文章核心观点 - 英伟达已从单纯的汽车芯片供应商，转型为提供从云端训练、仿真到车端推理全栈解决方案的“总承包商”，旨在定义智能汽车未来十年的发展规则[7] - 公司通过“三台计算机”（DGX、OVX、AGX）架构提供全栈服务，并辅以深度工程服务和战略级开源，构建系统性工程能力和持续演进生态，驱动全球汽车产业对算力的持续需求[8][21][42] 三大支柱：全栈解决方案 - **DGX：AI模型训练工厂**：由数千张GPU组成的超级计算集群，用于处理海量真实与仿真驾驶数据以训练AI模型，例如具备“思维链”推理能力的Alpamayo模型在此平台炼成[11][12] - **OVX：数字孪生试验场**：基于Omniverse平台构建1:1虚拟世界，支持24小时不间断测试、模拟极端场景及百万公里压力测试，并通过NuRec工具实现真实场景重建与变体生成以加速算法迭代[13][14][15][16][17] - **AGX：车端推理大脑**：车载计算芯片算力从几十TOPS跃升至上千TOPS（如Thor），并依靠完整的车载软件生态（DriveOS、TensorRT、CUDA）优化性能，例如通过TensorRT迭代可将Transformer性能提升30-50%[18][20] - 三台“计算机”形成高效协同闭环，使车企能在同一技术栈上完成研发到量产的全过程，降低开发难度与集成风险[20] 盈利模式：从卖硬件到卖服务 - 商业模式超越单纯芯片销售，通过收取一次性工程服务费（NRE），派驻工程师团队深度参与车企量产项目，帮助优化算法效率、解决集成问题并提供架构建议[22][23][24] - 服务模式创造多赢：车企团队快速成长，英伟达获得一线需求反馈并建立深度信任，核心驱动力是满足对云端和车端算力永无止境的需求，从而促进DGX、OVX和AGX硬件的销售[25] - 2025年初，公司将Alpamayo系列（包括约100亿参数的思维链推理模型Alpamayo1、开源仿真框架AlpaSim及超1700小时的真实道路驾驶数据集）全面开源，旨在降低行业门槛、做大生态蛋糕、对抗地缘政治风险并确立下一代技术范式领先地位[28][29][30][31][34] - 开源战略已见成效，至少有三家中国客户基于其开源框架构建了自身数据标注流水线，早期采纳者形成的网络效应难以被竞争对手撼动[35] 中国市场驱动与竞争格局 - 英伟达汽车业务加速很大程度上由中国市场需求驱动，海外车企研发落地节奏相比中国慢两到三年，形成“中国定义需求，全球实现产品”的模式[38] - 中国车企快节奏迭代与高功能落地追求，倒逼英伟达本地团队快速开发专用工具，例如为满足将百亿参数大模型以毫秒级延迟部署车端的需求，TensorRT-LLM for Auto从提出需求到原型验证仅用两个月[38] - 面对地平线、高通等竞争对手及自研芯片车企，公司的自信源于智能驾驶终极竞争是系统性工程能力和持续演进生态的竞争，其构建的全栈体系（涵盖芯片、安全认证、OS、中间件、加速库及开发工具）及应对法规要求的能力构成了高门槛的“隐性护城河”[40][41][42] - 公司与奔驰的合作展示了其全栈方案可形成灵活配置的模块化服务体系，标杆价值显著[37]

公司战略定位与转型 - 公司已从单纯的芯片供应商转变为一整套自动驾驶解决方案的“总承包商”，提供从车端芯片到云端训练和仿真的全栈能力 [2] - 公司通过开源核心AI模型和数据集，试图降低行业门槛、做大生态蛋糕，从而更持续地驱动算力需求并重塑产业规则 [2] - 公司致力于成为整个AI驱动出行时代的架构师与赋能者，而不仅仅是智能汽车的“供应商” [24] 全栈解决方案：三大支柱 - 公司汽车战略的黄金三角由三台“计算机”构成：DGX（AI模型训练工厂）、OVX（数字孪生试验场）和AGX（车端推理大脑）[3] - **DGX（AI模型训练工厂）**：是由数千张GPU组成的超级计算集群，用于处理海量驾驶数据以训练AI模型 [4] - **OVX（数字孪生试验场）**：基于Omniverse平台构建与真实世界1:1对应的虚拟世界，用于24小时不间断测试、模拟极端场景和进行百万公里压力测试 [5][6][7] - **AGX（车端推理大脑）**：是车载计算芯片，算力从几十TOPS跃升至上千TOPS，已成为多家车企旗舰车型的标配 [8] - 这三者形成高效协同闭环：DGX训练模型，OVX验证测试，AGX最终执行，使车企能在同一技术栈上完成从研发到量产的全过程 [11] 软件生态与性能优化 - 公司完整的车载软件生态包括：DriveOS车载操作系统、专为大模型推理优化的TensorRT软件库以及统一的并行计算架构CUDA [11] - 通过TensorRT的版本迭代，Transformer模型的性能可以提升30-50% [11] - 基于最新的TensorRT Edge-LLM SDK，Orin芯片可以很好地支持70亿参数的大模型并取得良好性能 [11] 商业模式演变 - 公司盈利模式已从单纯卖芯片扩展到卖服务，收取一次性工程服务费（NRE）[12][13] - NRE费用的本质是公司派驻工程师团队深度参与车企量产项目，帮助其将算法在平台上“跑通”、优化直至落地 [13] - 这种服务模式带来多赢：车企团队快速成长，公司获得一线需求反馈，双方建立深度信任关系，并最终驱动对算力硬件的更多采购 [13] 开源战略与生态构建 - 2025年初，公司将Alpamayo系列全部开源，包括：约100亿参数规模的思维链推理模型Alpamayo1、端到端辅助驾驶仿真框架AlpaSim以及超过1700小时的真实道路驾驶数据集 [16] - 开源战略旨在降低行业门槛、做大生态蛋糕，为行业提供可复制的路径以加速从L2到L4的研发进程 [18] - 开源有助于以全球公共知识资产的形式对抗地缘政治风险，并为行业定义下一代技术框架，确立技术范式领先地位 [18] - 已有至少三家中国客户基于公司的开源框架构建了自己的数据标注流水线，形成了早期采纳者的网络效应 [18] 中国市场驱动与产品开发 - 公司在汽车领域的加速很大程度上由中国市场的需求驱动，形成了“中国定义需求，全球实现产品”的模式 [21] - 中国车企快节奏的迭代和对功能落地的高追求，倒逼公司本地团队快速开发专用工具，例如为满足将百亿参数大模型毫秒级部署到车端的需求，从提出需求到原型验证只用了两个月 [21] - 这些为中国市场开发的成果最终又反哺全球业务 [21] 竞争壁垒与行业判断 - 公司认为智能驾驶的终极竞争是系统性工程能力和持续演进生态的竞争，其构建的全栈体系（从芯片到开发工具并持续迭代十年以上）门槛非常高 [24] - 向更高级别自动驾驶迈进时，法规要求（如功能安全、预期功能安全、网络安全）将呈指数级增长，这构成了公司耗时多年构筑的“隐性护城河” [24] - 公司的汽车棋局清晰：以全栈软硬件平台为基座，以深度工程服务为粘合剂，以战略级开源为生态加速器，最终驱动全球汽车产业对算力的消费 [24]

文章核心观点 - 英伟达通过其Omniverse、Cosmos、DGX和AGX等技术平台，构建了一个从虚拟仿真、模型推理训练到现实部署的完整物理AI技术闭环，旨在打破信息世界与物理世界的边界，为复杂工程任务的解决提供新路径 [1][12][13] 虚拟仿真平台技术 - 英伟达Omniverse是一个基于OpenUSD标准的实时协作与仿真平台，能对物理世界进行毫米级复刻，其物理引擎可精准计算物体的物理属性，如大象的体重、肌肉运动惯性以及冰箱门体开合的铰链力学等 [2] - Omniverse支持多工具协同与实时渲染，设计师可在Maya、Blender等工具中工作，修改实时同步至平台，避免了文件格式不兼容和版本混乱问题，大幅提升虚拟场景搭建效率 [3] - NVIDIA Cosmos作为生成式世界基础模型平台，可通过文本或图像输入自动生成符合物理规律的虚拟场景，例如输入“一只成年非洲象、一台高2.5米的双开门冰箱”即可生成场景，大幅降低了物理AI的开发门槛 [3][4] 模型推理与训练能力 - Cosmos Reason是一款70亿参数的推理视觉语言模型，专为物理AI设计，具备物理理解、先验知识与常识推理能力，能将复杂任务分解为可执行的动作脚本 [5][6] - 该模型能处理突发情况，例如当虚拟场景中出现“冰箱门卡住”时，Cosmos Reason会先检测卡顿位置再调整开门角度，而非重复发力，这基于其机械故障处理的先验知识 [7] - 训练物理AI需要海量虚拟场景数据，英伟达DGX系统凭借超强算力能快速迭代Cosmos Reason模型，并通过强化学习让机器人在失败场景中调整策略，提升鲁棒性 [9] 现实部署与技术闭环 - 训练好的模型通过英伟达Jetson AGX系列边缘计算平台部署到现实机器人上，该平台能实时接收传感器数据，并在0.1秒内规划出移动路径，确保机器人动作不延迟 [10] - Omniverse+Cosmos作为仿真与合成数据生成平台，能模拟上千种极端场景以获取大量训练数据，解决了现实世界测试成本高、危险且难以规模化的问题 [11][12] - 物理AI技术将计算的影响力从5万亿美元的信息产业拓展至100万亿美元的物理世界市场，并正渗透到工业、物流、医疗等千行百业 [12][13]

文章核心观点 - NVIDIA采用“登月式”战略，优先攻克最复杂的人形机器人开发难题，旨在将由此产生的AI技术进步推广至所有机器人与自主系统[4] - 公司通过涵盖硬件、仿真与软件生态的多层次一体化战略，为机器人未来架构蓝图，其核心理念是先解决最难问题、培育开放生态并发挥CUDA的持久竞争优势[5] - 人形机器人被视为实现“物理AI”愿景的关键步骤，即打造能理解并与现实世界物理法则交互的智能系统[6] 人形机器人市场前景 - 人形机器人整体收入将在2030年超过160亿美元，2024–2030年复合年增长率高达51%[7] - 中国仍是最大单一出货市场，美洲在高规格产品领域潜力巨大，将填补汽车与半导体制造业劳动力短缺[7] - 2025年被视为商业化元年，产品将进入量产并实现工厂与企业的小规模部署[7] - 全球人口老龄化将带动柔性人形机器人需求，特种人形机器人将用于危险工作或救援协作场景[7] NVIDIA平台化战略 - 公司致力于成为平台化参与者，提供核心基础设施加速机器人生态发展，避免“供应商锁定”[9][10] - 行业处于早期阶段，问题复杂多样，竞争性生态被视为“竞争必需”，可推动产业多元化发展[11] - 目标是通过提供更优秀工具加速行业演进，而非垄断市场，承认其他公司在垂直领域有更深厚积累[11] 三大技术支柱 - 技术战略以“三台计算机”为核心架构：训练服务器（如DGX）、仿真服务器（如Omniverse）与边缘计算机（如Jetson）[12] - 架构对应AI闭环开发周期：训练阶段使用大规模集群开发AI模型，仿真阶段在虚拟世界测试优化模型，部署阶段在专用硬件上运行模型[12] - 采用真实数据与仿真数据混合策略，早期训练阶段可接受低仿真传感器保真度以快速学习，临近部署时需提高感知保真度确保安全与精度[12] CUDA核心竞争优势 - CUDA软件与并行计算平台是公司最持久的竞争优势，通过全栈硬件架构到计算框架的优化实现AI工作负载加速[14] - 公司在部分垂直领域需掌握超越客户认知深度的技术知识，以优化核心基础架构并为生态伙伴提供性能提升[14] - 人形机器人市场当前受制于成本效益，但在NVIDIA基础技术驱动下实现产业化与规模化后，增长轨迹有望重演汽车产业历史路径[14]

产品发布与性能 - 英伟达推出基于Blackwell架构的Jetson Thor机器人超级计算机 AI算力较上一代Jetson Orin提升7.5倍 能效提升3.5倍 [2] - Jetson Thor具备2070 FP4 TFLOPS的AI算力 支持128GB内存 可并行运行多模态模型 显著降低云依赖与延迟 [3] - 产品定价为开发者套件3499美元 T5000模组批量单价2999美元 已获联影医疗 优必选等企业采用 [2] 技术特性与应用场景 - 产品整合大模型 实时传感与控制功能 支持视觉-语言-动作等多模态模型 适用于代理式AI和高速传感器数据处理 [3][4] - 可应用于人形机器人 手术辅助系统 工业机械臂等场景 在工业码垛 物料搬运等复杂任务中展现流畅作业能力 [4][6] - 支持在边缘端为大规模复杂AI模型提供实时推理能力 覆盖制造 物流 医疗 农业和零售等行业 [2][4] 生态战略与行业影响 - 通过软硬件一体化模式构建竞争壁垒 提供完整NVIDIA AI软件栈 与CUDA技术和GPU芯片战略高度相似 [4] - 头部机器人企业如银河通用已搭载Jetson Thor 产品推动机器人从"会看会说"向"会想会做"演进 [4][6] - 英伟达定位为机器人生态提供计算平台 自身不制造机器人 但通过计算平台支持企业构建机器人 [3] 技术架构与设计理念 - 物理AI是公司核心叙事 要求模型在真实世界执行动作 需构建机器人本体 AI工厂和仿真三类计算机 [5] - Jetson Thor将算力从云端下沉至机器人本体 解决功耗 散热和实时计算挑战 支持更复杂推理任务 [5] - 产品具备更大带宽 可快速处理多传感器数据 使机器人在动态环境中实现高速移动和操作 [5] 市场前景与战略意义 - 机器人业务成为英伟达重要增长曲线 虽产业化早期面临周期长 成本高挑战 但赛道具备长期潜力 [6] - 产品推动通用机器人发展 通过统一软件栈与生态网络加速落地 是计算平台战略的自然延伸 [6] - 公司股价上涨1.02%至179.81美元 市值达4.39万亿美元 市场关注即将发布的第二财季财报 [2]

物理AI与机器人产业趋势 - 计算机产业过去主要影响信息空间，规模约5万亿美元，而物理世界产业规模超100万亿美元，人工智能将连接两者并释放更大价值[3][5] - 中国具备发展物理AI的独特优势：全球近50%的AI研究人员和开发者集中在中国，拥有顶尖电子制造能力和大规模测试场景[5][32] - 英伟达提出推动机器人发展的三类关键计算机：机器人本体计算机（如Jetson Thor）、AI工厂计算机（DGX/HGX系统）、仿真计算机[5] 人形机器人商业化进展 - 宇树科技人形机器人R1售价从9.9万元降至3.9万元人民币，支持定制化并计划年底量产，硬件成本已非核心障碍[6][12] - 银河通用预计人形机器人产值每三年增长10倍，头部企业销量将从1000台增至10万台，产值突破1000亿元并超越工业机械臂市场[7][14] - 当前限制规模化部署的核心是具身智能模型泛用性不足，而非硬件能力[12][27] 仿真技术与合成数据应用 - 仿真技术是训练安全可靠机器人系统的唯一选择，可模拟罕见或高风险场景（如自动驾驶避让儿童）[8][9] - 银河通用99%训练数据为合成数据，仅1%来自真实世界，合成数据是加速具身智能落地的关键[7][26] - 英伟达通过提升仿真精度、AI辅助生成虚拟环境、现实世界数字化三方向缩小仿真与现实差距[19][20][21] 关键技术突破方向 - Jetson Thor相比前代产品显著提升计算能力，支持复杂神经网络推理和高带宽传感器数据处理[15] - 视频生成模型作为"世界模型"驱动机器人动作的探索取得进展，谷歌最新成果验证该方向潜力[22][23] - 多模态大模型发展受限于数据不足，文本-图像-动作配对数据稀缺，仿真技术可缓解数据瓶颈[25][26] 行业应用场景展望 - 工业场景中搬运和分拣是机器人优先落地领域，银河通用机器人搬运速度已接近人类水平，预计年底部署数十台[17][18] - 家庭场景普及面临伦理和安全挑战，技术成熟周期将长于工业领域[16] - 通用机器人需突破目标识别、定位和抓取三大能力，解锁千亿级市场空间[27][29] 中国机器人生态优势 - 中国在AI人才储备、硬件制造、场景测试方面形成独特闭环生态，助力企业快速迭代[5][32] - 宇树科技自主开发20自由度灵巧手，目标1-2年内实现自然交互（如无需适配的倒水指令）[7] - 银河通用下一代纯双足机器人基于OpenWBT_Isaac平台，强化移动与操作能力[8]

物理AI与机器人产业趋势 - 物理AI将连接信息世界与物理世界，打开100万亿美元市场空间[1][2] - 中国具备独特优势：全球近50%AI人才、完整电子制造产业链、大规模测试场景[2] - 人形机器人产值预计每三年增长10倍，10年内或超越工业机械臂千亿规模[12][27] 英伟达技术布局 - 构建三类关键计算机：机器人本体嵌入式(Jetson Thor)、AI工厂(DGX/HGX)、仿真系统[2] - Jetson Thor突破性提升神经网络推理能力，支持复杂传感器数据处理[14] - 仿真技术三大发展方向：提升物理精度、AI辅助环境生成、现实世界数字化[19][20] 企业商业化进展 - 宇树科技人形机器人价格从9.9万降至3.9万元，年底实现量产[3] - 银河通用G1 Premium搭载Jetson Thor，工业搬运效率接近人类水平[3][17] - 合成数据占比达99%，成为具身智能模型训练核心[4][26] 关键技术突破方向 - 具身智能模型泛化能力是当前最大瓶颈，硬件成本已非主要障碍[10] - 移动+抓取+放置三能力突破将打开千亿级应用场景[27] - 视频生成模型作为世界模型的探索取得初步成效[22][23] 行业生态与合作 - 中国形成人才-制造-场景协同优势，加速物理AI落地[32] - 英伟达与生态伙伴共同攻克Sim2Real差距问题[21] - 轮式与双足形态将长期并存，双足提供更高通用性[29][30] 应用场景展望 - 工业场景优先突破：汽车工厂搬运/码垛闭环预计年底部署[17] - 家庭场景面临伦理安全挑战，普及周期更长[16] - 医疗等高精度领域依赖仿真数据确保可靠性[5][6]

财务数据和关键指标变化 - 公司2025财年营收超两倍增长至1300亿美元，营业利润和每股收益增长147% [39] 各条业务线数据和关键指标变化 - 公司Blackwell平台在第四季度首秀销售额达110亿美元，今年第一季度贡献翻倍，是公司历史上最快的增长 [38] - 目前全球近100个由英伟达AI驱动的AI工厂正在建设中，是一年前的两倍，且每个工厂的平均GPU数量也翻倍 [38] 各个市场数据和关键指标变化 - 全球对主权AI的需求不断增长，公司与欧洲、日本、韩国、中国台湾地区、加拿大、东南亚、中东、拉丁美洲和非洲的公司及政府合作，建设区域AI基础设施 [39] 公司战略和发展方向和行业竞争 - 公司从GPU芯片起步，发展为AI基础设施和计算平台公司，构建全栈数据中心规模平台，推动AI在各领域应用 [33][35] - 公司从Hopper过渡到Blackwell平台，用于数据中心规模的实时推理，该平台应用广泛，涵盖从桌面到数据中心、云到边缘等各个计算领域 [37][46] - 公司认为AI是未来经济增长的关键基础设施，正处于十年期的AI基础设施建设初期，将与全球伙伴合作推动AI发展 [36][39] - 公司计划在美国建设英伟达AI超级计算机，加强供应链，支持国家优先事项，确保全球采用美国技术 [40] - 公司认为未来机器人和AI基础设施训练将成为数万亿美元的产业，公司将构建AI工厂、数字孪生世界和机器人计算机，推动物理AI发展 [47][48] 管理层对经营环境和未来前景的评论 - 公司认为AI时代已经到来，每个国家和公司都将基于AI发展，英伟达处于强大的新增长浪潮开端 [32][52] - 推理计算需求呈指数级增长，公司凭借CUDA和数据中心规模专业知识，能够推动相关技术进步 [50][51] 其他重要信息 - 公司2025财年股东大会采用全虚拟形式，会议规则已发布在虚拟会议网站 [1] - 会议有7项议程，包括4项管理层提案和3项股东提案，董事会建议对管理层提案投赞成票，对股东提案投反对票 [9][11] - 公司已开放在线投票门户，截至会议开始时，已收到约190亿股（约占流通股的80%）的代理投票，构成法定人数 [8] - 公司2025财年在研发上投资近130亿美元，加速创新和产品推出，促进市场增长和销售提升 [62] - 公司通过股票回购和季度现金股息向股东返还资本，2025财年用于股票回购的现金为337亿美元，支付股息8.34亿美元，一年前季度现金股息提高了150%，2025财年还完成了10比1的股票拆分 [67] 问答环节所有提问和回答 问题: 英伟达如何在竞争中提高销售 - 公司认为AI和机器人领域有巨大的长期增长机会，市场快速扩张，公司在所在市场处于领先地位，通过提供全栈计算、网络、软件和系统级创新，拥有大量数据中心基础设施和生态系统合作伙伴，以及每年推出新的数据中心产品，能够保持领先 [55][56] 问题: 英伟达的增长和盈利机会在哪里 - 公司认为AI和机器人领域有巨大的增长机会，AI计算需求因创新应用增加而激增，公司的Blackwell平台适用于推理AI推理应用，全球大部分推理计算运行在公司的基础设施上；AI工厂建设将带来大量机会，公司凭借全栈方法和技术合作伙伴生态系统能够抓住这些机会；在机器人领域，公司的Drive平台推动软件定义车辆发展，已在交通行业广泛应用，公司还发布了用于人形机器人的推理AI模型Cosmos，并与行业领先公司合作 [58][59][60] 问题: 如果人工智能突然失去兴趣，公司有何计划，是否应更多发展游戏销售 - 公司认为AI是计算的未来，将影响包括游戏在内的所有行业，公司的平台基于单一架构开发，一个领域的投资可用于其他领域，增强产品功能；2025财年公司在研发上投资近130亿美元，加速创新和产品推出，推动市场增长和销售提升 [61][62] 问题: 英伟达在Blackwell之后的战略方向是什么，是否有足够资源开展并行量子计算 - 公司认为量子计算将服务于特殊的计算领域，商业量子应用将运行在混合GPU量子计算机上，公司的Blackwell平台通过CUDA Q软件平台帮助研究人员实现量子计算，公司的战略是通过CUDA Q GPU量子平台推动量子计算发展，并培育创新的开发者、研究实验室、系统构建者和财富500强公司生态系统 [64][65][66] 问题: 英伟达是否会增加股息，是否会进行另一次股票拆分 - 公司通过股票回购和季度现金股息向股东返还资本，董事会定期审查资本返还计划，会考虑进行股票拆分是否符合股东最佳利益 [67]

稳定币市场概况 - 2024年稳定币交易量达28万亿美元 超过万事达卡和维萨卡交易规模 [3] - 稳定币市值从2020年200亿美元激增至2025年5月2460亿美元 占加密货币总市值7% [3] - 渣打银行预测2028年稳定币总市值将达2万亿美元 对美债需求将同步增加 [4] 稳定币分类与市场份额 - 法定货币支持型稳定币占主导 美元挂钩产品市值达2200亿美元 占美国M2货币供应量1% [3] - USDT市值1500亿美元占稳定币总市值62% 与USDC共同占据90%市场份额 [3] - 发行商持有1420亿美元美债 规模超过德国墨西哥等主权国家 [3] 监管政策动态 - 美国《GENIUS法案》实施分级监管 要求18个月内完成合规化改造 [1] - 香港通过《稳定币法案》明确发行要求 形成与美国的监管协同 [1] - 法案将稳定币定性为支付结算工具 允许银行机构参与发行 [4] 商业模式与市场影响 - 发行商通过1:1储备金制度获取无息资金 独享美债投资收益 [4] - 比特币价格每上涨10%带动稳定币规模扩张7% 新增200-300亿美元美债需求 [5] - 银行参与发行将整合现有金融基础设施 推动区块链技术应用 [4] 风险传导机制 - 加密货币暴跌可能引发稳定币赎回潮 导致短期美债抛售压力 [5] - 2024年市场调整中美联储介入购买美债 避免系统性风险爆发 [5] - 稳定币与美元体系深度绑定 无法脱离美债市场独立运行 [5] 地缘经济应用 - 俄罗斯考虑推出人民币挂钩稳定币 规避西方金融制裁 [1] - 维萨与Bridge合作 通过稳定币优化拉美跨境支付效率 [1] - 在通胀严重地区稳定币使用量显著增长 替代本币功能 [1]

核心观点 - 英伟达从GPU芯片厂商转型为AI基础设施巨头，通过CUDA生态和硬件创新引领加速计算与AI革命 [3][4][29] - 公司提出"AI工厂"概念，将数据中心视为生产token的价值创造中心，类比工业革命的电力和信息时代的互联网 [5] - 台湾供应链在英伟达全球版图中占据核心地位，从晶圆制造到系统组装形成完整产业链 [24][26][27] 技术演进路径 - **GPU到AI平台**：2006年推出CUDA改变并行运算，2016年推出DGX系统开启AI革命，2019年收购Mellanox强化数据中心网络能力 [3][4] - **计算范式突破**：从感知AI(图像/语音)到生成式AI(内容创作)，再向代理式AI(任务执行)和物理AI(理解现实规律)演进 [14][16] - **硬件性能跃迁**：GB300单节点算力达40 PFLOPS，相当于2018年18,000块Volta GPU组成的Sierra超算，6年性能提升4,000倍 [17][18] 核心竞争优势 - **CUDA生态**：覆盖计算光刻(cuLitho)、量子化学(cuQuantum)、气候模拟(Earth-2)等20+行业，形成"库越多→应用越丰富→用户越多"的飞轮 [9][10] - **异构计算架构**：通过NVLink实现7.2TB/s单机带宽，130TB/s集群带宽，超越全球互联网流量 [20] - **制程与封装**：台积电CoWoS-L封装技术集成32颗GPU裸片+128组HBM，单芯片含2,000亿晶体管 [26] 产品路线图 - **GeForce 5060 RTX**：展示DLSS神经渲染技术，90%像素靠AI生成，实现光线追踪性能飞跃 [6] - **Grace Blackwell NVL72**：横向扩展数百台服务器，纵向突破半导体物理极限，Q3将推出GB300升级版，推理性能提升1.5倍 [17] - **三位一体平台**：集成CPU/GPU/QPU，CUDA Q实现量子误差处理，5G/6G网络全加速重构 [12] 台湾产业链协同 - **制造环节**：台积电负责12英寸晶圆前道工艺，Amkor完成CoWoS异质封装，京元电子进行125℃高温测试 [26] - **系统集成**：鸿海精密组装10,000+组件，整合液冷散热器(酷码/奇鋐)、ConnectX-7网卡等 [27] - **超级计算机**：120万组件/2英里铜缆/1,300万亿晶体管/1.8吨重量，体现台湾半导体全链条能力 [27]