Blackwell芯片部署的挑战与现状 - 英伟达首席执行官黄仁勋曾指出，新一代Blackwell AI芯片的复杂性导致客户从上一代芯片过渡将“充满挑战”，因为服务器机箱、系统架构、硬件配置和电源系统等所有方面都需要调整[2] - 对于OpenAI、Meta Platforms及其云服务合作伙伴等核心客户，推广Blackwell服务器（尤其是Grace Blackwell型号）的部署和大规模运维在去年大部分时间里是一个棘手问题，客户在收到上一代芯片后几周内即可部署，而Blackwell的部署则困难得多[2] - 英伟达目前已基本解决了阻碍主要客户快速大规模部署Blackwell芯片的技术难题，公司市值高达4.24万亿美元，业务未受严重影响[2] 部署困难带来的潜在影响与客户反应 - 如果未来新芯片持续面临类似部署难题，可能为谷歌等竞争对手创造机会，前提是竞争对手能帮助客户更快大规模部署芯片以支持尖端AI发展[3] - 部署问题可能导致无法实现大规模芯片部署的云服务提供商利润下滑，并减缓依赖这些芯片开发更先进AI模型的AI公司的研发进度[3] - OpenAI和Meta等客户无法按预期规模构建芯片集群，限制了其训练更大规模AI模型的能力，部分客户已私下向英伟达表达不满[3] - 为弥补客户损失，英伟达去年针对与Grace Blackwell芯片相关的问题提供了一些退款和折扣[3] 技术问题的根源与英伟达的回应 - 主要问题出在连接72颗Grace Blackwell芯片的服务器上，这种设计旨在提升芯片间通信速度并在单个系统内协同运行，但带来了复杂性[4] - 英伟达发言人表示，公司已于2024年解决了Grace Blackwell系统部署缓慢的问题，并称这些系统是“有史以来最先进的计算机”，需要“与客户进行联合工程开发”才能部署[4] - OpenAI基础设施负责人表示，与英伟达的合作“完全按计划进行”，正在利用所有可用的英伟达芯片进行模型训练和推理，这加速了研发迭代和产品发布[4] 英伟达的改进措施与产品迭代 - 英伟达从部署挑战中吸取教训，不仅优化了现有Grace Blackwell系统，还改进了基于即将发布的下一代Vera Rubin芯片的服务器[5] - 英伟达去年推出了性能更强大、稳定性超越第一代产品的Grace Blackwell芯片升级版（GB300），在散热、核心材料和连接器质量方面均有所改进[5] - Meta工程师发现新芯片显著降低了集群组装难度，包括OpenAI在内的一些客户已调整订单，转而订购升级后的产品[5] - 英伟达告诉投资者，其Blackwell系列芯片的大部分收入现在来自优化的Grace Blackwell服务器，并计划今年大量交付这些服务器[5] Blackwell芯片的设计目标与固有缺陷 - 英伟达开发Blackwell芯片的目标是帮助客户以远超以往AI芯片的规模和成本效益训练AI模型[7] - Blackwell系列的核心设计是将72颗Grace Blackwell芯片集成到一台服务器中，减少了不同服务器间的数据传输，释放了数据中心网络资源，并支持更大规模AI模型的训练[7] - 然而，高度集成大量芯片意味着单个芯片的故障可能引发连锁反应，导致由数千个芯片组成的整个集群崩溃或停滞，从最近的已保存节点重新启动中断的训练可能花费数千至数百万美元[7] 初期推出问题与客户应对 - 2024年夏季，芯片设计缺陷导致量产延迟并引发各种问题，在首批Blackwell芯片交付后，服务器机架频繁出现过热和连接故障[7] - 这迫使微软、亚马逊网络服务、谷歌和Meta等核心客户减少订单，转而选择上一代芯片[8] - 几家云服务提供商的员工认为，英伟达在相关硬件和软件尚未完全调整和准备就绪之前就向客户交付了芯片[8] - 但有前英伟达高管为这一策略辩护，称72芯片服务器所经历的成长阵痛表明公司愿意突破技术界限，而非采取保守管理方式[8] 部署延迟对云服务商的财务影响 - 去年芯片部署延迟导致OpenAI的部分云服务合作伙伴遭受损失，他们曾斥巨资购买Grace Blackwell芯片，希望快速上线收回成本，但云服务商只有在客户开始使用芯片后才能获得收入[9] - 为缓解资金压力，一些云服务提供商去年与英伟达达成了折扣协议，允许他们根据实际使用量以较低价格购买芯片[9] - 英伟达还向一些退回服务器的客户退还了款项[9] - 在截至去年8月的三个月里，Oracle在出租Blackwell系列芯片方面亏损了近1亿美元，主要原因是调试服务器并将其交付给客户所需时间远远落后于客户开始使用并支付租金的时间[9] - 一份为Oracle云业务高管准备的内部演示文稿指出，租用Grace Blackwell芯片的毛利率为负，主要是由于OpenAI位于德克萨斯州阿比林的数据中心的芯片部署问题以及客户验收周期滞后[10]

英伟达对台积电产能的需求与预期 - 英伟达首席执行官黄仁勋表示，台积电今年需要非常努力工作，因为英伟达需要很多晶圆和CoWoS先进封装产能 [2][3] - 黄仁勋预期，未来十年台积电的产能可能会成长超过百分之百，这是非常显著的规模扩张，是人类史上最大规模的基础设施投资，而仅为了满足英伟达的需求，产能就需要翻倍 [2][3] 英伟达的产品进展与市场地位 - 英伟达已经全面投产Blackwell和Vera Rubin芯片，其中Vera Rubin包含六款不同的芯片，每款都是世界上最先进的芯片 [3] - 英伟达技术发展快速，创新速度也很快，其技术成本最低，因为最高效能意味着最低成本，这是公司的核心优势 [4] - 英伟达产品无所不在，遍布所有云端平台、电脑系统、机器人及汽车等领域 [4] - 英伟达全球拥有500至600万名开发者，世界上所有人工智能开发者都会使用英伟达的软件 [4] 英伟达的研发投入与竞争信心 - 英伟达一年的研发预算高达200亿美元，且可能每年都增加50%的预算 [4] - 对于特殊应用芯片（ASIC）的竞争挑战，黄仁勋信心满满，不认为ASIC累积出货量会超过英伟达的GPU [3][4] - 黄仁勋强调，英伟达正在建构整个人工智能基础设施，不仅提供GPU，也与所有的AI公司合作，包括Google、OpenAI、xAI等 [3] 供应链伙伴关系与行业活动 - 黄仁勋在台北宴请供应链伙伴高层，出席者包括台积电、联发科、广达、英业达、纬创、鸿海、宏碁、矽品、和硕、华硕、纬颖、台达电、仁宝及云达等公司董事长或首席执行官，与会者身价合计破兆元，该活动被外界形容为「兆元宴」 [2][3] - 餐叙结束后黄仁勋亲自送台积电董事长魏哲家离开，显见对台积电的重视程度 [2]

合作概览 - 全球市值第一的制药巨头礼来与全球市值第一的科技巨头英伟达宣布达成历史性战略合作 [1] - 双方将在未来五年内共同投入10亿美元，在旧金山湾区建立全新的联合创新实验室 [1] - 截至发稿，英伟达市值已突破4.5万亿美元，礼来市值稳定在1万亿美元以上，两家公司市值总和接近6万亿美元 [1][2] 合作模式与架构 - 联合实验室定位为通过AI重构药物研发流程的“超级工厂”，而不仅仅是算力中心 [2] - **硬件层面**：实验室将率先部署英伟达最新一代AI芯片架构Vera Rubin，该架构专为极大规模、极高精度的科学计算而生，适用于蛋白质折叠、分子动力学模拟等药物研发环节 [2] - **软件与数据层面**：英伟达将全面开放其BioNeMo生成式AI平台，礼来则提供其TuneLab平台及积累的海量高质量实验数据 [3] - 双方通过联邦学习技术融合数据与算法，旨在解决科技公司有模型没数据、制药公司有数据没模型的行业痛点 [4] - **制造与供应链层面**：合作延伸至制造端，礼来计划利用英伟达Omniverse平台建立制药产线的“数字孪生”，通过虚拟模拟优化生产流程，以提升如Zepbound（替尔泊肽）等紧缺产品的产能 [5] 礼来的战略动机 - 尽管凭借GLP-1药物（如替尔泊肽）在糖尿病和肥胖症领域取得成功，公司仍面临深层焦虑，源于制药行业长期受困于“双十定律”（研发一款新药需耗时10年、花费10亿美元）及“反摩尔定律”（研发成本随时间指数级上升） [6][7] - 公司CEO多次表示需要“工业化的发现能力”，旨在将药物研发从“发现”范式转变为“设计”范式，利用AI根据靶点结构定向设计分子，从而将筛选时间从几年缩短到几个月，并提高临床试验成功率 [7][8] - 面对谷歌Isomorphic Labs、微软、亚马逊等科技公司大举进军药物研发，公司选择主动联手最强科技伙伴以掌握主动权，避免未来沦为科技公司的代工厂 [8][9][10] 英伟达的战略动机 - 公司CEO认为“数字生物学将是下一场惊人的技术革命”，生命科学领域因其极高的数据量和计算复杂度，被视为能够像互联网一样消耗无尽算力的新领域，是GPU需求的潜在无底洞 [11][12] - 通过与礼来合作，公司得以接触顶级药企内部数据，反哺其BioNeMo模型的进化，并在与Google AlphaFold的竞争中获取差异化优势 [13] - 合作标志着公司从单纯销售硬件深入到药物研发核心业务流，BioNeMo平台的推广实质是在构建生物医药领域的操作系统，旨在确立其在医疗领域如同Windows在PC时代般的统治地位 [13] 行业影响与趋势 - 此次合作被视为AI制药行业的分水岭，创造了“顶级药企+顶级科技巨头”深度捆绑的第三种模式，区别于TechBio初创公司和大型药企内部IT部门主导的原有格局 [14][15] - **行业洗牌加速**：当英伟达直接向礼来等巨头提供底层能力时，依赖“讲故事”或“卖SaaS软件”的AI制药初创公司的生存空间将被压缩 [16] - **“干湿闭环”成为标配**：合作强调AI需与实体实验室设备紧密连接，实现AI设计、自动化合成测试、结果反馈迭代的闭环，这将成为未来药企的核心竞争力 [17] - **倒逼其他巨头**：预计全球排名前十的药企将加速寻找科技盟友，微软、亚马逊AWS、谷歌云将成为争抢对象，行业竞争从比拼管线储备升级到比拼“算力+数据”储备 [18] 挑战与展望 - AI并非魔法，生物学本身存在黑盒，生命规则充满混沌与未知相互作用 [19] - 当前AI在预测蛋白质结构方面表现良好，但在预测蛋白质功能、药物复杂代谢及临床疗效方面准确率依然不够高 [20] - 生物数据的标准化程度低，不同实验条件和批次的数据噪音大，数据清洗是巨大的工程挑战 [20] - 此次合作证明AI已成为制药业生存和发展的必需品，标志着人类对抗疾病的方式正在发生根本性改变 [20]

公司产品发布与技术细节 - 英伟达下一代芯片Vera Rubin已全面投产，其在运行聊天机器人和其他AI应用时，AI运算能力是上一代芯片的五倍 [1] - 由6款独立英伟达芯片组成的Vera Rubin平台预计将于2026年稍后发布 [1] - 该服务器将搭载72个图形处理单元以及36个新款中央处理器 [1] - 这些芯片串联成模组化集群，可以将生成AI系统基本处理单位（token）的效率提升10倍 [1] 行业竞争格局 - 英伟达在AI模型训练市场仍然占据主导地位 [1] - 在将AI模型成果交付给数亿聊天机器人和其他技术用户方面，公司面临来自超微半导体(AMD)以及Alphabet旗下谷歌(Google)等传统竞争对手的更激烈竞争 [1]

文章核心观点 - 英伟达在CES 2025上发布了新一代Rubin平台，该平台在芯片性能、机柜设计、存储架构及AI应用生态方面实现全面升级，旨在巩固其在AI计算领域的领导地位并加速AI向自主行动与物理世界渗透 [2][3][4] 芯片与硬件平台升级 - **Vera Rubin平台已投入量产**，由6类芯片构成，晶体管数量与性能全面超越前代：1) **Vera CPU**：2270亿个晶体管，支持1.8 TB/s的NVLink-C2C连接 [2]；2) **Rubin GPU**：3360亿个晶体管，HBM4带宽达22 TB/s，是Blackwell的2.8倍，单GPU NVLink互连带宽达3.6 TB/s，是Blackwell的2倍 [2]；3) **CX9**：230亿个晶体管，支持800Gb/s以太网连接 [2]；4) **Bluefield-4 DPU**：1260亿个晶体管，800Gb/s网卡速率，网络、计算、存储带宽分别是BF3的2倍、6倍、3倍 [2]；5) **NVLink 6交换机芯片**：1080亿个晶体管，Scale-Up Fabric带宽为3.6TB/s [2]；6) **Spectrum-X以太网CPO**：3520亿个晶体管，采用共封装200G硅光，交换架构带宽达102.4Tb/s [2] - **Rubin计算板采用无缆化设计**，显著提升组装效率：计算板包含1.7万个组件，提供100PF AI算力，是Blackwell的5倍，采用全液冷且无电缆、软管、风扇，组装时间从上一代的2小时缩短至5分钟 [3] - **Rubin机柜性能大幅提升**：晶体管数量是之前的1.7倍，峰值推理性能提高5倍，训练性能提高3.5倍 [3] 存储与系统架构创新 - **新增Context Memory存储平台**，以解决长上下文（Long Context）新瓶颈：存储系统设计为单独的机架（rack），每8个计算机架配置1个存储机架，新增16TB内存，架构演进为HBM→Memory→Rack SSD→Network SSD [3] - **VR平台沿用NVL72机柜设计**，机架背部使用5000根铜缆（约2英里），传输速率达400GB/s [3] AI应用生态与战略布局 - **推动AI向Agentic AI（自主智能体）时代转型**：核心是多模型、多模态代理系统，代理根据专长相互调用形成“推理链” [4] - **构建Physical AI（物理AI）全栈平台**：通过Omniverse连接器，整合训练（GB300系列）、模拟（RTX Pro服务器）和推理（THOR芯片）流程 [4] - **发布Alpamayo 1模型加速自动驾驶**：这是首个100亿参数的推理VLA（视觉-语言-动作）模型，具备“类人思维链”推理能力，旨在解决长尾安全痛点以加速L4级自动驾驶部署，计划于2025年Q1起在美、欧、亚市场逐步落地，并已获得捷豹路虎、Lucid及Uber等生态支持 [4] - **发布一系列配套工具与平台**以构建商业闭环：包括AlpaSim仿真框架、1700小时驾驶数据集、面向企业代理的Nemotron家族以及针对通用机器人的Cosmos平台与Isaac GR00T模型，旨在加速AI在智能出行、工业自动化及生物医药领域的渗透 [4] 产业链投资机会 - 建议关注**国际GPU龙头英伟达及其产业链**，以及**国产算力厂商和华为昇腾等自主算力产业链**相关公司 [5] - 服务器硬件层面涉及多个零部件环节的投资机会：**系统组装、GPU、CPU、存储、高速连接器和电光连接、PCB/IC载板、散热、电源、各类辅助芯片**等 [5] - 具体细分领域包括：**PCB/CCL、PCB设备、高速互联、液冷/电源、组装**等 [5]

AI驱动半导体生态系统供应紧张 - AI强度正在考验整个半导体生态系统的极限，从前端晶圆到后端封装以及存储器都面临供应紧张 [1][3] - 客户未来12个月最大焦虑是“无法获得足够的英伟达产品”，尤其是Vera Rubin芯片 [1][3] - 存储芯片短缺已达到“30年来最严重水平之一” [1][3] 英伟达的市场主导地位与前景 - 英伟达的市场主导地位比市场认知更加稳固，客户对供应短缺的恐慌在加剧 [3][4] - 对于大多数应用场景，英伟达仍拥有最佳的经济效益，替代方案在特定应用上经济性尚可 [4] - 英伟达数据中心季度营收达510亿美元，约为谷歌TPU营收的14倍，其单季度环比增长100亿美元相当于TPU营收的3倍 [4] - 基于产业链验证，摩根士丹利将英伟达目标价从235美元上调至250美元，CY27每股收益预期从8.66美元上调至9.57美元 [4] 定制芯片（ASIC）市场动态 - 博通为谷歌设计的TPU供应链预期上调，但部分增长来自于对其他客户订单的替代 [1][3][5] - 谷歌TPU订单预期上调，更大幅度的上调预期集中在CY27及以后 [5] - Meta的MTIA芯片量产计划（原定2H26）已被推迟，部分被Meta使用TPU所替代 [5] - 长期风险是谷歌正与联发科合作开发自己的TPU变体，这可能对博通构成威胁 [5] - 摩根士丹利将博通目标价从409美元上调至443美元，FY2026 ASIC营收预期上调至272.1亿美元，FY2027预期上调至594.75亿美元 [6] 存储芯片严重短缺 - 存储芯片短缺是30年来最严重的水平之一，当最大的云计算买家处于抢购狂潮时，世界其他地区面临产品匮乏 [3][7][8] - 一旦现有库存耗尽，几乎看不出有任何能力能以任何价格进行补货，所有市场都可能出现生产线停产 [8] - DDR4紧张状况持续存在，未来几个月开始影响汽车市场 [8] - 企业级NAND市场（特别是基于QLC的产品）感受最为强烈，但消费市场也存在紧张 [8] - 高带宽存储器（HBM）方面，1Q长期合约续约存在价格下行压力，但利润仍然很高，DDR5利润对HBM产生向上拉动 [8] - 对于HBM4，美光将参与英伟达供应链，尽管初始份额相对较小 [8]

英伟达市场地位与供应状况 - 英伟达市场主导地位比市场认知更加稳固 [1] - 客户未来12个月最大焦虑是无法获得足够的英伟达产品 尤其是Vera Rubin芯片 [1] 半导体行业供应链紧张 - 存储芯片短缺已达到30年来最严重水平之一 [1] - 云计算买家抢购潮导致PC和服务器OEM厂商产品匮乏 [1] - AI强度正在考验整个半导体生态系统极限 从前端晶圆到后端封装以及存储器都面临供应紧张 [1] 博通业务预期 - 博通为谷歌设计的TPU供应链预期上调 但增长来自于对其他客户订单的替代 [1] - 摩根士丹利基于调研上调了英伟达和博通的目标价和盈利预期 [1]

英伟达市场地位与供应焦虑 - 英伟达市场主导地位比市场认知更加稳固 [1] - 客户未来12个月最大焦虑是无法获得足够的英伟达产品 尤其是Vera Rubin芯片 [1] 半导体行业供应链紧张状况 - 存储芯片短缺已达到30年来最严重水平之一 [1] - 云计算买家抢购潮导致PC和服务器OEM厂商产品匮乏 [1] - AI强度正在考验整个半导体生态系统极限 从前端晶圆到后端封装以及存储器都面临供应紧张 [1] 博通供应链预期调整 - 博通为谷歌设计的TPU供应链预期上调 [1] - 增长部分来自于对其他客户订单的替代 [1] 目标价与盈利预期调整 - 摩根士丹利基于调研上调了英伟达和博通的目标价和盈利预期 [1]

目标股价调整 - 摩根士丹利将英伟达目标股价从235美元上调至250美元 [1] - 摩根士丹利将博通目标股价从409美元上调至443美元 [1] 人工智能行业前景 - 人工智能相关强劲势头预计在明年实质性加速 [1] - 2026财年博通和AMD的AI处理器营收增速预计略快于英伟达 [1] - 所有关键AI产品在2026年之前都受到供应限制 供应链限制规模高达2050亿美元 [1] 英伟达市场地位 - 英伟达预计将保持主导的市场份额 面临的威胁被言过其实 [1] - 信息显示英伟将在大多数应用中拥有最佳的经济效益 [1] - 客户在未来12个月内最大的焦虑是能否采购到足够的英伟达产品 尤其是最新的Vera Rubin芯片 [2] 市场竞争格局 - 替代方案将在某些应用中具有良好的经济效益 [2] - 谷歌张量处理器是一个可靠的替代方案 并对几个关键模型的开发做出重大贡献 [2] - 英伟达数据中心营收达510亿美元 约为谷歌张量处理器营收的14倍 [2] - 英伟达数据中心营收实现100亿美元的环比增长 约为谷歌张量处理器营收的3倍 [2]

英伟达GTC大会与芯片发布 - 英伟达首次展示Vera Rubin超级芯片 搭载88核Vera CPU和两颗Rubin GPU 预计2026年第三或第四季度量产 [1] - 黄仁勋发布会后英伟达股价上涨4.98% 市值增加2300多亿美元达到4.89万亿美元 成为首家市值冲刺5万亿美元的公司 [1] - 大会重点包括量子互连技术NVQLink 与美国能源部合作建造7台新超级计算机 宣布与Uber合作部署约10万辆自动驾驶汽车 [1] AI语音合成与开源模型 - Soul App AI团队开源播客语音合成模型SoulX-Podcast 支持中英川粤等多语种方言 能稳定输出超60分钟多轮语音对话 [2] - 模型支持零样本克隆的多轮对话能力 可实现跨方言音色克隆 仅用普通话参考语音即可生成带方言特征的自然语音 [2] - 模型基于Qwen3-1.7B作为基座 采用LLM + Flow Matching语音生成范式 在播客场景下语音可懂度与音色相似度均取得最佳结果 [2] Adobe图像模型与软件更新 - Adobe推出Firefly图像模型5 擅长生成照片级逼真细节 可原生生成4MP分辨率图像且无需升级 [3] - Adobe CC 2026全家桶正式发布Windows版本 包括Photoshop 2026 27.0、Illustrator 2026 30.0等多款软件全面更新 [3] - 新版本支持仅通过输入提示即可编辑图像 能根据需要进行精确修改同时保持其他像素不变 且具有商业安全性 [3] 交互式AI播客应用 - 腾讯混元推出国内首个交互式AI播客 用户可在收听过程中随时打断主持人和嘉宾发言 通过语音或打字方式提问 [4] - 基于大模型意图识别、长上下文理解和多轮对话能力 系统能结合上下文及背景信息准确给出答案 改变传统播客单向收听模式 [4] - 混元AI播客现已支持默认模式、深度探索、思辨讨论三种模式 提供8种不同音色 支持单人和双人播客形式 [4] PayPal与OpenAI支付合作 - PayPal宣布与OpenAI签署合作协议 其数字钱包将嵌入ChatGPT 让用户能直接在聊天机器人中完成购物支付 [5] - 从明年起PayPal生态的消费者与商户都可接入ChatGPT 用户可在平台上购买商品 商户商品库存也能上架销售 [5] - 受此消息推动PayPal盘前一度大涨超15% 同时公司上调全年业绩预期并宣布成立27年来首次发放股息 [6] 中国大模型的国际部署 - 美国AI编程产品Windsurf被网友发现其神秘新模型来自中国智谱GLM Cerebras也上架GLM-4.6推理服务 [7] - 多家美国AI公司选择部署中国大模型的核心原因是性价比 OpenAI和Anthropic模型虽好但太贵 而中国模型性能够打且价格实惠 [7] - Together AI、Vercel等美国平台也已部署GLM-4.6等国产模型 中国大模型的Made in China含金量持续上升 [7] 家用机器人商业化进展 - 全球首款家务人形机器人NEO正式开售 早鸟价20000美元或月租500美元 2026年发货 获OpenAI投资 [8] - NEO身高168厘米重30公斤 内置Redwood AI系统可自动完成吸尘、洗碗归位、喂宠物等家务 续航4小时最大负载68公斤 [8] - 华尔街日报记者体验发现目前所有动作由远程专家通过VR操控 1X承诺到2026年NEO将能自主完成家庭中大部分事务 [8] 机器人学习平台更新 - Hugging Face发布LeRobot v0.4.0 引入可扩展的Datasets v3.0支持OXE量级超大规模数据集 新增数据集编辑工具 [9] - 新版本集成PI0.5、GR00T N1.5等前沿VLA模型 新增对LIBERO与Meta-World仿真环境支持 简化多GPU训练 [9] - 推出全新插件系统简化硬件集成 仅需pip install即可连接任意机器人设备 同步上线Hugging Face机器人学习课程 [9] AGI定义与能力评估 - 图灵奖得主Yoshua Bengio等提出AGI新定义为"在认知多样性与熟练度上媲美或超越受过良好教育的成年人的AI" [10] - 基于卡特尔-霍恩-卡罗尔理论构建框架 将通用智能分解为通用知识、读写能力、数学能力等10个核心认知领域进行评估 [10] - 评估结果显示GPT-4的AGI得分仅为27% GPT-5的得分也只有57% 表明当前AI缺乏许多对类人通用智能至关重要的核心认知能力 [10] OpenAI公司战略与规划 - OpenAI完成重组转为公共利益公司 非营利董事会OpenAI基金会持有26%股权价值约1300亿美元 微软成为第一大股东持股约27% [11] - 奥特曼透露公司预计到2029年现金消耗将超1150亿美元 未来将承担约1.4万亿美元财务责任构建30吉瓦基础设施 IPO是最可能方向 [12] - 首席科学家帕乔基宣布目标在2026年9月前实现能实质性加速研究的AI科研助手 2028年3月前实现全自动化AI研究员 [12]