黄仁勋：$NVDA 真正的新估值锚，可能已经从GPU数量变成“每1GW电力能赚多少钱” Morgan Stanley 在与黄仁勋和 CFO Colette Kress 会面后，再次把 $NVDA 列为半导体首选股，维持 $300 目标价。 但我认为这次最值得注意的，并不是“Top Pick”三个字。 而是他们提到 NVIDIA 现在越来越关注一个全新的指标： Revenue per Gigawatt——每1GW电力到底能够创造多少收入。 这句话非常重要。 因为AI基础设施已经进入第二阶段。 第一阶段大家问的是： 有多少GPU？ Blackwell出货多少？ 下一代Rubin什么时候出来？ 现在的问题正在变成： 你有多少电？ 多少土地？ 多少数据中心Shell？ GPU什么时候能接上电？ 1GW电力到底能部署多少AI算力？ 换句话说，限制AI增长的已经不只是芯片。 而是整个数据中心基础设施。 Morgan Stanley认为，目前土地、电力、数据中心建筑、融资以及零部件供应限制，实际上都更有利于NVIDIA的竞争优势。 原因很简单。 当电力成为最稀缺的资源以后，客户不会只比较： “哪颗GPU便宜？” 而会比较： 同样1GW电力，我能够获得多少Token、多少训练能力、多少推理收入。 这就是NVIDIA真正开始建立第二层护城河的地方。 Barclays随后给出了一组更加夸张的数字。 根据他们基于Hyperscaler IT支出的估算： 2026年NVIDIA来自Hyperscaler的收入可能达到约 2370亿美元； 2027年可能达到约 4010亿美元。 乐观情景甚至达到 4170亿美元。 而且这组计算还没有把 $SPCX SpaceX包括进去。 这意味着市场现在面对的问题可能已经不是： “NVIDIA还能不能卖更多GPU？” 而是： 全球AI基础设施到底能够多快把电力、土地和数据中心转化成NVIDIA收入？ 这完全是两个不同的估值框架。 过去我们把 $NVDA 看成芯片公司。 然后市场把它重新定义成AI计算平台。 但如果未来客户开始用“每GW产生多少AI收入”来衡量基础设施效率，那么NVIDIA实际上正在进一步变成： AI时代把电力转换成智能的核心基础设施。 电力进入数据中心。 经过GPU、网络、CUDA、NVLink、Spectrum-X。 最后变成Token。 而NVIDIA希望控制的，正是这条价值链里面最核心的一段。 所以我现在越来越关注的不是单纯Blackwell卖多少。 而是： $NVDA 每GW收入能否继续上升； Rubin能否进一步提高性能/功耗比； NVLink和网络收入占比能否继续扩大； 客户是否愿意为了更高的数据中心效率继续购买整套NVIDIA系统。 如果答案是肯定的，那么AI电力短缺未必只是NVIDIA的限制。 它反而可能成为NVIDIA定价权越来越强的原因。 过去市场担心GPU不够。 下一阶段真正要问的是： 当1GW电力都变得稀缺以后，谁能够让这1GW产生最多收入？ 这可能才是NVIDIA接下来最值得看的指标。

SpaceX携手NVIDIA推出Starmind AI1：太空数据中心级AI计算卫星 SpaceX宣布与Nvidia合作开发Starmind AI1卫星计算载荷，每颗卫星将搭载NVIDIA Rubin GPU和Vera CPU，实现数据中心级太空AI计算。 卫星采用巨型太阳能翼阵（翼展75米），峰值功率达250kW，利用太空无重力散热和持续太阳能优势，显著降低AI计算的冷却能耗。 项目计划在Bastrop建设Gigasat工厂，从2027年底大规模生产卫星，通过Starship发射并用激光链路连接Starlink向地球传输AI结果。

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