Key Takeaways NBIS surged 57% in a month, driven by AI demand and stronger global infrastructure plans. Q1 revenues grew 385% year over year; April ARR hit $310M with 2025 guidance set at $750M-$1B. Nebius deepened ties with NVIDIA and expanded globally, but still projects negative adjusted EBITDA for 2025.Nebius Group N.V. (NBIS) shares have gained 57.3% over the past month, outperforming the Zacks Computer & Technology sector and the Zacks Internet Software Services industry’s growth of 10.1% and 10.6%, ...

报告行业投资评级 - 领先大市，维持评级 [7] 报告的核心观点 - 英伟达一季度财报表现良好，营收和净利润同比增长，新财年Q2营收有预期但受出口限制有损失，2026财年第一季度Blackwell芯片全面投产 [1] - 华为尊界S800全球首发，加入多种技术，瞄准豪华车市场制高点，向国际豪华车市场发起挑战 [3] - 电子行业本周涨幅1.29%，不同子版块PE和PE百分位有差异，投资建议关注英伟达产业链、存储产业、消费电子/AI终端产业链相关公司 [4][11] 根据相关目录分别进行总结 本周新闻一览 - 半导体领域，长飞先进半导体申请专利可提高半导体器件迁移率，国际团队合成二维混合材料石墨烯可用于量子器件等 [16] - AI领域，英伟达将为中国市场推基于Blackwell架构芯片，天津发布人工智能行动方案，德国电信等合作建AI数据处理中心 [16] - SiC领域，基本半导体递表港交所IPO，长飞先进武汉基地投产，碳化硅成新能源汽车行业“新宠” [16] - 汽车电子领域，特斯拉在欧洲销量下滑，上汽集团和三菱汽车注册量增长，上海峰梅动力系统有限公司成立 [17] - 消费电子领域，雷鸟X3 Pro AR眼镜发布，存储芯片市场迎来涨价潮 [17] 行业数据跟踪 - 半导体方面，小米推出自研3纳米旗舰处理器“玄戒O1”及4G手表芯片“玄戒T1”，性能与功耗优异，市场反响热烈 [18] - SiC方面，基本半导体冲击港交所IPO，是行业领先企业，产品组合全面，服务多领域 [20] - 消费电子方面，雷鸟X3 Pro AR眼镜搭载新一代光引擎，实现全彩输出，佩戴体验好 [22] 本周行情回顾 - 涨跌幅方面，全行业中电子行业排名13/31，指数上涨1.29%；电子行业中汽车跌幅最大，环保涨幅最大；电子标的涨幅前三为远望谷、商络电子、天津普林，跌幅前三为太龙股份、福立旺、茂莱光学 [29][32][34] - PE方面，电子指数PE为49.42倍，10年PE百分位为69.29%，不同子版块PE和PE百分位不同 [37][44] 本周新股 - 报告给出本周IPO审核状态更新表格，但未填写具体内容 [50]

撰 文 / 钱亚光 设 计 / 赵昊然 此次GTC大会上，黄仁勋继续表达对算力需求增长前景的看好。虽然大型语言模型能提供基础知 识，但推理模型能给出更复杂、更具分析性的回答。黄仁勋表示，借助该公司新推出的开源软件 Nvidia Dynamo和Blackwell芯片，将使DeepSeek R1的运行速度提高30倍。 他在主题演讲中，强调了英伟达系统所支持的人工智能应用的广度。他详细阐述了英伟达在自动驾 驶汽车、更优无线网络和先进机器人技术开发方面的贡献，并公布了公司未来两年的产品路线图。 他说，来自四大云服务提供商对GPU的需求正在飙升，并补充说，他预计英伟达的数据中心基础设 施收入到2028年将达到1万亿美元。 3月19日晚间，身着标志性的黑色皮装的英伟达首席执行官黄仁勋（Jensen Huang）在英伟达GTC大 会上占据了中心位置。 此次活动吸引了超过25000人来到美国加州圣何塞SAP中心，黄仁勋在主题演讲开始时向观众抛出 印有"AI 超级碗大赛"字样的T恤，并宣布今年的GTC（全球人工智能大会）为"AI 超级碗"大赛。 "去年我们在这里办GTC，被描述为'AI的摇滚音乐节'（AI Woodstock ...

来源：内容编译自semianalysis，谢谢。 AI 模型的进展速度大大加快，在过去六个月中，模型的改进速度比前六个月更快。这一趋势将持续下去，因为三个扩展定律叠加在一起并协同工 作：训练前扩展、训练后扩展和推理时间扩展。 今年的 GTC 致力于解决新的扩展范式。 Claude 3.7 展示了软件工程的惊人性能。Deepseek v3 表明上一代模型功能的成本正在大幅下降，从而推动了进一步的采用。OpenAI 的 o1 和 o3 模型表明，更长的推理时间和搜索意味着更好的答案。就像训练前定律的早期一样，在训练后添加更多计算以进行这些模型的计算是没有限制的。 今年的 GTC 专注于实现智能和tokens的爆炸式增长。Nvidia 专注于将推理成本提高 35 倍，以实现模型的训练和部署。 去年的口号是"买得越多，省得越多"，但今年的口号是"省得越多，买得越多"。Nvidia在硬件和软件方面的路线图中提供的推理效率解锁了推理和 代理，以经济高效的方式部署模型和其他转型企业应用程序，从而实现广泛的扩散和部署——这是杰文斯悖论的经典例子。或者用 Jensen 的话来 说："买得越多，赚得越多"。 市场对此感到担忧。人 ...

文章核心观点 - AI计算竞赛中效率提升成影响市场格局关键变量，Nvidia硬件进步和软件优化推动推理成本下降，虽引发市场对AI硬件“供过于求”担忧，但符合“杰文斯悖论”，计算力普及将催生更多应用推高AI产业规模，Nvidia重新定义GPU计算经济学并开创行业标准 [1] AI模型进展与市场担忧 - AI模型进展速度加快，三个扩展定律叠加协同工作，今年GTC致力于解决新扩展范式，Nvidia专注提高推理成本以实现模型训练和部署，口号从“买得越多，省得越多”变为“省得越多，买得越多” [4] - 市场担忧软件优化和硬件改进致成本过高使AI硬件需求下降、市场供过于求，但随着智能价格下降和能力提升，对智能需求将无限增长，Nvidia提供数据支持杰文斯悖论 [5][6] 詹森数学规则 - 第一条规则是Nvidia总体FLOP以2:4稀疏度与密集FLOP表示，如H100的FP16的989.4 TFLOP被引用为1979.8 TFLOP [10] - 第二条规则是带宽以双向方式引用，如NVLink5传输和接收速度均为900GB/s，被引用为1.8TB/s [10] - 第三条规则是GPU数量根据封装中GPU芯片数量而非封装数量计算，从Rubin开始采用此命名法 [11] GPU和系统路线图 布莱克韦尔Ultra B300 - B300以GPU形式出售，位于可装入口袋的SXM模块上，带Grace CPU和可装入口袋的BGA，与B200相比，FP4 FLOP密度高出50%以上，内存容量升级到每包288GB，带宽仍为8 TB/s [16] - B300 HGX版本现称B300 NVL16，将取代B200 HGX外形尺寸，采用16个封装和基板上的GPU芯片，封装技术采用CoWoS - L，16个GPU通过NVLink协议通信，不具备Astera Labs的重定时器，部分超大规模计算厂商将选PCIe交换机，还将引入CX - 8 NIC，网络速度提高一倍 [17][18] Rubin规格 - Rubin在台积电3nm上配备两个光罩大小计算芯片，两侧有I/O模块，提供50 PFLOP密集FP4计算能力，比B300一代提升三倍多，通过I/O芯片释放空间、采用3nm工艺、提高TDP和架构扩展等实现 [21] - Rubin再次使用Oberon机架架构，与Vera CPU配对，新机架有72个GPU封装但命名为VR200 NVL144，含144个计算芯片，Nvidia HBM容量保持288GB升级到HBM4，带宽达13TB/s，采用6代NVLink速度翻倍，NVSwitch ASIC聚合带宽翻倍 [24][25][26] Rubin Ultra规格 - Rubin Ultra性能提升显著，HBM堆栈从8个跃升至16个，计算面积和能力翻倍达100 PFLOP密集FP4，HBM容量达1024GB，系统有365 TB快速内存/第二层LPDDR，将引入Kyber Rack架构 [30][31][32] Kyber Rack架构 - 关键新功能是将机架旋转90度增加密度，NVL576配置下每个计算盒有一个R300 GPU和一个Vera CPU，PCB板背板取代铜缆背板，可能有VR300 NVL1,152变体，还将推出7代NVSwitch [33][35] 改进型指数硬件单元 - GPU中GEMM在张量核心执行，专注元素级指数计算的MUFU单元性能提升慢，在bf16 Hopper和FP8 Hopper上计算softmax存在问题，Blackwell Ultra重新设计SM并添加指令，MUFU单元性能提高2.5倍 [39][40][41] 推理堆栈和Dynamo - 去年GTC讨论GB200 NVL72比H200推理吞吐量提高15倍，今年Nvidia在硬件和软件领域加速推理吞吐量提升，Blackwell Ultra GB300 NVL72和Rubin一代网络升级提高推理吞吐量，软件领域推出Nvidia Dynamo [43][46] - Dynamo带来智能路由器、GPU规划器、改进的NCCL Collective推理、NIXL、NVMe KV - Cache卸载管理器等新功能，全面提升推理速度，使DeepSeek创新民主化，有助于个人复制和更高交互性部署 [47][49][60] AI总拥有成本 - Blackwell性能比Hopper高出68倍，成本降低87%，Rubin预计性能是Hopper的900倍，成本降低99.97%，Nvidia追求进步，建议生态系统优先部署下一代系统 [61][63] - 研究的H100租赁价格预测框架准确率达98%，结合多方面估计构建预测价格曲线 [64] CPO插入 - Nvidia宣布首款共封装光学(CPO)解决方案，部署在横向扩展交换机中，CPO降低功耗，可使网络扁平化一层，400k* GB200 NVL72部署从三层网络转两层网络可节省12%总集群功耗 [69][70] - 推出多款基于CPO的交换机，Quantum X - 800 3400的CPO版本2025年下半年推出，Spectrum - X交换机2026年下半年推出，长远看CPO可增加GPU扩展网络基数和聚合带宽 [73][75] 行业地位 - 尽管亚马逊Trainium芯片定价低，但Nvidia技术领先，新架构、机架结构、算法改进和CPO使其与竞争对手拉开差距，预计将继续领先 [76]

文章核心观点 英伟达在GTC大会展示过去一年进展，发布新产品路线图，强调Scaling Law未撞墙，未来数据中心建设规模将达万亿美元，还推出开源推理软件和通用机器人模型，有望在AI和机器人领域持续引领发展[1][23][27] 分组1：大会亮点与行业趋势 - 英伟达老黄在GTC大会介绍过去一年进展，称今年GTC是AI的超级碗，每个人都是赢家 [2] - Blackwell全面投产，因AI拐点至，训练推理AI/智能体系统对计算量需求大增 [3] - 英伟达预言未来有工厂的公司将有实体工厂和AI工厂，CUDA核心及算力将引爆行业变革 [4] - 通用计算到尽头，行业正从通用计算机转向加速器和GPU上运行的机器学习软件，计算机成为生成token的工具 [28] - 加速计算趋势无法阻挡，AI将进入各行业，英伟达CUDA - X库为科学领域提供加速框架 [29] 分组2：产品路线图 - AI芯片每年一更，下一代Rubin明年亮相，英伟达构建云上、企业和机器人AI基础设施 [5][8] - 今年下半年将问世的Blackwell Ultra提升训练和测试时推理能力，显存从192GB提升到288GB，GB300 NVL72的AI性能比NVIDIA GB200 NVL72高出1.5倍 [6][7] - 2026年下半年预计发布Vera Rubin，推理时每秒50千万亿次浮点运算，比Blackwell速度高出一倍多，显存升级为HBM4，带宽从8TB/s提高到13TB/s，扩展NVLink吞吐量提升到260TB/s，机架间CX9链路达28.8TB/s [9][10] - 2027年下半年预计推出Rubin Ultra版本，FP4精度推理性能达15 ExaFLOPS，FP8精度训练性能为5 ExaFLOPS，相比GB300 NVL72性能有14倍提升，配备HBM4e内存，带宽为4.6 PB/s，支持NVLink 7，带宽为1.5 PB/s，较上一代提升12倍，机架支持CX9，带宽达115.2 TB/s [11] - 2028年将上市Feynman，命名致敬美国理论物理学家Richard Feynman [17] 分组3：桌面级产品 - 推出Blackwell RTX PRO工作站和服务器系列，包括数据中心、桌面和笔记本GPU，为开发者等提供AI支持，RTX PRO 6000 Blackwell吞吐量高达1.5倍，第五代Tensor Core每秒4000万亿次AI运算，第四代RT Core性能提升2倍 [19] - 带来两款由Blackwell驱动的DGX个人桌面AI超级计算机DGX Spark和DGX Station，DGX Spark是最小的AI超级计算机，配备128GB内存，核心是GB10 Grace Blackwell超级芯片，每秒1000万亿次AI计算能力；DGX Station将数据中心级性能带到桌面，采用GB300 Grace Blackwell Ultra桌面超级芯片，配备784GB统一内存 [20][22] 分组4：Scaling Law与数据中心 - 老黄称Scaling Law没撞墙，推理计算量需求大增，数据可通过强化学习和合成数据获取，AI处于转折点 [25][26] - 2024年全球TOP 4云服务商买进130万块Hopper架构芯片，预计2028年数据中心建设规模达一万亿美元 [27] 分组5：架构与扩展 - 英伟达通过网络InfiniBand和Spectrum X实现scale up，Spectrum X具备低延迟和拥塞控制特性，成功扩展最大单GPU集群 [14] - 官宣首个共封装硅光子系统，每秒1.6T的CPO，基于「微环谐振器调制器」技术，用台积电工艺构建，可扩展至数十万甚至百万GPU规模 [15][16] - HGX系统架构解决纵向扩展问题，包含8个GPU，通过MVLink 8连接到CPU架，再通过PCI Express连接，用InfiniBand连接多个设备，NVLink交换机让GPU全带宽通信，液冷压缩计算节点，实现一个机架Exaflops级超算 [31][32][33] 分组6：推理Scaling问题与解决 - 推理Scaling是「终极计算」问题，推理中响应时间和吞吐量存在矛盾，需最大化生成token曲线下方面积，还需巨大带宽和浮点运算能力 [36] - 传统LLM用不到500个token快速回答问题但结果错误，推理模型需超8000个token推理简单问题，计算量增加150倍，万亿级参数模型需通过管线、张量和专家并行组合解决，NVlink可实现规模终极Scaling [37][38][39] 分组7：NVIDIA Dynamo - 发布开源推理软件NVIDIA Dynamo，被称为「AI工厂的操作系统」，能协调加速数千个GPU间推理通信，分配LLM处理和生成阶段到不同GPU，优化GPU资源利用 [41][42] - Dynamo能让运行Llama模型的AI工厂在Hopper架构上性能和收入双双翻倍，在GB200 NVL72集群上运行DeepSeek - R1模型时，每个GPU生成token数量提升超30倍，还能动态分配GPU、卸载推理数据降低成本 [42] - Dynamo完全开源，支持PyTorch、SGLang、NVIDIA TensorRT - LLM和vLLM [43] 分组8：性能对比与效益 - 新的Blackwell架构比Hopper强，能耗固定时性能提升25倍，推理模型上高40倍，用MVLink 8技术加速，引入4位浮点数优化，能效高的架构对未来数据中心重要 [44] - Blackwell扩展到MVLink 72加上Dynamo软件效果更好，能适应不同工作负载，老黄认为大型项目投资最新技术如Blackwell可避免落后，买得越多赚得越多 [45][46] 分组9：通用机器人模型 - 预计本世纪末世界劳动力短缺超5000万，通用机器人时代到来，具身智能遵循三大Scaling Law，数据短缺问题可由英伟达Omniverse和Cosmos解决 [48][49] - 官宣世界首个开源、完全可定制的通用人形机器人模型GROOT N1，采用「双系统架构」，慢思考系统推理规划行动，快思考系统转化为精确动作，可执行多步骤任务 [50][51][52] - 与DeepMind、迪士尼研究开发下一代开源的Newton物理引擎，让机器人精确处理复杂任务，以星球大战BDX机器人为灵感的Blue上台互动，老黄预言机器人领域将成最大产业 [54][55][56]