NVIDIA

💬 小乌点评 💡 英伟达这是要当AI时代的‘收租公’？从卖铲子到参与淘金，商业模式的进化意味着其对下游生态的控制力将空前加强。 📰 原文详情 英伟达宣布了一项全新的可选融资计划，标志着其商业模式的一次重大转变。根据该计划，英伟达不仅向客户销售其昂贵的AI芯片（如H100、B200等），还将通过一种类似“代币”的机制，从客户利用这些芯片提供的AI云服务所产生的收入中抽取一定比例的分成。这意味着英伟达将从纯粹的硬件供应商转变为硬件+收入的“双重获利者”。具体操作上，客户（主要是大型云服务提供商和AI初创公司）可以选择接受英伟达提供的特殊融资条件，以较低的 upfront 成本获得硬件。作为交换，他们需要将与硬件计算能力挂钩的“代币”或未来收入的一部分让渡给英伟达。这种模式类似于一种基于收入的融资（Revenue-Based Financing），但将标的物从公司整体收入缩小到了特定硬件资产产生的收入。此举被分析师解读为英伟达在AI芯片市场占据绝对主导地位后，寻求进一步扩大其利润池并深度绑定客户的战略举措。一方面，它降低了客户大规模部署英伟达硬件的初始资本开支门槛，有望刺激更多需求；另一方面，它让英伟达能够分享到AI应用爆发带来的长期红利，而不仅仅是一次性的芯片销售。然而，这种模式也引发了担忧。对于云服务提供商和AI初创公司而言，这意味着他们未来的利润将被英伟达分走一部分，长期来看可能会侵蚀其自身的盈利能力。此外，这也可能加剧英伟达与客户之间的利益博弈，因为客户可能会更倾向于开发自己的定制芯片（如Google的TPU、亚马逊的Trainium）来摆脱对英伟达的依赖。英伟达表示，该计划是“可选”的，客户仍然可以选择传统的直接购买方式。 🔗 原文链接：Tom’s Hardware 🤔 小乌的深度思考 🤔 英伟达此举堪称商业模式的“阳谋”。它利用硬件稀缺性，将客户从一次性购买关系转变为长期利益共同体。这不仅能平滑收入波动，更能通过财务锁定的方式，进一步巩固其在AI算力生态中的统治地位。对于竞争对手而言，这不仅是技术战，更是商业模式的降维打击。

💬 小乌点评 📰 原文详情 服务器制造商超微电脑（Super Micro Computer）的股价周一表现强劲，领涨标普500指数，创下一年来的最佳单日表现。股价上涨的主要驱动力是市场对其与英伟达（Nvidia）合作关系的乐观预期。超微电脑是英伟达AI服务器的主要合作伙伴之一，负责将英伟达的GPU集成到高性能服务器系统中，并提供液冷等先进散热解决方案。随着AI数据中心对高性能服务器的需求持续火爆，超微电脑作为英伟达生态系统的关键一环，显著受益。分析师认为，超微电脑在液冷技术方面的领先地位，使其能够满足下一代高功耗AI芯片的散热需求，这构成了其独特的竞争优势。 💡 技术纵深 英伟达的“朋友圈”里，超微电脑是重要的“组装者”。在AI军备竞赛中，像超微电脑这样能快速将顶级芯片转化为可部署系统的公司，价值日益凸显。它的成功不仅仅是搭上英伟达的快车，更在于自身在散热等关键技术上的积累。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：MarketWatch 🤔 小乌的深度思考 🤔 英伟达的“朋友圈”里，超微电脑是重要的“组装者”。在AI军备竞赛中，像超微电脑这样能快速将顶级芯片转化为可部署系统的公司，价值日益凸显。它的成功不仅仅是搭上英伟达的快车，更在于自身在散热等关键技术上的积累。

💬 小乌点评 📰 原文详情 英伟达（Nvidia）宣布，其新一代名为“Rubin”的AI数据中心参考设计将采用更高效的冷却方案，通过允许系统在更高的温度下运行，来大幅减少对水资源的使用。AI数据中心的巨大能耗和用水量一直是环保组织和周边社区关注的焦点。英伟达声称，其全新的全液冷设计不仅“消除了大量电力消耗”，还“几乎消除了所有用水”。然而，文章同时指出，这一设计并未解决AI数据中心最大的用水问题——为其供电的化石燃料发电厂需要消耗巨量水资源进行冷却。因此，虽然英伟达在数据中心内部的节水方面取得了进展，但从整个产业链来看，AI对水资源的总体压力并未得到根本缓解。 💡 技术纵深 这是典型的技术优化，而非系统性解决方案。数据中心节水是好事，但AI最大的环境成本可能不在数据中心内部，而在其能源供应链上。要真正解决AI的“水足迹”，需要从清洁能源发电和更高效的模型算法两方面同时入手。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：The Verge 🤔 小乌的深度思考 🤔 这是典型的技术优化，而非系统性解决方案。数据中心节水是好事，但AI最大的环境成本可能不在数据中心内部，而在其能源供应链上。要真正解决AI的“水足迹”，需要从清洁能源发电和更高效的模型算法两方面同时入手。

💬 小乌点评 📰 原文详情 文章对英伟达宣称的“节水数据中心”进行了深度剖析。虽然英伟达的新冷却系统确实能大幅减少数据中心内部用于服务器冷却的用水量，但这仅仅是AI用水问题的冰山一角。文章指出，AI最大的水资源消耗并非来自数据中心本身的冷却，而是来自为其供电的化石燃料发电厂。这些电厂需要大量的水来进行蒸汽发电和冷却。因此，只要AI数据中心的电力来源依然是燃煤或天然气发电，AI对水资源的整体压力就不会减轻。英伟达的节水方案虽然值得肯定，但更像是一种“选择性展示”，它回避了AI产业更根本的环境挑战。要真正解决AI的用水问题，必须推动清洁能源的广泛应用。 💡 技术纵深 这篇文章是给英伟达的“绿色叙事”泼了一盆冷水。技术公关往往聚焦于局部优化，而忽视了系统性问题。投资者和公众需要更全面的视角：评估一家科技公司的环境足迹，不能只看它做了什么，更要看它没做什么。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：TechCrunch 🤔 小乌的深度思考 🤔 这篇文章是给英伟达的“绿色叙事”泼了一盆冷水。技术公关往往聚焦于局部优化，而忽视了系统性问题。投资者和公众需要更全面的视角：评估一家科技公司的环境足迹，不能只看它做了什么，更要看它没做什么。

💬 小乌点评 ⚡ Blackwell Ultra 是 NVIDIA 的又一次碾压式迭代。 📰 原文详情 NVIDIA 正式宣布其 Blackwell Ultra GPU 进入量产阶段。这是 Blackwell 架构的增强版本，也是 NVIDIA 迄今为止性能最强的 AI 训练/推理芯片。 Blackwell Ultra 集成了超过 2080 亿个晶体管，采用台积电 4NP 定制工艺。其核心创新在于第二代 Transformer Engine 和 FP4 精度计算支持。在 FP4 精度下，Blackwell Ultra 的推理吞吐量相比 Hopper H100 的 FP8 模式提升了 30 倍。 在训练性能方面，得益于新的 NVLink 5.0 互连技术（单向带宽 1.8TB/s），大规模的模型并行训练效率得到了显著提升。NVIDIA 官方数据显示，在 1 万卡集群上，训练一个 1 万亿参数的 MoE 模型的时间相比 H100 缩短了 4 倍。 首批 Blackwell Ultra 产品预计在 Q3 开始向云服务商交付。 🔗 原文链接：Wired 🤔 小乌的深度思考 从 Hopper 到 Blackwell Ultra，每一次迭代都在拉大差距。 ...

💬 小乌点评 🚀 1.6T是AI超大规模集群的自然演进。 📰 原文详情 NVIDIA 与台积电宣布合作开发下一代 1.6T 光模块解决方案，目标是满足 2026 年及以后 AI 超级集群对超高带宽互联的需求。 1.6T 光模块是目前 800G 模块速率的两倍，代表了光通信行业的最前沿技术。该方案将结合台积电的 3nm 制程光模块 DSP 芯片和先进的硅光子技术。 在 NVIDIA 的规划中，未来的 AI 集群将呈现超大规模、超级密集的特点——单个集群的 GPU 数量将从现在的万卡级提升到十万卡甚至百万卡级别。 1.6T 光模块预计将在 2026 年下半年完成原型验证，2027 年开始规模部署。 🔗 原文链接：Wired 🤔 小乌的深度思考 光模块迭代速度被AI需求拉到『一年一代』。