地平线HSD技术体验评估 - 2025年10月在杭州西湖对A车型地平线HSD工程车进行了1.5小时试驾，辅助驾驶能力相当不错，明显优于理想L7 VLA截至2025年10月的量产版本[5] - 试驾过程中除1次三点掉头外实现0次接管，在安心感、舒适感、丝滑度、时延及堵车连续启停舒适度方面均表现良好，全程几乎没有调整速度的欲望[6] - 地平线HSD技术架构为车端视觉信息输入、输出轨迹的VA式端到端，激光雷达定位为安全冗余，云端有语言介入，认为VA式端到端还有很大潜力可挖[5] 理想汽车VLA技术对比 - 2025年8月在北京顺义体验的理想i8 VLA工程车能力明显强于当时成都L7 VLA与北京i6 VLA的量产版本[5] - 无法明确判断2025年10月杭州体验的HSD工程车与2025年8月北京体验的理想i8 VLA工程车哪个体验更好[5] - 对VLA技术的观点是认为大量时候不需要语言，且串联式VLA对算力和带宽要求过高[5] 地平线团队合作与产品差异 - 接触的三个地平线智驾团队成员诚实度很高，主动详细说明系统在极端天气、非标场景、复杂博弈下的局限性[7] - 地平线HSD在不同车型上表现差异显著，A车型工程车辅助驾驶能力很不错，而B车型则很一般，差异原因包括芯片算力不同及与车企配合度有关[6] - 地平线与主机厂合作中，车机与智驾适配需高度尊重主机厂意见，导致SR界面布局和导航操作逻辑存在不符合直觉的问题[7] 行业技术发展现状 - 地平线团队成员评估HSD目前可能有FSD V13版本约60%的水平，但属于非严谨论证[7] - HUD和车机界面构成智驾体验重要部分，SR界面应放在左边而非右边，更改导航目的地按钮的设计也需要优化[7] - 行业中存在VA式端到端与VLA两种技术路径的探讨，VA式端到端被认为还有很大潜力[5]

全球唯一旗下产品同时拥有七国自动驾驶牌照的科技企业。 本文为IPO早知道原创 作者｜ Stone Jin 微信公众号｜ipozaozhidao 据IPO早知道消息，WeRide Inc. – W（以下简称"文远知行"）于10月28日开启招股，至11月3日 结束，并计划于2025年11月6日正式以"0800.HK"为股票代码在港双重上市。 2024年10月25日，文远知行登陆纳斯达克，成为"全球Robotaxi第一股"及"全球通用自动驾驶第 一股"。 文远知行计划本次IPO中发行88,250,000股，最高发售价不超过每股35港元。此外，公司预期将向 国际承销商授出超额配售权，按国际发售价额外发行及配发最多合共 13,237,500 股发售股份（约 占全球发售项下初步可供认购发售股份数目的 15.0%），如全额行使超额配售，则募资金额预计将 超4亿美元。 本次回港上市， 文远知行再次获得全球领先的出行与配送技术平台Uber、东南亚领先的超级应用 Grab、全球最大Tier 1博世Bosch等不同产业上下游资方的投资支持。 其中，Uber承诺将进一步 投资一亿美金。据业内人士透露，公司正积极推进上市前路演，且收到 ...

战略转型与合作生态 - 公司从芯片制造商向全栈AI基础设施供应商进行战略转型 [5] - 公司与诺基亚达成战略合作，投资10亿美元认购其股份，共同推进AI原生6G网络平台 [3][21] - 公司与Uber及Stellantis合作，支持Uber从2027年起部署10万辆Robotaxi服务汽车 [5][38] - 公司与AI公司Palantir及制药巨头礼来达成合作，推动AI在企业运营和药物研发领域的商业化应用 [5][42][44] 下一代计算架构与产品发布 - 公司首次展示下一代Vera Rubin超级GPU实物，采用无缆连接设计，单机架算力达100 Petaflops，是初代DGX-1性能的100倍 [5][6] - Vera Rubin NVL144平台的FP4推理性能达到3.6 Exaflops，FP8训练能力为1.2 Exaflops，较GB300 NVL72提升3.3倍 [10] - 第二代平台Rubin Ultra计划于2027年下半年发布，其NVL576平台的FP4推理性能将达到15 Exaflops，较GB300提升14倍 [13] - 公司推出支持AI工厂操作系统的处理器Bluefield-4，其计算能力是前代BlueField-3的6倍，可支持的AI工厂规模扩大3倍 [29][30] 芯片产能与销售预期 - Blackwell GPU已在亚利桑那州实现全面生产，标志着该芯片首次可以在美国制造 [17] - 公司预计将出货2000万块Blackwell芯片，而上一代Hopper架构芯片在整个生命周期内仅出货400万块 [17] - 过去四个季度已出货600万块Blackwell GPU，需求强劲，预计Blackwell和Rubin芯片将合计带来五个季度5000亿美元的GPU销售额 [17] 6G与AI融合网络 - 公司与诺基亚合作推出Aerial RAN Computer Pro计算平台，旨在构建AI原生的5G-Advanced和6G网络 [20][21] - 分析机构Omdia预测，到2030年AI-RAN市场规模累计将超过2000亿美元 [21] - T-Mobile美国公司将与诺基亚和公司合作，于2026年开始测试AI-RAN技术，以支持自动驾驶汽车等AI原生设备 [22] 量子计算与超算布局 - 公司推出开源系统架构NVQLink，用于连接量子处理器与GPU超级计算机，已获得17家量子计算公司支持 [4][23][25] - 公司与甲骨文合作，为美国能源部建造该部门最大的AI超算Solstice系统，配备10万块Blackwell GPU，另一套Equinox系统含1万个GPU [28] - 两套超算系统总计提供2200 exaflops的AI性能，将用于支持前沿模型的开发和训练 [28] 自动驾驶技术平台 - 公司推出端对端自动驾驶平台DRIVE Hyperion，助全球汽车制造商加速开发L4级自动驾驶技术 [36][38] - DRIVE AGX Hyperion 10是一个参考级生产计算机和传感器架构，使任何车辆都能达到L4级准备状态 [40] - 除Uber外，公司还与多家自动驾驶技术公司合作，包括在卡车运输领域与Aurora、沃尔沃等开发L4级自动驾驶卡车 [41] 企业AI与行业应用 - 公司与Palantir合作，将GPU加速计算整合到其AI平台中，零售商Lowe's成为首批应用该技术进行供应链优化的企业之一 [42][43] - 礼来公司与公司合作建设由超1000块Blackwell Ultra GPU驱动的超级计算机，用于药物发现与开发，预计于明年1月上线 [44][46] - 该超级计算机被视为一种新型科学仪器，旨在极大地扩展药物发现的范围和复杂性，相关益处预计在2030年末显现 [44]

中证报中证网讯(记者王婧涵)10月28日，文远知行在港交所发布招股书，计划于11月6日在港交所上 市。公司拟全球发售8825万股(绿鞋前)，预期将向国际承销商授出超额配售权，如全额行使超额配售， 则募资金额预计将超4亿美元。 根据公司招股书，文远知行在香港的IPO获得了Uber、Grab和博世Bosch的投资。 目前，文远知行Robotaxi已在开放道路上完成超2200天的公共商业运营，在公共道路上的自动驾驶里程 约5500万公里。 文远知行表示，公司创始人兼CEO韩旭已正式签署自愿锁定协议，承诺三年内不减持其持有的公司股 份。 据悉，文远知行拥有中国、美国、阿联酋、新加坡、法国、沙特、比利时七国自动驾驶牌照，业务覆盖 超30座城市，拥有自动驾驶车辆超1500辆，其中超700辆为Robotaxi。 ...

赛事成就与排名 - 浪潮信息AI团队在ICCV 2025自动驾驶国际挑战赛的端到端自动驾驶赛道中夺得冠军，EPDMS综合得分为53.06 [2] - 该团队提出的创新框架"SimpleVSF"在榜单中排名第一，得分显著领先于第二名（51.31）和第三名（51.08） [3] - 此次夺冠是公司继2022年、2023年登顶nuScenes榜单以及2024年在CVPR自动驾驶挑战赛夺冠后的又一重要成果 [13] 技术框架与核心创新 - SimpleVSF框架创新地构建了以鸟瞰视图感知轨迹预测为核心、视觉-语言多模态大模型辅助判断的融合方案 [2] - 框架引入VLM增强打分机制，通过将前视图像与车辆状态输入VLM生成认知指令，使轨迹评估融入对交通意图与场景语义的理解 [8] - VLM增强打分机制为单一模型带来2%的性能提升，在融合决策中提升幅度达到6% [8] - 框架采用双重融合决策机制，包括权重融合器和基于VLM的选择融合器，融合后的结果相比单一模型性能提升达10% [10][11] - 框架采用扩散模型生成高质量候选轨迹，运用ViT-L等先进视觉骨干网络进行特征提取，并引入Qwen2.5VL系列视觉语言模型 [13] 行业挑战与赛题设置 - 端到端自动驾驶当前主要问题在于难以理解如礼让行人、拥堵跟车等高层次语义与场景常识，限制了其在真实开放道路中的可靠性与泛化能力 [5] - 赛题旨在提升模型在复杂动态环境中高效可靠决策的能力，比赛分为两阶段，第二阶段基于真实场景通过Gaussian Splatting技术生成合成场景以测试模型泛化能力 [6] - 比赛引入"反应式背景交通参与者"，要求模型具备交互式预测与意图理解能力，而非简单的轨迹外推 [6] - 比赛以NAVSIM v2数据驱动仿真框架作为评估平台，考验纯视觉环视相机输入的轨迹预测与行为规划能力，并优化九项关键指标 [4] 技术影响与行业意义 - SimpleVSF框架有效弥合了传统轨迹规划与视觉语言模型语义理解之间的关键鸿沟，推动自动驾驶决策从"纯几何式"向"认知式"转变 [7] - 该技术为高动态、高交互交通环境下的智能决策提供了全新思路，突破了现有端到端自动驾驶模型在复杂交通场景"难以自主判断"的局限 [2] - 端到端自动驾驶通过端到端优化有效减少了传统模块化方法中各组件间的误差累积与信息损失，被广泛认为是实现智能驾驶的重要发展方向 [5]

文章核心观点 - 提出了一种名为Dream4Drive的全新3D感知合成数据生成框架，旨在解决现有自动驾驶世界模型在评估合成数据有效性时存在的公平性问题，并显著提升下游感知任务的性能 [1][5][6] - 该框架通过将输入视频分解为3D感知引导图、渲染3D资产并微调世界模型，能够灵活生成大规模多视角极端场景视频，仅需添加不足2%的合成样本即可在相同训练轮次下超越纯真实数据训练的效果 [1][6][27] - 研究构建了大规模3D资产数据集DriveObj3D以支持多样化编辑，并通过大量实验证明该方法在不同训练轮次和分辨率下均能有效提升3D目标检测与跟踪等关键感知任务的性能 [2][27][29][30] 背景回顾 - 自动驾驶感知模型的性能高度依赖大规模人工标注数据，但收集长尾场景数据耗时费力，现有基于扩散模型或ControlNet的世界模型对单个目标的位姿和外观控制能力有限，难以生成多样化合成数据 [4] - 现有合成数据增强方法通常采用“合成数据预训练+真实数据微调”的策略，导致总训练轮次是基准模型的两倍，在训练轮次相同时，混合数据集相比纯真实数据训练并无优势，甚至性能更差 [5] - 视频编辑方法和基于NeRF/3DGS的重建类方法分别存在单视角局限性以及伪影、渲染不完整和视觉不一致等问题，限制了其在环视BEV感知任务中的应用 [4] Dream4Drive算法详解 - 框架核心流程包括将输入视频分解为深度图、法向量图、边缘图等3D感知引导图，将3D资产渲染到引导图上，并通过微调世界模型生成编辑后的多视角真实感视频 [5][8][16] - 采用密集型3D感知引导图而非稀疏空间控制（如BEV地图），结合多条件融合适配器和空间视角注意力机制，确保实例级空间对齐、时间一致性和跨视角连贯性 [8][19] - 训练目标结合了简化的扩散损失、前景掩码损失和LPIPS损失，无需昂贵3D标注，仅依赖RGB视频及可通过现成工具生成的引导图，大幅降低训练成本 [20][21] DriveObj3D资产 - 为支持多样化3D感知视频编辑，设计了一套高效3D资产生成流程，包括使用GroundedSAM进行目标分割、Qwen-Image生成多视角一致图像、Hunyuan3D进行3D网格重建 [22][25] - 构建了大规模3D资产数据集DriveObj3D，涵盖驾驶场景典型类别，其资产生成方法相比Text-to-3D和单视角方法能生成更完整、高保真且风格一致的资产 [9][25] 实验结果分析 - 在下游3D检测任务中，仅添加420个合成样本（<2%真实数据量），在1倍训练轮次下mAP从34.5提升至36.1，NDS从46.9提升至47.8；在2倍轮次下mAP从38.4提升至38.7，NDS从50.4提升至50.6 [27][28] - 在下游跟踪任务中，同等条件下AMOTA从30.1提升至31.2（1倍轮次）以及从34.1提升至34.4（2倍轮次）[27][28] - 在高分辨率（512×768）设置下，性能提升更为显著，mAP提升4.6个百分点（相对提升12.7%），NDS提升4.1个百分点（相对提升8.6%）[29] 消融实验 - 插入位置影响性能，左侧插入优于右侧（mAP提升0.4个百分点，NDS提升0.9个百分点），远距离插入效果优于近距离，因近距离插入可能造成严重遮挡 [37][38] - 3D资产来源影响合成数据质量，使用与数据集风格一致的资产（本文方法）相比Trellis或Hunyuan3D能产生更优的下游任务性能（mAP 40.7 vs 39.8/40.2）[39][41] - 与直接投影的“朴素插入”方法相比，Dream4Drive的生成式方法因能合成阴影、反射等真实感细节，在各项指标上均表现更优 [33][35]

社区概况与定位 - 社区名称为“自动驾驶之心知识星球”，是一个集视频、图文、学习路线、问答、求职交流为一体的综合类自动驾驶社区 [1][3] - 社区已运营三年，当前成员规模超过4000人，并计划在未来2年内发展到近万人规模 [1][3] - 社区旨在为初学者和进阶者提供技术分享与交流平台，解决行业壁垒高、试错成本高、缺乏完整学习体系等问题 [1][3] 社区资源与技术覆盖 - 社区内部梳理了超过40个自动驾驶技术方向的学习路线，涵盖感知、规划控制、仿真、端到端驾驶等多个领域 [5][6][14][15] - 资源形式包括近40个开源项目汇总、近60个自动驾驶相关数据集、行业主流仿真平台以及各类技术学习路线 [14] - 提供原创直播课程，内容覆盖感知融合、多传感器标定、SLAM与高精地图、决策规划、数据工程、自动驾驶仿真及端到端与大模型技术等9大系列 [9] 成员构成与合作伙伴 - 社区成员来自上海交大、北京大学、CMU、清华大学等国内外知名高校实验室，以及蔚小理、地平线、华为、英伟达、百度等自动驾驶头部公司 [14] - 社区与多家自动驾驶公司建立了岗位内推机制，可帮助成员简历直达心仪公司 [10] - 社区定期邀请学术界与工业界大佬进行直播分享，目前已举办超过一百场专业技术直播 [84] 具体技术内容与问答 - 社区日常讨论问题包括端到端自动驾驶入门、VLA学习路线、多模态大模型数据集、多传感器融合就业前景、3DGS与闭环仿真结合等前沿话题 [7][18] - 技术资料库详细梳理了3D目标检测、BEV感知、扩散模型、世界模型、视觉语言模型、自动驾驶VLA等热点领域的最新综述、方法汇总与开源数据集 [20][37][39][43][45] - 提供“自动驾驶100问”系列实战资料，涵盖TensorRT模型部署、毫米波雷达融合、车道线检测、规划控制、BEV感知、相机标定等工程化主题 [8]

公司股价表现与市场催化剂 - 英伟达股价于当地时间10月28日收盘上涨4.9%，盘中一度涨逾6%，市值报4.89万亿美元，创下历史新高 [3] - 公司股价今年以来累计涨幅接近50%，延续了自7月突破4万亿美元市值以来的强劲扩张势头 [3] - 在华盛顿特区举行的GTC大会是公司新一轮股价上涨的催化剂，凸显公司正加速从“AI芯片制造商”向“计算生态系统平台”转型 [3] 跨行业合作与技术发布 - 公司与制药巨头礼来合作，共同建设被称为“医药领域最强大的超级计算机”，以支持分子建模与药物研发 [5] - 在通信领域，公司与诺基亚签署战略协议，共同开发6G人工智能平台，并向诺基亚投资10亿美元，持股约2.9% [6] - 公司与T-Mobile美国合作推动AI-RAN技术落地，T-Mobile预计2026年启动6G试验，戴尔将为该计划提供PowerEdge服务器支持 [6] - 公司发布新一代自动驾驶计算平台Hyperion 10，并宣布将与优步合作构建Robotaxi自动驾驶出行网络 [6] 量子计算与AI超级计算布局 - 公司在GTC大会上正式发布NVQLink互联系统，该技术可在量子处理器与AI超级计算机之间实现高速通信 [8] - 公司将与美国能源部合作，在阿贡和洛斯阿拉莫斯等国家实验室建设七台新一代AI超级计算机 [8] - 能源部最大的AI系统Solstice将配备10万个Blackwell GPU，另一套Equinox系统包含1万个GPU，预计2026年投入使用 [8] - 公司将在Digital Realty位于弗吉尼亚州的园区内部署AI Factory研究中心，作为其Omniverse DSX多代AI架构的重要节点 [9] 管理层观点与行业展望 - 公司首席执行官黄仁勋表示，AI产业正进入从试验到成熟的关键阶段，客户愿意为模型付费是行业进入良性循环的标志 [11] - 公司预计Blackwell芯片和Rubin模型将在未来五个季度带来约5000亿美元的收入 [11] - AI的发展正推动各行各业的再工业化，算力正在成为新的生产要素，公司的使命是构建支撑这一转变的基础设施 [11] - 市场普遍认为，公司在量子计算、通信网络和自动驾驶领域的延伸布局，将进一步扩大其市场边界 [12]

核心观点 - 英伟达在GTC华盛顿特区技术峰会上勾勒了帮助美国在AI基础设施和创新领域保持领导地位的宏伟蓝图，核心战略是通过“极致协同设计”推动计算架构、通信技术、量子计算和本土制造等多领域的范式转移 [1] 计算架构范式转移 - 传统CPU性能增长因登纳德缩放定律终结而陷入停滞，公司以并行计算、GPU和加速计算架构作为解决方案 [4] - 公司构建了CUDA-X全栈加速库软件生态系统，覆盖深度学习、数据科学、决策优化、计算光刻及量子计算等关键领域，被视为公司最珍贵的宝藏和技术核心 [4] AI原生6G技术栈ARC-Pro - 公司推出以美国技术为核心的AI原生6G无线技术栈NVIDIA ARC，基于Aerial平台构建，融合Grace CPU、Blackwell GPU及先进网络组件 [5][7] - 公司与诺基亚达成深度战略合作，诺基亚将在未来基站系统中集成ARC解决方案，公司以每股6.01欧元认购1.664亿股诺基亚新股，投资总额达10亿美元 [7] 量子计算互联技术NVQLink - 公司推出量子-GPU互联技术NVQLink，使量子处理单元能实时调用CUDA-Q框架，将通信延迟降至约4微秒 [10] - 公司的量子计算生态系统合作伙伴包括17家领先企业和多个美国能源部实验室，几乎所有的美国能源部下属实验室都参与合作 [10] 加速美国科研进程 - 公司与美国能源部达成战略合作，将共同建设七台新一代超级计算机 [10] - 将在阿贡国家实验室打造包含Solstice系统（部署10万颗Blackwell GPU）和Equinox系统（配备1万颗Blackwell GPU，提供2,200 EFLOPS AI算力）的超级计算网络 [12] 本土制造战略 - Blackwell GPU已在美国亚利桑那州实现规模化生产，基于该芯片的整机系统也将在美国完成组装，标志着制造环节从依赖台积电转向美国本土供应链 [13] - 过去四个季度公司已出货600万颗Blackwell GPU，预计Blackwell与下一代Rubin芯片的总销售额将达到5000亿美元规模 [13] AI工厂革命 - 公司提出AI从“工具”转变为“生产力主体”，催生全新的计算范式、职业形态与产业格局 [14] - “AI工厂”是专门为海量token生成、传输与服务构建的全新综合计算平台，通过重新定义计算机形态（扩展至整个机柜）和创新AI以太网技术Spectrum-X实现系统间无损横向扩展 [14] Omniverse DSX蓝图 - 公司发布Omniverse DSX，是一套完整覆盖100兆瓦至数千兆瓦级AI工厂设计与运营的综合解决方案 [15] - 提供DSX Boost（内部能效优化，可降低约30%能耗或提升30%GPU密度）和DSX Flex（外部能源整合，可激活美国电网中约100吉瓦闲置容量）两个配置框架 [18] - 该架构支持当前Blackwell平台并兼容下一代Vera Rubin等未来产品 [19] 开放生态与产业融合 - 公司本年度已向开发者社区贡献了数百个高质量开放模型与数据集，强调开源模型与开放协作是创新基石 [20][21] - 已构建覆盖关键领域的开放模型体系，包括Nemotron（智能体推理）、Cosmos（合成数据与物理AI）、Isaac GR00T（机器人技能学习）和Clara（生物医学研究） [21] - 宣布与CrowdStrike共建新一代网络安全体系，并与Palantir达成深度技术整合，将加速计算架构与开源模型融入其数据平台 [22] 物理智能应用 - “物理智能”通过机器人与智能系统重塑制造、物流及基础设施，推动美国再工业化进程 [24] - 合作伙伴案例包括：富士康运用Omniverse仿真休斯敦新工厂、卡特彼勒集成数字孪生、Figure AI人形机器人、强生优化生产研发、迪士尼训练交互式机器人 [24] 自动驾驶新纪元 - 公司与Uber共同构建自动驾驶出行平台，计划自2027年起规模化部署约10万辆自动驾驶车辆 [26] - 项目将依托新一代DRIVE AGX Hyperion 10平台（配备两颗Thor处理器，每颗约2000 FP4 TFLOPS，含14个摄像头等传感器套件） [26] - 该平台还获得Lucid Motors、梅赛德斯-奔驰以及Stellantis集团等汽车制造巨头的采用 [26]

公司股价表现 - 英伟达股价于10月28日强势上扬，盘中一度涨逾6%，收盘上涨4.9%，市值触及4.94万亿美元后报4.89万亿美元，创下历史新高 [2] - 公司股价今年以来累计涨幅接近50%，扩张势头延续自7月突破4万亿美元以来的强劲行情 [2] - 受GTC大会利好推动，英伟达股价周二创下自6月以来最大单日涨幅 [6] 战略转型与行业地位 - 公司在GTC大会上密集发布技术革新与产业合作计划，显示其正加速从“AI芯片制造商”向“计算生态系统平台”转型 [2] - 多项公告显示英伟达有能力将业务延伸到核心数据中心客户之外，可能为其打开新的增长空间 [3] - 本届GTC大会凸显了英伟达在AI生态体系中的核心地位，公司正构建贯穿整个AI产业链的闭环 [6] - 市场普遍认为，英伟达在量子计算、通信网络和自动驾驶领域的延伸布局，将进一步扩大其市场边界 [6] 关键业务合作与拓展 - 英伟达与制药巨头礼来合作，共同建设被称为“医药领域最强大的超级计算机”，以支持分子建模与药物研发 [3] - 公司与诺基亚签署战略协议，共同开发6G人工智能平台，并向诺基亚投资10亿美元，持股约2.9% [3] - 英伟达与T-Mobile美国合作推动AI-RAN技术落地，T-Mobile预计2026年启动6G试验 [3] - 公司发布新一代自动驾驶计算平台Hyperion 10，并宣布与优步合作构建Robotaxi自动驾驶出行网络 [3] 技术产品发布与创新 - 黄仁勋正式发布NVQLink互联系统，该技术可在量子处理器与AI超级计算机之间实现高速通信，是首个能够支撑大规模量子纠错与并行运算的互联方案 [4] - 量子计算被视为下一代计算架构的关键方向，能够在分子模拟、气候建模和金融定价等领域解决传统计算机难以应对的复杂问题 [4] - 公司宣布将与美国能源部合作，在阿贡和洛斯阿拉莫斯等国家实验室建设七台新一代AI超级计算机 [5] - 能源部最大AI系统Solstice将配备10万个Blackwell GPU，另一套Equinox系统包含1万个GPU，预计2026年投入使用 [5] - 洛斯阿拉莫斯实验室计划采用英伟达Vera Rubin平台与Quantum-X800网络架构建设下一代Mission与Vision系统 [5] - 英伟达将在Digital Realty位于弗吉尼亚州的园区内部署AI Factory研究中心，作为其Omniverse DSX多代AI架构的重要节点 [5] 行业前景与财务预期 - 黄仁勋表示AI产业正进入从试验到成熟的关键阶段，客户愿意为模型付费是行业进入良性循环的标志 [6] - AI的发展正推动各行各业的再工业化，算力正在成为新的生产要素 [6] - 公司预计Blackwell芯片和Rubin模型将在未来五个季度带来约5000亿美元的收入 [6] - 随着全球科技公司持续加码AI投资，英伟达在高性能计算中的主导地位预计仍将强化 [6]