文章核心观点 - 企业采用横跨多个不相关领域的“斜杠模式”扩张，虽然可能源于寻求增长、构建生态或对冲风险等合理动机，但往往因忽略行业差异、分散资源、增加内部成本而难以成功，不利于构建长期竞争力 [1] - 企业应回归能力本位，聚焦核心业务，通过深化社会分工与协作，而非试图以内部覆盖全链条，来构筑长久竞争优势并提升产业整体效率与韧性 [3] 对“斜杠企业”模式的分析 - “斜杠企业”指横跨多个不相关领域的企业，其扩张常出于追逐市场潮流、寻求新增长点、构建生态闭环或对冲单一领域风险等动机 [1] - 由机会驱动而非能力驱动的跨界扩张，忽略了不同行业在核心技术、供应链、商业规则和人才体系上的巨大差异 [1] - 跨界意味着在多个陌生领域与专业对手竞争，当进入不具比较优势的领域时，企业的内部组织、管理、协调成本将急剧上升 [1] - 随着战线过长，企业的资金、人才和研发资源会被分散到千差万别的业务中 [1] - 试图以“企业内分工”替代“社会分工”来覆盖全链条，在技术先进、迭代迅速、知识密集的领域往往步履维艰 [3] 专注核心业务的成功案例 - 博世专注核心零部件技术，成为全球汽车工业和高端制造业不可或缺的供应商 [2] - 阿斯麦聚焦于芯片制造的核心设备光刻机 [2] - 发那科钻研“运动控制”，其产品获得全球高端制造生产线的信任 [2] - 格力电器几乎将全部资源投向空调的研发、生产和销售 [2] - 福耀玻璃专注汽车玻璃，已成为全球各大汽车品牌的核心供应商 [2] - 宁德时代高度集中于动力电池与储能电池的研发、制造与系统创新 [2] - 这些企业在自身最具效率的领域，通过大规模生产和技术深化不断降低成本、提升品质，将擅长的事做到世界顶尖以建立护城河 [2] 社会分工与协作的价值 - 大型企业依赖深度的社会分工与协作，例如苹果专注于设计、iOS系统和芯片，而将绝大部分零部件交由三星、LG、索尼、富士康等全球专业供应商生产 [2] - 波音和空客作为总装集成商，其背后是分布在全球的数万家高度专业化的各级供应商网络 [2] - 以AI计算产业为例，当各层企业（如芯片、存储、软件）“分层解耦”，专注成为各自层面的领跑者并通过标准接口协同，整个产业的系统效率和创新能力可能发生质的飞跃，这优于每家厂商打造封闭的“全栈”生态 [3] 对企业和产业的启示 - 资源有限，对企业而言，回归能力本位，聚焦核心业务，是构筑长久竞争优势的选择 [3] - 对产业而言，告别内卷，拥抱开放，深化协作，有助于构建更具韧性的现代体系 [3] - 对社会而言，鼓励培育在细分领域做到世界领先的“隐形冠军”和“专精特新”企业，形成基于比较优势的产业分工网络，能提升整体竞争力 [3] - 企业应与产业链合作伙伴做“乘法”（深化协作），而非不断扩张自身业务范围做“加法” [3]

核心观点 - 黄仁勋首次公开承认华为AI芯片性能与NVIDIA H200相当，标志着华为从技术跟随者转变为直接竞争对手[1][7] - 华为通过CloudMatrix 384集群系统实现技术突破，其全互连拓扑设计提供300PFLOPs BF16算力，达到NVIDIA GB200 NVL72系统的两倍[10][11] - 行业竞争格局发生本质变化，从单芯片性能比拼转向系统级能力竞争，华为的垂直整合模式对NVIDIA生态构成挑战[16][21][26] 技术对比 - 昇腾910B集群调度能力弥补单芯片制程差距，整体系统表现接近H200[16] - CloudMatrix采用光电互连技术替代NVLink桥接，降低通信延迟并提升分布式计算效率[10] - 华为CANN架构与MindSpore框架形成闭环训练平台，软件迁移难度低于行业平均水平[21] 产业影响 - 华为技术路线与NVIDIA分叉：前者聚焦中国本地训练需求，后者服务北美数据中心生态[12][25] - 全球AI算力市场可能出现结构性分裂，华为模式推动国产替代形成独立技术体系[26][27] - 大模型训练向10万亿参数规模发展，芯片间通信效率成为竞争关键点[18] 发展历程 - 昇腾910B大规模应用时间（2023年底）比H100发布（2022年下半年）晚约1年，但H200时代已实现技术代际追赶[5][6] - 华为通过持续投入硬件通信、液冷散热等技术积累系统工程能力[30][31] - NVIDIA传统优势在于CUDA生态粘性，但华为垂直整合方案正在突破这一壁垒[20][22] 未来趋势 - AI算力竞争进入新阶段，重点转向更大模型支持、更低功耗和更稳定集群[33][34] - 行业面临技术路线分化风险，可能形成两套并行的算力标准体系[24][26] - 系统工程能力将成为决定市场份额的关键因素，超越单芯片性能指标[31][34]