文章核心观点 - Cestrian Capital Research是一家独立的SEC注册投资研究公司，由拥有三十年风险投资、私募股权和公开市场经验的专业投资者Alex King领导 [1] - 公司发布覆盖美国上市股票和ETF的评级、目标价、止损水平和积累区间，研究范围涵盖科技与半导体、太空与国防、无人机、能源、生物技术与制药，以及指数和行业ETF、期权、加密和宏观 [1] - 研究团队将基本面分析与量价及市场结构研究相结合，并辅以SignalFlow系列量化信号服务 [1] - 每个美国交易日发布Daily Market Review [1] - 公司在Seeking Alpha上的完整研究服务为Growth Investor Pro，包括实时GIP投资组合、价格提醒、Daily Review、每周直播网络研讨会和24/7聊天 [1] 团队与覆盖范围 - 团队由Alex King领导，其拥有三十年科技投资经验，生物技术和能源分析师带来数十年高级运营经验 [1] - Growth Investor Pro为成员提供所覆盖每只股票的带日期评级、目标价和止损水平，覆盖范围从Nvidia和Rocket Lab到Moderna和Pfizer [1] - 覆盖标的包括Nvidia（NVDA）、Rocket Lab（RKLB）、Tesla（TSLA）、Moderna（MRNA）、Pfizer（PFE）、Merck（MRK）和BioNTech（BNTX）[1] - 研究同时在Bloomberg Terminal上分发 [1] 分析师持仓披露 - 分析师本人及关联方未持有文中提及公司的任何股票、期权或类似衍生品头寸 [2] - 分析师在未来72小时内没有建立任何此类头寸的计划 [2] - 分析师独立撰写本文，表达自身观点，未因此获得报酬，且与文中提及股票的任何公司无业务关系 [2]

文章核心观点 - 美国司法部对英伟达129亿美元收购Hugging Face的交易展开反垄断调查，该调查被并入司法部对英伟达商业行为长达数年的更广泛反垄断调查之中 [1][3][4] - 调查核心关注点在于：这笔交易是否会让英伟达掌握人工智能的一个基础性分发节点，以及英伟达是否利用稀缺GPU配额作为筹码迫使客户接受网络设备或Groq处理器等相邻产品 [3][4] - 司法部任何行动都可能在芯片行业引发连锁反应，并对英伟达在AI领域延伸影响力的投资与收购战略构成挑战 [3] 反垄断调查详情 - 司法部近期的问询覆盖英伟达的收购、投资、销售行为，以及该公司是否曾对其客户施加压力 [3] - 围绕Hugging Face交易，司法部提出的问题及其对英伟达行为展开更广泛持续追查的细节系首次被报道 [3] - 反垄断执法者仍在推进对这家芯片设计公司行为长达数年的调查 [3] - 调查人员正在搜集证据，核查英伟达是否利用稀缺的GPU配额作为筹码，迫使客户接受网络设备或Groq处理器等相邻产品 [4] 交易双方在AI产业链中的位置 - Hugging Face是全球知名开源AI平台，聚集了大量开发者、研究人员和企业用户，用户可以在平台上分享和获取AI模型、数据集和各种软件工具，是AI开发者生态中的重要集散地，连接着模型开发者、企业和科研机构 [6] - 英伟达牢牢占据AI算力基础设施的核心位置，其GPU芯片被广泛用于训练和运行AI模型，包括OpenAI的ChatGPT、Anthropic的Claude等顶尖模型 [6] - 一旦交易完成，英伟达的触角将从AI芯片进一步延伸至模型、软件工具和开发者生态 [6] 英伟达的AI领域布局与交易安排 - 英伟达已成为科技经济和AI繁荣的基石，投资了Anthropic、OpenAI等主要玩家，同时在全球范围内推动数据中心建设，使其芯片能够满足AI庞大的算力需求 [3] - 英伟达此前表示，此次收购预计将于2027年上半年完成，并补充称Hugging Face将继续支持与各类芯片、云及AI提供商开展合作 [3][5] - 收购完成后，Hugging Face仍将继续与不同芯片厂商、云服务商和AI企业合作 [5]

产品发布核心信息 - 英伟达周三发布Nemotron 3.5 Transcribe，这是一款免费、开放权重的模型，能够转录多达40种语言的音频 [1][3] - 公司同时发布了开源语音数据集Granary的第二版 [1][3] - Nemotron 3.5能够实现31种语言与英语之间的双向翻译，处理时长最长达1小时的录音，并区分最多8名说话者 [1][3] - 公司声称该模型在多个基准测试中超越竞争对手，包括Hugging Face的Open ASR Leaderboard（开放式自动语音识别排行榜）[1][3] 目标应用场景 - 这些工具主要面向开发者，帮助构建用于商务会议和医疗语音转录的应用，这两个领域是人工智能在职场中应用最成熟的场景之一 [1][3] - 开发者可结合使用该模型、更新后的Granary数据集以及NeMo Speech等工具，定制应用程序，使其能够识别不同语言中特定行业的专业术语 [1][3] 技术规格与硬件适配 - Transcribe模型拥有300亿参数，能够在单颗芯片上运行 [2][4] - 适用硬件包括Jetson AGX Thor机器人控制器、为新款笔记本电脑提供算力的DGX Spark芯片，以及用于数据中心的Blackwell系列芯片 [2][4] - 该模型加入英伟达开放权重语音模型阵营，其中包括体积极小但性能强劲的Parakeet多语言语音识别模型，其参数量为11亿 [2][5] 产品局限性 - Transcribe只能处理已经录制的音频，无法转录实时音频流 [1][3] 行业竞争动态 - 英伟达推出新语音模型正值人工智能语音技术密集发布之际 [2][5] - 本月早些时候，Mistral发布了Voxtral 3 [2][5] - ElevenLabs推出了Realtime，可为语音智能体提供即时语音处理能力 [2][5] - Salesforce发布了自己的语音模型Launa-Omni [2][5]

文章核心观点 - Franklin Templeton计划于周四推出两只ETF，利用股票股息购买比特币而非增持股票 [1] - 这两只ETF分别为Franklin US Equity Bitcoin DRIP Index ETF（FBEQ）和Franklin US Innovation Bitcoin DRIP Index ETF（FIBT），均跟踪VettaFi指数 [3] - 传统股息再投资计划（DRIP）将派息自动转换为更多股份，这两只基金保留自动机制但改变资金流向 [3] 产品结构与机制 - 每只指数中股票的所有常规股息和特别股息均再投资于比特币，购买在股票除息日次日开盘时进行 [4] - 比特币持仓可随时间通过公司派息增长，而非依赖新增现金 [4] - 为保持比特币为次要持仓，VettaFi指数方法将比特币权重上限设为5%，每季度将超过5%的部分削减至4.5%，多余资金分散至股票 [4] - 若比特币在季度审查之间的任一收盘价超过20%，指数将在两个交易日后将其削减至4.5% [5] - 两只基金均不直接持有比特币，可使用比特币交易所交易产品、期货和期权，包括Franklin Templeton关联公司发起的基金 [8] - 两只指数初始比特币权重均为5%，季度削减机制使加密货币保持次要持仓地位 [9] - 截至10月26日，比特币在两只指数中均低于5%的削减点；在大盘股指数中为第五大持仓，占比3.95%，领先于Amazon.com Inc.（AMZN）；在创新指数中排名第十，占比3.24% [10] FBEQ跟踪指数详情 - FBEQ跟踪VettaFi US Large-Cap 500 Bitcoin DRIP Index，股票侧覆盖美国市值最大的500家公司 [6] - 截至10月26日，该指数有497只成分股，科技板块权重为35.58% [6] - Apple Inc.（AAPL）和Nvidia Corp.（NVDA）分别以7.11%和7.1%的权重领先 [6] FIBT跟踪指数详情 - FIBT跟踪VettaFi US Innovation 100 Bitcoin DRIP Index，该指数从纳斯达克100家最大美国公司中选取，排除金融公司 [7] - 该策略更偏重科技，截至10月26日科技板块占指数58.72%，媒体和通信板块占12.89% [7] - Apple和Nvidia分别以9.91%和9.9%的权重领先 [7] - FIBT指数严重偏向科技，截至10月26日科技权重达58.72% [9] 指数提供商信息 - VettaFi LLC为FBEQ和FIBT的指数提供商，收取指数许可费；但FBEQ和FIBT并非由VettaFi发行、发起、背书或销售，VettaFi对两只基金的发行、管理、营销或交易无义务或责任 [11]

文章核心观点 - 量子计算持续吸引科技和加密货币等行业关注，但投资逻辑因公司而异，文章筛选出两只量子计算股票，一只高风险高回报，一只更保守 [1] - Rigetti提供对量子硬件的直接敞口， backed by超过5亿美元现金；Nvidia提供对冲，既能在混合量子业务到来时获利，也能同时受益于AI需求 [13] Rigetti：高风险高回报 - Rigetti Computing开发超导量子处理器和系统，属于高风险选择 [2] - 股价过去一年表现挣扎，交易价12.4美元，年初至今下跌42% [3] - 最新财报显示有商业活动，但收入相对运营成本仍然很小 [3] - 2026年第二季度（8月6日发布）营收510万美元，运营亏损2810万美元 [5] - 截至6月底拥有5.413亿美元现金、现金等价物和可供出售投资，用于资助研发和商业扩张 [5] - 与HP和匹兹堡超级计算中心合作开发混合量子-经典超级计算环境 [5] - 正在争取美国商务部最高1亿美元、为期三年的潜在资助安排，若顺利将成为重要催化剂 [6] Nvidia：保守的量子计算股票选择 - Nvidia并非严格意义上的量子股票，不建造量子计算机，但其战略基于量子工具需由传统硬件支持的理念 [7] - 其AI加速器和CUDA-Q平台连接GPU与量子处理器，可能成为量子计算行业的间接受益者 [8] - 股价今年上涨15.49%，交易价215.38美元，主要受AI热潮推动 [9] - 公司预计到2030年全球年度数据中心资本支出将达到3万亿至4万亿美元 [9] - 商业量子计算收入尚未成为有意义的驱动因素，估值主要依赖AI业务 [11] - 公司无需等待量子突破即可盈利，继续作为已蓬勃发展行业的领导者增长，量子计算预计后续进一步贡献增长 [12]

文章核心观点 - 哈斯勒姆在2020年NBA迪士尼园区期间跟随伊戈达拉学习炒股，第一只买入的股票是英伟达，持有至2026年10月获得约30到40倍涨幅，成为其退役后最丰厚的场外收益来源[1][2] - 文章以哈斯勒姆的案例说明跟对人和听劝在投资中的重要性，同时对比其NBA生涯总工资7100万美元，凸显股票投资收益的杠杆效应[2] 投资背景与学习过程 - 2020年NBA复赛期间所有球员被封闭在迪士尼园区，活动范围有限，不少球员感到消极煎熬，哈斯勒姆则将这段时间视为难得的学习窗口，用于研究一直想了解却没空接触的领域[1] - 哈斯勒姆每天早上与当时效力热火的伊戈达拉共进早餐，聊市场、聊个股、聊逻辑，伊戈达拉在球员圈内是出了名的投资老手，哈斯勒姆相当于获得了免费私人教学[1] - 哈斯勒姆买入英伟达时，正值2020年疫情初期，英伟达拆股调整后股价约在5到7美元上下[1] 收益测算与财富对比 - 到2026年10月，英伟达股价已站上215美元附近，按5到7美元成本计算，涨幅达到30到40倍[1] - 哈斯勒姆未透露具体买入金额，仅表示买了一点，若假设投入100万美元、按7美元成本计算，可买入约14.3万股，持有至2026年10月市值约3000万美元出头，净赚接近2900万美元[2] - 哈斯勒姆NBA生涯工资总计7100万美元，上述测算下这笔炒股收益接近其打球收入的一半[2] - 若投入500万美元，按同样逻辑测算，持有至今约1.5亿美元落袋，超过其二十年职业生涯工资总额的一倍以上[2] - 以哈斯勒姆聪明投资者的自诩，大概率不会将资金集中押注单一标的，但即便只是小几百万美元的仓位，伊戈达拉的早餐教学也已值回票价[2] 案例启示 - 园区期间不少球员视封闭为煎熬，哈斯勒姆则通过跟随伊戈达拉学习股票投资，获得了退休后最丰厚的一笔外快[2] - 主持人在节目中调侃哈斯勒姆钱包越来越鼓，哈斯勒姆则将话题引向自己7100万美元的生涯工资，体现出工资是死的、股票是活的这一投资逻辑[2] - 文章总结认为跟对人很重要、听劝也很重要，哈斯勒姆在园区几个月里完成了投资启蒙，且第一笔就选中了英伟达这一标的[2]

文章核心观点 - ServiceNow股价在2026年10月29日盘前暴跌19%，创下有记录以来最大单日跌幅，同日公司宣布与OpenAI扩大合作，市场将ServiceNow定价为AI受害者与最佳AI实验室与其合作这两个信号中必有一个是误读 [1][2] - 公司认为市场正在抛售恐惧情绪，忽视了营收超预期、20%增长以及AI目标第二次上调等基本面因素 [10] - 若相信AI层仍需一个实际完成工作的平台，ServiceNow值得关注；若认为ChatGPT将接管该层，则抛售才刚开始 [10] ServiceNow与OpenAI合作内容 - 宣布内容包括：ChatGPT中的ServiceNow插件、AI Workflow Factory中的Codex集成、语音驱动治理 [3] - 仅处于计划阶段的项目：由OpenAI网络模型驱动的安全与风险解决方案 [3] - 双方未披露财务条款、收入分成、排他性或协议期限，OpenAI为私有公司，外部无法核查其财务状况 [3] - ServiceNow还推出Control Tower Alliance合作伙伴组织，围绕其Super Intelligence Control Tower软件（用于追踪和监控企业AI代理），英伟达加入，成员包括Anthropic、OpenAI和英伟达 [4] 第三季度财务表现与指引 - 营收41.1亿美元，同比增长20.5%，超出市场共识2000万美元 [5] - 调整后每股收益1美元，低于华尔街分析师共识的1.02美元 [5] - 第四季度总营收指引为42.5亿至42.6亿美元，而华尔街分析师共识为43.6亿美元 [5] - 当前RPO（未来12个月内到期的合同收入）预计第四季度增长18.5%，增速放缓，CFO将其归因于第三季度强劲的提前续约带来了业务前移 [9] AI业务指标 - 来自AI产品的净新增年度合同价值（AI交易的新年度合同金额）增长65% [6] - 公司将全年AI ACV目标上调至17亿美元 [6] - 该目标相对1552.1亿美元市值仍然较小，因此ChatGPT插件作为保护业务的手段比作为新收入来源更重要 [6] 行业同类公司表现 - Salesforce盘前下跌5%，尽管OpenAI消息与其无关，其Agentforce ARR超过15亿美元，证明现有厂商能够销售AI [7] - Adobe盘前下跌3%，年初至今下跌30%，尽管其AI优先ARR增长超过150% [7] 市场担忧与公司回应 - 空头逻辑：若ChatGPT成为员工工作的主界面，OpenAI将掌握客户关系 [8] - Amit Zavery回应称工作仍在ServiceNow内部运行，从货币化角度可获得全部价值，因为每项要求ServiceNow完成的工作都会消耗assist [8] - Gemini Enterprise提供相同的前门访问权限，且该联盟包括OpenAI的竞争对手Anthropic，合作均非排他性 [8] 后续验证节点 - 关键检验点为第四季度财报：若营收超过华尔街共识的43.6亿美元且AI ACV超过17亿美元，则空头判断错误 [11] - 若营收再次不及预期，则与OpenAI的插件看起来像是公司让竞争对手介入自身与客户之间 [11]

文章核心观点 - 英伟达预计季度营收约1080亿美元，但投资者可能更关注超大规模云服务商需求是否再次加速以及第四季度展望是否支持持续增长 [1] - 在预期已经较高的情况下，这些信号对股价的影响可能比再次 headline 盈利超预期更重要 [1] 超大规模云服务商需求 - 投资者关注超大规模云服务商需求是否再次加速 [1] 第四季度展望 - 投资者关注英伟达第四季度展望是否支持持续增长 [1] 营收预期 - 英伟达预计报告约1080亿美元季度营收（原文为$108 billion，即1080亿美元） [1] 市场预期与股价影响 - 市场预期已经较高 [1] - 上述需求与展望信号对股票的重要性可能超过又一次 headline 盈利超预期 [1]

文章核心观点 - 谷歌TPU首次在谷歌自身平台之外的超大规模云服务商平台上提供，与甲骨文达成重磅协议，标志着谷歌AI芯片业务可能迎来爆发式增长，对英伟达构成潜在竞争威胁 [1] - 越来越多公司采用多芯片战略分散风险，可能削弱英伟达的定价能力，这或许是英伟达最担心的局面 [2] - 尽管英伟达芯片业务仍遥遥领先，但市场可能低估了谷歌TPU业务的发展机遇 [3] 谷歌TPU业务进展与合作协议 - 谷歌和甲骨文宣布重磅协议，从明年起谷歌TPU将向甲骨文云客户提供服务，这是谷歌TPU首次在谷歌自身平台之外的超大规模云服务商平台上提供 [1] - OpenAI正在招聘软件工程师负责优化其TPU模型，且据《The Information》报道OpenAI计划从谷歌购买TPU [1] - 谷歌云业务负责人Thomas Kurian表示TPU销售额对公司第三季度财务业绩做出了重要贡献 [2] - 谷歌首席财务官阿纳特·阿什肯纳齐表示，公司预计TPU销售额将在2027年实现显著的收入增长 [2] Anthropic的芯片采购与投入计划 - Anthropic在本周提交的IPO文件中表示，计划在2026年4月至2033年7月期间在谷歌的计算资源上投入1145亿美元 [2] - Anthropic估计将从谷歌和其他供应商处购买的TPU容量将在1250亿美元至1500亿美元之间 [2] - Anthropic还使用了亚马逊的Trainium芯片和AMD的GPU，以及英伟达和谷歌的芯片 [2] 分析师对谷歌TPU收入的预测 - 日本瑞穗银行本月发布的报告预测，谷歌云服务(TPU)2026年收入将达到280亿美元，2027年将达到670亿美元 [3] - 瑞穗银行表示谷歌TPU收入到2028年可能高达1000亿美元 [3] - TD Cowen的John Blackledge预测TPU收入可能达到1380亿美元，占谷歌云2028年收入的34% [3] - 瑞穗证券分析师在10月18日报告中写道，谷歌TPU硬件业务正在展现出比目前普遍预期更大的发展机遇，直接出售TPU而非从谷歌自己的数据中心租赁可以缓解谷歌激进的资本支出 [3] 英伟达与谷歌的竞争格局对比 - 英伟达仅在上一季度就公布了962亿美元的收入，周三市场对此反应冷淡，其股价保持平稳 [3] - 英伟达首席执行官黄仁勋今年早些时候淡化了其他公司（包括谷歌）开发竞争性人工智能芯片的威胁 [1] - 谷歌也是英伟达GPU的大客户，但谷歌十多年前就开始研发用于搜索和其他产品的AI芯片 [2] 谷歌芯片投资的战略意义 - 美国银行分析师表示，与同行相比，谷歌的现金投入看起来相对有效，因为TPU继续为该公司自身的AI工作提供动力 [4] - 对谷歌而言，这是其十多年来在芯片领域投资的回报，这些芯片最初旨在提升搜索的智能程度 [4] - 瑞穗银行表示，随着人工智能代理蚕食谷歌的市场份额，TPU或许还能起到一定的缓冲作用，避免其核心搜索业务遭受冲击 [4]

文章核心观点 - 硅谷科技巨头正将 Personal Agent 视为新一轮 AI 产品竞争的焦点，Anthropic 推出 Claude Duet、Meta 发布 Muse、OpenAI 与 Google 加快布局，AI 开始从单次推理转向连续数小时自主执行任务 [1] - Agent 任务复杂度与调用次数增加，推动算力需求持续增长，字节跳动、阿里巴巴和腾讯订购超过 300 万张英伟达 RTX PRO 5500 显卡，总价值超过 350 亿美元，但英伟达无法保证全部交付 [1] - 高端芯片供应受限为国产 GPU 厂商打开市场窗口，但客户采购标准已从峰值算力、显存容量和单卡性能排名转向系统级效率、模型快速迭代下的长期适配能力以及部署运维真实成本 [2] - 国产 GPU 的考题从单纯性能竞赛变为效率、成本与长期适配的综合考核，芯片性能之外的部署效率、长期运行成本和软件生态都将影响下一轮采购选择 [21] 市场格局与客户需求变化 - 2026 年上半年英伟达在中国数据中心 AI 芯片市场份额降至 34%，华为达到 28% [2] - 客户采购 GPU 的重点考察范围已转向系统级效率、长期适配能力以及部署和运维的真实成本 [2] - 推理场景平均算力利用率不足 20%，训练场景仅 40% 出头，行业算力投入持续增加但实际利用率远未跟上 [7] - 客户需要的算力可归纳为三个标准：高效率、可预期和可持续，即相同时间完成更多任务、系统性能稳定部署结果可预估、未来更换模型算法时原有设备仍能发挥作用 [8] - Personal Agent 兴起使模型需连续处理任务、频繁调用工具并同时服务大量用户，客户既希望提高 GPU 利用率也需控制长期运行成本 [3] 国产 GPU 迁移与适配门槛 - 中国石化胜利油田物探研究院迁移至国产平台需对原有程序架构、开发语言和接口进行改造 [3] - 部分科研算法的深度适配与优化需要几十名工程师参与，复杂项目团队规模甚至接近一两百人 [3] - 企业已投入多年开发软件时，即使国产 GPU 采购价格更有吸引力，也难以忽略重新适配付出的时间和人力成本 [3] - GPU 服务器通常使用多年而模型可能几个月内多次更新，客户换用新模型时仍可能需要重新适配和调优 [4] - 模型厂商不断优化计算方式，如 DeepSeek V4.1-Flash 将运行时所需高带宽显存缓存压缩至上一代四分之一、SSD 存储需求降至八分之一，GPU 厂商需跟进新模型架构才能发挥效率优势 [3] 天数智芯产品性能表现 - 10 月 28 日天数智芯新一代高端通用 GPU 天垓 300 首次对媒体开放实机演示，第三方权威机构针对四款主流模型、三类应用场景测试，典型 PD 分离部署下折算单卡端到端推理吞吐达到英伟达 H200 的 1.05 倍 [6] - 天垓 300 运行主流模型的首字延迟较 H200 降低约 10% 至 30% [6] - 基于 Qwen3-32B 模型的 8 卡整机测试，天垓 300 每卡有效吞吐达到 H100 的 1.33 倍 [6] - 两款 GPU 同时运行 100 个训练周期，天垓 300 率先完成任务，模型收敛曲线与 H100 基本一致 [6] 异构计算与超节点方案 - 天数智芯 AFD 异构计算方案让天垓 300 负责输入处理及生成阶段注意力计算，合作厂商 XPU 承担专家网络计算，测试结果将解码阶段推理延迟降低 60% [8] - IXL144 超节点将 144 颗 GPU 和 18 颗 CPU 集成在一个机柜内，聚合显存约 10.1TB，整柜互联单跳时延达到 100 纳秒级 [9] - 相比国际主流方案，IXL144 每百万有效 Token 成本可降低 40% [11] - 单天逸提出未来 AI 算力系统不一定由一种芯片包打天下，关键在于如何高效组织多种芯片让整个系统发挥更大价值 [21] 软件生态与 Agent 部署优化 - 天数智芯通过 Agent 将复杂模型部署任务组织成可重复执行流程，从环境准备到模型正常提供服务耗时由 1 小时缩短至 10 分钟，人工操作从数十步减少到一次目标输入 [12] - Agent 读取 GPU 运行轨迹和关键指标寻找拖慢模型运行的环节并调用工具调整验证，一项原本需要 7 天的调优工作压缩至 2 小时以内，特定工作负载整体性能提升接近一倍 [12] - 天数智芯尝试将 GPU 厂商积累的软件优化经验整理成 Agent 可调用的工具和操作规则，减少新客户部署模型时反复排查、重复开发的工作量 [12] 客户复购与长期适配能力 - 天数智芯第二代 GPU 虽已推出多年，客户仍可通过软件升级使用新发布模型，四五年前设计的国产 GPU 到 2026 年仍能继续运行最新大模型 [17] - 天数智芯已拥有 380 多家客户覆盖 30 多个行业，客户应用通常可在一小时内完成迁移，进一步性能优化需要一周至 15 天 [17] - 公司每半年对数十家客户进行回访，目前客户满意率超过 98%，客户完成首次部署后能否及时跟进主流模型更新已成为影响后续复购的重要因素 [17] 端侧算力与多元应用场景 - 单张天垓 300 实时计算机械臂运动与方块碰撞摩擦，256 个虚拟机械臂同时运行时单卡每秒完成超过 20 万次仿真状态推进 [13] - 彤央 TY1200 端侧算力终端在不调用云端资源情况下完成物理仿真、策略训练和动作验证，机器鸭最终成功站立 [13] - 彤央系列提供算力模组和一体化终端两种形态，具备硬件研发能力的企业可集成模组到机器人或专用设备，希望尽快投入使用的客户可选择集成 CPU、GPU 和存储的一体化终端 [18] - 河海大学金坛校区电池材料分析实验平台部署基于彤央 TY1200 的科研智能体，系统自动采集仪器数据完成清洗分析和报告生成，部分报告生成工作只需约两分钟 [18] - 一家中小规模博物馆白天利用 TY1200 提供智能导览，夜间使用同一台设备训练小模型提高设备利用率 [18] - 上海市阳光康复中心搭载彤央算力终端的 AI 导诊机器人已投入使用，为视障人士提供问询和引导服务 [19]