當2017年達拉·科斯羅薩西接手Uber時，這家公司正深陷虧損泥淖與管理危機，外界普遍質疑其商業模式的可持續性。七年之後，Uber不僅實現上市公司史上首次獲利，更建構起橫跨出行、配送、​​自動駕駛的生態帝國。達拉的逆襲之路，本質是一場用經濟學思維重構平台價值、以金融學邏輯平衡增長與盈利的經典實踐，為創業投資者揭示了平台經濟從「燒錢擴張」到「價值變現」的核心密碼。達拉上任之初面臨的核心困境，是Uber長期陷入「規模不經濟」的悖論－使用者規模與虧損額度同步擴大，平台陷入「補貼-成長-再補貼」的惡性循環。這背後是早期平台經濟的典型誤解：將網路效應簡單等同於使用者數量堆砌，卻忽略了邊際成本遞減的實現條件。達拉的破局之道，在於跳脫單純的使用者成長思維，用「雙邊市場協同+成本結構最佳化」重構商業模式。他保留叫車核心業務的同時，大力推動Uber Eats外送業務，形成「出行+配送」雙引擎格局，這項決策暗合範圍經濟理論：透過共享使用者流量、技術平台與配送網路，使單一使用者的邊際服務成本下降30%以上。資料印證了這個邏輯：2023年Uber總營收達373億美元，淨利19億美元，實現上市以來首次全年盈利（同花順金融資料庫，2023年12月31日），標誌著平台終於跨越規模經濟臨界點。值得注意的是，達拉對成本的管控並非簡單“砍預算”，而是基於“作業成本法”對各業務線進行精準拆分。以叫車業務為例，他發現司機空駛率是成本黑洞－2019年Uber司機空駛里程佔總哩程的28%，直接導致單位訂單成本居高不下（彭博社，2019年11月15日）。為此，他推動AI調度演算法升級，透過預測使用者需求提前調度司機，將空駛率壓縮至19%，單均成本下降12%（Uber 2021年投資人大會報告，2021年6月10日）。這種「精準降本」而非「粗放節流」的策略，既避免了業務受損，又實現了成本最佳化，完美詮釋了「成本結構決定盈利韌性」的金融學邏輯——對平台企業而言，成本管控的核心不是減少投入，而是讓每一分投入都能轉化為邊際收益。財務健康度的提升，更源自於達拉對「獲利品質」的精準把控。傳統平台企業往往沉迷於帳面營收成長，卻忽略了現金流與利潤率的平衡，而達拉引進了「調整後EBITDA佔總預訂金額」這一核心指標，將獲利與平台實際交易規模深度繫結。 2024年上半年，Uber總營收成長16%至208億美元，獲利激增46%達3.45億美元（新浪財經，2024年6月30日），這種「量利齊升」的態勢並非偶然。從金融學視角來看，達拉實施了「槓鈴式資本配置」：一方面透過裁員3,700人、退出8個不獲利市場等措施壓縮非核心開支（每經網，2020年5月7日），另一方面將節省的資金投入AI調度演算法與會員體系建置。 Uber One會員計畫雖短期壓制利潤率，但使滿期後使用者留存率提升40%，跨平台使用率增長25%，透過犧牲短期利潤換取使用者終身價值（東方財富網，2025年11月6日），完美詮釋了「資本回報的時間價值」理論－優質投資不應追求即時現金流量，而應聚焦長期現金流折現。Uber向「超級應用」的進化，是達拉將範圍經濟理論推向極致的實踐。當前平台經濟的競爭已從單一品類爭奪升級為生態入口競爭，達拉敏銳洞察到「出行-餐飲-零售-旅行」的消費場景閉環價值。資料顯示，Uber目前僅20%的出行使用者使用外送服務，75%未接觸雜貨配送（網易新聞客戶端，2025年12月2日），這意味著交叉銷售的藍海空間龐大。其與餐飲POS系統服務商Toast的深度整合，更是供應鏈金融的創新應用：透過打通菜單、庫存與支付資料，使商家接取成本降低80%，平台商家數量年增35%，形成「使用者-商家-平台」的正向循環。這種生態擴張並非盲目多元化，而是基於「核心能力復用」的邏輯——將叫車的調度演算法、使用者信用體系復用至配送、零售等場景，使新業務的培育成本較行業平均低50%，印證了「核心資產槓桿化」的投資邏輯。在自動駕駛這條前沿賽道，達拉的策略更顯金融學智慧。面對Waymo的技術領先優勢，他放棄重資產自研路線，轉而採用「平台整合+聯盟合作」的輕資產模式，建構包含18家自動駕駛企業的Robotaxi聯盟（懂車帝，2025年8月2日）。這項決策背後是「風險分散理論」的靈活運用：自動駕駛研發投入大、周期長、失敗率高，單一企業獨立研發的風險敞口過大，而聯盟模式使Uber以零研發成本獲得技術接入權，同時透過訂單調度權分享20%以上的增量收益（懂車帝，2025年8月2日）。更關鍵的是，這種「不造車、不研發、只做生態平台」的定位，使Uber避免了資產過重導致的現金流壓力，截至2025年第三季度，公司過去12個月產生近90億美元現金流（東方財富網，2025年11月6日），為持續投資前沿技術提供了資金保障。這種「策略聚焦核心能力，非核心業務外部協同」的模式，為科技企業的前沿佈局提供了可複製的範本。達拉的七年掌舵，為創業投資者提供了三重核心啟示：其一，平台經濟的本質不是“規模為王”，而是“效率為王”，只有當使用者規模轉化為邊際成本遞減時，網路效應才能真正創造價值；其二，盈利質量比獲利速度更重要，健康的資本結構與可持續的現金流，遠比短期帳面利潤更能抵禦產業周期波動；其三，前沿賽道佈局需平衡風險與收益，輕資產聯盟模式往往比重資產自研更適合大企業的戰略試探。 Uber的案例證明，優秀的管理者既能用經濟學理論重構商業模式，又能用金融學邏輯把控資本節奏，在規模與盈利、創新與穩健之間找到精準平衡點。未來，Uber的超級應用生態與自動駕駛聯盟能否持續突破，仍有待市場檢驗，但達拉已用實際成果證明：平台經濟的下半場，不再是野蠻生長的“流量競賽”，而是精耕細作的“價值競賽”。對於創業投資者而言，與其追逐概念熱點，不如深耕核心能力、最佳化資本配置，這或許正是Uber的逆襲之路留給市場最珍貴的啟示——真正的商業價值，從來不是燒錢燒出來的泡沫，而是用理性邏輯沉澱下來的護城河。 （慧眼財經）

12月4日，介面新聞注意到，阿里巴巴集團在2026財年中期報告中披露，2025年5月，公司訂立買賣協議，出售Trendyol GO 85%的股權。出售事項的現金對價約7億美元，已於截至2025年9月30日止六個月期間完成。圖片來源：介面圖庫公告指出，該出售事項產生的收益約人民幣60億元，計入截至2025年9月30日止六個月未經審計簡明合併利潤表的利息收入和投資淨收益，主要慮及：已收現金對價，Trendyol GO淨資產帳面值及對Trendyol GO 15%保留股權的公允價值。今年5月，優步公司（Uber）宣佈將以約7億美元的現金收購土耳其食品配送平台Trendyol GO 85%的股份。Trendyol GO是土耳其電商巨頭Trendyol旗下的即時配送品牌。該平台主打食品、生鮮等商品的分鐘級配送，是土耳其即時零售市場的核心參與者。其業務始於Trendyol 2010年成立後的生態拓展，作為“超級應用”佈局的關鍵類股，曾為Trendyol成為土耳其首個“獨角獸”企業提供支撐。Trendyol GO去年完成訂單超2億筆，交易額達20億美元，同比增長50%，覆蓋土耳其約9萬家餐廳及1.9萬名配送員。阿里則是Trendyol背後的大股東。公開資料顯示，Trendyol於2010年由戴蒙特·穆特魯創立，早期聚焦線上快時尚業務，擁有1600萬註冊使用者和2000余家合作商戶。2018年7月，阿里以7.28億美元收購其85%股權，2021年追加投資後持股比例升至86.5%。此次出售是阿里聚焦核心業務的明確動作。目前阿里正全力推進“AI驅動，公共雲優先”戰略。有分析認為，Trendyol GO所在的海外本地生活業務非核心賽道，剝離後可集中資源投入AI與雲端運算，充實資金“彈藥”。在今年9月舉行的2025雲棲大會上，阿里集團董事兼首席執行官吳泳銘表示，大模型是下一代作業系統，而AI雲是下一代電腦。也許未來全世界只會有五六個超級雲端運算平台。目前阿里正積極推進3800億元的AI基礎設施建設，並計畫追加更大的投入。為了迎接ASI時代的到來，對比2022年這個GenAI的元年，到2032年阿里雲全球資料中心的能耗規模將提升10倍。這意味著阿里雲算力投入將指數級提升。阿里發佈的2026財年二季度財報顯示，阿里雲季度收入同比加速增長34%，再創新高。吳泳銘則進一步強調：“我們正處於投入階段，建構AI技術和基礎設施平台，以及生活服務與電商結合的大消費平台，創造長期戰略價值。本季度，我們在這些領域大力戰略投入，AI+雲、大消費兩大核心業務保持強勁增長。旺盛的AI需求推動雲智能集團收入進一步加速，其中AI相關產品收入連續第九個季度實現三位數增長。”近年來，阿里陸續剝離了諸多非核心資產，例如出售高鑫零售、銀泰百貨等傳統零售業務，減持或清倉了包括B站、摯文集團、小鵬汽車等在內的眾多股票。就在昨日，“阿里系”公司公告擬繼續減持美凱龍，比例不超過總股本3%。而剝離這些資產所得，大機率會投向阿里重金押注的AI領域。 (介面新聞)

關於AI的起起落落，一切都那麼迅猛，就連裁員也是。圖片來源：unsplash11月27日，據Business Insider獲取的資訊，本周一，Uber的AI訓練計畫“Project Sandbox”中，很多項目成員已收到“裁撤通知”，即便是承諾項目僱員至少有三個月的工作期限。Uber給出的理由是，因為客戶“內部優先事項發生了變化”，他們提前被拋棄了。目前尚未清楚裁員人數。但引人關注的是，在這一輪裁員大潮中，零工和博士都未能倖免，均收到了裁員郵件。不過，由於從入職到離職太過迅速，被裁員的人中大部分都還沒能拿到第一筆工資，Uber方面稱，他們的工資可能需要再等七周，也就是原先約定的合同期限結束後。一個月前，Project Sandbox計畫啟動，據稱，主要是為Google服務，用手中的人力資源幫助其開發AI工具。該項目至少有十余家外包公司參與。根據公司官網資訊，Uber AI Solutions提供資料標註、模型測試及Agentic AI技術堆疊等企業服務。近年來，Uber一直致力於在網約車、外賣業務的基礎上加速發展AI業務，利用AI最佳化自身繫統的定價、匹配和調度效率，與Google的Waymo等公司一同佈局自動駕駛計程車（Robotaxi）。其中，Uber AI Solutions尤其受到關注。今年6月，Uber宣佈將其技術平台提供給全球AI實驗室和企業使用，利用其十年來在資料方面的積累和業務經驗，幫助客戶構造、測試，最終打造出更加智能的AI模型和應用。在Uber的目標市場中，Agentic AI尤受重視。公司官方發佈《Agentic AI技術堆疊：企業需要滿足那些條件才能在2026年大規模採用》文章中，詳述了Uber為了幫助客戶在2026年打造出真正的Agentic AI所進行的規劃。當然，其解決方案實際上離開不了“堆人工”，該公司介紹稱，將通過全球超800萬零工勞動力收集和評估實際資料，提供超過200種語言的服務，涵蓋30多個網路。今年以來，關於美國、印度等地的Uber司機、外賣人員在工作之餘通過標註視訊、圖片等完成AI訓練賺錢的貼文已經廣為流傳。不過，這項工作需要的遠不止傳統意義上的零工。就在月初的三季報財報電話會議上，Uber首席執行官達拉·科斯羅沙希（Dara Khosrowshahi）還明確表示，其人工智慧訓練任務中的不少崗位都需要博士學位，他們會在訓練中承擔更高階的任務。不管是不是所謂“AI降臨派”，或許我們都不得不承認，總有一天我們要為AI打工。今年以來，以人工喂養AI的產業愈發壯大，全球數十萬人加入了AI資料標註的工作，有的將其作為職業發展方向，有的將其視為帶來可觀收益的副業。在Google大獲成功的Gemini 3和Nano Banana Pro背後，也少不了這些為AI打工的人。Business Insider稱，Project Sandbox的參與成員完成Uber方面的註冊後，都會與Google的一名特定員工取得聯絡。目前，Surge AI、Scale AI等初創企業都致力於為科技巨頭們的AI事業提供人工訓練服務。不過，這個市場遠沒有那麼穩定，相關公司的發展歷程中，裁員往往是“常規操作”。其中典型例子，莫過於為OpenAI提供人工訓練、最早入局這片市場的Invisible Technologies，該公司在ChatGPT發佈數月後就開始了裁員。此外，AI領域的明星公司，包括GlobalLogic、Scale AI等在內，今年都啟動了大規模裁員計畫。6月，Meta宣佈收購Scale AI 49%的股權後，後者首席執行官汪滔（Alexandr Wang）隨即加入Meta，而Scale AI則因為客戶流失和經營問題、組織變動等原因進行了大規模裁員。據稱，包括佔公司總人數超過10%的200名全職員工和500餘名合同工失去了工作。雖然汪滔入職Meta後主導的TBD Lab團隊很受重視，但Meta自身的大裁員也已經在10月到11月開始。根據美國數位媒體平台Axios早先發佈的報導，Meta計畫在10到11月之間裁撤600名AI條線的員工。FAIR研究團隊的研究總監田淵棟已經離職，AI教父級人物、圖靈獎得主楊立昆（Yann LeCun）也確認自己將於年底從Meta離職創業。雖然目前多項研究顯示，AI對整體就業的衝擊尚未顯現，但全球最大求職網站Indeed的最新報告則指出，即使AI還無法取代人工，但至少已經能讓企業用更少投入做更多的事，尤其在資料分析領域，員工無需過多培訓就能利用AI來分析資料。這導致科技公司資料分析領域的職位發佈數量急劇下降，相比新冠疫情前，相關領域的職位空缺減少了40%。即使就業市場不會出現“失業潮”，但如果缺少新的招聘崗位，未來的就業結構就會變得異常畸形。即使不考慮AI，日本1990年代末泡沫經濟破裂後的情況也提示了這種危機。當時，為了保證已冗餘的在職員工有能力支付房貸，避免金融系統全方位崩潰，日本的政策決策層和大企業幾乎主動放棄了畢業生招聘，這在“失去的三十年”中導致了一系列的經濟和社會問題。那些率先啟用AI的公司或許會獲得成功，但頗為諷刺的現實是，那些最早為AI打工的人，恐怕始終逃不過被拋棄的命運。 (鈦媒體AGI)

全球網際網路遭“斷聯”驚魂。億歐11月18日消息，全球頂尖網路安全服務商CDN霸主Cloudflare突發大規模全球性網路故障，導致OpenAI（ChatGPT）、X（原Twitter）、Spotify、Uber等數十家國際頂級平台陷入服務癱瘓，數千萬使用者遭遇 “訪問失敗” 驚魂時刻。甚至連美國公共交通也受到此次事件波及。截至美東時間早上6:41，故障監測平台Downdetector已收到X平台超過上萬份問題報告，而 ChatGPT 在台北時間晚間九點仍有大量使用者無法正常登錄使用。Cloudflare自身的故障狀態頁面一度完全無法打開，其客戶支援門戶也同步陷入癱瘓，導致使用者與企業均無法獲取官方即時通報。多位海外朋友向億歐表示，今天的當機事件，“感受很明顯”！全球網際網路遭 “斷聯” 驚魂Cloudflare官方發言人表示，公司在周二一大早就觀察到一項服務“異常流量激增”。主要問題表現為 "widespread 500 errors" 和"internal server error"，這兩大問題均直指伺服器端錯誤，前者是大範圍出現的500錯誤，後者是500錯誤的標準定義（即 “內部伺服器錯誤”）。援引CNBC消息，在Cloudflare網路修復過程中，Cloudflare表示它在英國倫敦停用了WARP訪問。對於那些試圖通過WRP訪問網際網路的人來說，他們將無法連接。作為全球網路的 “隱形守護者”，Cloudflare卻頻繁“翻車”總部位於美國舊金山的 Cloudflare，是全球領先的 CDN（內容分發網路）與網路安全服務提供商，業務覆蓋全球數十萬家企業，扮演著網站與終端使用者之間的 “安全緩衝器” 角色，核心功能是抵禦 DDoS 攻擊、保障網路訪問速度與穩定性。Cloudflare客戶群體包括 10% 的財富 1000 強企業，服務覆蓋全球 10 億級 IP 地址，承載著全球網際網路近 10% 的骨幹網流量，堪稱網際網路基礎設施的 “命脈級” 企業。近年來該公司積極佈局 AI 領域，推出 NLWeb 協議與 AutoRAG 檢索引擎，深度繫結 OpenAI 等 AI 巨頭的服務分發網路。作為全球網路的 “隱形守護者”，Cloudflare近年來卻頻繁“翻車”。2019年7月，Cloudflare軟體的一個漏洞導致其部分網路耗盡全公司計算資源，致使全球數千家依賴其服務的網站最長當機30分鐘。2022年6月，Cloudflare再次發生故障，波及19個資料中心故障，導致多家主流網站和服務陷入癱瘓，此次事故造成 1.5 小時服務中斷。2025年3月，Cloudflare因密碼輪換錯誤其R2對象儲存及相關服務發生了一次持續1小時7分鐘的中斷事件，事情導致全球範圍內出現100%的寫入失敗和35%的讀取失敗。此次故障再次暴露其在高風險操作流程上的管控漏洞，未嚴格執行雙重驗證與分階段部署機制。截至發文，Cloudflare因此次當機事件致股價大跌4.27%，市值蒸發30.24億美金。美國網路安全問題頻發無獨有偶，10月20日，亞馬遜雲DNS發生故障，導致全球服務癱瘓。據悉，亞馬遜 AWS 雲服務發生的重大故障，引發了全球混亂，導致全球多家公司的網路連線出現問題，多個熱門網站和應用服務中斷。AWS在其狀態頁面更新中確認，美國東部的多項AWS服務中出現錯誤率上升和延遲增加的情況。網路故障追蹤平台“網路探測器”顯示，亞馬遜的購物網站、視訊服務以及語音助手同期均出現問題。 (億歐網)

美國叫車巨頭Uber CEO達拉·科斯羅薩西(Dara Khosrowshahi)預言，20年後所有汽車都將具備自動駕駛能力，會駕駛汽車的人將變得像會騎馬的人一樣稀少。根據媒體報導，科斯羅薩西近日與歐洲數位出版公司阿克塞爾·斯普林格CEO馬蒂亞斯·德普夫納(Mathias Döpfner)展開對話，闡述自己關於自動駕駛、商業決策的觀點。科斯羅薩西指出，未來私人汽車保有量將大幅減少，自動駕駛汽車的安全性將顯著提升，因為機器犯錯的空間遠小於人類。他也認為,未來只有很少人會駕駛汽車，就像現在沒多少人會騎馬一樣。針對自動駕駛事故容易引發輿論關注的問題，科斯羅薩西回應稱，“人類難免犯錯，但我們社會對機器出錯的容忍度要低很多，特別是那些導致死亡的重大事故。”他進一步提出質疑，“隨著技術成熟，人類駕駛車輛的安全性將落後於自動駕駛，這點是毋庸置疑的。那麼未來我們還應該允許人類開車駛入開放道路嗎？我覺得大家應該認真思考這個問題。”目前多家企業正積極拓展自動駕駛應用。特斯拉近期在加州灣區推出自動駕駛計程車服務，並向車主推播FSD V14版本。但相關技術仍有爭議，例如最近美國佛羅里達州陪審團裁定特斯拉Autopilot系統對一起22歲女性的致命車禍負部分責任，判決特斯拉支付超2.42億美元賠償金。作為對比，特斯拉在自動駕駛計程車領域的對手Waymo採取了謹慎擴展策略。該公司聯合CEO塔克拉·馬瓦卡納(Tekedra Mawakana)表示，公司在城市道路的部署極為緩慢，持續透過測試改進系統性能，以應對現實中的複雜情況，例如無人車意外阻擋緊急車輛等。 “我們必須確保車輛性能真正配得上我們所宣稱的安全標準。”目前，Uber已與十多家自動駕駛技術開發商建立合作關係，並承諾投資其中一些公司。10月28日，Uber宣布將從2027年開始擴充一支由輝達公司技術驅動的10萬輛自動駕駛汽車車隊，表示這項計畫有望降低向消費者提供可呼叫無人計程車（robotaxi）的成本。 Uber現有及未來的自動駕駛合作夥伴，包括Avride、May Mobility、Momenta、Nuro Inc.、小馬智行、Wayve Technologies以及文遠知行等，都可以使用輝達的技術，為最終部署在優步平台上的這支10萬輛車隊貢獻力量。(i商週)

2025年10月29日凌晨，輝達創始人兼CEO黃仁勳在華盛頓舉行的GTC華盛頓特區技術峰會上發表重磅演講。黃仁勳開場便直指核心衝突：在“摩爾定律”失效、計算性能增長陷入停滯的當下，輝達正是那個拯救未來計算的“救世主”。他們用平行計算和GPU加速，將“算力”這條生命線，從傳統的CPU桎梏中徹底解放出來。01. 計算架構範式轉移從CPU主宰到GPU加速時代黃仁勳在演講中回顧了計算產業的歷史性轉折。數十年來，CPU性能始終遵循著可預測的規模增長軌跡，然而隨著登納德縮放定律（Dennard scaling）走向終結——該定律認為通過不斷縮小電晶體尺寸來維持功率密度，可以降低功耗並提升性能，傳統發展路徑已難以為繼。面對這些挑戰，輝達給出的答案是：平行計算、GPU和加速計算架構。黃仁勳宣稱：“這一轉折點已經到來，輝達已做好準備。我們認識到，通過引入能夠充分利用指數級增長電晶體的處理器，運用平行計算技術，再與順序處理的CPU協同工作，就能將計算能力推向一個全新維度——這個時代確實已經來臨。”加速計算的實現，離不開輝達精心建構的軟體基石——CUDA-X全端加速庫：覆蓋了從深度學習領域的cuDNN與TensorRT-LLM，資料科學平台RAPIDS (cuDF/cuML)，到決策最佳化工具cuOpt、計算光刻解決方案cuLitho，以及量子與混合計算框架CUDA-Q與cuQuantum等關鍵領域。黃仁勳將這個完整的軟體生態系統譽為“公司最珍貴的寶藏”，它構成了輝達加速計算戰略的技術核心，為各行業的計算變革提供著底層動力。02. 10億美元入股諾基亞，打造AI原生6G技術堆疊黃仁勳在演講中將目光投向了國家安全和經濟命脈。他強調，電信技術是經濟和國家安全的生命線，但目前全球無線技術部署大多依賴於其他國家的技術體系。黃仁勳表示：“這種核心通訊技術受制於人的局面必須終結，而現在我們迎來了扭轉局面的歷史性機遇”。為實現這一戰略目標，輝達推出了顛覆性的NVIDIA ARC——AI原生6G無線技術堆疊。該平台基於輝達Aerial平台建構，融合了Grace CPU、Blackwell GPU及先進網路元件，通過加速計算實現性能突破。據黃仁勳透露，輝達已經與通訊裝置巨頭諾基亞達成深度戰略合作。諾基亞將在其未來基站系統中整合NVIDIA ARC解決方案，該平台將賦能機器人精準操控與高精度氣象預測等關鍵應用。另據輝達官方博文顯示，該公司計畫將其商用級AI-RAN產品整合至諾基亞領先的無線接入網（RAN）組合中，使通訊服務商能夠在輝達平台上部署AI原生的5G-Advanced和6G網路。作為合作的一部分，輝達將以每股6.01歐元的價格認購1.664億股諾基亞新股，投資總額達10億美元。03. NVQLink：黃仁勳推著量子計算“往前跑”在探討計算科學前沿時，黃仁勳回顧了量子物理學家理查德·費曼四十年前的設想：創造能夠直接模擬自然規律的量子電腦。“如今我們已能夠製備穩定、相干且具備糾錯能力的邏輯量子位元，”黃仁勳指出，“但這些量子位元極其脆弱，需要強大的技術支援量子糾錯和狀態解讀。”為實現量子計算與GPU計算的無縫融合，輝達推出了量子-GPU互聯技術NVQLink。這項創新使量子處理單元能夠即時呼叫CUDA-Q計算框架，將通訊延遲降至約4微秒的極致水平。在現場演示環節，黃仁勳身後的大螢幕展示了包括17家量子計算領先企業和多個美國能源部實驗室的協同創新網路。“幾乎所有的美國能源部下屬實驗室都在與我們的量子計算生態系統夥伴緊密合作，共同將量子計算融入未來的科學發展藍圖。”04. 規劃新建7座AI超算叢集黃仁勳宣佈，美國國家實驗室正迎來由AI基礎設施驅動的全新科研時代。輝達與美國能源部（DOE）達成戰略合作，將共同建設七台新一代超級電腦，為未來科學研究提供強大算力支撐。在具體佈局上，輝達聯合美國能源部及甲骨文公司，將在阿貢國家實驗室打造能源部體系內規模最大的AI超級電腦叢集。這一超級計算網路包含Solstice和Equinox兩大核心系統：Solstice系統將部署10萬顆輝達Blackwell GPU，建成後將成為全球規模最大、面向公共研究領域的智能體科學平台；Equinox系統配備1萬顆Blackwell GPU，提供高達2,200 EFLOPS的AI算力，專門服務於前沿科學計算、模擬模擬與開放研究。另外，輝達還宣佈與HPE合作，為洛斯阿拉莫斯國家實驗室打造兩台基於Vera Rubin平台的全新超級電腦，用於國家安全和科學研究這也是Vera Rubin平台首次將在具體場景中落地，該平台包含Nvidia的下一代Vera CPU和Rubin GPU。這些機器將使用NVLink Gen6技術進行擴展，並採用QuantumX 800 Infiniband網路進行擴展。05. 本土製造戰略：Blackwell晶片實現美國量產在產業佈局方面，黃仁勳透露重要進展：Blackwell GPU已在美國亞利桑那州實現規模化生產，基於該晶片的整機系統也將在美國完成組裝。這一舉措，標誌著輝達成功將旗艦產品的製造環節從完全依賴台積電代工，轉向美國本土供應鏈體系。值得注意的是，本次大會的諸多公告都具有明確政策導向。輝達通過展示其在美國科技生態中的核心地位，向政策制定者傳遞關鍵資訊：對晶片出口的限制將直接損害美國利益。在市場表現方面，黃仁勳透露GPU需求持續旺盛：過去四個季度輝達已出貨600萬顆Blackwell GPU，預計Blackwell與下一代Rubin晶片的總銷售額將達到5000億美元規模。06. AI工廠革命：從工具到生產力主體的範式轉移“AI不是工具，而是生產力主體。”黃仁勳在演講中提出了這一顛覆性觀點，“這是歷史上首次，技術具備了執行勞動任務的能力，成為人類生產力的延伸。”這種從“工具”到“AI勞動者”的根本性轉變，正在催生全新的計算範式，並隨之孕育出前所未有的職業形態與產業格局。在黃仁勳的構想中，現代“AI工廠”已遠非傳統資料中心所能概括，而是專門為海量token的生成、傳輸與服務建構的全新綜合計算平台。這種平台級架構旨在實現前所未有的計算密度與能效比。面對指數級增長的AI算力需求，黃仁勳詳解了輝達的解決方案：“我們首先重新定義電腦的形態，首次實現單個計算系統擴展至整個機櫃規模；繼而通過創新的AI乙太網路技術Spectrum-X，實現多個系統間的無損橫向擴展。”隨著AI工廠的興起，機器人工程、量子科學等新興領域正在創造大量前所未有的就業機會。“創新飛輪已經啟動，”黃仁勳強調，“接下來的關鍵是將營運成本大幅降低，既最佳化使用者體驗，又通過成本控制維持這一創新循環的持續運轉。”實現這一願景的關鍵在於“極致協同設計”（Extreme Codesign），即同步設計新的底層計算架構，包括晶片、系統平台、軟體棧、AI模型與終端應用。為展示這一理念的實體化成果，黃仁勳在舞台上展示了新一代NVIDIA BlueField-4 DPU。這款整合64核Grace CPU與ConnectX-9網路晶片的資料處理器，計算性能達到前代產品的6倍，將成為未來AI工廠的“作業系統核心”。這款革命性的DPU專門用於加速伺服器的網路、儲存與安全任務，計畫於2026年率先部署於輝達Vera Rubin機架級AI平台，隨後向更廣泛的伺服器生態開放。07. Omniverse DSX：AI工廠的終極藍圖為應對超大規模AI部署的挑戰，黃仁勳正式發佈了Omniverse DSX——一套完整覆蓋100兆瓦至數千兆瓦級AI工廠設計與營運的綜合解決方案。該藍圖已在弗吉尼亞州AI工廠研究中心完成全面驗證。為了讓DSX參考設計更適應不同的資料中心，輝達提供了兩個配置框架：DSX Boost（內部能效最佳化）：通過智能電力管理與工作負載動態分配，在同等算力輸出下降低約30%能耗，或同等電力預算下提升30%GPU密度，實現token生成吞吐量的質的飛躍。DSX Flex（外部能源整合）：將資料中心深度接入區域電網體系，通過智能調度可再生能源與平衡供需關係，有效啟動美國電網中約100吉瓦的閒置容量。Omniverse DSX致力於讓新入局者能夠快速建構AI工廠。該方案確保輝達及合作夥伴的硬體在處理器、網路與冷卻系統層面實現開箱即用的相容性，即使缺乏專業經驗也能按藍圖部署，最大限度減少定製化需求。值得關注的是，該架構不僅完美支援當前Blackwell平台，還預留了對下一代Vera Rubin等未來產品的相容能力，為投資者提供長期技術保障。08. 開放生態與產業融合：輝達的AI落地戰略黃仁勳在演講中著重強調了開放生態的核心價值：“開源模型與開放協作是全球創新的基石，為初創企業、科研機構與產業公司提供了持續發展的動力。”據悉，輝達本年度已向開發者社區貢獻了數百個高品質開放模型與資料集。輝達已經建構了覆蓋關鍵領域的開放模型體系：Nemotron：專注智能體推理與決策AICosmos：突破合成資料生成與物理AI邊界Isaac GR00T：實現機器人技能學習與跨場景泛化Clara：重塑生物醫學研究與臨床工作流這些模型家族將共同賦能下一代智能體系統、機器人技術與科學發現。黃仁勳對此強調：“我們持續投入開放生態，因為這是科學研究、創業創新與產業升級的共同需求。”現場演示的合作夥伴成果展現了輝達技術的廣泛應用場景，涵蓋Google雲、微軟Azure、甲骨文等雲端運算巨頭，ServiceNow、SAP等企業服務商，以及Synopsys、Cadence等專業領域領導者。黃仁勳還宣佈了兩項戰略合作：與CrowdStrike共建新一代網路安全體系，通過Nemotron模型與NeMo工具鏈，實現從雲端到邊緣的“光速級”威脅檢測與響應；同Palantir達成深度技術整合，將加速計算架構、CUDA-X庫與開源模型融入Ontology資料平台，實現超大規模資料處理的性能突破。09. 物理智能：數字孿生驅動產業變革“物理智能（Physical AI）” 正在推動美國再工業化處理程序，即通過機器人與智能系統重塑製造、物流及基礎設施。黃仁勳在視訊中展示了多家合作夥伴如何將這一技術應用於現實生產。富士康運用Omniverse平台全流程模擬其休斯敦新工廠，該工廠將專門生產輝達AI基礎設施系統；卡特彼勒將數字孿生深度整合於智能製造流程；Figure AI在三年半內實現40億美元估值，其家用與工業級人形機器人正快速演進；強生公司通過AI最佳化全球生產網路與研發管線；迪士尼利用Omniverse訓練新一代互動式機器人，提升使用者體驗；10. 自動駕駛新紀元：Uber攜手輝達佈局十萬輛級Robotaxi網路在自動駕駛領域，黃仁勳宣佈了一項里程碑式合作：輝達與Uber正共同建構面向未來的自動駕駛出行平台，計畫自2027年起規模化部署約10萬輛自動駕駛車輛。這一雄心勃勃的項目將依託輝達最新一代DRIVE AGX Hyperion 10平台。這是輝達新的L4級自動駕駛平台，配備兩顆Thor處理器（每顆約2000 FP4 TFLOPS），感測器套件包含14個攝影機、9個雷達、1個雷射雷達和12個超聲波感測器，具備安全可靠、彈性擴展和軟體定義三大特性。黃仁勳描繪了這一願景的實現場景："未來，使用者只需通過手機應用召喚，Hyperion自動駕駛計程車就將如約而至，這套系統將在全球範圍內實現人類駕駛員與機器人駕駛員的協同營運。"除Uber外，Hyperion已獲得多家國際汽車製造巨頭的採用。Lucid Motors、梅賽德斯-奔馳以及Stellantis集團，都在利用輝達的平台推進L4級自動駕駛技術落地。 (騰訊科技)

輝達Drive在社群平台上發文稱，將使用Uber收集的多樣化駕駛場景資料——包括機場接送、複雜路口和多變天氣條件，對輝達Cosmos World基礎模型進行後訓練。消息公佈後，Uber股價周四午後攀升至盤中高點，一度漲幅達3.5%，隨後漲幅縮小。晶片巨頭輝達揭露與網約車平台優步（Uber）合作細節，Uber股價上漲。10月23日，輝達Drive在社群平台上發文稱，與Uber正在探索如何利用大規模真實駕駛資料訓練的基礎模式加速自動駕駛技術進步。（輝達Drive宣佈與Uber合作）貼文表示輝達使用了Uber收集的多樣化駕駛場景資料－包括機場接送、複雜路口和多變天氣條件，對輝達Cosmos World基礎模型進行後訓練。該合作依託輝達DGX Cloud基礎設施，旨在實現三大技術目標：• 實現更高精度的模擬模擬，顯著減少異常情況。• 縮短模型訓練後的迭代周期，支援可擴展的機器學習維運（MLOps）。• 在罕見或極端場景下，模型表現更加穩定可靠。消息公佈後，Uber股價周四午後攀升至盤中高點，一度漲幅達3.5%，隨後漲幅縮小。（Uber周四股價一度加速上行）Uber資料優勢凸顯Uber的全球營運網路為自動駕駛模型訓練提供了獨特的資料價值。根據輝達今年8月發佈的白皮書，Uber的旅遊和配送服務每月在全球運送超過10億人次和物品。更重要的是，Uber車輛的營運時間更集中在對個人使用者而言較為罕見的複雜情況——如惡劣天氣、機場接送和擁擠活動等場景。這意味著與私人車輛相比，Uber車輛每天閒置或停放的時間更少，而用於收集高價值極端案例場景的時間更多。（Uber汽車與一般私家車在資料收集上的對比）以機場接送為例，Uber全天候營運覆蓋了各種天氣和光照條件，而這些場景在其他情況下很難充分取樣。密集的交通、不可預測的行人移動、頻繁的變道和突然停車，使機場接送區成為獨特的挑戰性環境。Uber還可以透過乘客評分、回饋以及車載遙測資料來衡量司機技能，捕捉頻繁剎車和加速等指標，進一步提升資料價值。 （invest wallstreet)

在特斯拉把Robotaxi話題再度炒熱之後，Lucid給出了自己的落子。2025年9月24日，Lucid宣佈已向自動駕駛公司Nuro交付首台基於Gravity平台的工程車，用於整合“Nuro Driver”系統，並接入Uber網路營運。Lucid對外表示，交付第一輛車，“標誌著激動人心的新篇章的開始”，並調侃稱“很快就會有更多”。此前，三方於7月披露的合作目標為：自2026年起，在六年內投放至少2萬台L4級Robotaxi；同時Uber對Lucid進行3億美元股權投資。這次首車的交付，意味著從資本繫結走向工程落地。接下來的關鍵，就是如何把樣車偵錯、法規豁免、城市場景營運與規模交付串成一條線。1. 首車交付背後“我們的Robotaxi工程車隊正式亮相，已向Nuro交付首台Uber獨家工程車，用於與Nuro Driver整合。”Lucid在社交平台貼出工程車照並如此寫道。據瞭解，這台車在亞利桑那Casa Grande工廠下線，再前往加州進行軟硬體整合與道路測試。相比首台“工程化安裝”，後續將儘量在生產中完成整合，以壓縮改裝環節與交付周期。根據Uber發佈的資訊，Lucid主要提供高壓架構與整車平台，Nuro提供L4級自動駕駛所需的感測器、計算與軟體棧，Uber負責訂單分發與網路化營運。根據此前發佈的資訊，車輛將“僅通過Uber App”面向乘客，車隊由Uber或其第三方車隊夥伴持有與營運，首個城市計畫在2026年落地。截至目前，Uber的3億美元投資已於9月4日完成交割，為工程樣車、整合驗證與早期小規模生產提供啟動資金。消息公佈時，Lucid股價曾顯著上揚，顯示資本市場對車企、技術方、平台的三角模式抱有預期。當然，並不是一切都如此簡單。產能與節奏是Lucid要跨過的第一道檻。Lucid曾因供應鏈波動影響產能，如今官方稱相關問題已基本緩解，Gravity正按計畫爬坡。Lucid臨時CEO Marc Winterhoff在接受採訪時稱，Gravity訂單充足，公司將“把7500美元的聯邦稅抵延續到今年底”，以避免因交付窗口影響使用者權益。簡單來說，這算是對交付節奏的托底，也是在訂單端穩預期。Lucid第二道門檻是監管合規。據瞭解，美國交通安全監管部門今年6月、9月兩次發佈與自動駕駛豁免相關的流程更新與說明，精簡了“不完全符合FMVSS”的臨時豁免申請環節，並強調在豁免期內以“持續信函監督”的方式動態校準要求。對於計畫在早期以有條件豁免和地方許可推進的Robotaxi車隊，為低量級驗證與示範運行提供了合規通道。對Lucid而言，這筆合作提供了更可預期的B端增量，與其僅靠C端高價位SUV的訂單波動，不如把一部分產能繫結到平台化營運。從Uber的角度看，Lucid、Nuro只是其“多技術路線平行”的一支。過去一年裡，Uber已在奧斯汀、亞特蘭大把Waymo接入其App，並與大眾達成在洛杉磯自2026年起投放ID. Buzz AD的合作。通過城市分佈式試點和多夥伴接入，Uber在降低單一技術路線與單城審批的不確定性的同時，還在放大平台側的運力調度優勢。2. Robotaxi重排局面隨著Lucid等新玩家的加入，海外無人駕駛的戰局正在快速重排。今年夏天，特斯拉在奧斯汀啟動小範圍Robotaxi付費試點，隨後又獲得亞利桑那州在鳳凰城都會區的測試許可，引爆了Robotaxi的“二次熱度”。路透社報導指出，特斯拉堅持純視覺和端到端大模型路線，強調可跨城市泛化，然而早期測試也出現一系列駕駛瑕疵與營運限制。但無論支援或質疑，特斯拉的節奏把消費者與監管的注意力重新拉回“無人營運”議題。另外一邊，則是Waymo的穩健擴張。目前，Waymo在洛杉磯、菲尼克斯、舊金山的供給持續增長，並將服務擴展到奧斯汀與亞特蘭大。就在9月25日，Waymo又上線面向企業差旅的“Waymo for Business”產品，強化通勤與機場連通的剛性場景。技術上，Waymo堅持多感測器冗餘、高精地圖、規則與學習融合，策略上走先穩態、再擴區的路線。平台側的多邊繫結也非常清晰。Uber與大眾的合作明確將於2026年在洛杉磯商業化落地，早期將配備安全員，隨後視監管推進“去人化”；與此同時，Uber還與May Mobility規劃在德州阿靈頓上線混動Sienna的自動駕駛服務；對新晉的Avride，Uber在達拉斯推進Ioniq 5平台的Robotaxi測試，目標在年內開放公眾試乘。可以看出，Uber正把“自研重資產”轉化為“平台整合多路線”的輕資產打法。Amazon旗下的Zoox則是在選擇“正向開發無駕駛位車廂”的路徑，近期在拉斯維加斯向公眾開放免費乘坐，以收集真實乘客反饋並等待付費許可。與之相比，Cruise在經歷事故與全面暫停後，仍以“安全員在車”的方式逐城小步恢復，著力重建公眾信任。即便各家在走不同路徑、不同節奏，但共同面對的考題依然是安全邊際、合規協同與可複製的城市營運。回到Lucid、Nuro與Uber的組合，其技術與商業選擇更像是介於激進與穩健之間，在整車側押注新一代高壓EE架構與電驅平台，在自動駕駛側採用帶冗餘的多感測器方案，在商業側借助平台化分發與第三方車隊來“以量化成本”，這與特斯拉“軟硬一體、自有網路”的閉環、Waymo自營網路和穩態供給的路線，形成了三種平行範式。那麼，那種模式會更有優勢？短期似乎很難有定論，但可以預見的是，2026至2028年將成為檢驗各方案城市營運能力的“放榜期”。 (汽車商業評論)