Then last month, Schneider announced new, highly technical and detailed data center blueprints, developed with Nvidia, that the company says will significantly accelerate construction timelines as well as help operators adopt AI-ready infrastructure.Schneider announced in June it would collaborate with Nvidia to serve the growing demand for sustainable, AI-ready infrastructure. This was a research and development partnership for power, cooling, controlling and high-density rack systems to enable the next ge ...

Just as Open AI CEO Sam Altman and Meta leader Mark Zuckerberg begin acknowledging that there may be truth to the warnings of an AI bubble, Jensen Huang is doubling down on his bullishness. In a recent podcast appearance with Bill Gurley and Brad Gerstner, the Nvidia CEO brushed aside the growing caution and instead zeroed in on the company he sees as the next dominant force: OpenAI. “OpenAI is very likely going to be the world’s next multitrillion-dollar hyperscale company,” Huang said. That bold predic ...

核心观点 - 人工智能推理需求将出现十亿倍增长 从单次推理转向思维链推理模式 [1] - OpenAI有望成为下一个数万亿美元规模的超大规模公司 正在建设自主AI基础设施 [3][4] - 传统通用计算向加速计算和AI计算转型 数万亿美元计算基础设施需要更新换代 [7] - AI将推动全球GDP加速增长 50万亿美元人类智力产出将获得AI增强 [9] - 到2030年AI驱动收入将达到1万亿美元 目前已经基本实现这一目标 [13] - 英伟达有望成为首家10万亿美元市值公司 受益于AI基础设施需求爆发 [34] AI计算范式演进 - 推理计算从单次模式升级为思维链模式 需要"思考后再回答"的研究过程 [2] - 形成三个扩展定律：预处理、后训练和推理思维 推理计算量将增长十亿倍 [1][2] - 多模态AI系统并发运行 使用工具进行研究 视频生成能力突飞猛进 [2] - 令牌生成率每几个月翻倍 性能每瓦特需要指数级提升 [10][21] 超大规模公司发展 - OpenAI与多家公司合作建设AI基础设施 包括微软Azure和CoreWeave [3][4] - OpenAI首次自建AI基础设施 从芯片到软件到系统级全面合作 [4] - 经历两个指数增长：客户数量指数增长和计算需求指数增长 [4] - 自建数据中心使其成为真正超大规模企业 类似AWS和Azure的运营模式 [5] 市场前景与预测 - 华尔街共识预测过于保守 预计2027年后增长趋平 仅8%增长率 [6] - 实际AI收入2026年将达到1000亿美元 2030年达到1万亿美元 [12][13] - 全球AI基础设施市场将从4000亿美元增长5倍 [10] - 阿里云计划到2030年将数据中心算力提升10倍 [10] 技术架构变革 - 通用计算时代结束 加速计算和AI计算成为未来 [7] - 搜索和推荐系统全面转向GPU AI驱动 [7][13] - 数据处理市场仍以CPU为主 未来将全面转向AI数据处理 [17] - 需要极端协同设计 优化模型、算法、系统和芯片 [22] 竞争格局与护城河 - 年度发布周期确保性能指数提升 黑曜架构比前代提升30倍 [20][21] - 竞争优势来自极端协同设计和规模效应 [24] - 系统级设计比单芯片更重要 客户下500亿美元订单基于架构信任 [25] - ASIC面临挑战 市场变得巨大复杂 CUDA生态系统更具优势 [26][28] 地缘政治与市场 - 每个国家都将AI视为经济和安全必需品 需要主权AI能力 [36][38] - 中国是重要市场 拥有优秀工程师和制造能力 [42][43] - 应该最大化技术出口和美国影响力 而非脱钩 [41][44] - 技术行业是国家宝藏 应该参与全球竞争 [44] 经济影响 - AI将创造新产业 推动经济增长 [11] - 能源行业迎来复兴 核电和燃气轮机需求增长 [12] - 企业使用AI提高生产率 雇佣更多员工 [9][58] - 智能不是零和游戏 更多智能创造更多创意和工作 [59] 系统设计与创新 - 从Blackwell到Rubin到Feynman的年度技术迭代 [20] - 性能提升来自架构创新：CPU、GPU、网络芯片全栈优化 [21][22] - 频谱以太网业务全球增长最快 不是普通以太网 [22] - 软件生态极其丰富 开源贡献量仅次于个别公司 [23] 投资与产能 - 供应链准备就绪 如果需要可以立即加倍产能 [15] - 客户预测总是低估 导致持续抢购模式 [15] - 合作伙伴包括英特尔等传统竞争对手 开放合作模式 [31][54] - 投资OpenAI等公司是机会性股权投资 不附带采购义务 [19]

Jensen, step back for me. I mean, a few days you you're all over the place, literally. I mean, you're in the UK.I saw the white bow tie and all that. The talk here is very nice. Um, but you're also doing a lot of investments.The Intel investment announced last week quite a bit smaller than this one, but seems significant also because it's weaving Nvidia technology in the PCN data center level in a way that perhaps it wasn't before. Where do these kinds of investments fit in. How do you think about the value ...

"透视图"是36氪新推出的轻量化数据图文栏目——以数据透视趋势，以图片呈现要点。 "Talk is Cheap. Show me the data." 作者丨范亮 北京时间9月19日凌晨，英伟达宣布将以每股23.28美元的价格向英特尔普通股投资50亿美元，投资完成后，英伟达预计将持有英特尔4%以上股份。 | 英伟达进入Intel大股东行列, | | --- | | Intel原大股东公司名称 持股比例 * 持股数 | | Vanguard Fiduciary Trust Co · 8.912% 385,903,7 | | BlackRock Advisors LLC . 6.400% 277.123.1 | | STATE STREET CORPORATION® 4.702% 203,617,6 | | 103,591, BlackRock Life Ltd. 2.392% | | Geode Capital Management LLC 2.253% 97,563,( | | PRIMECAP Management Co. 80,298,1 1.854% | | Norges Bank (13F) | | ...

涉及的行业或公司 * 英特尔和英伟达宣布合作开发AI基础设施和个人计算产品[1] * 合作涉及数据中心和PC产品的x86 CPU多代开发[3] * 英伟达成为英特尔的主要客户和供应商[15] 核心观点和论据 * **合作基础** * 结合英特尔在数据中心和客户端PC CPU的领导地位与英伟达在AI加速计算的优势[6] * 通过NVLink技术将x86 CPU集成到英伟达AI生态系统[3] * 为数据中心创建定制x86 CPU 集成到NVLink生态系统[4] * 为PC创建集成英伟达GPU芯片的x86 SoC[4] * **市场机会** * 数据中心CPU市场规模约250亿美元每年[19] * 每年销售1.5亿台笔记本电脑[11] * 合作将覆盖250-500亿美元的年市场机会[25] * 数据中心市场是增长最快的细分市场[19] * **技术优势** * 使用英特尔Foveros多技术封装能力集成不同制程的芯片[35] * NVLink 72机架级架构将首次用于x86生态系统[10] * 将创建全新的集成显卡笔记本电脑类别[12] * **业务模式** * 英伟达将成为英特尔服务器CPU的主要客户[15] * 英伟达将向英特尔x86 SoC供应GPU芯片[15] * 在数据中心领域 英伟达购买CPU并集成到系统中[42] * 在PC领域 英伟达向英特尔提供GPU芯片[43] 其他重要内容 * **合作关系** * 英伟达已对英特尔进行股权投资[5][27] * 技术团队已合作架构解决方案近一年时间[17] * 合作不涉及特朗普政府[18] * **制造安排** * 当前合作专注于产品合作而非制造[23] * 英伟达继续评估英特尔的代工技术[14] * 英特尔继续与台积电保持合作关系[24] * **战略影响** * 不影响英伟达的ARM路线图[25] * 将为x86企业客户提供最先进的AI基础设施[52] * 英特尔正在建设精益、快速移动的工程文化[44] * **市场定位** * 合作将让英特尔进入AI基础设施和高端GPU笔记本市场[48] * 大多数云实例和企业用户仍使用x86架构[51] * 合作将创建新的计算平台[58]

The latest quarter delivered explosive cash generation and strong guidance, with real China risk and a rich valuation to weigh.Crowd-pleasing growth isn't new for Nvidia (NVDA -2.78%). But the AI and graphics chip company's late-August update still managed to turn heads. Revenue rose sharply year over year, and the data center engine kept humming. Management also issued bullish guidance for the current quarter.Sure, shares are down since the report. But remember: The growth stock is still up 28% year to dat ...

产品技术突破 - 推出业界首款2nm 64 Gbps双向晶片间互连(D2D)接口IP 支持32 Gbps双向同步传输并降低功耗与芯片面积[1] - 带宽密度超过30 Tbps/mm 达到UCIe同速度规格的3倍以上 并将计算晶片面积需求减少至传统方案的15%[2] - 采用先进自适应电源管理技术 根据突发流量自动调节设备活动 正常负载下功耗降低75% 高峰流量期间功耗降低42%[2] - 配备冗余通道与自动通道修复功能 提升良率并降低误码率 同时提供完整解决方案栈包括应用桥接/链路层/物理互连[3] 战略定位与行业影响 - 该技术针对下一代AI设备与数据中心 通过提升带宽与能效降低总拥有成本 满足加速计算时代架构扩展需求[4] - 基于公司在先进制程技术的领先地位 2024年3月首次发布2nm平台 2025年3月成功演示2nm晶片并推出定制SRAM技术[4] - 定制平台战略整合系统设计/先进制程制造/半导体IP组合 涵盖硅光技术/Co-packaged铜互联/定制HBM/PCIe Gen 7等核心技术[5] 公司技术与市场地位 - 作为数据基础设施半导体解决方案领导者 为全球科技企业提供数据移动/存储/处理/安全解决方案已超30年[6][7] - 通过深度客户合作推动企业/云/汽车/运营商架构转型 新技术将强化其在AI基础设施领域的带宽/能效/可靠性优势[6]

行业与公司 * 行业涉及人工智能（AI）数据中心基础设施、半导体和内存市场[1][3][19] * 公司包括美光科技（Micron, $MU）、英伟达（Nvidia）、Credo、Vicor、Monolithic Power Systems（MPS）、SK海力士（SK Hynix）、三星（Samsung）、Pure Storage（$PSTG）、AMD、英特尔（Intel）和Meta[1][3][19][20][27] 核心观点与论据 * 美光科技在AI领域表现非常疲弱 主要由于其在HBM（高带宽内存）市场的份额极小且缺乏HBM出货 相比之下SK海力士和三星更具优势[1][3][19] * AI数据中心建设热潮导致市场扭曲 许多公司股价上涨但实际受益有限 例如Credo过去一周上涨27%但受益不多 Vicor上涨10%但只是次要选择[3][5] * IT预算有限 在宏观经济不确定性下 企业最多保持资本支出和运营支出固定 因此英伟达数据中心收入增长直接来自减少非GPU服务器采购 传统CPU服务器销售将更弱[6] * 经典CPU服务器中内存成本占比很高 在示例中 一台双路英特尔Sapphire Rapids服务器总成本约10,474美元 其中DRAM占37.5% NAND占14.7% 内存整体占52.2%[7][9][10] * AI服务器（如英伟达DGX H100）成本结构发生巨大变化 总成本约269,010美元 但内存占比大幅下降 DRAM仅占2.9% NAND占1.3% 内存整体占4.2%（不包括HBM）[13][17] * HBM成本约为每GB15美元 当前由SK海力士独家供应给英伟达 因其创新的MR-MUF技术 美光在HBM/封装方面处于巨大劣势[14][15] * 计算世界正在快速变化 服务、软件和AI成本更受基础设施影响 客户集中度增加导致设计获胜和市场份额变化更具波动性[21] * 智能手机和PC需求仍疲软 经典CPU服务器大幅下滑 内存周期可能要到明年才能复苏[19] * Meta的基础设施选择可能成本数亿美元 并影响高速网络存储需求[18][20] 其他重要内容 * 美光管理层声称其HBM产品在性能/带宽/功耗方面"远胜当前市场产品" 并将在2025年第一季度量产 但被质疑为炒作[31][32] * AMD的MI300在发布进度上比英伟达H100晚近一年 需显著优于H100才能获得市场份额 但可能相反[27] * 尽管性能不如H100 客户仍可能购买AMD MI300以拥有第二来源并制衡英伟达[29] * 英伟达DGX H100的毛利润近100,000美元 但研发和其他运营费用降低了净利[13] * 大多数AI服务器体积是HGX而非DGX[17] * 专注于高性能存储的利基公司如Pure Storage（$PSTG）可能获胜[20] * Grace Hopper（GH200）的成本结构与H100非常不同[20]

公司产品性能表现 - DataPelago Nucleus在Nvidia GPU上执行计算密集型操作时显著超越Nvidia cuDF [1] - 在复杂表达式处理中Nucleus比cuDF快达10.5倍（投影操作）、10.1倍（过滤操作）和4.3倍（聚合操作）[8] - 处理变长字符串时哈希连接操作快达38.6倍（小字符串）和4倍（大字符串），哈希聚合操作快达3.8倍，Top-K操作快达5.9倍[8] 技术架构优势 - Nucleus采用GPU优化执行层，具备更好的并行算法、快速通用工作流、多列优化支持和内核融合技术[4] - 通过零拷贝共享内存管理实现端到端字符串优化，突破GPU性能天花板[4] - 通用数据处理引擎可跨异构硬件（从CPU到GPU）无缝执行任务，无需代码或基础设施变更[1] 行业需求背景 - 企业处理ETL、商业智能和生成式AI工作负载时面临复杂数据量增长压力[2] - CPU数据处理已无法满足需求，Nvidia GPU提供大规模并行性和吞吐量优势[2] - GPU存在I/O瓶颈和内存限制问题，需要专门设计的数据处理引擎克服这些限制[2] 公司战略定位 - 致力于为加速计算时代创建新的数据处理标准，解决性能、成本和可扩展性限制[5] - 公司定位为全球首个通用数据处理引擎，支持任何数据类型、硬件和查询引擎[7] - 通过突破性思维改变数据处理经济性，推动AI驱动革命的下一波发展[6] 性能提升场景 - 多列键处理时Top-K操作性能比cuDF快达8.2倍[8] - 在多键和变长字符串排序等复杂实际工作负载中表现出比简单固定长度数据操作更高的增益[3] - 充分利用云环境中日益普及的加速硬件资源，需要非线性思维和新方法[5]