GTC 2026 核心观点 - 英伟达通过GTC 2026主题演讲，系统阐述了其作为全球AI产业“总设计师”的战略定位，将AI产业比作一个从能源到应用的五层蛋糕，并致力于垂直整合所有层级 [1][3] - 公司的目标从提供单一芯片转变为提供全栈AI工厂解决方案，旨在控制从能源、芯片、基础设施、模型到应用的整个价值链 [1][9] - 英伟达的战略已超越传统商业公司范畴，其产品路线图和资源调配能力能牵动数万亿美元级别的全球资本开支，实质上承担了产业规划与协调的职能 [13][15][19] 战略框架：“五层蛋糕”模型 - **第一层：能源** - 被视为AI基础设施的“第一性原理”和“绝对约束条件”，决定了系统能产出多少智能，公司已开始介入能源规划，甚至研发太空数据中心系统以突破地球能源限制 [3][9] - **第二层：芯片** - 发布Vera Rubin系统，集成了包括Vera CPU、Rubin GPU、Groq LPU在内的七种芯片，采用“解耦推理”新架构，以同时满足高吞吐与低延迟需求 [4] - **第三层：基础设施** - 定义远超传统，涵盖土地、电力、散热、网络及系统编排，目标是建设“生产Token的工厂”，并通过NVLink等互联技术控制整个系统的扩展能力 [5][6] - **第四层：模型** - 宣布成立Nemotron联盟，联合多家AI公司，旨在优化模型在英伟达硬件上的适配并深度绑定CUDA生态，强化其产业组织能力 [7] - **第五层：应用** - 被视为经济价值的创造层，公司广泛布局于机器人、自动驾驶（与比亚迪、现代、日产、优步合作）等领域，并发布OpenClaw智能体操作系统，将触角延伸至物理世界 [8] 硬件与系统创新 - **Vera Rubin系统**：横跨五个机架，集成七种芯片，通过NVLink融合，实现高吞吐批量推理与低延迟实时响应的结合 [4] - **Vera CPU**：88核设计，专为高单核性能，采用液冷，标志着公司从加速器供应商向提供完整计算节点（整机）的转变，实现垂直整合 [5] - **性能宣称**：对比x86加Hopper架构，Vera Rubin系统的Token吞吐量达到前者的350倍，即7亿Token每秒对比200万Token每秒 [6] - **能效提升**：宣称Vera Rubin系统每瓦性能提升50倍，成本降低35倍 [9] 生态控制与产业协调 - **CUDA生态**：通过“飞轮效应”锁定开发者与客户，全球AI训练和推理几乎完全依赖CUDA生态，使公司能实质影响云服务商的AI业务天花板 [7][12] - **供应链协调**：在全球半导体代工格局中扮演“总指挥”角色，如在台积电与三星之间进行芯片生产任务的精准分配 [12] - **产能分配权**：公司手握GPU产能分配权，能影响甚至决定像OpenAI等关键客户的算力部署在哪个云平台（如宣布OpenAI将登陆AWS） [11] - **路线图即产业政策**：2028年Feynman系统路线图（含新GPU、LPU、CPU、网卡及互联模块）能牵引全球供应链（台积电、三星、ODM/OEM、云服务商）未来数年的资本开支与研发方向 [13] 市场定位与规模预测 - **市场规模预测**：公司CEO预计到2027年，AI基础设施投资需求将达到至少1万亿美元，规模堪比国家级基建计划（对比美国2021年基建法案中约5500亿美元新增投资） [11] - **产业角色**：公司不仅是芯片设计者，更是AI工厂的“总包工头”和“调度中心”，通过技术标准、供应链控制和生态建设，承担了市场化产业协调者的角色 [1][14][19] - **商业与战略融合**：其商业利益与美国国家AI战略高度吻合，通过市场机制（如垂直整合、水平开放）和配合政府出口管制等措施，共同确保美国在AI算力领域的领先地位 [14][15][19]

公司战略定位与增长预期 - 公司正从一家“芯片公司”向“AI基础设施和工厂公司”蜕变 [2] - 公司创始人提出了驱动未来增长的底层商业逻辑——“Token工厂经济学” [2] - 公司创始人表示，到2027年，公司看到了至少1万亿美元（at least $1 trillion）的高确信度需求，并认为实际计算需求会更高 [6][10] - 公司系统被证明是全球“成本最低的基础设施”，其通用性使得客户投入的1万亿美元能被充分利用并保持长久生命周期 [11] - 公司目前60%的业务来自排名前五的超大型云服务商，40%的业务广泛分布于主权云、企业、工业、机器人和边缘计算等领域 [12][69] 技术架构与产品进展 - 公司推出了有史以来最复杂的AI计算系统Vera Rubin，这是一个100%液冷、完全消灭了传统线缆的完整系统 [19] - Vera Rubin系统在两年内将Token生成速率从2200万提升到了7亿，实现了350倍的增长，远超摩尔定律同期的约1.5倍提升 [20] - 公司整合了Groq技术，通过Dynamo软件系统实现非对称式分离推理，将需要海量计算的“预填充”阶段交给Vera Rubin，将对延迟敏感的“解码”阶段交给Groq [21][23] - 由三星代工的Groq LP30芯片已在量产，预计第三季度出货，首个Vera Rubin机架已在微软Azure云上运行 [24] - 公司展示了全球首款量产的共封装光学（CPO）交换机Spectrum X，并强调需要同时扩大铜缆、光芯片和CPO的产能 [25] - 公司“剧透”了下一代计算架构Feynman，并正在研发部署在太空的数据中心计算机“Vera Rubin Space-1” [29] 商业模式：“Token工厂经济学” - 未来的数据中心是生产Token（AI生成的基本单位）的“工厂”，在固定的功率下，谁的每瓦Token吞吐量最高，谁的生产成本就最低 [13][15] - AI服务将分为多个商业层级定价：免费层、中级层（~每百万token 3美元）、高级层（~每百万token 6美元）、高速层（~每百万token 45美元）、超高速层（~每百万token 150美元） [16] - 公司的架构能够让客户在免费层实现极高吞吐量，同时在最高价值的推理层级上将性能提升惊人的35倍 [17] - 以简化模型估算，将25%功率分配给四个收费层级，新一代系统可比上一代系统多产生5倍的收入 [75] 软件生态与行业变革 - 开源项目OpenClaw被形容为“人类历史上最受欢迎的开源项目”，本质上是Agent计算机的“操作系统” [27] - 创始人断言，每一个SaaS公司都将变成AaaS（Agent-as-a-Service，智能体即服务）公司 [28] - 公司推出了企业级的NeMo Claw参考设计，增加了策略引擎和隐私路由器，以确保智能体安全落地 [28] - 未来职场新形态可能包含为工程师提供年度Token预算，其额度可能相当于基础年薪的一半，以实现10倍的效率提升 [29][95] - 过去两年，风险投资流入AI初创企业的资金规模达到1500亿美元，创历史之最，单笔投资规模跃升至数亿乃至数十亿美元 [57] 性能突破与行业合作 - 通过极致的端到端软硬件协同设计，公司在推理性能上实现了历史性飞跃，第三方评测显示其在每瓦token数和每token成本上均遥遥领先 [71][72] - 以客户Fireworks为例，在公司更新全套软件和算法后，其平均token速度从每秒约700个提升至接近每秒5000个，提升约7倍 [73] - 公司与全球主要云服务商（Google Cloud、AWS、Microsoft Azure、Oracle、CoreWeave等）建立了深度合作关系，将客户引入云端并加速其服务 [45][46][47][48][49] - 公司宣布成立Nemotron联盟，投资数十亿美元推进AI基础模型研发，联盟成员包括多家知名AI公司和研究机构 [97] 垂直行业应用与扩展 - 公司的CUDA-X库是其在各垂直行业（自动驾驶、金融服务、医疗健康、工业、娱乐、机器人、电信等）发挥价值的核心 [54][55] - 本次GTC有110款机器人亮相，公司提供训练、仿真、机载三台计算机及完整软件栈 [54][98] - 在自动驾驶领域，公司宣布四家新合作伙伴（比亚迪、现代、日产、吉利，合计年产量1800万辆）加入其RoboTaxi Ready平台 [98] - 公司创建了Omniverse及基于其上的NVIDIA DSX平台，用于所有合作伙伴在虚拟世界中共同设计和运营吉瓦级AI工厂，估计可将能源利用效率提升约2倍 [85]

英伟达对OpenAI的投资动态 - 英伟达CEO黄仁勋表示，公司最近对OpenAI的300亿美元投资可能是最后一次大规模投资机会，原因是OpenAI计划在年内上市 [2][3] - 黄仁勋认为，向OpenAI投资1000亿美元的机会可能不会再出现，这可能是最后一次投资如此具有重大意义的公司 [4] - 英伟达与OpenAI之间一项累计投资上限达1000亿美元的协议已于今年1月陷入搁置，公司此前已提示该协议存在落空风险 [2][8][9] 投资交易的具体细节 - 英伟达对OpenAI的300亿美元投资，是OpenAI近期完成的1100亿美元融资轮的一部分，此轮融资对OpenAI的估值达到7300亿美元 [5][11] - 尽管规模低于最初设想，但这300亿美元的投资仍是英伟达迄今为止对单一初创企业的最大单笔投资 [10][11] - 作为协议的一部分，OpenAI获得了在英伟达Vera Rubin系统上3吉瓦专属推理算力及2吉瓦训练算力的使用权 [11] - 英伟达对另一家AI公司Anthropic的100亿美元投资，同样可能是最后一笔 [5] 行业前景与公司业绩 - 黄仁勋回击了“AI泡沫论”，强调AI算力的部署已为企业带来实质性盈利收入，例如大型上市数据中心运营商 [13][14] - 他认为，若客户能获得更多算力，业绩增速将更快；算力提升至三倍，其营收也有望实现三倍增长 [15] - 黄仁勋指出，整个行业目前仍处于大规模增长周期的起点 [17] - 对于公司自身，黄仁勋表示英伟达刚刚经历了财报历史上最好的财报季 [18] - 黄仁勋的言论提振了市场情绪，其讲话当日，英伟达股价一度上涨逾2.6% [5]

英伟达对头部AI初创公司投资策略的重大转变 - 英伟达首席执行官黄仁勋明确表示，公司近期对OpenAI的300亿美元投资“可能是最后一笔”[1] - 此举标志着双方去年9月宣布的千亿美元基础设施合作计划发生重大转折，核心原因是OpenAI正筹备首次公开募股[1] - 黄仁勋坦言，原计划在未来几年内向OpenAI总投资高达1000亿美元的目标，实现可能性已变得“微乎其微”[2] OpenAI上市进程对合作的影响 - OpenAI启动上市程序，其资本结构和融资策略将发生根本变化，使得英伟达难以继续以私募股权投资者身份进行大规模注资[2] - 英伟达对OpenAI的300亿美元投资，是OpenAI总额1100亿美元融资计划的重要组成部分，该计划还包括亚马逊承诺的500亿美元及软银的300亿美元投资[2] - 作为投资交换，OpenAI获得了在英伟达Vera Rubin系统上专用的3吉瓦推理能力和2吉瓦训练能力，用于支撑其人工智能数据中心需求[2] - 英伟达在2月份的监管文件中已强调，“无法保证”最终能达成与OpenAI完整的投资与合作协议[2] 英伟达对Anthropic的投资同样接近尾声 - 黄仁勋透露，英伟达对另一家AI巨头Anthropic的100亿美元投资也很可能是“最后一笔”[3] - Anthropic同样计划在2026年上市，尽管公司官方尚未最终确认IPO决定[3] - 黄仁勋感慨，这可能是英伟达最后一次有机会“投资像这样具有重大意义的公司”[3] 人工智能行业需求与竞争格局的演变 - 人工智能行业需求正从模型“训练”加速向“推理”转移，推理是指让AI模型快速响应用户查询的过程，对芯片能效和延迟提出新要求[4] - 英伟达正在开发专门针对推理任务优化的新芯片，OpenAI有望成为其最大客户之一[4] - OpenAI在2月宣布采购大量英伟达的“专用推理能力”，同时也加大了对亚马逊推理优化芯片及谷歌张量处理单元的投入，显示出供应链多元化策略[4] - 随着头部AI初创公司走向公开市场，英伟达作为芯片供应商与战略投资者的双重角色将面临重新定义[3]

英伟达对AI初创公司的投资动态 - 英伟达CEO表示 对OpenAI的300亿美元投资可能是最后一次 对竞争对手Anthropic的100亿美元投资亦是如此 [1] - 英伟达对OpenAI的投资是其1100亿美元融资轮的一部分 该轮融资还包括亚马逊的500亿美元承诺和软银的300亿美元承诺 [1] OpenAI获得的资源与能力 - 作为协议的一部分 OpenAI在英伟达的Vera Rubin AI数据中心系统上获得了专用计算能力 [1] - 获得的专用计算能力包括30亿瓦的推理计算能力和20亿瓦的训练计算能力 [1]

英伟达投资策略与行业动态 - 英伟达CEO表示 对OpenAI的300亿美元投资可能是最后一次[1] - 英伟达对Anthropic的100亿美元投资同样可能是最后一次[1] - 英伟达对Anthropic的投资是其上周五宣布的1100亿美元融资轮的一部分[1] 大型AI融资与竞争格局 - Anthropic的1100亿美元融资轮还包括来自亚马逊的500亿美元承诺[1] - Anthropic的融资轮还包括来自软银的300亿美元承诺[1] - OpenAI作为Anthropic的竞争对手 获得了英伟达的投资[1] AI基础设施与计算能力分配 - 作为协议的一部分 OpenAI获得了英伟达Vera Rubin系统上30亿瓦的专用推理计算能力[1] - OpenAI同时获得了英伟达Vera Rubin系统上20亿瓦的训练计算能力[1] - 该计算能力将用于AI数据中心[1]

投资概况 - OpenAI宣布获得来自亚马逊、英伟达和软银的1100亿美元新投资，公司投前估值达到7300亿美元 [2] - 亚马逊和英伟达的投资均与大规模客户承诺挂钩，软银的投资则用于维持公司运营 [2][5] 亚马逊投资细节 - 亚马逊投资总额为500亿美元，其中350亿美元需“满足特定条件”才会支付 [2] - 支付条件包括OpenAI需租用亚马逊2千兆瓦的Trainium AI加速器，并在AWS上部署其模型和服务 [2] - 亚马逊将成为“OpenAI Frontier的独家第三方云分销提供商” [2] - OpenAI与亚马逊的现有合作协议已从380亿美元扩展至未来8年内1000亿美元 [4] 英伟达投资细节 - 英伟达投资额为300亿美元，投资条款与计算容量部署挂钩 [3][6] - 合作要求部署基于英伟达Vera Rubin系统的5千兆瓦计算容量，包括3千兆瓦推理容量和2千兆瓦训练容量 [3] - 按照估计每套Vera Rubin NVL72系统成本840万美元计算，每千兆瓦部署成本约需300亿美元，5千兆瓦总成本超过3000亿美元 [3] 与微软的关系 - 此次投资“不会以任何方式改变微软和OpenAI关系的条款” [2] - Azure仍然是OpenAI无状态API及其第一方产品（如Frontier）的独家云提供商 [2] 投资结构与行业模式 - 亚马逊和英伟达的投资结构确保其投资能获得回报，资金本质是对计算基础设施的折扣，同时推高OpenAI估值 [5] - 此类循环交易在AI行业常见，例如AMD去年10月也向OpenAI发行了约占其股票10%的认股权证，条件为部署6千兆瓦其Instinct加速器 [5] 软银投资与公司财务状况 - 软银计划向OpenAI投资300亿美元以维持其运营，投资将分三期支付，每期100亿美元，从4月开始，10月完成 [5] - OpenAI年度经常性收入已超过200亿美元，拥有超过5000万付费订户 [5] - 公司预计至少要到2029年才能实现盈利，在此之前仍将依赖外部资金 [5][7]

融资事件概览 - OpenAI获得AI史上最大单笔融资，总额达1100亿美元，投前估值为7300亿美元[1] - 融资方包括亚马逊(500亿美元)、英伟达(300亿美元)和软银(300亿美元)[1] - 融资将用于扩大AI基础设施，推进AI普惠[2] 投资方详情与合作方向 - **亚马逊**：投资500亿美元，分阶段进行，首期150亿美元，满足特定条件(如实现AGI或成功上市)后追加350亿美元[5] - 与亚马逊合作：OpenAI将在AWS的Bedrock平台上开发新的“有状态运行时环境”，并承诺在AWS上消耗大规模云资源，包括约2吉瓦的Trainium芯片算力[6] - 双方扩大去年11月签署的协议，OpenAI承诺未来八年内在AWS上累计消耗约1000亿美元的云计算资源[6] - **英伟达**：投资300亿美元[8] - 与英伟达合作：OpenAI承诺在英伟达的Vera Rubin系统上使用2吉瓦训练容量，并额外使用3吉瓦计算资源运行AI推理任务[8] - **软银**：投资300亿美元，资金将在2026年4月、7月、10月分三期到账[9] - 软银除提供资本外，还扮演“牵线人”角色，预计OpenAI还将通过其获得约100亿美元的一级股权融资[11] 与微软的既有关系 - 微软作为老股东，合作关系不受本轮融资影响[2] - 微软Azure仍是OpenAI API的独家云服务提供商，微软拥有OpenAI模型和产品知识产权的独家许可和访问权限[2][12] - 现有的商业收益分成协议依然有效，即使OpenAI在其他云平台产生收入，微软仍可“抽成”[12] - 此轮融资被视为OpenAI寻求业务多元化的举措，不完全依赖Azure[12] 公司运营与行业背景 - 融资完成后，OpenAI可用资金将增至约1500亿美元(包括原有约400亿美元现金)[15] - 公司预计到2030年才能首次实现正向自由现金流[15] - ChatGPT周活用户突破9亿，月访问量约57.2亿次，个人订阅用户超5000万，活跃企业客户超1.5万家[15] - 行业竞争激烈，Anthropic近期也从微软和英伟达等处获得300亿美元融资，投后估值达3800亿美元[15] - 本轮融资将算力(英伟达)、云基础设施(亚马逊)和长期资本(软银)三条关键AI资源线整合在一起[4]

融资与合作公告 - OpenAI宣布获得1100亿美元（约合人民币7544亿元）新融资，为全球AI领域迄今规模最大的单笔融资 [1] - 亚马逊投资500亿美元（约合人民币3429亿元），首批150亿美元（约合人民币1029亿元），后续350亿美元（约合人民币2400亿元）或取决于OpenAI达成通用人工智能里程碑或实现上市 [3] - 英伟达投资300亿美元，软银投资300亿美元 [1] 与亚马逊的战略合作细节 - 亚马逊AWS将成为OpenAI企业级平台Frontier的独家第三方云提供商 [3][7] - OpenAI将通过AWS基础设施使用2吉瓦的Trainium AI芯片算力 [3][8] - 双方将共同创建由OpenAI模型驱动的“有状态运行时环境”，预计未来几个月在亚马逊Bedrock平台上线 [7] - 双方计划将2025年11月达成的380亿美元算力协议，在未来8年再追加1000亿美元合作规模 [8] - 合作将覆盖Trainium3及下一代Trainium4芯片，Trainium4预计2027年交付，提供更高FP4计算性能、更宽内存带宽和更大高带宽内存容量 [8] - 亚马逊团队将能针对其客户应用定制OpenAI模型，作为对亚马逊自有Nova系列模型的补充 [9] 与英伟达的合作扩展 - OpenAI正扩大与英伟达的长期合作，包括使用3吉瓦专属推理算力 [3] - 合作还包括在Vera Rubin系统上提供2吉瓦训练算力 [3] 与微软合作关系的重申 - 微软与OpenAI发布联合声明，确认双方合作稳固且处于核心地位，将在研究、工程及产品开发领域继续紧密合作 [10] - 微软继续持有对OpenAI各类模型与产品知识产权的独家许可及使用权 [10] - 现行的商业合作与收入分成安排维持原状 [10] - Azure仍是提供OpenAI模型访问的“无状态API”独家云服务商，任何第三方合作产生的无状态API调用都将托管在Azure上 [10] - OpenAI的第一方产品，包括Frontier，将继续托管在Azure上 [10] - AGI的合同定义及是否实现的程序保持不变 [10] 公司估值与行业背景 - 本轮融资前，OpenAI的预估值达到7300亿美元（约合人民币5万亿元） [3] - 2026年开年硅谷AI创企融资活跃，xAI完成200亿美元E轮融资，Anthropic拟以3500亿美元估值筹集100亿美元，World Labs完成10亿美元融资 [12] - OpenAI此次融资的豪华投资阵容及金额在产业界少见 [12] 资金用途与行业影响 - 公司或可依托资金与战略伙伴资源，加速基础设施建设、下一代模型研发与全球商业化扩张 [12] - 此次合作将带动数据中心、高速互联、定制芯片等产业链全线升级，重塑全球AI算力供应链与技术标准话语权 [12] 未来发展预期与压力 - 投资方希望OpenAI能够尽快实现上市，并加速推进通用人工智能目标 [12] - 这一诉求可能使OpenAI更多兼顾资本市场的回报预期与商业化压力 [12]

英伟达2026财年第四季度财报及业绩指引 - 第四财季营收为681亿美元，同比增长73%，超出市场预期的656.84亿美元 [1] - 数据中心营收为623亿美元，超出市场预期的606.2亿美元，上年同期为355.8亿美元 [1] - 网络营收为109.8亿美元，超出分析师预期的90.2亿美元 [1] - 游戏营收为37亿美元，不及分析师预期的40.1亿美元 [1] - 预计第一财季营收在764.4亿美元至795.6亿美元之间，高于市场预估的727.8亿美元 [1] - 公司创始人兼CEO黄仁勋表示，计算需求正呈指数级增长，AI智能体的转折点已经到来，客户正竞相投资AI计算 [1] - 首席财务官表示，Grace Blackwell系统在第四财季数据中心营收中占比达到三分之二 [1] - 大型云计算公司的资本支出计划接近7000亿美元，将超越此前设定的5000亿美元目标 [1] - 供应将满足今后至明年的需求，自主式、实体人工智能应用开始推动财务业绩 [1] - 预计数据中心业务收入在2026年全年将实现环比增长 [1] AI算力硬件升级与高端PCB/IC载板领域 - 印制电路板（PCB）是AI服务器升级的基石，英伟达新一代系统对高速、高频、高密度互连提出极高技术要求 [2] - 英伟达NVLink SerDes技术已从56Gbps演进至224Gbps，信号传输速率倍增导致高频信号衰减加剧 [2] - 技术升级倒逼PCB上游核心材料覆铜板必须向M9级超低损耗材料进行升级 [2] - 这一趋势推动高多层板、高阶HDI板在AI服务器中的渗透率大幅提升 [2] - 具备M9级高速材料研发能力、掌握高阶HDI量产工艺的技术门槛极高，相关高端PCB产品技术壁垒显著提升，议价能力增强 [2] - 芯片封装基板（IC载板）作为高端封装关键材料，随着GPU、CPU等核心芯片尺寸增大、引脚密度增加，其单颗价值量在芯片总成本中的占比持续攀升 [2] - IC载板领域有望深度受益于算力芯片放量与技术升级的双重红利 [2] 光通信与CPO（共封装光学）领域 - 光通信是AI集群互联的“大动脉”，其技术迭代速度直接决定了算力网络的性能上限 [3] - 据预测，2029年全球光模块市场规模有望突破370亿美元 [3] - 800G光模块已进入大规模放量期，而1.6T光模块也将于2025年进入商用元年 [3] - 2025年英伟达已宣布在其InfiniBand和以太网交换机中采用单通道200G的CPO技术 [3] - Meta、博通等巨头也相继推进相关产品，标志着CPO技术实现了从概念到产业化落地的关键一跃 [3] - CPO技术通过将光引擎与交换芯片共封装，能够显著降低功耗、延迟和成本，是解决后摩尔时代互联瓶颈的革命性方案 [3] - 掌握光芯片设计、硅光集成、精密封装及大规模量产技术的相关企业将深度受益于数据传输速率升级及光电融合趋势 [3] 液冷散热与数据中心基础设施领域 - 随着AI算力芯片功耗突破千瓦级，传统风冷散热技术已触及天花板，液冷散热正从“可选配置”转变为“必选项” [4] - 据行业调研数据，2026年中国液冷服务器市场规模预计将突破800亿元，同比增长率高达160% [4] - AI服务器的液冷渗透率将从2025年的45%飙升至74% [4] - 英伟达GB200及后续平台已将液冷作为标准配置，确立了液冷在高端算力领域的统治地位 [4] - 产业链上游环节，高端冷却工质、高可靠性磁力泵、零泄漏快接头等核心元器件的国产化替代空间广阔 [4] - 产业链中游环节，具备从冷源到末端一体化解决方案能力的系统集成商竞争优势凸显 [4] - 液冷技术的普及将显著降低数据中心PUE，符合国家“双碳”政策导向，推动数据中心基础设施向绿色、高效、智能化方向转型 [4]