看慣了商業世界的起起落落，我本以為自己早就練就了一顆大心臟，但昨天看完特斯拉2026年第一季度的財報電話會議，我必須承認：我後背發涼，甚至感到一絲興奮。很多人盯著那點營收和利潤，看到交付量只漲了6.5%，就開始陰陽怪氣：“特斯拉不行了”“泡沫終於要破了”。別逗了。如果你把這當成一場業績匯報，那就大錯特錯了。這根本不是什麼財報會議，這是馬斯克在向舊時代“貼臉開大”，是全人類未來十年的宣戰書。今天，我就用外行人聽得懂的大白話，給你扒一扒這場會議背後，馬斯克到底在下一盤多大的棋。1. 每天狂燒6800萬：降維打擊的入場券第一點就夠嚇人的。馬斯克直接在會上攤牌：今年特斯拉要燒掉251億美元，折合人民幣上千億，平均每天醒來就要燒掉6800萬。接下來的三個季度，自由現金流全轉負，一分錢不留。很多人覺得這是虧損的節奏，錯！這叫降維打擊的彈藥。馬斯克的原話是：“現在不砸，未來就沒機會了。”這就好比大家還在牌桌上糾結是押大押小，馬斯克直接掏出一沓房本砸在桌面上。他不屑於賺眼前的辛苦錢，而是要把所有籌碼推入池底，all-in未來。這種“有錢不賺、主動虧損”的魄力，根本不是普通企業能玩得起的。2. 揮淚斬馬謖：幾十億產線說拆就拆如果說燒錢是魄力，那第二點就是狠辣。特斯拉正式宣佈，5月上旬最後一批Model S和X下線，這兩款曾經風光無限的旗艦車型，長達十幾年的生命周期直接畫上句號。更魔幻的是，特斯拉要在四個月內，把這條價值幾十億的生產線連根拔起，原地改造成Optimus機器人的產線。用每年3萬台的豪車銷量，去置換年產百萬台的機器人產能。這需要多大的勇氣？就好比你有一家穩賺不賠的米其林餐廳，突然有一天你說要把灶台砸了，改行去搞外星料理。壯士斷腕？不，這是把胳膊卸下來當武器。3. Robotaxi悄悄上崗：零事故的“馬路刺客”就在大家還在爭論輔助駕駛到底安不安全的時候，馬斯克的第三記重拳已經打出來了：全無人計程車（Robotaxi）已經在美國三個城市，完全脫離安全員獨立上路了。而且它不受美國2500輛的產量限制，因為人家硬生生符合了所有聯邦機動車安全標準。想造多少造多少，年底還要擴軍到12個州。別人還在卷真皮座椅和零百加速，馬斯克已經默默制定了下一個時代的交通規則。4. 拒絕卡脖子：自己動手豐衣足食除了車和機器人，馬斯克甚至在算力上掀了桌子。財報會前一周，特斯拉自研的AI5晶片提前流片，推理成本只有輝達同級方案的十分之一。不僅如此，他還要投資30億美元在德州自建晶片廠，甚至拉上SpaceX一起建全球最大的Terafive超級晶片廠。為什麼要這麼幹？因為馬斯克放話了：未來全世界的晶片產能加起來，都喂不飽特斯拉。 既然買不到合適的，那就自己造，不僅自己夠用，還要反過來卡別人的脖子。5. 終極真相：特斯拉早就不是車企了把上面四點連起來看，你會得出一個細思極恐的結論：馬斯克在會上明牌了，Optimus才是特斯拉有史以來最重要的產品，潛力甚至是SpaceX火星移民計畫的十倍不止。SpaceX最多是把人類送到火星，但Optimus加上AI，是要重塑整個人類文明的底層邏輯。什麼汽車、火箭，都只是過渡產品。如今的特斯拉，本質上是一家披著車企外衣的AI公司、機器人公司和晶片公司。寫在最後看完這一切，再回頭看看那些嘲笑馬斯克是“畫餅大師”的人，我真想笑。回顧他這半生，從PayPal到特斯拉，從SpaceX到現在的Optimus，那次不是先被世人嘲諷為瘋子，最後卻成了預言家？商業如此，人生亦然。在這個日新月異的時代，最大的風險不是冒險，而是固步自封。真正的高手，永遠敢於在巔峰時期砸碎自己的飯碗，去搏一個更大的未來。送給大家一句我多年來信奉的準則，也是我今天最大的感悟：“凡是讓你感到安逸的存量，都是陷阱；敢於親手砸碎存量的人，才配擁有真正的增量。”與諸位共勉。 (許朝軍論道)

當全球科技巨頭把AI當成財報裡的 “流量密碼”，恨不得每段話都塞幾個 AI熱詞時，蘋果偏不按常理出牌。就在今天凌晨，蘋果放出2026財年第二季度財報，用一組炸裂的業績告訴市場：就算我不湊AI的熱鬧，照樣能賺得盆滿缽滿。財報中蘋果總營收衝到1112億美元，同比大漲16.6%，淨利潤296億美元，同比漲了19.4%。就連下一季度的業績指引，蘋果也給出了14%-17%的同比增長，直接把分析師平均預期的9.1%甩在了身後。消息一出，美股盤後蘋果股價應聲沖高，最新市值摸到3.98兆美元，比微軟高出近1兆，僅次於輝達。而撐起這份漂亮成績單的，還是蘋果吃了十幾年的“老本行”——iPhone，以及越賺越爽的服務業務。上季度，iPhone單品類銷售額就達到570億美元，同比暴漲22%，穩穩佔了公司總營收的半壁江山。庫克在財報電話會上直接放話：iPhone17 系列成了蘋果史上最受歡迎的產品線。有意思的是，這幾代iPhone一直被網友罵 “擠牙膏式更新”，iPhone 17 也沒少被吐槽缺乏新意，可偏偏就是不影響它賣爆。尤其是在國內市場，上季度整體手機出貨量還下滑了1%，蘋果iPhone 卻逆勢出貨1310萬部，同比猛增42%，直接推著大中華區營收同比漲了 28%，增速冠絕全球。反倒是那些蘋果想搞 “創新突破” 的產品，下場有點慘：去年發佈的 iPhone Air、此前特納斯主導的Vision Pro，口碑和銷量雙雙撲街，庫克在長達一個多小時的電話會裡，只提了一次iPhone Air，連多餘的評價都懶得給。除了iPhone，蘋果的 “第二印鈔機” 服務業務也再創紀錄。上季度服務收入 310 億美元，同比增長 16%，更誇張的是這塊業務的毛利率高達 76.7%，直接把蘋果整體毛利率拉到了 49%，躺著賺錢的本事是真的強。和業績的炸裂形成鮮明反差的，是蘋果在AI上的尷尬處境。全行業都在 “言必稱AI”，可蘋果這次財報的AI濃度低到離譜。整個財報電話會，庫克提了超過50次iPhone，卻只提了5次 Apple Intelligence，連零頭都不到。關於AI的內容，翻來覆去就是幾句場面話，既沒有具體的落地成績，也沒有明確的目標和計畫，乾貨比上季度還少。不是蘋果不想聊，是實在沒什麼能拿得出手的成績。過去大半年，全球AI行業捲得昏天黑地，大模型、AI應用、AI硬體一波接一波更新，可蘋果在這場AI狂潮裡，幾乎沒刷出什麼存在感。自己的大模型沒搞出什麼名堂，只能轉頭和Google合作，每年掏10億美元授權費，用Google的Gemini大模型做下一代個性化 Siri 的核心支撐。國內市場更尷尬，3月底 iPhone 悄悄上線了AI功能入口，結果幾個小時就緊急下線，到現在也沒個入華的准信。現在蘋果唯一能指望的，就是一個多月後的WWDC開發者大會，可所謂的AI聊天機器人、第三方大模型接入，目前都還停留在 “畫餅” 階段。這份亮眼的財報，也是庫克卸任前的關鍵成績單。再過四個月，庫克就要正式交棒，特納斯將成為蘋果的新任CEO。財報會上，庫克和特納斯來了一波全程商業互吹，庫克把特納斯誇上了天，特納斯也明確表態，接任後會繼續沿用庫克時期審慎、嚴謹的財務和經營原則。庫克掌舵蘋果的十五年，把iPhone的商業價值挖到了極致，給蘋果築起了最堅固的業績護城河，可也一直被外界批評 “缺乏創新和冒險精神”。尤其是在AI轉型這件事上，庫克不僅沒帶蘋果打出先手，反而慢了行業一大截。現在，這個難題要交給特納斯了。短期來看，靠著iPhone和服務業務，蘋果就算躺著也能繼續穩賺好幾年；但把時間拉長看，移動網際網路的紅利早就見頂了，AI才是下一個時代的主戰場，可蘋果到現在都沒在這個戰場佔住位置。一個和庫克一樣謹慎溫和的 “少帥”，能不能帶著蘋果從移動網際網路的王者，轉型成AI時代的巨頭？現在沒人能給出答案。 (識焗)

你可能每天在用Google瀏覽器、Android手機，背後都站著同一家公司——Alphabet。很多人只知道Google，卻不知道這個低調的母公司，才是真正的“賺錢機器”。它不靠投機，不靠炒作，從史丹佛的車庫起步，一步步壟斷半個網際網路，甚至敢砸錢賭幾十年後的未來。它到底憑什麼？那些看似瘋狂的決策背後，藏著普通人也能學懂的生存哲學。故事要從1995年說起，史丹佛大學的兩個學霸，拉里·佩奇和謝爾蓋·布林，偶然湊到了一起。當時網際網路剛興起，搜尋工具全是“垃圾”，輸入關鍵詞，出來的東西亂七八糟，根本找不到有用的資訊。佩奇突發奇想：能不能做一個能判斷網頁重要性的搜尋引擎？他跟導師說，要把整個網際網路下載到電腦上，只需要一周，結果花了一年才搞定一部分，學生們聽了都笑他異想天開。但佩奇說，要有點“無視不可能”的底氣，這也是後來Google的核心底氣之一。1996年，他們做出了第一個原型，取名BackRub，靠分析網頁的反向連結數量判斷權重，這就是後來Google的核心演算法PageRank的雛形。1997年，他們把名字改成Google，源於數學術語“googol”，意思是10的100次方，野心顯而易見——要整理全球所有資訊。1998年，太陽微系統的聯合創始人安迪·貝托爾斯海姆，看完他們的演示後，當場寫了一張10萬美元的支票，備註“Google Inc.”。可這時，Google還沒正式註冊公司。同年9月4日，Google在加州門洛帕克的一間車庫裡正式成立，員工就3個人。辦公裝置是拼裝的樂高伺服器，還有一隻叫Yoshka的寵物狗當“吉祥物”。甚至為了慶祝火人節，他們在搜尋首頁加了個火柴人塗鴉，這就是後來GoogleDoodle文化的開始。一開始沒人看好他們，畢竟當時的搜尋巨頭是雅虎。可佩奇和布林認準了一個理：使用者要的不是雜亂的資訊，是精準、高效的答案，這就是他們的突破口。為了做好搜尋，他們拒絕了雅虎的收購，那怕對方開價10億美元，因為他們知道，一旦賣掉，就再也沒法按照自己的想法做事。2000年，Google推出AdWords廣告系統。創新了“按點選付費”的模式，廣告主只需要為使用者的實際點選付費，不用再為無效展示浪費錢，這一下就打通了賺錢的路子。同年，Google的搜尋流量超越雅虎，成為全球第一。2004年8月19日，Google在納斯達克上市，發行價85美元/股，融資16.7億美元。更特別的是，他們採用雙層股權結構，確保創始人能牢牢掌控公司戰略，不被短期利益綁架。上市後，Google一路擴張，收購YouTube，推出Android系統，做Google地圖、Google雲。一步步從搜尋引擎，變成了覆蓋我們生活方方面面的科技巨頭。可就在2015年，佩奇和布林突然宣佈，要把Google拆了，成立一個新公司Alphabet，讓Google成為它的子公司。這個決定在當時引起了軒然大波，很多人罵他們瘋了，放著好好的巨頭不當，非要自找麻煩。但只有他們自己知道，Google的業務越來越雜，從廣告到硬體，從搜尋到醫療，再到自動駕駛，龐大的體系已經影響了創新效率。拆分，就是為了讓核心業務更專注，讓創新業務更自由。拆分後，Alphabet成了母公司，Google負責搜尋、廣告、YouTube這些“現金牛”業務，穩穩賺錢。而其他子公司，比如做自動駕駛的Waymo、做醫療的Verily、做前沿科技的X實驗室，專門負責“賭未來”，那怕短期不賺錢，也能靠Google的現金流支撐。這一步棋，看似冒險，實則精明到骨子裡——既守住了當下的收益，又搶佔了未來的賽道。這些年，Alphabet的賺錢能力越來越強，到2025年，Alphabet全年營收更是突破4028.36億美元，淨利潤增長32%，達到1321.7億美元。而它的子公司也沒讓人失望，2026年3月，Verily籌集到3億美元新資金，脫離了Alphabet的多數控制，計畫未來上市。這意味著，當年砸下去的錢，正在慢慢變成新的增長點。有人說，Alphabet的成功，是因為趕上了網際網路的風口，但其實，它的每一步都踩在了“人性”和“趨勢”上。它知道使用者要什麼，所以把搜尋做到極致；它知道商業的本質，所以用現金牛養創新；它知道長期主義的重要性，所以不追求短期利益，願意為未來砸錢。這些年，它也遇到過麻煩，歐盟的反壟斷罰款、全球市場的競爭、創新業務的瓶頸，但它從來沒有亂了陣腳，始終堅守“做對的事”，而不是“容易的事”。就像佩奇說的，要有“健康的無視不可能”，但這種無視，不是盲目衝動，而是基於對趨勢的判斷和對自身能力的自信。Alphabet的故事，核心就兩點。第一，先把“現金牛”做紮實，守住基本盤。Alphabet靠Google的廣告、搜尋業務穩穩賺錢，這是它所有創新的底氣。對我們來說，先把自己的核心技能練熟，把能穩定賺錢的事做好，才有資本去嘗試新機會，不要盲目跟風，撿了芝麻丟了西瓜。第二，不把雞蛋放在一個籃子裡，用長期主義對抗不確定性。Alphabet沒有一直靠廣告賺錢，而是砸錢佈局自動駕駛、醫療、AI這些未來賽道，那怕短期不盈利，也堅持投入。我們普通人，也不要只靠一份工資過日子，利用業餘時間提升自己，嘗試副業，佈局長期能帶來收益的事，才能在時代變化中站穩腳跟。很多人之所以迷茫，不是不夠努力，而是沒有找對邏輯——要麼墨守成規，不敢嘗試；要麼盲目多元化，最後一事無成。Alphabet的例子告訴我們，真正的穩，不是一成不變，而是既有守住當下的能力，又有擁抱未來的勇氣。【每日一句】“不要同一頭豬摔跤，因為這樣你會把全身弄髒，而對方卻樂此不疲。”。——查理·蒙格 (山坡漫步)

如果說 2025 年的 Meta 還是那個 "AI 軍備競賽裡的富二代"—— 拿著千億美金砸算力、搶晶片、堆模型，一副 "只要能跟上 OpenAI，錢不是問題" 的架勢；那 2026 年的小扎 (祖克柏) 明顯已經從 "燒錢換速度" 的狂熱裡冷靜下來，開始認認真真算每一筆帳咯！這不是說 Meta 要收縮 AI 戰線，恰恰相反，它把 2026 年的資本支出直接幹到了 1250 億 - 1450 億美元的天文數字，比去年又漲了一大截兒。但這筆錢花得跟以前完全不一樣了：以前是 "別人有我也得有" 的被動追趕，現在是 "每一分錢都要算出廣告收入" 的效率驅動。整個公司的 AI 戰略，正在經歷一場從 "資源被動約束" 到 "效率驅動變現" 的關鍵轉折。先說說大家最關心的 Meta AI 助手！很多人可能覺得這玩意兒不溫不火，比不上 ChatGPT 那麼有話題度，但人家悄悄已經把月活幹到了中高數億量級，DAU 也有數億等級。這個增長速度其實相當恐怖，而且幾乎沒花什麼獲客成本 —— 全靠 WhatsApp、Instagram 和 Facebook 這三大社交平台的 "嵌入式分發"。特別是 WhatsApp，貢獻了超過一半的月活，畢竟全球幾十億人每天都在用它聊天，加個 AI 入口簡直是降維打擊！但問題也出在這裡~現在的 Meta AI，更像個 "高級搜尋框"：七成以上的會話不到 5 輪，大家主要用它查個天氣、寫個郵件、生成個簡單文案。真正能觸發下游動作的 "有意義互動"，只佔不到三成。更要命的是成本帳：單輪推理成本大概在零點幾到半美分之間，看著不多，但架不住每天數十億次的對話量。光推理這一項，Meta 每天就要燒掉幾百萬美元。這就是為什麼 Meta AI 遲遲衝不破十億 DAU 的關口！不是拉不到使用者，而是拉來了養不起啊~每新增 1 億 DAU，對應的年化基礎設施投入就是數億美元，而現在的變現能力根本覆蓋不了。小扎心裡門兒清：現在的瓶頸根本不是流量，是效率。什麼時候能把千 token 推理成本再壓縮個三五倍，什麼時候十億 DAU 的單位經濟性才算真正成立。所以你看 Llama 5 的戰略，就特別能體現 Meta 現在的 "務實"！以前大家做模型，都是比誰的參數多、誰的基準測試分數高，恨不得把所有算力都砸進去追求 "絕對第一"。但 Meta 現在不這麼玩了，Llama 5 的目標不是靜態對標 GPT-5 或者 Gemini，而是瞄準它發佈時的 "動態前沿高位"—— 能做到九成接近甚至局部領先就行，沒必要為了最後那 5% 的性能，付出兩倍三倍的成本。Meta 甚至搞出了一套自己的 "智能衡量標準"：推理與工具呼叫成功率佔 40%，延遲調整後的回答質量佔 30%，成本歸一化後的智能指標也佔 30%。簡單說就是：如果一個技術改動能讓模型性能提升 10%，但推理成本漲了 20%，那對不起，這個改動直接 pass。他們寧願部署一個 "不是最聰明，但性價比最高" 的模型，然後靠自己幾十億使用者的分發規模，把商業價值最大化。當然，這不是說 Meta 放棄了前沿研究。恰恰相反，他們算得很清楚：簡單模型能覆蓋 80% 的基礎查詢，但剩下那 20% 需要多步推理的複雜查詢，貢獻了接近三分之二的後續價值訊號。輕量模型的多跳推理成功率只有四五成，而前沿模型能做到七八成。這一點點能力差距，折算到廣告業務上，就是中低個位數的參與度提升，對應著數十億美元的增量收入。這筆帳，怎麼算都划算啊！再說說自研 MTIA 晶片，這絕對是 Meta 今年最受關注的話題之一。很多人之前吹 MTIA 能吊打輝達 H100，現在看來確實是想多了。實際測試下來，MTIA 的有效性能大概只有 H100 的七成多，離當初傳聞的九成目標還差得遠。問題主要出在三個地方：一是架構沒跟上，前兩代 MTIA 都是針對稠密 Transformer 最佳化的，結果現在行業主流都轉向了 MoE 混合專家架構和長上下文，等於白做了不少工作二是軟體棧太嫩，編譯器和執行階段才積累了兩年多，像 FlashAttention 這種關鍵算子還得大量手動調優三是互連不行，沒有輝達 NVLink 那種等級的高頻寬互連生態，根本扛不住 Llama 5 這種量級的模型訓練業內普遍判斷，MTIA 要真正追平輝達，至少還需要兩到三年的時間。所以 Meta 也沒傻到一下子就把輝達的 GPU 全換掉，而是走了一條 "階梯式退出" 的路線：現在外部 GPU 還佔三成左右，2027 年降到一兩成，2028 年再壓到一成多。那怕到了 2028 年，Meta 也會保留數萬台外部 GPU 作為 "戰略彈性"—— 用來壓縮新模型的上市時間、應對突發的流量高峰，或者萬一 MTIA 路線圖延期了，還能有個備份。這種 "不把雞蛋放在一個籃子裡" 的做法，其實特別聰明。畢竟現在輝達的 GPU 雖然貴，但至少穩定可靠。而自研晶片雖然長期能省大錢，但短期風險極高。Meta 現在的策略就是：把那些穩定可預測的常規負載，慢慢轉到成本更低的內部基礎設施上；而那些高回報、時效敏感的任務，還是用外部雲服務。這樣算下來，長期能把外部算力支出壓縮七成左右，已經相當可觀了。不過，Meta 現在面臨的最大挑戰，既不是模型也不是晶片，而是一個所有人都沒想到的問題--電！你沒看錯，就是電。現在 AI 資料中心的規模已經大到了 1 吉瓦等級，相當於一個中等城市的用電量。但電網的建設速度根本跟不上 AI 的擴張節奏：一個資料中心的建設周期只要 18-24 個月，但電網擴容、變電站升級和並網審批，卻要 3-5 年。美國約三分之一在建或規劃的 AI 資料中心，都面臨著分區審批和環境評估的延期問題。Meta 的 1 吉瓦級資料中心園區，現在有五六成的機率會延期 3-9 個月。這不是因為樓蓋慢了，而是因為變壓器交不了貨、變電站建不起來、並網排不上隊。有些地方的電網接入等待周期，甚至已經拉長到了兩三年。這也是為什麼 Meta 明明在大力推進自研晶片，卻還是要跟 CoreWeave、Lambda Labs 簽那麼多長期 GPU 合同 —— 這些外部算力，現在已經成了"項目進度避險工具"！為瞭解決這個 "電力危機"，Meta 也是拼了。最近甚至傳出消息，他們跟一家太空太陽能公司簽了 1 吉瓦的協議，打算用衛星在太空收集太陽能，再傳回地球給資料中心供電。雖然這個技術要到 2030 年才能商業化，但也足以看出電力問題已經嚴重到了什麼程度。說了這麼多困難，那 Meta 的 AI 投入到底有沒有回報？答案是：有，而且已經開始兌現咯！最大的回報來自廣告業務~Meta 的 Advantage + 自動化投放工具，加上生成式創意工具，已經實實在在地提升了廣告的參與度和轉化率。而且 AI 驅動的參與度提升，傳導到廣告收入的彈性幾乎是線性的。這意味著，只要 AI 能讓使用者在平台上多待 1%，廣告收入就能多漲 1%。長期來看，這部分的增量空間有數十億美元，這也是 Meta 敢維持千億級資本支出的最大底氣。現在 Meta 內部的算力分配，也清晰地反映了這個戰略重點。廣告與推薦系統依然佔據了過半的算力，但生成式 AI 的份額已經漲到了三成多，同比上升了超過十個百分點。騰出來的空間，主要來自廣告訓練側的邊際放緩和持續學習管道的效率提升。而且 Meta 還搞了個算力 "資本化" 的內部機制，各個團隊要按 GPU 小時拿預算，用可量化的 KPI 來背書。這個機制推行之後，GPU 的有效利用率直接從六成多漲到了接近八成，相當於憑空多了幾十萬張 GPU。回頭看這兩年 Meta 的 AI 之路，其實特別有代表性！從一開始的 "元宇宙夢碎，all in AI" 的慌亂，到 "別人有我也得有" 的軍備競賽，再到現在 "每一分錢都要算回報" 的效率驅動，Meta 終於找到了屬於自己的 AI 節奏。它沒有 OpenAI 那種 "改變世界" 的理想主義，也沒有Google那種 "基礎研究至上" 的工程師文化，但它有全世界最大的社交網路、最成熟的廣告系統，以及最會算帳的管理層。它不追求做 "最聰明的 AI"，但它要做 "最能賺錢的 AI"，嘿嘿！現在的 AI 行業，正在從 "拼燒錢" 的上半場，進入 "拼效率" 的下半場。那些只會砸錢堆算力、卻找不到變現路徑的公司，很快就會被淘汰。而像 Meta 這樣，能把 AI 技術跟自己的核心業務深度結合，能算出每一分算力投入的廣告回報的公司，反而可能笑到最後哦！畢竟，商業的本質從來都不是追求技術的極致，而是追求投入產出比的極致。在這一點上，小扎顯然已經想明白了。 (商業分析家)

2024年10月29日，人類商業史被改寫。輝達市值盤中突破5兆美元，成為人類歷史上首家邁入"5兆俱樂部"的半導體企業。這意味著什麼？一個做顯示卡的公司，市值超越了德國全年GDP。一個黃仁勳創辦的企業，比日本+德國兩個經濟體的體量還大。資本市場瘋了。質疑聲也來了：這是科技泡沫還是真實力？今天，扒開現象看本質。一、5兆市值，到底是怎麼煉成的？先看資料。2024財年Q4，輝達單季營收221億美元，同比暴漲265%。資料中心業務單季收入184億美元，同比暴增409%。全年營收609億美元，暴增126%。這不是增長，這是爆炸。再看2025財年Q4（截至2025年1月），輝達單季收入達到356億美元，資料中心業務356億美元，全年收入1152億美元。同比增長93%。淨利潤率？超過40%。這不是一家硬體公司該有的利潤率。這是AI印鈔機。回溯輝達的市值增長曲線：2023年初：不足1兆美元2023年中：突破2兆美元2024年：突破3兆美元2024年：突破4兆美元（僅133天）2024年10月：突破5兆美元蘋果從4兆到5兆，用了218天。微軟用了265天。輝達，133天。這不是追趕，這是碾壓。二、為什麼是輝達？答案只有兩個字生態。很多人以為輝達賣的是晶片。錯。輝達賣的是一套系統。CUDA。這是輝達2006年開始打造的計算平台。17年，400萬開發者，數千個最佳化庫。今天，全球所有AI開發者都在CUDA上寫程式碼。想換平台？重寫一遍。成本？時間？風險？算完之後，還是買輝達吧。這就是生態的力量。硬體可以複製，生態無法複製。"AMD的晶片性能可以追平輝達，但開發者生態的差距，可能是十年。" —— 一位AI工程師的真實吐槽黃仁勳在2024年GTC大會上說了一句話："我們不是晶片公司，我們是AI工廠的建造者。"這才是輝達真正的定位。三、Blackwell：重新定義AI算力2024年3月，GTC大會。黃仁勳掏出一塊晶片，全場倒吸一口涼氣。Blackwell。2080億個電晶體。雙晶片封裝，10 TB/s片間互聯。為LLM推理提供30倍性能提升，成本和能耗降低25倍。這是什麼概念？訓練一個GPT-4等級的模型，以前需要1000塊H100 GPU，跑三個月。用Blackwell，三分之一的卡，三分之一的時間。2025年1月CES，Blackwell正式量產。黃仁勳宣佈：600萬塊Blackwell GPU已出貨。產能？45家工廠同時生產。這不是產能競賽，這是降維打擊。更可怕的是路線圖：2025年：Rubin平台，性能再翻5倍2026年：Rubin Ultra2027年：下一代架構一年一迭代。AMD和英特爾，還在追趕上一代。四、資料中心：輝達的印鈔核心拆解輝達的收入結構：資料中心：佔營收85%以上遊戲：約10%汽車：約2%專業視覺：約1%資料中心就是一切。2024財年資料中心收入475億美元，同比增長217%。2025財年資料中心收入1152億美元，同比增長142%。客戶名單：AWS、微軟Azure、Google雲、甲骨文雲Meta、OpenAI、GoogleDeepMind特斯拉、xAI幾乎所有AI巨頭，都是輝達的客戶。黃仁勳在財報電話會上說："AI工廠正在全球湧現。主權AI基礎設施建設在日本、加拿大、法國等國家展開。每一個地區都需要自己的AI能力。"需求，根本停不下來。五、挑戰者們：AMD能否撼動王座？輝達的對手，從來沒放棄過。AMD。2024年10月，AMD推出MI325X，直接對標Blackwell。記憶體容量是H200的1.8倍，推理性能高出40%。2025年6月，蘇姿丰發佈MI350X、MI355X：性能宣稱超越輝達B200同等成本，性能提升40%OpenAI CEO奧特曼站台："強得不可思議！"AMD還亮出了殺手鐧：ROCm 7開源生態。直指CUDA護城河。客戶拓展也有進展：Meta、微軟、甲骨文已採用AMD晶片，覆蓋十大AI企業中的七家。但差距依然巨大。輝達佔據AI晶片市場超過70%的份額。AMD約15-20%。剩下才是others。更關鍵的是：輝達還在加速。六、英特爾：老兵能否翻身？曾經的晶片霸主英特爾，正在艱難轉型。2024年財報：營收同比僅增0.1%，被三星超越。但英特爾沒有放棄。2025 CES，祭出大招：Panther Lake：首款Intel 18A製程（1.8nm）AI PC晶片Clearwater Forest：288核伺服器CPUArc Pro B系列：企業級AI GPUBattlematrix多卡方案：大視訊記憶體、高性價比英特爾CEO陳立武說："AI需求爆發式增長，半導體行業整體潛在市場規模已逼近1兆美元。"老兵不死，只是換了一個戰場。七、未來：5兆隻是起點？黃仁勳在2026年初放出預言："2025-2027年，Blackwell和Rubin兩個平台的訂單收入將達到1兆美元。"這還不包括CPU、儲存等其他產品。底氣在那？推理需求爆發：ChatGPT每次對話都是推理token消耗，需求無限主權AI建設：各國都在建自己的AI基礎設施物理AI新浪潮：機器人、自動駕駛、具身智能都需要算力Yotta時代將至：全球計算能力向每秒億億億次邁進但風險同樣存在：定製晶片衝擊：Google、微軟、Meta都在自研AI晶片供應鏈風險：台積電先進封裝產能緊張競爭加劇：AMD、英特爾拚命追趕估值泡沫：市場對輝達的預期，是否過於樂觀？八、寫在最後輝達5兆美元市值，不是終點。這只是AI工業革命的開幕式。黃仁勳說："過去三十年，我們深耕加速計算。生成式AI是我們這個時代的決定性技術。Blackwell是推動新一輪工業革命的引擎。"一個做顯示卡起家的小公司，做遊戲顯示卡被看不起，做AI被質疑，現在市值比肩德國。這不是運氣，是戰略定力。17年前開始建CUDA生態，沒人理解。10年前all in AI，沒人相信。今天，全世界都在為輝達的遠見買單。格局，決定結局。你看好輝達的未來嗎？ (熱火AI)

立訊的第二增長曲線2026年4月27日，立訊精密股價盤中觸及漲停，最高衝到72.6元，創下歷史新高，總市值突破5200億元。這一天，天風國際分析師郭明錤放出消息：OpenAI計畫自研手機，晶片由聯發科和高通聯合開發，而立訊精密是“獨家系統聯合設計和製造合作夥伴”，預計2028年量產。緊接著4月28日，立訊精密再發公告：2026年上半年歸母淨利潤預計78.4億元至81.06億元，同比增長18%-22%。三條消息疊加，股價、訂單、利潤全線飄紅。這家由潮汕女首富王來春一手打造的製造帝國，再次站上了輿論和資本的風口。立訊精密已經不是很多人印象中的那個“蘋果代工廠”了。根據2025年年報，其汽車電子收入392.55億元，同比暴增185.34%；通訊及資料中心收入245.68億元，增長33.81%。曾經佔營收七成的蘋果業務，2025年佔比已降至56.68%，“非蘋果”業務正在快速撐起另一片天。從富士康流水線上的打工人，到身家超千億的潮汕女首富；從給老東家做配套的小供應商，到與蘋果、OpenAI同台合作的製造巨頭——王來春和立訊精密的故事，遠比一句“代工龍頭”複雜得多。從流水線女工到潮汕女首富：王來春的“逆襲”不是爽文劇本王來春1967年出生在廣東汕頭澄海的一個農村家庭，初中輟學後在家務農，直到21歲才等來了改變命運的機會。1988年，21歲的王來春從廣東汕頭農村來到深圳，成為富士康在中國大陸的首批女工之一。在許多人熬不住流水線的枯燥和惡劣環境選擇離開時，她幹了11年，從線長一路升到課長，成為了當時富士康大陸員工的最高等級管理者。王來春曾說，郭台銘“親歷親為的工作作風、言傳身教的工作方式及先進的經營理念對我的影響很大”。立訊精密早期的車間標語，甚至跟富士康“一模一樣”。1999年，32歲的王來春辭職，和哥哥王來勝買下瀕臨倒閉的香港立訊公司，幹起了電子連接器和連接線的生意。2004年，她回到深圳正式成立立訊精密工業股份有限公司。創業初期，富士康給她送來了大量訂單——2007年至2009年，富士康訂單佔立訊精密收入的50%以上。2009年，郭台銘的弟弟郭台強還通過正崴集團出資4000萬元入股立訊，成為第三大股東。市場上一度把立訊叫做“小富士康”，但王來春並不想一直做附庸。2010年立訊精密在深交所上市後，她開始了一場產業豪賭：2011年，斥資收購崑山聯滔電子60%股權，借此切入蘋果供應鏈；2016年收購蘇州美特，拿下蘋果AirPods訂單；2020年更以33億元收購緯創資通在中國內地的iPhone製造業務，成為內地首家iPhone整機製造商。十年間，立訊精密的營收從25億元飆到2600億元以上。很多人把王來春的成功歸結為“運氣好”——正好碰上蘋果需要分散供應鏈風險，正好趕上中國製造業崛起的浪潮。但運氣背後是她對製造的極致死磕。蘋果CEO庫克曾在參觀立訊工廠時評價：“他們超一流的工廠，將了不起的精良工藝和細思融入AirPods的製造。”王來春自己總結得更直白：“製造業沒有捷徑，就是把品質、效率、成本做到極致。”對於外界總給她貼上“代工女王”的標籤，王來春並不認同。她公開說過：“什麼叫代工？就是純粹沒有市場分析，沒有技術沉澱，沒有辦法解決客戶痛點的業態。從我們的角度來看，無論是立訊精密，還是同類性質的企業，我們在為市場、為客戶提供解決方案。”2010年立訊精密在深交所上市時，王來春身家23億元。到了2026年，她以910億元人民幣身家位列胡潤全球富豪榜第232位，在胡潤全球白手起家女企業家榜上排第4名，是當之無愧的潮汕女首富。股價暴漲不是憑空來的立訊精密這一波股價暴漲不是憑空來的。根據2025年年報，立訊精密全年實現營業收入3323.44億元，同比增長23.64%；歸母淨利潤166億元，同比增長24.20%，經營指標創下歷史新高。多元化業務佈局、全球化產能配置、垂直一體化能力，加上供應鏈改善和成本最佳化，共同推動了穩健增長。分業務看，消費電子仍是最大頭，收入2642.66億元，佔比79.52%，同比增長13.37%。但真正的亮點在“第二曲線”：汽車電子收入392.55億元，同比暴增185.34%，增速在所有類股中排第一；通訊及資料中心收入245.68億元，同比增長33.81%。汽車電子的爆發，很大程度上得益於2025年7月完成的對德國萊尼集團收購。萊尼是全球百年汽車線束巨頭，客戶覆蓋寶馬、奔馳、大眾等頂級車企。王來春在業績會上透露，萊尼併購首年即扭虧為盈，她給出的目標是：到2027年萊尼淨利率達到3.5%左右，2029年超過5%。通訊及資料中心業務的高增長，則踩中了AI算力基建的風口。立訊精密2011年收購科爾通切入通訊連接器領域，2022年再收匯聚科技完善銅纜光纖佈局，目前為全球AI算力基礎設施提供“銅、光、電、熱”一體化解決方案，800G和1.6T光模組在國內外客戶進展順利，CPC銅連接產品預計2027年Q3至Q4向首家客戶批次交付。還有一個關鍵變化：它的客戶結構在最佳化。2025年，第一大客戶（蘋果）銷售額1883.81億元，佔總營收比例從2024年的70.74%降至56.68%。與此同時，其他消費電子業務收入從2024年的339.55億元躍升至758.85億元，翻了一倍多。這說明立訊精密正在有意識地降低“蘋果依賴症”，雖然短期內蘋果仍是現金牛，但“把雞蛋多放幾個籃子”的戰略已經初見成效。2026年一季度的資料延續了增長勢頭：營收838.88億元，同比增長35.77%；歸母淨利潤36.6億元，同比增長20.24%。公司預計上半年淨利潤增長18%至22%，這意味著二季度仍將保持穩健增速。回到立訊精密股價的強勢拉升。4月27日立訊精密早盤高開至67.98元，盤中一度漲停至72.6元，收盤報71.97元，大漲9.05%。4月以來，公司股價累計漲幅約46%，市值從月初的約3500億元增加到約5200億元，一個月內增加了約1700億元。最直接的消息面催化劑是OpenAI手機。如果郭明錤的爆料屬實，立訊精密將在2028年成為OpenAI自研手機的獨家製造合作夥伴。這對立訊的意義不止是一筆新訂單——蘋果供應鏈中，組裝環節的老大始終是富士康，立訊很難撼動。但OpenAI是一個全新的玩家，沒有歷史包袱和既定的供應鏈格局，立訊精密如果能在這個項目裡卡位成功，相當於在“下一代手機”的牌桌上拿到了先手。儘管這個傳聞尚未得到官方證實，但它也並非空穴來風。2025年9月，市場就傳出消息，稱立訊精密已獲得至少一款OpenAI裝置的組裝合同。OpenAI過去一年從蘋果瘋狂挖人——截至2025年底已招攬超過25名蘋果資深硬體工程師，涵蓋工業設計、音訊技術、可穿戴裝置、供應鏈管理等多個領域。更深層的支撐來自AI算力基建。立訊精密近期密集釋放的訊號包括：CPC銅連接產品預計2027年下半年批次交付；800G和1.6T光模組進展順利；液冷CDU產品功率規格達120kW。這些產品的共同指向是資料中心和AI伺服器——一個比智慧型手機增速更快、客單價更高的市場。另一個關鍵變數是港股IPO。2025年8月18日，立訊精密正式向港交所遞交H股上市申請，推進A+H雙資本市場佈局。港股上市的目的很明確：一是拓寬海外融資管道，二是用更靈活的股權激勵工具吸引全球化人才，三是進一步提升國際客戶眼中的品牌含金量。畢竟，汽車電子和資料中心業務的客戶都是全球化巨頭，一個港股上市公司的身份在談判桌上確實能加分。把這些線索串起來，可以看出王來春的佈局邏輯：用消費電子業務賺的錢和積累的精密製造能力，去養汽車電子和通訊資料中心這兩個“新引擎”；用港股上市打開國際資本市場的通道；用AI算力和OpenAI手機這樣的新項目，證明自己不止會“代工”蘋果產品。但轉型從來不是輕鬆的事。汽車電子領域，博世、大陸等傳統Tier1（一級供應商）巨頭的技術和客戶壁壘極高；資料中心領域，光模組和高速連接器的競爭對手林立。立訊精密的優勢在於精密製造的底層能力——聲、光、電、磁、熱等工藝平台可以跨領域復用，但劣勢也很明顯：品牌認知度、技術原創性、全球化管理的複雜度，都與國際一線廠商有一定的差距。更大的風險還是地緣政治和關稅。雖然立訊精密在全球已有105個生產基地，過去十年在越南大量佈局產能，對美國銷售的81%來自越南生產，但全球貿易環境的不確定性始終是懸在頭頂的劍。2025年4月初，受關稅擾動影響，立訊精密曾在5個交易日內股價下跌近30%。這種劇烈波動說明，市場對“果鏈”企業的估值仍然帶有明顯的政策敏感度。更大的棋局1988年王來春進富士康時，中國製造業的角色是明確的：廉價勞動力、來料加工、貼牌生產。2004年她創立立訊精密時，這家公司做的還是連接器——最基礎、最不起眼的零部件。但今天，立訊精密已經是一家為蘋果代工iPhone、為OpenAI設計製造AI手機、為輝達GB200提供連接方案、為寶馬奔馳供應汽車線束的全球化企業。它的製造基地分佈在中國、越南、泰國、印度、墨西哥、德國等十多個國家，2024年境外銷售額佔總營收比重超過87%。更深層的轉變在於商業模式。過去，人們總說立訊精密是“代工廠”，核心邏輯是它不擁有品牌，不面對終端消費者，只是按客戶圖紙生產。但王來春一直試圖扭轉這種認知。她的邏輯是：客戶提出的是一個需求或技術指標，立訊精密需要通過對材料、工藝的理解來實現方案，而這個方案本身就是價值所在。從零部件到模組再到整機裝配，從連接器到聲學元件到光模組，公司的能力邊界在不斷外擴。OpenAI傳聞之所以能引發如此大的市場反應，本質上是因為它暗示了一種可能性：在AI驅動的下一代硬體浪潮中，立訊精密這樣的中國製造商，有可能不再只是跟隨者，而是深度參與產品定義和系統設計的合作者。更宏觀地看，立訊精密的崛起軌跡也對應出中國製造業的整體升級。過去20年，中國電子製造業經歷了三個階段：第一階段是做零件，第二階段是做模組和整機裝配，第三階段是做解決方案和核心系統。立訊精密目前正處於從第二階段向第三階段跨越的關鍵期。CPO光模組、AI伺服器連接方案、汽車電子Tier 1（一級供應商）業務，都是這一跨越的具體落點。結語立訊精密的故事，是一個關於“升級”的中國製造業樣本。王來春用了30年，從富士康的學徒變成了與老東家分庭抗禮的對手；又用15年時間，把一家做連接線的小廠做成了年營收超3300億元、市值突破5200億元的全球精密製造龍頭。但下一個階段的比賽規則在變。消費電子的紅利在見頂，AI算力和智能汽車的增長曲線還在爬坡，全球供應鏈的重構每天都在發生。王來春想要的，顯然不是做一個更大規模的“代工廠”，而是成為一家能定義標準的科技製造平台。4月27日的股價新高，是資本對這個願景的投票，但投票不等於兌現。立訊精密能不能真正從“果鏈”躍遷到“AI鏈”，從“中國製造”躍遷到“全球智造”，接下來的每一步都至關重要。正如王來春所說：“變化越大、挑戰越高，機遇也就越大。” 這句話既是立訊的成長宣言，也是它必須直面的時代考題。 (融中財經)

說到Google，很多人第一反應是搜尋、是Android、是AlphaGo。但我覺得，比這些產品更值得琢磨的，是Google內部的一套打法。這套打法不是什麼高深的理論，總結起來就三樣：20%自由時間、70:20:10的資源分配，還有兩個披薩的團隊規模。聽起來都很簡單，對吧？但簡單的東西往往最有力量。先說第一個，20%。什麼意思呢？就是Google允許員工把自己工作時間的五分之一，拿出來幹自己想幹的事。這件事不一定跟手頭的項目有關，不一定跟老闆交代的任務有關，純粹是你自己覺得有意思、有想法、想試試看的東西。然後呢，你做出來的東西，可以同步到公司內部的平台上。如果公司覺得你這個東西有價值，就會給你資源，讓你繼續往下做。做成了，你也能拿到相應的回報。很多人第一次聽到這個規則的時候，第一反應是：這不是讓員工摸魚嗎？給了20%的自由時間，大家不都去打遊戲、刷視訊了？還真不是。事實證明，Google很多著名的產品，比如Gmail、AdSense，最初都是從這20%的時間里長出來的。為什麼？因為人在做自己真正感興趣的事情時，創造力是完全不一樣的。你讓他每天八小時全部被任務填滿，他也能幹活，但那種“我就想把這個東西做出來”的勁頭，是安排不出來的。這個道理放在我們普通人身上也一樣。你想想，你每天下班之後的那兩三個小時，你在幹什麼？大部分人可能刷刷手機、看看劇，時間就過去了。但如果你能拿出其中的一部分，去學一個你一直想學但沒時間學的東西，去試著做一個你覺得有意思的小項目，那怕每天只有半小時，一年下來，你會比身邊的人多出多少積累？這不是雞湯，這是算得出來的帳。而且，這種“自己驅動的學習”，效果往往比被動學習好得多。因為沒有人逼你，你純粹是因為好奇、因為喜歡才去做。這種狀態下，你的腦子是活的，你是真的在吸收東西。再說第二個，70:20:10。這是Google分配資源的比例。70%的資源，砸在核心主營業務上。就是你最賺錢、最成熟、最不能丟的那塊業務。20%的資源，用來做跟主業相關的拓展業務。剩下的10%，拿去探索那些全新的、甚至有點冒險的業務和前沿技術。你看這個結構，很有意思。70%是基本盤，這是公司的命根子，不能動。20%是增長盤，是未來兩三年可能長成新主業的東西。10%是想像力，是那種失敗了也沒關係、但一旦成功了就可能改變遊戲規則的東西。這三個部分，缺一不可。沒有70%，公司活不下去。沒有10%，公司永遠只能吃老本，早晚會被別人顛覆。這個思路跟前面說的20%自由時間，其實是一脈相承的。從公司層面，要有制度性地給創新留出空間；從個人層面，也要有意地給自己的好奇心和探索欲留出時間。很多公司為什麼越做越死？就是因為把所有的資源都壓在了現有的業務上，不敢拿一分錢去試新東西。很多人為什麼越活越窄？就是因為把自己所有的時間和精力都花在了眼前的事情上，不願意拿一點出來學點新東西、接觸點新領域。短期看，這樣效率最高。長期看，這是最危險的。最後說第三個，兩個披薩團隊。這個說法很形象。就是說，一個項目團隊的規模，應該控制在點兩個披薩就能讓所有人吃飽的程度。算下來，大概就是六到十個人。為什麼是這個規模？因為人少了，溝通成本低，決策快，每個人都要幹活，沒人能躲在後面。人一多，就開始出現各種問題：開會時間越來越長，協調成本越來越高，資訊傳遞出現損耗，有的人開始搭便車。這個道理，但凡上過班的人都懂。你想想你參與過的那些大項目，動輒二三十個人，開會的時候一半人在刷手機，真正幹活的就那麼幾個人，剩下的都是來“對齊”的、來“同步”的、來“參與”的。效率能高才怪。Google用兩個披薩這個簡單的標準，強行把團隊規模控制在精幹的範圍內。小團隊跑得快，出了問題好調整，有了成果好分配。這個思路對普通人有什麼啟發？我覺得至少有兩層。第一層，如果你是一個團隊的負責人，或者你未來想自己帶項目，記住這個原則：能六個人幹的事，別塞十個人進去。人多了不是力量大，是人多了麻煩多。第二層，如果你是一個普通員工，你要意識到，在大團隊裡你很容易被淹沒，在小團隊裡你的貢獻才容易被看見。所以有機會的話，去那種小而精的項目組，比去那種人山人海的大項目更有成長。把這三樣東西放在一起看，你會發現Google其實是在做一件事：用制度來對抗大公司病。公司一大，就容易僵化。人一多，就容易平庸。流程一複雜，創新就死了。Google用20%的時間，給員工的創造力留了出口；用70:20:10的資源分配，給新業務的生長留了空間；用兩個披薩的團隊規模，給執行效率留了底線。這些東西不花哨，甚至有點土。但就是這些土辦法，讓Google在這麼多年裡，一直保持著創業公司的活力和創造力。對我們普通人來說，不一定在Google工作，也不一定有機會用到這些原則。但這些原則背後的思考，是可以拿來用的。比如，你能不能在自己的時間裡，拿出20%來做一個自己真正感興趣的事情？不為了升職加薪，不為了老闆滿意，就為了自己覺得有意思。比如，你能不能在自己的精力分配上，參考70:20:10？70%用來做好本職工作，20%用來學一些跟工作相關但更前沿的東西，10%用來探索那些完全不知道有沒有用的領域。說不定那天，那10%就成了你的新賽道。再比如，你參與項目或者自己組織活動的時候，能不能主動把團隊控制在兩個披薩的大小？人多了，寧可拆成兩個小團隊，也不要讓一個大團隊拖慢所有人的節奏。這些事，做起來不難，難的是意識到它們的重要性，並且真的去做。時代在變，技術在變，公司起起落落，但這些樸素的原則，放在那裡都好用。 (新成為)

2026年4月15日，播客主持人Dwarkesh Patel做了一件許多主持人不敢做的事——他在採訪輝達CEO黃仁勳時，一路追問到這家全球最高市值公司的"核心命門"。當然，他自己說他是刻意站在被採訪人的對立方提問題，且以Dario支援晶片出口限制的觀點出發。這場近兩小時的訪談，在第57分鐘時陷入僵局，我特別看了這部分內容，兩人的相關爭論持續了30分鐘左右，這在很多超大企業CEO的採訪中非常罕見。雙方的分歧主要在於輝達高端晶片對中國市場的出口限制是否具有合理性。我的看法：兩人分歧的根源，不在於生意，而在於不同的出發點、心態和競爭邏輯。一場關於AI終局的假設之爭Dwarkesh Patel在訪談中，提出了一個清晰的邏輯鏈：AI晶片就像是濃縮鈾——濃縮鈾可以發電，但限制濃縮鈾的流通，就能限制核武器的擴散。因此，限制高端AI晶片出口給中國，就能延緩中國大模型的發展速度；中國縱有強大的工程能力，也難以在算力落後的情況下追上通用人工智慧的"奇點"。他把AI競賽定義為一場"誰先到達終點"的衝刺——終點是通用人工智慧（AGI）或更遠的超級智能。在這場衝刺中，任何能讓對手減速的策略，都具有戰略合理性。或者，他把Anthropic封閉式發佈的Mythos模型作為一個例子：如果中國也研發出類似的模型，能快速識別網路漏洞，豈不是可以攻擊美國的網路？這個假設，讓黃仁勳罕見地情緒激動。黃仁勳的核心論點，是這個比喻從根本上就是錯誤的。他沒有選擇正面辯論AI是否需要那麼高的算力，而是直接拆解了Dwarkesh背後的邏輯鏈條：算力不是AI的唯一瓶頸，能源、架構、演算法也是。他的"五層蛋糕"框架，將AI產業從底層到頂層依次定義為：能源→晶片→基礎設施→模型系統→行業應用。在這個框架裡，晶片只是第二層，能源才是第一層。如果中國擁有豐富的能源，那麼算力的差距可以通過其他方式彌補——比如用更多的晶片疊加、用更高效的演算法降低單位算力成本。更重要的是，黃仁勳認為摩爾定律正在走向終結——晶片性能每年翻倍的時代已經過去了，今天最先進的晶片，其性能優勢不是永恆的護城河，而是有時間窗口的相對優勢。一旦製程逼近物理極限，後來者的追趕難度反而會降低。基於這兩點，黃仁勳的結論是：限制晶片出口，短期確實會延緩中國AI的發展速度，但長期來看，這只會逼迫中國形成自己的生態鏈——一個內部整合、協同進化的完整體系。這個體系一旦形成，就不再需要依賴輝達，也不再容易被外部力量切斷。而這，才是黃仁勳說出"災難性"的真正所指。而Dwarkesh的假設，恰恰是黃仁勳的反面：AI的終局是某種"超級智能"，算力是到達終點的核心燃料，任何對算力的限制都能有效延緩對手。這個假設為出口管制的合理性提供了道德基礎——"我們在爭取人類未來的制高點，暫時的封鎖是必要的代價"。但這個假設本身成立嗎？通用人工智慧真的會以"超級智能"的形式出現，並成為某種決定性力量嗎？這至今仍是一個無法證明，也無法證偽的信念，而非已經被驗證的結論。黃仁勳對"核武器比喻"的憤怒，本質上是對這種未經檢驗的終極假設的拒絕。即便是Mythos模型，黃仁勳並不認為是在最先進的晶片上訓練出來的，也不認為Mythos模型的優勢有那麼大，掃描網路漏洞是AI模型發展史上必然會出現的一類功能，但還達不到所謂“核武器”的層級。黃仁勳甚至認為很多政策是建立在極端假設上，而這些極端假設是帶有一種“Loser”心態的，因為非常害怕輸，所以就選擇封閉別人。從黃仁勳脹紅的臉色上，可以知道他內心已經很激動，並對這些想法有種“恨鐵不成鋼”的感覺。逐漸的，兩種不同的競爭邏輯就體現出來了，一種是零和遊戲邏輯，一種是共生競爭邏輯。回到商業：一個無法迴避的身份困境訪談中還有一條更隱蔽的暗線：黃仁勳不希望把輝達定義為"國家的武器"。輝達的市值已突破4兆美元，但它始終強調自己是一家商業公司——賣晶片、建生態、服務客戶、創造利潤。但在現實中，它的一舉一動都被華盛頓納入戰略框架：CHIPS Act補貼附帶著"在美國製造"的義務；出口管制政策直接決定了它的中國市場命運；美國政府把它視為AI霸權的基礎設施。黃仁勳在訪談中說："美國內部會優先獲得最新晶片，不會影響美國的領先——而服務中國市場，是為了讓輝達的生態持續創新。" 至於如何避免最先進的晶片被用作軍事用途，黃仁勳提出讓兩國的研發人員能保持更頻繁的學術交流，設立機制以保證AI的使用在一定倫理內。這句話的商業邏輯是清晰的，但政治邏輯更複雜。當政策制定者把輝達視為"等同於半導體國家競爭力"的存在，他們很難接受輝達在賺取中國市場利潤的同時，扮演"中立的商業角色"。你很難既被列為"國之重器"，又保留完全的商業自主權。這個張力，才是輝達最深層的困境。理解黃仁勳的真實立場把整場訪談的邏輯梳理清楚之後，黃仁勳的立場可以概括為以下幾個層次：第一層：出口管制幫了誰？短期確實幫了美國半導體裝置商（向中國出售成熟製程裝置），也讓CHIPS Act補貼有了戰略合理性。但對Nvidia本身而言，失去高價值市場是真實的商業損失。更關鍵的是：管制在戰略層面的實際效果，並沒有所謂"鎖死中國"，而是"逼迫中國整合成一個更有凝聚力的生態"。第二層：AI競爭的終局是什麼？黃仁勳沒有提到AI的終局是某種"超級智能奇點"，也不認為晶片性能是決定勝負的唯一變數。他的"五層蛋糕"框架，本質上是說：AI是電力革命、網際網路革命之後的下一代基礎設施，它需要的是能源、晶片、基礎設施、模型和應用的完整生態——在這個生態裡，單一晶片的優勢只是局部變數，不是決定性力量。圖源：網路第三層：輝達需要什麼？保持生態的開放性、保持對全球市場的服務能力、保持作為"商業公司"而非"國家工具"的身份——這是輝達最核心的商業利益。黃仁勳不希望輝達成為那個被犧牲的代價。黃仁勳所有的表態，都是圍繞這三個核心利益展開的。為什麼CUDA是輝達真正的護城河理解黃仁勳的擔憂，首先要理解輝達的護城河到底是什麼。外界的普遍認知是：輝達的護城河是GPU的硬體性能——晶片算力強、功耗低、生態好。這固然沒錯，但黃仁勳本人在這次訪談中給出了一個更底層的定義："輸入是電子，輸出是Token，中間是輝達。"這句話的意思是：輝達真正的護城河，不是某一個晶片型號的性能指標，而是從電子到Token的整套轉化體系的效率。硬體只是這個體系的最底層，往上是驅動層、編譯層、框架層、工具鏈層和開發者生態層——五層疊加，才是輝達真正的壁壘。CUDA（Compute Unified Device Architecture）就是這個體系中承上啟下的核心軟體層。它不僅僅是"讓GPU做平行計算的工具"，而是一套定義了"如何用算力"的語言和規則體系。圖源：網路全球數百萬AI開發者，在研究生階段就學習CUDA程式設計；他們的論文程式碼、實習項目、開源貢獻，幾乎全部基於CUDA生態建構。當一個畢業生在CUDA上訓練了第一個模型，他的整個職業路徑都會被鎖定在這個生態上——換框架，意味著重寫程式碼；重寫程式碼，意味著放棄多年的積累。更深的一層是：AI框架（PyTorch、TensorFlow）和最佳化庫（cuDNN、TensorRT）都深度繫結CUDA。這意味著當研究人員說"這個模型在A100上訓好了"，他們實際上是在說"這個模型在CUDA生態裡建構好了"。晶片可以換，底層生態遷移的成本卻極高。這就是為什麼黃仁勳在訪談中說："這些生態系統很難替代，換掉它們需要花大量時間和精力，而且大多數人根本不願意換。"他還提出了一套"AI五層蛋糕"理論自洽自己的邏輯：能源→晶片→基礎設施→模型系統→行業應用。每一層都不是孤立的，而是彼此深度耦合。輝達真正的優勢，是在基礎設施層和模型系統層，同時提供了硬體加速和軟體工具的整合方案——這種全端能力，是單一晶片廠商無法提供的。中國是如何撕開這道裂縫的黃仁勳口中"災難"的觸發點，是DeepSeek V4全面轉投華為昇騰晶片。根據多方報導，DeepSeek V4將首次完全基於華為昇騰950PR（配合中芯國際7nm製程）進行訓練，底層程式碼從輝達CUDA生態重寫為華為自研的CANN框架。如果這一計畫按期落地，DeepSeek V4將成為全球第一個完全脫離輝達生態鏈路的頭部大模型。圖源：網路這一步的難度，不能被低估。這也是V4為何延後到4月底發佈的原因之一。從CUDA遷移到CANN，核心工作量相當於重寫整個模型的底層算子庫。DeepSeek團隊在V3時期積累了大量的CUDA最佳化程式碼，這些程式碼背後凝結了團隊對GPU硬體特性的深度理解。遷移到CANN，不僅僅是換一套API呼叫，而是需要工程師重新理解昇騰的架構特性，重新設計每一個計算核心的調度邏輯。但DeepSeek選擇走這一步，恰恰說明：遷移的代價，在戰略收益面前已經變得可以接受。撕開CUDA裂縫的力量，來自四個方向。第一：華為昇騰的性能已經足夠用了。昇騰910C配合中芯國際7nm工藝，在推理場景下的性能已經可以對標輝達H20。更關鍵的是，昇騰的硬體已經進入大規模量產階段——2026年一季度，昇騰950PR正式發佈並進入商用，國內外多個智算中心開始批次部署。第二：CANN框架已經成熟到可以承接工業級模型。CANN（Compute Architecture for Neural Networks）是華為自研的異構計算架構，定位對標CUDA。經過多年迭代，CANN在算子覆蓋度、編譯最佳化能力和偵錯工具上已經相對完善。DeepSeek V4若能成功遷移，說明CANN已經具備了承載頂級大模型的工程能力。圖源：網路第三：中國AI生態正在形成完整的替代鏈。晶片層：昇騰、寒武紀思元、燧原、沐曦、百度崑崙芯——五家主要廠商合計已佔據國內市場41%的出貨量（2025年資料）；框架層：華為MindSpore、百度PaddlePaddle、阿里MQL；模型層：DeepSeek、通義、文心一言——越來越多的模型開始在國產算力上進行預訓練。第四：政策壓力加速了遷移意願。2022年以來，美國商務部將昇騰系列列入實體清單，倒逼中國科技公司必須在國產晶片上實現技術自主。這種"被迫"的生態整合，反而在客觀上加速了中國AI算力生態的內循環。清華大學魏少軍教授在一次行業會議上曾指出："當前全球AI發展已被輝達的GPU架構和CUDA生態深度繫結，形成了'模型-架構-生態'三重依賴。打破這種依賴，不是某一家公司的事，而是需要整個產業生態協同遷移。"這條路的代價極高，但它正在發生。這場突圍，能走多遠黃仁勳的擔憂，還提出了一個反直覺的論斷：晶片不是AI的唯一瓶頸，能源才是。如果美國斷供晶片，中國AI發展的天花板將由電力而非算力決定；能源豐富的中國，有能力自己解決電力問題，屆時整個"晶片斷供"的邏輯就會反轉。這個論斷有它的合理性，但也有盲點。盲點在於：晶片的製程工藝，不僅僅是"買不買得到"的問題，更是"能不能造出來"的問題。中國目前最先進的製程是中芯國際7nm，而輝達最新Blackwell系列已使用定製4nm/3nm工藝。晶片製造工藝的差距，不是兩三年可以彌合的。專家們的預測，大致可以分為兩派。一派相對審慎，認為中國AI晶片的"替代"，更多是政治壓力下的被迫選擇，而非技術和商業上的自然結果。晶片性能的差距客觀存在，軟體生態的豐富度也遠不如CUDA，短期內很難在輝達傳統優勢的訓練場景實現完全替代。這一派的代表是部分美國半導體行業分析師，他們認為輝達的護城河依然堅實，"災難性後果"是黃仁勳在政策遊說時的誇大之詞。另一派則更為激進，認為中國AI生態的整合速度，已經超過了西方觀察者的預期。DeepSeek V3已經證明了中國團隊能在極低訓練成本下做出頂級模型；同樣的工程能力一旦遷移到昇騰生態，迭代速度會顯著加快。昇騰950PR的實測性能，已經接近H20；按照摩爾定律，18到24個月內，昇騰與輝達旗艦晶片的性能差距將進一步縮小。圖源：網路一個更值得關注的技術趨勢是：DeepSeek證明了，算力效率可以彌補晶片性能的差距。 DeepSeek V3用557萬美元完成了與GPT-4比肩的訓練，其核心方法正是極致的算力利用率最佳化。這意味著，即便中國晶片性能只有輝達的70%，通過演算法最佳化，差距可以被大幅壓縮。一場沒有終點的生態戰爭回到黃仁勳那句話。"如果DeepSeek先在華為平台上發佈，那對我們國家（美國）來說將是災難性的。"這句話的語境，不應該被簡化為"黃仁勳害怕華為"。它背後真實的焦慮是：輝達最害怕的，不是華為做出一款好晶片，而是中國通過政策壓力+市場整合+技術迭代，形成一個能夠自我進化的AI算力生態閉環。圖源：網路晶片禁運的政策壓力，反而加速了這個閉環的形成——這個邏輯反轉，是黃仁勳"災難"二字的真正所指。對於中國而言，目前還不意味著勝利。輝達的護城河，並非一紙禁令就能拆除。CUDA生態積累了十五年的開發者心智和使用習慣，不可能在一夜之間遷移；國產晶片在製程工藝、工具鏈成熟度上，與輝達的差距依然顯著；完整的替代生態，需要晶片廠商、模型廠商、雲服務商和終端使用者的協同共進，這是一場以十年為單位的耐力賽。但趨勢的方向已經確認。當DeepSeek V4全面適配昇騰的那一刻，那不只是一個模型的遷移，而是一張多米諾骨牌的倒下。第一個吃螃蟹的人已經出現了，跟進者會越來越多。黃仁勳的"災難"，或許不會在一夜之間降臨。但它描述的未來，正在以肉眼可見的速度，逼近現實。本文核心資訊來源：Dwarkesh Patel播客專訪黃仁勳全文（2026年4月15日），建議大家可以去看原視訊，資訊更豐富。 (首席商業評論)