文章核心观点 - GPU在AI计算时代的重要性急剧提升，正成为数据中心和终端设备的核心算力驱动力，但CPU因其在通用任务处理和系统调度上的不可替代性，短期内不会被GPU彻底取代，未来更可能是协同与异构计算格局 [1][3][4] - 科技巨头为避免算力供应受制于人并控制成本，正积极推动自研AI芯片（包括GPU、NPU、专用加速器），英伟达虽处领先地位但难以独占市场，行业竞争焦点正从硬件性能转向完整的AI软件生态构建 [7][9][15] 美国政府政策与英伟达动态 - 美国政府允许英伟达向中国等地区的“获准客户”销售H200 AI芯片，但将获得其在该地区销售额的25%分成 [1] - 英伟达创始人黄仁勋公开质疑CPU在未来以加速计算和AI为主导的时代中的必要性，暗示GPU可能成为核心，这与其长期倡导的“加速计算”理念一致 [1] - 受益于AI大模型兴起，英伟达数据中心GPU收入从2023年的150亿美元暴涨至2025财年的1152亿美元，预计2026财年该数字将继续飙升 [1] GPU与CPU的技术角色与关系 - CPU优势在于强大的单线程性能、成熟的指令体系和完善的生态，擅长处理复杂逻辑任务、运行操作系统及进行系统调度，是各类智能设备不可或缺的“大脑” [4] - GPU优势在于极端的并行计算能力，拥有数千至上万个核心，在深度学习训练、图像渲染、科学计算等重复性矩阵化任务中，效率和速度远超CPU [4] - CPU与GPU是协同关系而非零和替代，CPU像“管理人员”进行任务调度，GPU像“熟练工人”进行批量处理，两者在系统中各司其职 [4][6] - 理论上GPU完全取代CPU需重构整个计算体系，包括设计专精通用任务的核心架构、更新指令集与系统架构，面临巨大生态阻力，实际难以实现 [6] 资本市场与行业热度 - 中国通用GPU公司摩尔线程上市首日股价从114.28元涨至约650元，显示资本市场对GPU企业的高度热情 [3] - 摩尔线程在上市后宣布将发布以MUSA为核心的全栈发展战略及新一代GPU架构 [3] 云计算与数据中心算力重构 - 为满足AIGC及大模型训练暴增的并行计算需求，云端基础设施正发生根本改变，GPU集群已成为各大云厂商的首选 [6] - 几乎所有头部云厂商在采购第三方GPU（如英伟达产品）的同时，都在推动自研芯片计划，根本目的是避免算力供应完全受制于人并优化长期成本与能效 [7][9] - 阿里云自研含光芯片并引入第三方GPU构建新集群 [7] - 百度自研昆仑芯片针对AI算力深度优化，拟拆分独立上市以分享AI计算红利 [7] - 亚马逊通过自研Graviton（ARM CPU）、Trainium、Inferentia等芯片构建异构AI算力集群 [9] - 谷歌云计算中心部分使用自研TPU和Axion CPU，推理集群正逐渐转向以自研芯片为主 [9] 终端侧计算架构演变 - 从PC、手机到汽车，越来越多的AI任务（如大模型推理、智能助手、实时生成内容）开始在本地执行，推动终端设备需要具备强大的高并行算力 [10] - 在手机领域，旗舰SoC通过强化集成GPU与NPU的加速能力来提升AI算力，AI算力已成为“AI手机”的核心卖点，许多系统级AI功能底层已从CPU迁移至GPU/NPU [10] - 在PC领域，“端侧AI算力”取代CPU主频成为关键指标，GPU承担了大部分高密度矩阵计算任务，厂商对核显的研发投入显著增加 [11][13] - 在自动驾驶领域，感知、融合、规划等任务需瞬时处理海量数据，天然依赖GPU高并行优势，主流方案（如地平线、特斯拉、英伟达）均采用围绕GPU构建的异构架构 [13] 行业竞争与生态格局 - 英伟达的核心优势在于其CUDA生态经过十余年沉淀已成为事实标准，构筑了强大的竞争壁垒 [15] - AMD通过力推更开放的ROCm生态来挑战CUDA，并在MI300系列上已获得不少厂商认可 [15] - 英特尔采取双线策略：一方面依靠Gaudi加速器冲击AI市场，另一方面利用PC生态领导地位在终端侧布局AI处理器 [15] - 华为已构建从底层硬件（昇腾芯片）、AI框架（昇思MindSpore、CANN）到操作系统（鸿蒙）的完整AI生态链条，在争夺行业话语权上具备优势 [15] - 行业竞争焦点在于谁能构建起完整的AI生态，从而在AI原生时代掌握主动权 [16]

AI竞赛与技术进步的本质 - AI竞赛没有明确的终点线，技术进步是渐进式的，所有参与者将共同进化[2] - 真正的竞争力在于持续迭代能力，而非一次性突破[2] - 过去10年AI算力提升了10万倍，这些算力主要用于让AI更谨慎地思考、检验答案，而非用于危险的事情[1][2] - 迭代是基于第一性原理的持续修正，而非简单重复[2] 英伟达的创业历程与战略转折 - 1995年因技术路线选择错误而濒临破产，依靠世嘉500万美元的投资才得以生存[1][4] - 在开发Riva 128芯片时，公司资金即将耗尽，通过购买已倒闭公司的仿真器来测试设计，并说服台积电创始人张忠谋在不预先测试的情况下直接投产，最终获得成功[90][91][92] - 早期战略错误导致公司处于竞争劣势，通过解雇大部分员工、缩小规模，并让工程师从Silicon Graphics的教科书学习，以第一性原理重新发明了现代3D图形技术[79][82][83] - 公司将业务焦点从通用3D图形芯片缩小到专为视频游戏优化的芯片，并将技术业务转变为平台业务，从而创造了现代3D游戏市场[84][85][86] - 2005年推出CUDA时股价暴跌80%，但长期坚持投入最终奠定了今天AI革命的基础设施[2] AI对工作的影响与转型 - 判断AI是否会取代某项工作的关键，在于区分“任务”和“目的”[4] - 以放射科医生为例，AI横扫放射学领域后，医生数量反而增加，因为看影像只是“任务”，诊断疾病才是“目的”[4][5][50] - 如果工作内容本身就是任务（如切菜、数据录入），则可能被取代；如果任务只是实现更高目的的手段，工作将会升级[4][52] - AI将消灭那些把手段当成目的的工作，迫使每个人思考自己工作的真正目的[4] - AI的普及可能催生全新的行业，例如机器人制造、维护和个性化服装产业[52][54] AI的安全性、意识与未来发展 - AI不会凭空产生意识，其本质是模仿和学习人类生成的知识与模式，而非拥有经验或情感[4][33][39][42] - 过去两年AI能力提升了约100倍，而额外的计算能力被引导用于让AI进行更多反思、研究和事实核查，从而减少“幻觉”（编造事实），产生更安全、更真实的答案[17][18] - 网络安全领域为AI安全提供了模型，防御社区通过共享信息、最佳实践和补丁进行合作，AI防御技术也将以类似方式演进[21][24] - 对AI军事应用持支持态度，认为强大的防御力量是避免战争的必要条件之一[20] - 未来世界上90%的知识可能将由AI生成，但人类仍需核实事实并基于第一原理进行判断[43][44] 技术普及、能源与计算演进 - AI是世界上最容易使用的应用，有望缩小技术鸿沟，用户只需使用人类语言即可交互[57] - 摩尔定律的每一次迭代都意味着完成计算任务所需的能量减少，这是技术普及的基础[6][58] - 过去十年，通过加速计算将计算性能提高了10万倍，预计十年后对大多数人而言，运行AI所需的能源将微乎其微[6][59] - 能源增长是AI、芯片和超级计算机工厂建设的先决条件，未来可能看到许多公司自建数百兆瓦级别的小型核反应堆[6][11][61][62] 领导力与公司经营哲学 - 公司CEO保持了持续33年的危机感，每天醒来都觉得“距离倒闭还有30天”，这种对失败的恐惧是比追求成功更大的驱动力[1][6][97] - 成功源于艰难的工作、漫长的痛苦、孤独、不确定和恐惧，这部分常被外界忽略[6] - 领导者展现脆弱性与公司成功并不矛盾，这有助于团队及时纠正错误并调整战略[105] - 在快速变化的行业中，领导者需要像“冲浪”一样应对无法完全预测的技术浪潮，而非试图预测所有变量[106][107] - 公司文化的核心是吸引世界上最优秀的计算机科学家，让他们能够专注于创造下一代技术[113] 行业生态与关键合作 - 2012年，AlexNet的突破性成果是使用两张英伟达显卡训练实现的，这成为了现代AI的“大爆炸”时刻[64][68] - 2016年，公司发布了售价30万美元的DGX-1超级计算机，埃隆·马斯克是第一个客户，并将第一台设备交付给他当时支持的非营利AI公司，即后来的OpenAI[70][71][72] - 从DGX-1（1 petaflops，30万美元）到DGX-Spark（1 petaflops，4000美元），体现了九年内技术性能不变而成本与体积急剧下降的进步[74] - 公司与美国前总统特朗普的交流中，强调了本土制造、能源增长和再工业化对美国关键技术领域的重要性[9][11][12]

生成式AI的技术范式转变 - 生成式AI的核心机制已从检索既有信息彻底转变为学习知识结构并进行即时的逻辑推理[4] - 过去的软件是基于第一性原理描述算法并编码，而深度学习是通过海量输入输出示例训练神经网络，使其成为通用函数逼近器，能够学习任何物理定律[6] - 当AI能够像人类一样推理、解决问题和理解意图时，这在某种程度上就是一种“理解”[6] AI计算基础设施的演进 - 数据中心正演变为输入能源与数据并大规模产出智能Token的新型“AI工厂”，这是一种全新的制造业[8][9] - 能源是AI扩张的挑战，但提升效率是关键，例如Blackwell芯片比上一代能效提升了25倍[9] - 数据中心需要稳定的基载电力，核能（包括重启现有电站和发展小型模块化反应堆）是一个非常好的选择[9] - 在过去十年里，通过加速计算将AI计算的成本降低了10万倍，这使摩尔定律以另一种方式重生[13][15] - CPU擅长串行处理复杂逻辑，而GPU由成千上万个单元组成，擅长并行处理海量简单任务，因此更适合AI计算[14][15] 编程与人类角色的未来 - 未来的编程语言将是人类自然语言，个人无需学习Python或C++等语法，只需清晰表达意图，这将极大地降低技术门槛[4][11] - 世界上每个人都将成为程序员[11] - AI不会让工作消失，而是改变任务，例如AI帮助放射科医生处理看片子的任务，使其能更专注于“诊断疾病”的核心目标，效率更高[11] - 人类将成为指令的发出者，依然可以享受解决难题和拥有目的感[11] 英伟达的发展历程与战略 - 2016年，公司向OpenAI交付了世界上第一台专门为AI深度学习打造的超级计算机DGX-1，该机器当时具有1 Petaflops的算力[17] - 九年后，同样的算力被集成进一个书本大小的模块，成本和体积都大幅下降[17] - 公司早期发明了CUDA，使其可以在显卡上运行任何程序，而不仅仅是图形，但这导致芯片成本翻倍且初期无人买单，市值从大约120亿美元跌至20亿美元[19] - 1996年，公司因技术路线错误（采用正向纹理映射而非行业主流的三角形）而濒临倒闭，离破产只差30天[21] - 公司创始人向合作伙伴世嘉CEO坦诚失败并请求支付合同尾款约500万美元，这笔资金拯救了公司[21] - 公司曾用所剩资金的一半购买了一台已倒闭公司的芯片模拟器，用于跳过流片测试环节，直接生产芯片，这是一次高风险的关键决策[22][23] 创始人的管理哲学与个人特质 - 公司创始人认为，与最聪明的人一起解决世界上最难的问题本身就是奖励，这使其保持高昂的热情[30] - 其每天早上醒来依然会担心公司倒闭，这种偏执使其保持敏锐，并且不想失败的动力远大于想成功的动力[31] - 实现伟大的事情需要忍受痛苦、孤独和不确定性，经历磨难是性格的磨刀石，是成功不可或缺的部分[32][33] - 其每天早晨4点起床，睡眠约6至7小时，醒来后首先花几个小时处理邮件[27] - 其不佩戴手表，认为只有当下最重要，不想被时间追赶[27] - 对其而言，度假就是与家人在一起，但即使度假时也在工作，其家人也在公司工作，经常一起讨论公司事务[28][30]

英伟达的创业历程与关键转折 - 公司于1993年以“创造新计算方式”为目标创立，早期通过与世嘉合作开发游戏机芯片获得起步资金[1] - 公司在1995年中期因在纹理映射、图形建模、架构设计三大核心技术路线上全部选错而陷入绝境[2] - 公司创始人通过坦诚沟通，将世嘉剩余的500万美元合同款转为投资，为公司保留了生机[3] - 公司在资金耗尽时，用约100万美元收购库存模拟器实现无实物芯片设计测试，并说服台积电跳过原型测试直接量产，最终芯片成功使公司成为从零到10亿美元增长最快的科技企业[4] - 公司通过将3D图形核心需求硬编码到芯片中，使小型芯片具备百万美元级图像生成器性能，并聚焦游戏场景构建生态，在30余家竞争者中突围[5] 进入AI领域的契机与早期投入 - 2012年，研究人员使用两块英伟达GTX580显卡训练出AlexNet，引爆现代AI革命，公司由此敏锐捕捉到GPU在AI领域的潜力[6] - 公司意识到深度学习是能解决所有有输入输出问题的通用函数近似器，意味着可打造能学习几乎一切的计算机[6] - 2016年，公司投入数十亿美元研发出首台DGX-1超级计算机，售价30万美元，最初无任何订单，首台设备提供给了OpenAI[7][8] - 9年后，同款算力的DGX Spark已缩小至书本大小，价格降至4000美元[8] - 公司的GPU具备并行处理能力，本质是消费级超级计算机，GTX 580的SLI配置成为推动AI落地的关键设备[9] CUDA技术的战略意义与坚持 - CUDA技术为AI发展奠定核心基础，但推出时无人理解，导致公司市值从120亿美元暴跌至20-30亿美元[9] - 公司基于第一性原理的坚定信念坚持投入，最终该技术改变了世界，并推动公司市值大幅回升[9] 对AI发展、安全与本质的见解 - AI的发展将更加渐进，不会突然出现“奇点”时刻，历史表明担忧会转化为使技术更安全的努力[9] - 过去两年AI能力提升了约100倍，大部分增加的算力被用于提升安全性，让AI能够思考、分解问题、逐步推理、进行研究与自我纠错[10] - AI目前是感知、理解、规划和执行任务的能力，这与意识（包括对自身存在的认知、体验和自我意识）本质不同[11] - AI安全将采用类似网络安全社区的合作模式，共同抵御威胁[12] 量子计算与加密技术的演进 - 量子计算会使之前的加密技术过时，但整个行业正在研发使用新算法的后量子加密技术[13] - 量子计算机能在几分钟内完成传统超级计算机需要数十亿年才能解决的问题，但行业有信心找到应对方案[13] 加速计算、能源瓶颈与未来展望 - 能源是几乎所有事情的限制，但加速计算在过去10年中将计算性能提高了10万倍[14][15] - 预计十年后，对大多数人来说，人工智能所需的能量将微不足道，AI将可随时运行于各种设备中[15][17] - 预计未来六七年将出现一大批小型核反应堆（数百兆瓦级），这些本地化发电机可减轻电网负担[16] - 加速计算通过将问题分解并交给数千个处理器并行处理，与传统CPU顺序执行任务的方式不同[18] 技术鸿沟与AI对就业的影响 - 技术鸿沟将大幅缩小，AI是全球最易于使用的应用工具，ChatGPT在短期内便吸引了近10亿用户[19] - 未来人们无需掌握编程语言，通过自然语言即可与技术交互，这将消除技术门槛[20] - AI不会取代核心工作岗位，而是取代工作流程中的“任务”并提升效率，例如放射科医生因AI辅助能处理更多病例，导致该岗位数量增加[21] - AI的介入让图像分析等任务变得更快、更精准，支持多维度分析，从而提升经济效益并创造更多岗位需求[21]

人工智能市场前景 - NVIDIA首席财务官预计人工智能领域不存在泡沫，并预测市场将发生重大转型 [2] - 在对加速计算需求增长的推动下，预计到2030年数据中心基础设施规模可能达到3万亿至4万亿美元 [2] - 目前出货的大多数NVIDIA AI芯片用于构建新的数据中心基础设施，而非替换现有设备 [2] NVIDIA订单与交付情况 - 到2026年，NVIDIA手中Blackwell和Rubin两款GPU芯片订单额高达5000亿美元（超过3.5万亿元） [2] - NVIDIA首席执行官提到公司GPU订单已达到5000亿美元，需在接下来5个季度交付2000万枚Blackwell及Rubin架构的GPU [4] - 5000亿美元订单不包括NVIDIA正与OpenAI就下一阶段协议所做的任何工作 [4] 产业合作与投资动态 - NVIDIA与OpenAI已完成一份最终协议，双方合作将持续进行 [4] - NVIDIA此前宣布向OpenAI投资1000亿美元，后者将购买NVIDIA AI GPU用于提升算力 [4] - 类似互相投资的情况也发生在甲骨文、亚马逊等公司身上 [4]

美股市场表现 - 美股三大股指结束五连涨，道指跌427.09点或0.90%至47289.33点，纳指跌89.77点或0.38%至23275.92点，标普500指数跌36.46点或0.53%至6812.63点 [2][3] - 市场对美联储12月降息预期升温，同时美国11月ISM制造业PMI为48.2，连续九个月低于50荣枯线，创四个月以来最大萎缩，导致市场避险情绪升温 [3] 英伟达战略投资与合作 - 英伟达宣布斥资20亿美元购入新思科技普通股，双方将深化合作，融合英伟达人工智能和加速计算优势与新思科技工程解决方案，以提升智能产品设计验证的精度、速度和降低成本 [4] - 英伟达首席执行官黄仁勋称合作旨在革新设计与工程领域，英伟达股价上涨1.65%至179.920美元 [4][5][6] 半导体行业动态 - 芯片股涨跌不一，费城半导体指数跌0.07%，阿斯麦涨逾2%，恩智浦半导体涨超2%，迈威尔科技和美光科技涨超1%，博通跌超4%，科天半导体、英特尔和台积电跌逾1% [5][6] - 摩根士丹利将博通目标股价从409美元上调至443美元，并上调2026财年和2027财年定制芯片收入预期，同时将英伟达目标股价从235美元上调至250美元；美国银行也将博通目标股价从约400美元上调至460美元 [7] - 美光将在日本投资96亿美元建设AI存储芯片工厂，生产高带宽内存芯片，计划2028年左右开始出货，日本经济产业省提供多达5000亿日元补贴 [7] 大型科技股表现 - 大型科技股收盘涨跌互现，苹果涨超1%至283.100美元，亚马逊涨0.28%，奈飞涨1.44%，特斯拉跌0.01%，谷歌、微软和脸书跌超1% [8][9] - 亚马逊云科技将于12月1日至5日举办re:Invent 2025大会，预计发布新一代Trainium芯片和Nova系列模型更新 [9] 原油市场情况 - 原油期货收高，1月WTI原油合约上涨0.77美元或1.32%至每桶59.32美元，1月布伦特原油合约上涨0.79美元或1.27%至每桶63.17美元，因黑海码头遭袭引发供应担忧 [10] - 里海管道联盟位于黑海的俄罗斯码头系泊设施在遭受乌克兰无人机破坏后运营暂停，但俄罗斯新罗西斯克港装载作业持续进行 [10]

美股市场整体表现 - 美股三大指数结束五连涨，道琼斯指数跌427.09点或0.90%至47289.33点，纳斯达克指数跌89.77点或0.38%至23275.92点，标普500指数跌36.46点或0.53%至6812.63点 [4][5] - 市场对美联储12月降息预期升温，同时美国11月ISM制造业PMI为48.2，连续九个月低于荣枯线50，并创下四个月以来最大萎缩，导致市场避险情绪升温 [6] 半导体与芯片行业动态 - 英伟达宣布斥资20亿美元入股新思科技，双方将深化合作，融合英伟达在人工智能和加速计算的优势与新思科技的工程解决方案 [7][8] - 芯片股涨跌不一，费城半导体指数微跌0.07%，其中英伟达股价上涨1.65%至179.920美元，阿斯麦涨2.64%，恩智浦半导体涨超2%，博通则下跌4.19% [8][9] - 英伟达首席执行官黄仁勋表示，博通的定制芯片对英伟达不构成威胁，认为英伟达的技术更具通用性 [10] - 摩根士丹利将博通目标股价从409美元上调至443美元，并将英伟达目标股价从235美元上调至250美元，美国银行也将博通目标股价上调至460美元 [10] - 美光科技计划在日本投资96亿美元建设AI存储芯片工厂，生产高带宽内存芯片，预计2028年左右开始出货，日本经济产业省将提供多达5000亿日元补贴 [10] 大型科技股表现 - 大型科技股收盘涨跌互现，苹果股价上涨1.52%至283.100美元，亚马逊微涨0.28%，奈飞涨1.44%，而谷歌A类股跌1.65%，微软跌1.07%，脸书跌1.09%，特斯拉基本持平 [12][13] - 亚马逊云科技将于12月1日至5日举办re:Invent 2025大会，预计将发布新一代Trainium芯片和Nova系列模型的更新 [14] 原油市场动态 - 由于黑海码头遭袭引发供应担忧，原油期货收高，1月交割的WTI原油合约上涨0.77美元或1.32%至每桶59.32美元，1月布伦特原油合约上涨0.79美元或1.27%至每桶63.17美元 [16] - 分析师指出，OPEC+维持产量目标的决定缓解了市场对石油过剩的担忧，有助于稳定对未来几个月供应增长的预期 [17]

合作公告与市场反应 - 新思科技股价在周一盘前交易中上涨超过7%至448 93美元[1] - 英伟达于12月1日宣布与新思科技扩大战略合作[1] - 英伟达以每股414 79美元的价格投资20亿美元购买新思科技普通股[1] 合作内容与目标 - 合作整合英伟达的人工智能与加速计算优势及新思科技的工程解决方案[1] - 旨在帮助研发团队以更高精度、更快速度、更低成本设计、仿真和验证智能产品[1] - 合作将涵盖英伟达CUDA加速计算、智能体与物理人工智能以及Omniverse数字孪生技术[1] - 目标为实现传统CPU计算无法达到的仿真速度与规模并开辟工程领域新市场机遇[1] - 双方还将在工程和市场推广活动中合作以推动GPU加速工程解决方案的普及[1]

文章核心观点 - AI生产力提升不会导致失业，反而因公司可执行想法增多而使人更忙碌 [1][4][21] - 人形机器人将成为有史以来最大的产业，市场规模超越手机，因个人和工业领域需求巨大 [1][3][8] - 计算模式正经历从通用计算到加速计算的根本性转变，当前并非AI泡沫 [1][6][45] 创新与创造 - 事业核心在于创造而非颠覆，例如SpaceX创造可重复使用火箭 [3][8] - 通过一阶思维规模化降低成本，如将电池成本从每千瓦时1000美元降至100美元以下 [7] 人形机器人产业前景 - 特斯拉将制造出第一款真正实用的人形机器人 [3][8] - 人形机器人需求来自个人拥有和工业应用，每个人可能想要一台甚至多台 [8][9] - 人工智能和人形机器人是消除贫困、让所有人富裕的唯一途径 [11] AI工厂与计算模式变革 - 计算模式从“检索式”转向“生成式”，需要AI工厂实时生成内容 [13][14] - 人工智能是基础设施，将颠覆每个行业、公司和国家 [13] - 推荐系统是当今互联网引擎，生成式AI是第三个巨大机遇 [6][46] 工作与货币的未来 - 长期看工作将变成可选项，如同爱好 [5][16][18] - 短期内AI提升生产力，使人们更高效也更忙碌，因积压项目得以加速推进 [1][4][21] - 若AI和机器人技术持续改进，未来货币将失去重要性 [6][19] 太空AI与能源 - 太空AI不可避免，五年内最低成本AI计算方式将是太阳能AI卫星 [6][38][40] - 太空优势在于持续太阳能供电和辐射冷却，无需电池和复杂冷却系统 [38][40][43] - 地球能源限制AI算力扩张，例如年增300吉瓦AI算力相当于美国年发电量三分之二 [43] 重大合作与投资 - xAI将与英伟达、沙特Humane合作在沙漠建设500兆瓦级AI数据中心 [1][30][31] - 英伟达与Humane合作利用Omniverse数字孪生技术训练机器人和数字工厂 [34] - 沙特将炼油厂转型为AI工厂，并建设用于量子计算机模拟的超级计算机 [13][34] 加速计算趋势 - 全球高性能计算正从通用计算转向加速计算，Top500超算中加速计算占比从10%升至90% [45][46] - 摩尔定律终结推动加速计算转型，以应对计算需求与算力供给差距 [45]

报告投资评级 - 行业投资评级为“推荐” [4] 报告核心观点 - 报告研究的具体公司FY26Q3业绩表现强劲，营收及毛利率均超预期，且对FY26Q4的业绩指引乐观 [1][3] - 报告研究的具体公司认为AI行业未见泡沫，已进入良性循环，其Blackwell平台需求旺盛，生态系统快速扩张 [4][8] - 数据中心业务是核心增长引擎，受益于加速计算和生成式AI转型，未来市场空间广阔 [2][8][15][16] 财务业绩总结 - FY26Q3营收570亿美元，同比增长62%，环比增长22%，超出市场预期的540亿美元 [1] - FY26Q3 non-GAAP毛利率为73.6%，达到指引区间上限，环比提升0.9个百分点 [1] - FY26Q4营收指引中值为650亿美元（±2%），预计同比增长65.3%，环比增长14.0% [3] - FY26Q4毛利率指引为75%（±0.5个百分点），并预计FY27财年毛利率约75% [3][36] 分业务板块表现 - **数据中心**：营收512.15亿美元，同比增长66.4%，环比增长24.6% [2] - 计算产品营收430亿美元，同比增长55.8%，环比增长27.2%，主要得益于GB300量产，其营收占Blackwell总营收约三分之二 [2][8] - 网络产品营收82亿美元，同比增长164.5%，环比增长12.3%，得益于NVLink横向扩展及Spectrum-X以太网和Quantum-X InfiniBand业务增长 [2] - **游戏和AIPC**：营收42.65亿美元，同比增长30.1%，渠道库存处于正常水平 [2][30] - **专业可视化**：营收7.60亿美元，同比增长56.4%，再创新高，主要得益于DGX Spark AI超级计算机 [2][31] - **汽车和机器人**：营收5.92亿美元，同比增长31.9%，主要由自动驾驶解决方案推动 [2][32] 技术与平台进展 - **Blackwell平台**：势头强劲，GB300营收占比超过GB200，已向主要云厂商批量发货 [8][20] - **Rubin平台**：计划于2026年下半年量产，预计性能将超越Blackwell [8][21] - **Hopper平台**：进入第13个季度，FY26Q3营收约20亿美元 [2][8] - **网络技术**：推出Spectrum-XGS横向扩展技术，NVLink已发展至第五代 [8][24] - **生态系统合作**：与富士通、英特尔、ARM等公司建立战略合作，整合NVLink技术 [8][24] 市场前景与行业动态 - 报告研究的具体公司预计2025年至2026年12月期间，Blackwell和Rubin平台营收有望达到5000亿美元，到本十年末全球AI基础设施建设规模预计达3万亿至4万亿美元 [15][41] - 报告研究的具体公司判断超大规模工作负载向加速计算和生成式AI的转型将占据其长期机遇的约一半 [4][16] - 云服务提供商和超大规模企业的2026年总资本支出预期上调至约6000亿美元，较年初增加2000多亿美元 [4][16] - 报告研究的具体公司强调其架构支持三大平台转型：从通用计算到加速计算、生成式AI替代传统机器学习、智能体AI的兴起 [37][38][39]