的台积电（但专做小众高技术工艺的版本）。 2️⃣Rubin 架构与“存储大年”：HBM4 是胜负手 Rubin 架构不仅仅是制程提升，它最大的改变是引入了 HBM4 和 100% 液冷。这次黄仁勋提到 HBM4 产能将决定Rubin产线的放量速度，相当于直接把存储芯片从“周期股”推向了「基础型AI 消耗品」的逻辑。难怪前不久，黄老板一直在韩国晃悠，毕竟三星和海力士，是内存芯片的绝对话事人。 与此同时，移除电缆、100% 液冷意味着数据中心的基础设施也要实现大换血。其中相关做液冷冷却相关的公司也将会直接受益，这个我们在之前的推文中，多次强调过，其中个别股票推荐后，已经涨幅高达50%以上。 利好标的： 存储领域： 🟢 #MU# (Micron Technology)，这家公司我们在150美金左右多次推荐过，做DRAM + NAND的全能型选手，AI内存HBM正在补位追赶。 类比就像👉 “美国版三星”，但体量更小、节奏更慢一点。 🟡 #SNDK# (SanDisk)，这家公司我们也多次推荐，专注NAND闪存（SSD、存储卡），偏消费和存储设备端。 类比就像👉 “存储界的西部数据”，专门卖硬盘和SSD的那一类，基本不碰高端DRAM战场。 🔵 三星(Samsung Electronics)，毋庸置疑的全球内存霸主，DRAM + NAND + HBM全线覆盖，技术和产能双王。 类比就像👉 “内存界的台积电 + 苹果合体”，既能做最强技术，又能大规模出货。 🟣 海力士(SK Hynix)，目前是HBM（AI高带宽内存）绝对王者，吃到了AI最肥的一块肉。 类比就像👉 “AI时代的英伟达供应链核心王牌”，专门给AI GPU喂粮的。 由于美股账户买不到韩国股票，所以我推荐这只美股ETF，韩国ETF(代码：#EWY#)，这只ETF基金持仓中22.46%为三星，19.39%为海力士，其他持仓也都是一些韩国优秀企业，比如现代汽车等。 液冷冷却： 🟤#VRT# (Vertiv Holdings)，这家公司专门给数据中心提供“供电 + 散热 +基础设施”的一整套解决方案，尤其是AI数据中心。 类比就像👉 “数据中心的空调 + 电力系统总包商”，虽然不做算力，但决定算力能不能正常运转。 3️⃣OpenClaw 与 Token 薪酬：AI 时代的“Windows” 这是最让我震撼的一点。黄仁勋将 OpenClaw 定位为 Agent 计算机的操作系统，这定位超越了现有互联网时代下系统与软件的逻辑边界。意味着未来我们可能不存在软件app的概念，而要开始逐渐熟悉去雇佣一个个Agent。 “你的 Offer 里带多少 Token？”这句话揭示了未来算力即财富的本质。当算力成本降低，通过 Rubin + Groq 3 LPX 的能效提升，AI 代理的普及将带来新一轮AI云服务的爆发。 利好标的： 🟢#IREN#(Iris Energy)，这家公司本身是BTC挖矿公司，之后开始凭借自身低成本电力 + 数据中心，把矿场升级成AI算力租赁平台（GPU云） 类比就像👉“把比特币矿场改造成AWS算力出租工厂”。 🟡 #CIFR#(Core Scientific)，这家公司刚从破产边缘爬回来，转型做“托管+AI算力”的矿场运营商 类比就像👉 “从煤矿老板转型做数据中心房东，还帮人管服务器”。 🔵 #NBIS#(Nebius Group)，这家公司做纯正的AI云平台（GPU云 + AI服务），不是矿企出身，更像技术驱动。 类比就像👉 “AI版的AWS 或CoreWeave（更偏技术派）” 4️⃣空间计算与 Feynman 架构：剑指星辰大海 下一代Feynman 架构 的 3D 堆叠和“太空芯片”计划，说明英伟达的眼光已经不在地球。这或许不是噱头，因为每次黄老板都把吹过的牛逼，给实现了。这次太空芯片计划更像是边缘计算的极限延伸。在高辐射、极端的太空环境下运行 AI，对芯片可靠性和卫星链路提出了极高要求。 利好标的： 🟢 #RKLB#(Rocket Lab USA)，这家公司提供“小型火箭发射 + 卫星制造 + 太空服务”的一体化公司。 类比就像👉 “太空版的顺丰 + 富士康”，既能送货（发射），也能造卫星。 🟣 #ASTS#(AST SpaceMobile)，这家公司用卫星直接给手机提供4G/5G信号，且不需要地面基站。 类比就像👉 “太空版的中国移动”，直接从天上给你信号。 上述👆，便是此次我们总结的GTC大会利好标的，有完善补充的地方，可以评论区，一起交流探讨！🧐 目前上述提及的公司在 #MSX# 上面基本都有，炒美股，我选择用 #RWA# 美股代币化平台 #MSX，一同投资参与美股市场：# 早期美股投资粉丝和伙伴，可以私信我，填写表单后，可免费进入美股交流和探讨社群(目前每周仅限定10人，助理审核，可能需要一点时间，感恩🙏)！

英伟达老黄在GTC大会上都说了什么？ 看了下演讲全文，感觉这次老黄不只是在卖芯片，而是在卖一个全新世界观：AI 不是工具，不是应用，而是人类下一个工业革命的能源+发动机。AI 是新时代的电力 + 发动机，Token工厂、AI代理智能体、物理AI 共同构成基础设施。梳理下要点： 1. 第一性原理：AI 的本质重新定义（别再当它是“聪明App”了） 老黄认为 1）AI 不是单一模型突破，也不是“会聊天”的玩具，而是像电力一样的核心基础设施。 2）每个公司都会用，每个国家都会建，不建就落后，就像19世纪不建电厂一样。 2）计算需求过去两年已增长“一百万倍”，且还在指数级加速。 老黄更是给了一个炸裂的前瞻指引，预计到2027年，仅英伟达这些旗舰芯片（Blackwell + Vera Rubin 系列）就能贡献至少1万亿美元营收。”（比之前市场预期的5000亿翻倍，时间拉长一年但金额更狠） 这已经不是简单的财报指引，是给全球CEO和国家元首的最后通牒：你们不投AI工厂，我们就帮别人建。 2. Token工厂：数据中心的新物种 老黄把数据中心彻底改名——不再是存数据的仓库，而是生产智能代币的工厂。CEO 现在要像管传统工厂一样管“代币产出率”和“单位代币成本”。英伟达通过全栈垂直整合，已经把单位代币成本做到全球最低。 这就是工业化拐点：AI 从实验室玩具 → 国家级重资产基础设施。 投资视角来看，这会让“AI基建”概念彻底主流化，能源、冷却、网络、光模块、液冷、变压器等全产业链都会被重估。别只盯着GPU，看“Token工厂”全链条。 3. Vera Rubin 平台：下一代AI工厂的完整蓝图 Rubin不是单颗芯片，是垂直整合的7大芯片 + 5个机架级系统 + 1个超级计算机*。 他的亮亮点在于： 1）Vera CPU（专为Agent优化）、全液冷、Groq确定性流式推理 + Dynamo解耦、吉瓦级工厂代币生成速度提升350倍。 2）大规模光电共封装（CPO）、硅光子，目标百万卡集群、低功耗低延迟。 老黄原话这么说：“Vera Rubin 不是芯片，而是一个巨型系统，从能源到端到端全优化。” 这其实在告诉对手和客户：英伟达已经把“AI发电厂”的参考设计做出来了，你们直接抄作业就行（当然得用我们的零件😎） 4. Agentic AI + OpenClaw：下一个十年的操作系统级革命 OpenClaw在这次GTC上被老黄定义为“AI时代的Linux”——开源、底层框架，让Agent自主调用工具、写代码、管理文件。 老黄宣布NewClaw企业版平台，现场“极简养虾”demo（一键让AI代理管复杂养殖流程），象征极简部署 + 自主执行。 老黄更是明确说，今天世界上每一家公司都必须制定OpenClaw策略。同时推Nemotron开放模型联盟（语言、视觉、机器人、生物、气候等全覆盖），开放生态才是王道。 这是在逼所有企业从SaaS转向AaaS（Agent as a Service），代理框架、工具链、隐私护栏相关公司会爆。开源+企业级双轮驱动，类似于当年Android的打法。 5. Physical AI + 机器人：从数字到物理的ChatGPT时刻 老黄认为物理AI迎来爆发：不再是屏幕里的智能，而是能真正作用于现实世界。他聊到Robotaxi Ready新增比亚迪、现代、吉利等，覆盖1800万辆/年 + Uber大规模部署。 现场迪士尼Olaf雪宝机器人直接登台，展示Omniverse数字孪生 + Newton物理引擎，从虚拟直接迁移到物理适应。 老黄说机器人会成为数万亿美元市场，而物理AI是下一个大爆炸的领域。当然我们自己也需要清楚，物理世界落地比数字难100倍，但一旦起飞，体量远超纯软件。关注端到端（感知-决策-执行）全链公司。 6. 更远的下一代 + 未来场景（Feynman + 太空） 1）预告Feynman架构：Rosa CPU、LP40 LPU（推理专用）、BlueField-5、CX10网络等。 2）太空数据中心：Vera Rubin Space-1轨道AI计算机，用Omniverse建“数字孪生”太空基建。 这一次老黄呼应了老马，英伟达不只是地球算力霸主，还想做太空AI基础设施。 老黄这次演讲核心就是 AI 是新时代的电力 + 发动机，Token工厂、AI代理智能体、物理AI 共同构成基础设施。英伟达提供从能源到芯片的全栈钥匙，这个市场到2027年带给英伟达至少万亿美元营收。