元宇宙与虚拟人行业 - 生成式人工智能为虚拟人行业注入新活力 使创建不同虚拟身份更加容易 [1] - 虚拟人应用场景多样化 包括企业 会议 时尚 学习和创作者领域 [1] - 市场缺乏外观出众且具备个性化特征的高质量虚拟形象 [1] AvatarOS公司背景 - 创始人Isaac Bratzel曾在IPsoft Brud和Dapper Labs担任设计职位 拥有丰富行业经验 [2] - 公司于2022年成立 已完成700万美元种子轮融资 由M13领投 [2] - 投资方包括Andreessen Horowitz Games Fund HF0 Valia Ventures和Mento VC [2] 公司战略与定位 - 专注于打造3D空间中的高端虚拟形象 而非一键生成内容 [4] - 目标是创造能够积累长期价值的虚拟实体 如Lil Miquela案例 [4] - 差异化在于创造具有独特移动方式的虚拟形象 模仿人类多样化动作 [5] 产品与技术 - 正在开发基于机器学习的变形器 用于创造逼真动作 [6] - 提供API接口 允许客户将虚拟形象集成到网站中 [5] - 未来计划为客户提供更多创建和调整虚拟形象的工具 [5] 融资与投资方观点 - M13将本轮投资视为探索性机会 看好创始人的行业经验 [3] - 投资方通过与虚拟化身交谈完成部分尽职调查 [3] - 资金将用于团队扩张和技术开发 [2][6]

报告行业投资评级 未提及 报告的核心观点 报告研究的具体公司作为全球最大的制造业企业，致力于将机器人技术与AI结合以制造更好的产品，通过产业转型、战略布局、技术应用等方式提升竞争力，实现大规模增长，同时关注可持续发展，希望与各方协作提升制造业能力 [1][2][3] 根据相关目录分别进行总结 公司发展与产业布局 - 公司成长迅猛，随着AI、ICT产业发展，业务不断增长，在世界500强排名中获诸多荣誉 [1] - 公司进行产业转型，从传统ICT业务拓展到EV产业，形成ICT+EV双轮驱动，有望带来未来十年、20年大规模增长 [2] - 公司是全球化公司，在全球24个国家和地区布局约205个园区，主要业务包括智能终端、云和网络产品、计算产品和零组件等 [2] 战略规划 - 公司制定3+3战略，关注EV、数字医疗产品和机器人等新产业，以及AI、半导体和新时代通信等新技术，希望融合新产业与新技术提升竞争力 [3] - 公司从制造服务公司向平台解决方案服务商转型，打造智能制造、智慧EV和智慧城市三大平台 [3] 智能制造与AI应用 - 大规模制造面临交期、品质和成本的挑战，公司希望通过AI技术和大语言模型管理方式提升生产效率、转化率和内部收益 [3][4] - 公司与相关方合作构建AI factory for factory AI，建立专业基础模型，应用于工厂、EV和智慧城市，打造AI解决方案 [4] - 下一代智慧工厂应具备自主化、可拓展和自学习能力，公司构建了智能制造平台，与全球重要CSP和大语言模型提供商合作 [4][5] - AI已在制造领域带来显著变化，从传统工厂向数字化工厂转变，可在设备级、整线和车间进行仿真优化，如质检、故障定位等 [6][7] - 公司提供平台让一线人员开发模型，提升设备和工序；factory GPT带来生产制造工业软件和系统的大变化，公司努力整合数据开发多agent系统管理智慧工厂 [8] 机器人应用 - 机器人与自动化融合带来新爆发，公司注重机器人的智能化、协作化和柔性化，设定标准以适应不同场景 [10] - 传统机器人与现代机器人的区别在于灵活性，公司希望机器人具备更多感知力控和触觉，提高复用性，改变资本成本计算方式 [10][11] - 公司有双臂机器人等应用，可解决复杂工序问题，还有人形机器人在仓储物流扫码等方面的实践，提升生产效率 [12] 可持续发展与行业贡献 - 公司关注可持续发展和低碳高效标杆，包括能源管理和可再生能源利用，希望实现EPS和esg两级成长，带动集团全球化再升级 [13] - 公司在电子制造领域获IPC电子行业杰出贡献奖和全年度大奖，今年加入AOUSD，推动数字工厂和仿真技术进步 [13][15]

核心观点 - 博通2025财年第一季度业绩超预期，AI半导体业务表现强劲，营收同比增长77%至41亿美元，并预计第二季度AI营收将达44亿美元，同比增长44%，传递出AI计算支出持续强劲的信号 [3][4] - 公司预计由三个超大规模客户驱动的XPU业务，将在2027财年带来600亿至900亿美元的可服务潜在市场，同时还有四个合作伙伴正在合作开发定制加速器，其潜在需求未被计入上述市场估算 [1][5][9] - 公司在AI领域正加大研发投入，推进2纳米AI XPU 3.5D封装流片和下一代“战斧”交换机，以支持超大规模客户将XPU集群规模扩展至100万个的目标 [4][8][9] 财务业绩与展望 - **2025财年第一季度业绩**：总营收达149亿美元，同比增长25%，高于预期的146.1亿美元；调整后EBITDA为101亿美元，同比增长41% [4][7] - 半导体营收82亿美元，同比增长11% [4] - 基础设施软件营收67亿美元，同比增长47% [4] - AI相关营收41亿美元，同比增长77% [4] - **2025财年第二季度指引**：预计总营收约149亿美元，同比增长19% [14][18] - 预计半导体总营收84亿美元，同比增长17% [11][18] - 预计AI营收44亿美元，同比增长44% [4][18] - 预计基础设施软件营收65亿美元，同比增长23% [14][18] - 预计调整后EBITDA利润率约为66% [14][18] - **现金流与资本结构**：第一季度自由现金流为60亿美元，占营收的40%；季度末现金为93亿美元，总债务为688亿美元，本季度净减少债务11亿美元 [16][17] AI半导体业务战略与市场机会 - **核心市场估算**：三个超大规模客户大量采购XPU，预计在2027财年带来600亿至900亿美元的可服务潜在市场，该市场同时包含训练和推理工作负载 [1][5][9][38] - **客户与合作伙伴拓展**：除上述三个客户外，公司正与另外四个超大规模数据中心客户深入合作，为其打造定制AI加速器，这些合作伙伴未来可能产生与现有三大客户类似规模的需求，但目前未被纳入市场估算 [9][21] - **产品与技术路线图**： - 推进业界首个2纳米AI XPU 3.5D封装流片，目标性能达10000万亿次浮点运算 [8][52] - 提升“战斧”交换机性能，已完成下一代100太比特6交换机的流片，以支持通过以太网将XPU集群扩展至100万个，并计划向客户交付样品 [4][8][53] - **业务构成**：AI业务收入中，约70%来自XPU加速器，约30%来自广泛的连接和网络产品组合，包括以太网、PCI Express、智能交换机等 [4][51] 研发重点与产能投资 - **研发投入方向**：公司增加对领先AI领域的研发投资，重点包括2纳米AI XPU 3.5D封装和下一代交换机技术，以优化AI集群性能 [8][18][52] - **产能扩张**：为满足超大规模客户需求，已将现有场地产能提高一倍，以支持50万至100万个加速器规模的集群扩展 [8][42] 非AI半导体业务表现 - **第一季度表现**：非AI半导体营收为41亿美元，环比下降9%，主要受无线业务季节性下滑影响 [11] - **各细分业务展望**： - 宽带业务：在第一季度实现两位数环比复苏，预计第二季度将继续增长 [11] - 服务器存储业务：第一季度环比下降个位数，预计第二季度环比增长高个位数 [11] - 企业网络业务：因客户消化库存，预计2025财年上半年保持平稳 [11] - 工业转售业务：第一季度下降两位数，预计第二季度继续下降 [11] - **整体展望**：预计第二季度非AI半导体业务营收环比保持平稳，约为40亿美元 [11][18] 基础设施软件业务转型 - **增长驱动**：软件业务增长主要得益于从永久许可证模式向完全订阅模式的转变，目前已完成超过60%的转换，以及向客户推广全套虚拟云套件 [12] - **客户采用率**：截至第一季度末，公司最大的10000家客户中，约70%已采用了虚拟云基础架构 [12] - **AI相关机遇**：通过VMware Private AI Foundation平台，为企业客户在本地数据中心虚拟化GPU并运行AI工作负载提供解决方案，目前已拥有39家企业客户 [13][14] 行业趋势与竞争定位 - **定制化趋势**：生成式AI给系统带来压力，很难用单一通用加速器满足所有模型集群需求，因此催生了与超大规模客户合作开发定制加速器的趋势 [10][20] - **连接产品优势**：公司在连接产品组合（包括光纤、铜缆、有源光学元件等）方面具有优势，超大规模客户的新建项目带来了大量机会 [4][50] - **设计订单策略**：公司对“赢得设计订单”的定义严格，仅选择那些有长期、大量需求且能实现大规模生产和部署的客户合作，避免与初创公司合作 [5][33][34]

文章核心观点 Intangible获400万美元种子资金支持，计划6月推出基于网页的无代码3D工作室，为跨行业创意专业人士及普通用户提供AI驱动创意工具 [1][4] 公司融资情况 - 由a16z Speedrun、Crosslink Capital和几位天使投资者领投400万美元种子轮融资 [1][2] - 筹集资金用于产品开发和招聘 [2] 公司团队情况 - 目前团队10人，包括曾在皮克斯和工业光魔工作的首席产品设计师Philip Metschan [2] - 计划今年将团队规模扩大一倍 [2] 公司使命与目标用户 - 使命是让创意过程对每个人开放 [3] - 目标用户包括电影制作人、游戏设计师等专业人士和普通用户 [3] 公司领导者与创立背景 - 领导者Charles Migos曾是苹果第一方iPad应用首席设计师，担任过Unity产品开发副总裁 [4] - 联合创始人Bharat Vasan曾共同创立可穿戴设备公司Basis，后被英特尔收购 [4] - Migos在Unity工作后萌生创立公司想法，想为创意人员打造利用生成式AI的工具 [4] 公司产品特点 - 无需学习复杂编码，通过文本提示创建3D世界概念 [1][5] - 3D画布编辑器有约6000个3D资源库，可拖放元素 [6] - 故事板功能可让电影制作人调整摄像机角度和组织场景 [7] - 可视化模式利用AI图像生成技术使场景渲染更生动，运用DeepSeek、Llama和Stable Diffusion等技术 [7] - 具备协作功能，团队可共享链接实时协作 [8] 公司产品现状与推出计划 - 目前处于封闭测试阶段，已吸引数百名创意人士关注 [8] - 6月正式推出，提供免费层级和每月15至50美元付费订阅选项，还可购买额外积分 [8]

TCL华星投资与融资需求 - 过去4年TCL华星新增固定资产投资达1080亿元，半导体显示产业累计投资达2700亿元 [1] - 半导体显示项目单笔投资通常超200亿元，集成电路项目超300亿元，当前权益性融资难以满足需求 [3] - TCL华星年经营现金流约200亿元，但大部分用于覆盖银行贷款、折旧和分红，剩余资金有限 [3] - 预测5年后TCL华星、京东方等企业将不再依赖资本市场融资，但未来3-5年仍需融资支持 [1][4] 科技制造业融资环境建议 - 建议放宽股权融资限制，提供创新资本市场服务以支持国内半导体显示等关键产业 [4] - 指出中国大陆集成电路制造业需足够融资支持才能追赶台积电、三星等国际巨头 [4] AI技术应用与算力规划 - 2018年TCL在欧洲设立人工智能研发中心，已应用AI于供应链管理、产品研发等领域 [7] - AI仿真实验将显示工艺开发周期从10-11天缩短，减少产线实际试验并提升效率 [7] - DeepSeek大模型推动公司计划未来2-3年大幅提升自有算力中心能力，原因是其算力架构使投资可承受 [7][8] 生成式AI监管建议 - 提出加强AI深度伪造欺诈管理，需加快出台可操作细则、明确处罚标准及技术标识规范 [8] - 强调深度伪造技术若被滥用可能引发社会问题，呼吁完善立法与国际合作机制 [8]

公司重大合同 - 蓝耘科技全资子公司算优科技与X公司签署37.07亿元算力云服务协议，合同期限60个月，按月结算[2] - 该合同金额远超公司2023年全年营收4.09亿元[2] - 2023年12月公司与中国移动北京公司签署13.9亿元高性能智算集群算力服务合同[4] 业务转型与发展 - 公司2020年从系统集成、IT产品销售转型为GPU算力云服务提供商[3] - 主营业务分为算力云解决方案(服务互联网、金融、能源等行业)和GPU算力云服务(服务AIGC、科研机构等行业)[3] - 转型后营收从不足2亿元增长至突破4亿元，市值超15亿元[3] 行业合作布局 - 2023年11月与杭钢数科、浙文互联、京源云计算签署战略合作协议[5] - 2023年12月向合资公司浙文蓝耘采购6.72亿元算力云服务(持股50%)[5] 行业前景 - IDC预测2025年中国智能算力规模达1037.3EFLOPS，2028年达2781.9EFLOPS[6] - 预计2025年中国智算服务市场规模79.5亿美元，2023-2028年CAGR为57.3%[6] - GPU在AI训练、科学计算等场景需求爆发式增长[3]

报告行业投资评级 - 报告未明确给出行业投资评级 [1][5] 报告核心观点 - 生成式人工智能产业呈现高速发展态势 中国人工智能核心产业规模接近6000亿元 相关企业超过4500家 [17][20] - 产业人才供需失衡迹象明显 预计到2030年中国AI专业人才缺口达400万人 [34] - 一线城市仍是人才需求及薪酬水平黄金区域 北京在算法和模型层产业具有领先优势 [39][50] - 不同规模企业薪酬表现差异显著 千人以下规模企业在应用层薪酬更具吸引力 [36][48][59] 生成式人工智能产业概况 - 产业定义：基于深度学习的技术 能生成文本、图像、视频等内容 [16] - 发展里程碑：2022年ChatGPT发布 2024年DeepSeek模型引发全球关注 [14][17] - 产业链结构：分为基础层（算力、数据）、算法和模型层、应用层（AIGC+垂直领域） [18][19] - 产业规模：2024年中国人工智能核心产业规模接近6000亿元 预计2035年达17295亿元 [20][22] - 政策支持：国家层面出台多项规划 地方政策侧重资金补贴、场景开放和人才引进 [23][24][26] 人才趋势洞察 - 基础层：1000-5000人规模企业中总监级年收入达720,037元 一线城市招聘薪酬北京领先达27,397元/月 [36][39][42] - 算法和模型层：5000-10000人规模企业总监年收入731,263元 北京地区招聘量三年超40万人次 [48][50][52] - 应用层：100-500人规模企业总监年收入758,134元 北京深圳招聘需求最为活跃 [59][62][65] - 应届生薪酬：重点院校硕士在基础层起薪25,400元/月 应用层起薪普遍低于上中游 [44][56][67][69] 典型企业分析 - 浪潮信息：算法研究员月薪45-75k 主要聚焦算力领域算法岗位 [78][79] - 东方国信：图像识别算法架构师月薪15-30k 以机器学习领域为代表 [80][86][87] - 阿里巴巴：达摩院高性能算子开发专家月薪上限80k AI芯片相关岗位预算优势明显 [89][93][95] 数据统计说明 - 数据来源：国家统计局、企业年报及公开媒体数据 [7] - 统计术语：包含分位值、同比/环比增长率等标准统计指标 [8] - 职级体系：涵盖副总至操作工等9个职级 明确定义与范围 [9][10][11]

英伟达2025财年第四季度财报核心信息 财务表现 - 2025财年第四季度营收达393亿美元，环比增长12%，同比增长78%，高于375亿美元的预期 [1] - 2025财年全年营收1305亿美元，同比增长114% [1] - 第四季度GAAP毛利率73%，non-GAAP毛利率73.5% [6] - 数据中心部门Q4收入356亿美元，环比增长16%，同比增长93%，全年收入1152亿美元，同比增长超一倍 [3] - 游戏部门Q4收入25亿美元，环比下降22%，同比下降11%，全年收入114亿美元，同比增长9% [3][4] 数据中心业务亮点 - Blackwell产品Q4销售额110亿美元，创公司最快产品爬坡记录，供应快速增加 [3] - 计算收入环比增长18%，同比增长超两倍，推理需求加速，大型集群常以10万颗以上GPU起步 [3] - 大型云服务提供商（CSP）贡献数据中心收入50%，销售额同比增长近2倍 [3] - 消费互联网收入同比增长3倍，受生成式AI和深度学习用例推动 [3] - 企业收入同比增长近2倍，因模型微调、RAG和代理AI工作流程需求增长 [3] 其他业务部门表现 - 专业可视化业务Q4收入5.11亿美元，环比增长5%，同比增长10%，全年收入19亿美元，同比增长21% [5] - 汽车业务Q4收入5.7亿美元（创纪录），环比增长27%，同比增长103%，全年收入17亿美元，同比增长5% [5] - 网络业务Q4收入环比下降3%，因产品过渡至Spectrum X，预计下季度恢复增长 [5] 运营指标 - 库存环比下降11.1%，应收账款/收入比例降至47% [2] - 预付款同比增长116.1%，反映供应链预付需求增加 [2]

纪要涉及的行业和公司 - **行业**：科技、游戏、汽车、专业可视化、网络 - **公司**：英伟达、微软、谷歌、亚马逊、Oracle、xAI、META、思科、丰田、奥罗拉、大陆集团、艾昆纬、梅奥诊所、ARC 研究所、优步、Core Weave、OpenAI、DeepSeek、思爱普、ServiceNow、安世亚太、楷登电子、西门子 纪要提到的核心观点和论据 业绩情况 - **整体业绩**：FY25Q4 营收 393 亿美元（YoY +78%，预期 382 亿），Non - Gaap 净利润 221 亿（YoY +72%，预期 210 亿）；2025 财年营收 1305 亿美元，较上一年增长 114% [1][3] - **各业务业绩** - **数据中心业务**：2025 财年营收 1152 亿美元，较上一年增长超一倍；Q4 营收 356 亿美元，创历史新高，环比增长 16%，同比增长 93%，得益于 Blackwell 产品量产爬坡及 H200 产品环比增长 [4] - **网络业务**：收入环比下降 3%，与 GPU 计算系统配套业务表现强劲，占比超 75%；预计 Q1 恢复增长 [12] - **游戏及 AIPC 业务**：Q4 收入 25 亿美元，环比下降 22%，同比下降 11%；全年收入 114 亿美元，同比增长 9%；预计 Q1 收入环比强劲增长 [13] - **专业可视化业务**：Q4 收入 5.11 亿美元，环比增长 5%，同比增长 10%；全年收入 19 亿美元，同比增长 21% [15] - **汽车业务**：Q4 收入达创纪录的 5.7 亿美元，环比增长 27%，同比增长 103%；全年收入 17 亿美元，同比增长 5% [16] - **业绩指引**：FY26Q1 营收 430 亿（预期 422 亿），预计 FY26 年底达到 75%毛利率水平（FY25Q4 为 73.5%） [1] 业务亮点 - **数据中心业务** - **产品表现**：Blackwell 产品量产速度和规模史无前例，Q4 实现 110 亿美元营收；GB300 系列即将上线，下一代 Blackwell Ultra 将于 25H2 发布 [1][4] - **需求驱动**：Post - training 和模型定制、推理扩展推动需求增长；Blackwell 覆盖全 AI 市场，性能和创新速度快，实现最低 TCO 和最高 ROI [6][7] - **客户群体**：大型 CSP 贡献近一半数据中心收入，销售额同比增长近一倍；区域云服务收入占比上升；消费互联网业务收入同比增长两倍；企业业务收入同比增长近一倍；机器人、AV 与物理 AI 领域应用增多 [7][8][9][10] - **网络业务**：正从小型 NVLink 8 产品向大型 NVLink72 产品过渡，Spectrum X 和 NVLink 交换机收入增长；思科将整合 Spectrum X 技术推广以太网技术 [12] - **游戏及 AIPC 业务**：推出全新 GeForce RTX 50 系列 GPU，性能提升两倍，带来新渲染技术；DLSS 4 可提升帧率；发布搭载新架构笔记本电脑 GPU，续航延长 40% [13][14] - **专业可视化业务**：技术和生成式人工智能重塑设计等工作负载，推动对英伟达 RTX 工作站需求 [15] - **汽车业务**：自动驾驶汽车量产爬坡推动增长，丰田将基于英伟达打造下一代汽车，奥罗拉和大陆集团将大规模部署无人驾驶卡车 [16] 财务情况 - **FY25Q4 财务**：扩大 Blackwell 产品量产规模超预期，预计毛利率处于 70%出头水平，全面量产时有望降低成本、改善毛利率；环比 GAAP 运营费用增长 9%，non - GAAP 运营费用增长 11%；Q4 向股东返还 81 亿美元 [17] - **FY26Q1 展望**：预计总营收 430 亿美元，上下浮动 2%；预计 Blackwell 产品量产规模大幅提升，数据中心和游戏业务营收环比增长；其他收入费用预计约 1 亿美元；税率预计为 17%，上下浮动 1% [18] 市场与产品相关观点 - **训练与推理界限模糊影响**：预训练、后训练和推理阶段计算量都在增长，未来模型计算量可能大幅提升；英伟达架构通用，能运行各种模型，Blackwell 在各方面表现出色 [19][20][21] - **GB200 生产规模**：对 GB200 热情更高，已出货更多产品，成功扩大 Grace Blackwell 生产规模，Q4 实现约 110 亿美元营收，将继续扩大生产 [22] - **毛利率情况**：扩大 Blackwell 产品生产规模期间，毛利率处于 70%出头水平，全面量产可降低成本、提高毛利率，预计今年晚些时候达 70%中期水平 [24] - **需求持续性**：数据中心资本投资规模大，未来软件基于机器学习，有顶级合作伙伴预测和规划，初创企业带来新机遇，各领域人工智能发展处于早期阶段，需求将持续 [24][25] - **Blackwell Ultra 产品**：下半年推出，系统架构与现有 Blackwell 产品相同，过渡顺利；已与合作伙伴和客户规划，透露后续 Vera Rubin 产品信息 [26][27][28] - **GPU 与 ASIC 平衡**：英伟达架构通用，能端到端处理，应用广泛，性能提升节奏快，软件堆栈构建难度大，部署速度快，在市场竞争中优势明显 [28][29][30][31] - **地域业务增长**：人工智能成为主流，应用广泛，处于新时代开端，影响全球 GDP 比重，增长前景广阔；中国业务占比大致不变，规模约为出口管制前一半 [32][33][34] - **企业业务增长**：企业业务增长与大型 CSP 相似，企业既与云服务提供商合作，也自行构建业务；从长远看，企业业务增长规模更大，涉及智能体人工智能、物理人工智能和机器人系统等新领域 [35][36][37][38] - **设备更新换代**：不同架构产品因 CUDA 可编程性强，都有应用场景，可分配不同工作负载，已部署基础设施能得到充分利用 [39][40] 其他重要但是可能被忽略的内容 - 英伟达在为客户提供服务时将继续遵守出口管制规定，关税情况不明，等待美国政府计划进一步明确 [11][41] - 英伟达投资者关系网站提供新的财务信息人工智能智能体 [18]

文章核心观点 - Nvidia股价涨势停滞，投资者对AI计算发展路径和Nvidia技术依赖度持谨慎态度[1] - 分析Nvidia增长驱动因素及未来挑战，包括产品迭代、技术优势及竞争格局[2] Nvidia核心AI芯片产品 - Hopper H100是目前最赚钱的AI芯片，采用集群计算技术，适用于AI神经网络训练[3] - Blackwell系列将取代Hopper，训练性能提升2.5倍，采用双芯片集成设计[3][4] - GB200超级芯片结合双Blackwell GPU与Grace CPU，强化计算能力[3] Nvidia技术优势与市场地位 - 并行计算技术积累始于图形芯片领域，早期布局使其在AI时代占据先机[5][6] - 数据中心GPU市场份额达90%，主导AI训练芯片市场[7] - CUDA编程语言生态绑定行业，形成软硬件协同壁垒[13] 竞争对手动态 - AMD推出Instinct MI350芯片，性能号称提升35倍，但年收入50亿美元远低于Nvidia的1000亿美元[12] - 英特尔因Falcon Shores芯片市场反馈不佳，暂不商业化，落后于Nvidia[13] - 云计算巨头（AWS、Google Cloud、Azure）尝试自研芯片但未撼动Nvidia地位[7][9] AI芯片需求与行业趋势 - 微软、亚马逊、Meta、谷歌计划投入数千亿美元建设AI数据中心[10] - 市场担忧AI数据中心需求短期见顶，微软取消部分数据中心租约[10] - 中国初创公司DeepSeek通过低资源消耗的推理技术取得突破，但Nvidia强调其GPU仍为推理核心[11] 产品迭代与客户策略 - Nvidia通过快速硬件更新和集群系统设计（如H100批量部署方案）保持领先[9] - 美国政府限制高端AI芯片对华出口，影响Nvidia中国市场布局[4][11]