公司战略与转型 - 公司历史上最关键的一次转向是从图形芯片厂商转向计算平台公司，其标志是顶着利润下滑风险将CUDA生态押注于GeForce GPU [2] - 公司当前的核心战略是竞争从单颗芯片转向“AI工厂”，这被视为决定公司能否达到十万亿美元市值的关键 [2] - 公司已从专注于芯片级设计转向机架级和系统级设计，致力于打造包含GPU、CPU、内存、网络、存储、电源、散热、软件及整个数据中心的完整计算系统 [7] - 公司通过“极致协同设计”优化整个技术栈，从架构、芯片到系统、软件、算法及应用程序，以解决大规模分布式计算中的性能瓶颈问题 [8] - 公司早期通过将CUDA集成到消费级GeForce GPU来建立庞大的安装基础，尽管当时成本上升约50%并严重侵蚀毛利，市值一度从六七十亿美元跌至约15亿美元，但此举为后来的深度学习革命奠定了基础 [12][13][14][16] 技术演进与扩展定律 - AI的扩展定律远未到尽头，正沿着预训练、后训练、测试以及智能体系统四条路径继续推进，增长重点转向推理、强化学习和智能体协作 [2] - 未来AI迭代的核心燃料将大量来自AI自身产生的合成数据，人类直接生成的数据在总训练数据中的占比会越来越小 [2][19] - 决定智能上限的核心因素是计算能力，而非数据 [19][22] - 推理（测试时扩展）需要非常巨大的计算量，其核心衡量指标是“每瓦每秒能够产出多少token” [3][20][28] - 下一个规模定律是智能体扩展定律，智能体通过研究问题、访问数据库、调用工具和派生子智能体来工作，产生更多数据并形成持续迭代的循环 [20][21] 产品与工程哲学 - 公司产品设计理念是追求“系统必须复杂到刚刚好，但要尽可能简单”，不断检验和剔除不必要的复杂性 [44] - 工程方法强调“光速”理念，即做任何事情前都先从第一性原理出发，搞清楚物理极限（如内存速度、运算速度、功率、成本等），并以此审视和重构流程，可能将原本需要74天的事情优化至6天 [41] - 公司采用独特的扁平化组织结构，约有60名涵盖内存、CPU、光学、GPU、系统架构等核心技术的专家直接向CEO汇报，以促进跨领域的极致协同设计 [4][9][10] - 公司的系统复杂度极高，例如Vera Rubin系统的一个Pod包含约12万亿个晶体管、近2万个芯片、60 exaflops算力及每秒10 PB的扩展带宽 [43]，而NVL72机架包含约130万个组件、1300个芯片和4000个模块 [44] - 公司每周生产约200套NVL72这样的复杂系统 [44] 行业洞察与未来预测 - AI模型架构每六个月发生一次重大变化，而系统与硬件架构的更新周期长达三年，因此硬件布局必须提前预测未来两三年 [3][23] - 公司通过自身研究、与全球重要AI公司合作以及保持架构（如CUDA）灵活性来应对快速变化的算法需求 [23] - 未来世界正从“基于检索的文件系统”演变为“基于生成的上下文系统”，计算需求将远大于以存储为核心的旧世界 [5][59] - “AI工厂”将成为生产有价值产品（即token）的设施，智能本身正变成一种可扩展、可分级、可定价的产品，这将驱动世界经济总量增长并大幅提升计算在GDP中的占比 [5][59] - 智能体被视为“token世界的iPhone”，是历史上增长最快的应用类别 [62][63] - 未来程序员的定义将扩展为“描述规范、定义意图”，具备编程能力的人群可能从目前的几千万扩大到十亿规模 [5][73] 供应链与生态系统 - 公司深度参与供应链协同，例如提前数年说服DRAM行业CEO投资HBM，使其从超级计算机应用转向成为数据中心主流内存 [29][30] - 供应链极其复杂，例如Vera Rubin机架系统背后有约200家供应商，公司已将超级计算机的集成测试工作前移至供应链中完成 [33][34] - 公司与台积电的合作建立在数十年深度信任基础上，累计完成了价值数百亿甚至数千亿美元的业务，很多时候甚至没有正式合同 [55][56] - 公司认为台积电的护城河不仅在于晶体管技术，更在于其协调全球数百家客户动态需求、保持高产量、高良率、低成本并提供顶级客户服务的综合能力 [54] 能源与基础设施 - 当前全球电力系统存在大量闲置，峰值负荷仅在60%左右，这些闲置电力资源可被AI工厂充分利用 [3][35] - 扩展的真正障碍之一是提高“每瓦每秒产生的token数量”，公司通过系统级协同设计在过去十年实现了百万倍级别的性能提升，远超摩尔定律带来的约100倍提升 [28] - 公司倡导设计能够“优雅降级”的数据中心，并与电力公司推动分层级、分场景的供电承诺，以更高效地利用电网闲置容量 [35][37] 市场竞争与创新环境 - 中国被认为是当今世界创新速度最快的国家之一，其优势在于拥有全球约50%的AI研究人员、深厚的STEM教育基础、激烈的内部竞争、快速的知识传播以及积极的开源文化 [47][48] - 开源AI对于AI进入每个行业和国家至关重要，公司推动开源（如Nemotron模型）的原因包括：AI范畴远大于语言、希望让尽可能多人参与、模型研究需与计算系统协同演进 [51][52] - 公司认为未来的竞争并非替代现有软件和工具，而是AI智能体学会使用现有工具（如微波炉、锤子）来完成任务 [25]