頭部企業收入初具規模。 2026年的港交所，正進入由AI主導的IPO周期。 相較去年硬科技扎堆、A股雙重上市的熱潮，今年港股IPO主線明顯轉向人工智慧，且市場展現出更高的估值容忍度與參與熱情。 年初以來，港交所已相繼湧現多家千億市值的AI公司：智譜、MiniMax等大模型廠商市值升至數千億，迅策年內一度暴漲500%躋身千億行列，天數智芯、壁仞科技等晶片企業也接連跨過門檻。

2026 年 CES 舞台上，西門子 CEO Roland Busch 沒有講產品，而是先講了一個百年前的故事。他說，當年電力出現，把黑夜變成白晝，讓機器放大人的能力，把速度變成效率。而今天，工業正迎來另一次通用技術的代際更替。他給出了一個明確的判斷：工業 AI 不再只是功能，而是將重塑下個世紀的力量。這什麼叫“力量”？不是在傳統流程末端裝個演算法外掛、加個攝影機識別，而是從設計源頭就開始重構整個工業的運轉方式。所以這次發佈會，黃仁勳親自登台。西門子聯手輝達，這套“工業AI作業系統（Industrial AI Operating System）”，進產線了。第一節｜為什麼需要作業系統？過去十年，工業 AI 一直在做的事情，本質上是“外掛式最佳化”：在傳統流程末端加個視覺識別，在生產線上裝個預測性維護演算法，在質檢環節接入缺陷檢測模型。這些都有用，但都沒有改變工業的運轉方式。設計還是用傳統軟體畫圖，模擬驗證還是要花好幾天，製造系統還是按照預設的剛性流程執行。AI 只是在最後幫你最佳化一下，而不是從一開始就參與進來。這就是為什麼工業 AI一直停留在試點階段，很難真正規模化落地。那怎麼破局？Roland Busch 這次用一個案例來說明：如果要真正破局，該從那裡下手。他選的不是工廠，不是機器人，而是晶片設計。這個選擇很關鍵。因為晶片設計是整個工業鏈條裡最複雜、最依賴模擬、最吃算力的環節之一。如果工業 AI 連這個都能改，那它確實可能改所有東西。拿 Nvidia 剛發佈的新一代 GPU Vera Rubin 來說：功率 240 千瓦，內含 220 兆個電晶體，由 6 種不同晶片、冷卻網路、互連模組組成，整整重兩噸，耗費 15 萬工程人年才設計出來。這樣的硬體，傳統方式已經跑不動了。更關鍵的是，傳統方式是“設計完→驗證→發現問題→人工修改”，這個流程太慢了。黃仁勳給出的答案是：“工程師的目標不是寫 Verilog 程式碼，而是解決問題。未來會有 AI 設計師和人類設計師坐在一起，一起探索想法，一起迭代邊界。”這就是為什麼他們要從設計軟體開始動手。如果連圖紙怎麼畫都還是老方式，後面談工廠數字孿生、談AI製造，都是空中樓閣。所謂“工業AI作業系統”，第一步就是要解決這個問題：讓 AI 從設計的第一步就參與進來，而不是在最後一步幫你最佳化。第二節｜完整技術堆疊，雙方互用如果工業 AI 要從單點工具變成作業系統，那它到底長什麼樣？Roland Busch 和 黃仁勳在台上公佈的，不是某個新產品，而是一套完整的技術堆疊。這套技術堆疊分三層：最底層是 GPU 算力。傳統工業軟體是在 CPU上 運行，速度已經成為瓶頸。黃仁勳舉了個例子：過去做風洞模擬，運行一次要好幾天，現在遷移到GPU上，速度能快1000倍。這不是小幅最佳化，而是從"跑幾十種方案"到"跑上萬種方案"的質變。中間層是設計和模擬軟體。這是西門子的核心能力。他們的EDA工具、Simcenter工程模擬套件，要全部用CUDA重寫。更重要的是，這些軟體不再只做驗證，而是開始創造。AI 可以在海量資料上訓練，主動提出新的設計方案，而不是等工程師畫完圖再去檢查。應用層是製造控制和營運管理。這是西門子 50 年工業積累的價值。全球每三台製造機器就有一台運行著西門子的控製器。他們知道工廠怎麼運轉，知道那些資料重要，知道什麼樣的決策應該留給人類，什麼可以交給AI。三層合在一起，才是“作業系統”。缺任何一層，都只是工具拼湊。那這套作業系統怎麼落地？他們現場宣佈了 5 個深化合作方向：EDA軟體遷移GPU、工程模擬加速、自適應製造、AI工廠建設、相互使用技術。但這不是5個獨立項目，而是一條完整的鏈路。設計出來的晶片，能直接在數字孿生裡進行熱模擬；驗證通過的工廠佈局，能直接推送給產線AI調整；模擬出來的最優參數，能即時下發到邊緣控製器。整個流程不需要人工轉換格式、不需要資料重新錄入、不需要跨部門開會對齊。而這套系統的第一個實體產品，叫Digital Twin Composer，數字孿生建構器。它能建立任何產品、工廠、流程的虛擬 3D 模型，連接即時資料。更關鍵的是，它不是孤立的模擬工具，而是能直接連到西門子的營運軟體和硬體。也就是說，你可以從虛擬環境中直接對現實世界做出改變：調整機器速度、改變溫度參數、重新分配物料流轉路線。數字世界和物理世界之間，不再有那道看得見摸不著的牆。這個產品已經上線到西門子自己的Xcelerator平台，不是演示版本，而是真實商用。工業 AI 不是誰都能做的。西門子和輝達能做成，是因為各自拿出了關鍵能力。第一，需要真正理解工業場景。西門子在30個工業垂直領域都有深厚積累，1500名AI專家，25萬員工帶來的行業知識。第二，需要GPU算力革命。傳統CPU根本運行不起來這個量級的模擬和模擬。Nvidia的CUDA生態、GPU架構、AI加速能力，是這套系統的算力基座。第三，需要自己先用。Roland 在現場明確說：“我們會在 2026 年，在德國啟動第一個完全AI驅動的自適應製造基地。我們自己的工廠，會用我們自己的技術。”當一個做了 175 年工業的公司，把自己的工廠當作第一個試驗場，這就是最好的背書。黃仁勳也說：我們要一起加速西門子的 EDA 軟體，這樣我們就能更快地設計晶片，然後用這些晶片更快地加速西門子的軟體。我們要一起最佳化 Simcenter 模擬工具，這樣我們就能更快地設計 AI 工廠，然後用這些工廠製造更強大的AI。這是一個正向循環。而正向循環的起點，是雙方都把對方的技術用在自己最核心的業務上。完整技術堆疊、真實場景驗證、正向循環加速，這個“工業AI作業系統”就是這麼做成的。第三節｜誰在用？百事可樂、勞斯萊斯、聚變能源很多 AI 項目都死在“能做”和“能用”之間。演示視訊裡效果很好，到了真實產線就不靈了。西門子自己要用，一批客戶也已經在執行真實項目。1、百事可樂是第一批客戶他們拿一座營運了 50 年的老倉庫做測試。這個倉庫已經滿足不了高峰期需求，傳統做法是擴建或新建，動輒幾百萬美元。他們選擇先在數字世界裡重新設計。用數字孿生模擬不同的貨物流轉方式、叉車路線、機器人走位，AI自動推演出幾百上千種佈局方案，找出最有效率的那個。結果：三個月內，吞吐效率提升20%。更關鍵的是，他們內部估算，整個營運鏈條的資本支出可能因此減少10%到15%。2、另一個案例是勞斯萊斯他們用這套工具最佳化航空發動機裡的液壓泵設計。把零件和製造機器都建成數字孿生，用AI模擬整個加工過程。結果：CAN程式設計時間縮短80%，工廠整體生產力提升30%。3、還有一個更遠期的案例：聚變能源Commonwealth Fusion Systems在用西門子的技術設計全球第一台商業聚變反應堆。目標是在弗吉尼亞州建造一台能產生 400 MW電力的商業聚變機組，Google已經簽了購電協議。這個項目的意義在於：黃仁勳提過，一個 AI 工廠需要 1 吉瓦的電，成本 500 億美元。沒有清潔、穩定、充足的能源，這些 AI 工廠根本建不起來。而聚變能源從設計到工廠控制，全程用西門子的數字孿生和自動化系統，本身就是工業 AI 作業系統的完整驗證。4、再看更日常的場景：電網管理西門子的 AI 能幫城市電網模擬：加1 萬輛電動車會不會崩潰？能不能提前 0.5 秒預測負載？讓樓宇自動調整能耗穩定電網？他們現在已經能做到：在不需要新增基礎設施的情況下，將現有電網容量最大化 20 %。從50年老倉庫到航空發動機，從聚變反應堆到城市電網，這些案例覆蓋的場景完全不同，但做法是一樣的：用數字孿生把物理世界複製一遍，用AI在虛擬環境裡找出最優方案，然後把結果同步回現實世界。百事可樂的 20%，勞斯萊斯的 80%，電網的 20%。這些數字背後，是工業 AI 從“功能”變成了“力量”。不再是末端最佳化，而是源頭重構。不再是試點項目，而是真實產線。西門子和輝達，讓工業 AI 作業系統真正落地了。 (AI深度研究員)

上周輝達剛剛成為全球首家市值超4兆美元的公司。世界離不開“六邊形戰士”輝達，輝達離不開中國。黃仁勳年內第三次踏上中國土地，這一次他的黑色皮衣成了北京35℃高溫下最醒目的標誌。14日，他與小米創始人雷軍並肩站在一輛SU7旁豎起大拇指的照片，全網刷屏。繼1月來主要穩定員工和合作夥伴的信心，4月來重申對中國市場的承諾不同，這次以參加第三屆中國國際供應鏈促進博覽會的名義來華則帶來了兩個關鍵消息：美國政府已批准輝達恢復向中國銷售H20晶片，同時宣佈專為中國市場定製的RTX Pro顯示卡即將上市。此行前72小時，黃仁勳剛到白宮跟川普支會。當記者問及會談內容，他輕描淡寫地帶過：總統知道我要來中國，還祝我旅途愉快。這是必然要遊刃於政商之間的黃仁勳“晶片外交的關鍵一步”，而配合邁出這一步，他在行前接受美媒訪談時強調，“中國軍方不會使用輝達技術”，以緩解美國國內一小撮人的安全焦慮。明眼人都清楚，這趟跨越太平洋的飛行，背負著輝達在中國價值500億美元晶片市場的生死棋局。四個月前美國對H20實施無限期出口管制時，輝達被迫計提55億美元損失，中國市場份額在一年多來更是腰折。彼時，黃仁勳疾呼：“失去中國市場將是巨大損失”，如今禁令在中美博弈中獲得一定解除，商業理性在政治博弈與黃仁勳的不懈遊刃中，取得階段性的妥協與勝利。如此，黃仁勳便馬不停蹄來到中國為輝達做新的推銷，可謂迫不及待。這是黃仁勳首次參加第三屆中國國際供應鏈促進博覽會，而在6月上旬，他剛剛首次參加了在法國巴黎舉辦GPU Technology Conference（圖形處理器技術大會）。在巴黎大會上，他稱，當下正在掀起第四次工業革命，他又回到最初工業革命開始的地方。他講到，從設計、模擬、工廠數字孿生到在工廠中運行AI，輝達與西門子在眾多領域展開合作，實現端到端全流程的協同。他重磅官宣，將在歐洲建設全球首個“工業AI雲”。但顯然，歐洲取代不了中國的地位。即便他隨川普前往中東也狂攬大單，中東市場又豈能與中國相比！在15日拜訪中國貿促會會長任鴻斌會談及事後受訪中，黃仁勳再次展露了於中國而言的柔軟面。任鴻斌問他，您為什麼來參加鏈博會？他說：中國製造的產品真的超乎想像，供應鏈是相互聯絡的，沒有任何地區能夠完全靠自己製造產品。中國是當今世界上最大的技術市場之一，未來也仍然是世界上最大的技術市場之一。他說，他熱愛競爭，競爭就像是學習的過程，你從他人身上學習，吸取最好的想法，應用到自己身上，然後做得更好，這就是人類的智慧，這就是人類的努力。在接受訪談時，黃仁勳表示，必須全力以赴應對來自中國市場的競爭在受訪時，他更為清晰地表示：為了引領技術，我們需要確保所有優秀的人工智慧研究者都能使用我們的技術堆疊。全球50%的人工智慧研究者，都在中國。中國有非常多充滿創新和活力的公司。美國公司能夠在中國市場競爭，並服務中國市場，這點非常重要。中國也是進入其它市場的絕佳跳板。中國市場非常龐大，充滿活力，極具創新。這裡有眾多人工智慧研究者，因此美國公司一定要到這裡來。對輝達而言，中國不僅是全球第二大營收來源，更是技術生態的命脈。雖然整體生態不如甚至有賴於輝達CUDA，但華為昇騰910B已佔據國內近三成的市場份額，並在諸多場景中正在替代輝達，國產GPU“四小龍”也正在中國史無前例的強調科技金融中，集體衝擊科創板IPO。輝達必須用技術代差換取時間窗口。否則，正如他所言，“無論有沒有美國晶片，中國AI都會前進”。他的頻繁訪華，恰似一場與時間的賽跑——在國產替代成熟前，鎖定生態優勢。當記者調侃他高溫天穿皮衣的執念，他笑著坦白：“西裝沒幹洗，皮夾克是唯一選擇”——這份真實感意外拉近了與公眾的距離，但輕鬆表象下藏著鋒利戰略。RTX Pro顯示卡的推出，將直擊中國AI產業鏈的斷層需求，是針對中國市場需求創新。這款閹割了NVLink和HBM技術的降規版晶片，卻在70億參數模型訓練中保持92%原版效率。當黃仁勳在鏈博會參與到高舉“全球供應鏈互聯”的旗幟時，這位皮衣刀客的深層邏輯已然清晰：科技霸權正在重構，沒有誰能獨自掌控棋局。輝達需要中國的市場、人才與跳板效應，中國需要輝達的技術與生態，而中美技術戰的硝煙中，正如黃仁勳在被問及“中美關係理想的樣子是什麼”時所說：既有競爭，也有合作。在競爭中合作，在共生中博弈。此刻黃仁勳正站在這塊翹翹板和跳板中央，試圖達致一種力量的微妙平衡。他正在如願中。市場也對這種確定性用腳投票：中國CPO概念股集體飆升，超千億市值的新易盛直接漲停，而輝達則以超4%的漲幅開盤。 (元界)

推理模型開始「自言自語」、量子計算進入臨界點……AI大航海時代已然啟航，這不是一次產品發佈會，而是未來的預言書。巴黎GTC大會，黃仁勳開講了！這次他脫下了皮衣。「AI是世界上創造的最偉大的平等工具。」在巴黎，黃仁勳這樣說道。他表示，人工智慧既不會引發反烏托邦式災難，也不會導致壟斷，它是解放人類的工具。再巴黎GTC會議後的新聞發佈會上，黃仁勳認為AI的確改變了職場，但駁斥了Dario Amodei最近關於AI導致大裁員的預測：每個人的工作都會發生變化。雖然部分崗位會被替代，但也會湧現出大量新職業……當公司更具生產力時，他們會僱傭更多人。這次輝達還簽了個大單：直接賣了1萬塊GPU！這些GPU將用於在德國建設全球首個工業AI雲平台，加速歐洲工業巨頭的製造應用。輝達2026財年第一季度財報出來時，黃仁勳表示歐洲AI意識覺醒，算力需求爆發。他將拜訪多個歐洲國家首腦。這次歐洲之行，輝達收穫滿滿，包括與法國、德國、義大利等國家達成合作。此外，與多家公司和研究機建構立了合作關係，包括與Mistral合作開發AI雲服務等。黃仁勳還宣佈了DGX Lepton項目，助力歐洲擴大AI影響力：DGX Cloud Lepton正在連接歐洲開發者與全球AI基礎設施。我們正在與來自歐洲的夥伴共同打造AI工廠網路，供開發者、研究人員和企業將本地的突破性成果擴展為全球性創新。這意味著客戶能夠自動將推理工作負載從不同的雲平台之間轉移，同時理論上保持相同的軟體使用者介面和體驗。如果DGX Lepton成功，它將為所有新雲（neocloud）建立標準的使用者體驗、價值和性能水平，這將導致這些新雲陷入激烈的價格戰，最終使利潤降至極低的商品水平。這是輝達首次在巴黎舉行GTC大會，拉開2025年VivaTech的序幕，揭示了從智能體系統到AI工廠的下一階段AI計算。從感知AI到自主AI正是輝達的GPU，使AI革命成為可能。而AI，早已是輝達關注的重點。在巴黎GTC上，黃仁勳回顧了AI的發展，強調了AI在理解、感知、推理、規劃和執行任務方面的進步。AI的第一波浪潮：感知智能回到2012年，那時輝達與開發者合作，「深度學習」的新演算法橫空出世，誕生了AlexNet，這被認為是AI的宇宙大霹靂時刻。AlexNet由Alex Krizhevsky, Ilya Sutskever,和「深度學習教父」Hinton使用Cuda和C++開發在過去15年，AI的進展非常迅速。第一階段是讓電腦看懂圖像、聽懂語音、識別模式。這就是「感知智能」。第二波浪潮：生成式人工智慧（Generative AI）最近這五年，AI進入了第二階段——生成式人工智慧GenAI。AI不只是識別，還能生成圖像、生成語言內容。它擁有「多模態」能力——能夠同時理解圖像和文字，所以我們可以用文字“提示”AI去創作圖像。這項能力極大地提升了我們生產內容的效率。AI能寫、能畫、能說、能演，這開啟了「內容生成革命」。為了支援開源生態，讓開發者與企業也能擁有世界一流的大模型，於是輝達打造了NeMo框架和Nemotron項目。NeMo是NVIDIA開發的全端大模型平台，而Nemotron是提升開源模型質量的專項計畫。LLaMA Nemotron針對性強化了開放原始碼的Llama模型，效率和精準率大幅度提升。在多個領域，Nemotron模型排名領先，性能優異。第三波浪潮：Agentic AI現在進入了第三波浪潮 —— 智能體AI（Agentic AI）。智能不僅僅是識別或生成內容，更是能“理解、推理、規劃並執行任務”。我們正在開啟新一波AI浪潮。從根本上說，智能是關於理解、感知、推理、規劃任務（如何解決問題），然後執行任務。真正的智能包括三個核心循環：感知（Perception）推理（Reasoning）規劃（Planning）它允許應用一些以前學過的規則，來解決從未見過的問題。這就是聰明人之所以聰明的原因，他們能夠解決複雜問題，將問題一步步分解，思考如何解決問題；也許會進行研究，也許會學習一些新資訊，獲得一些幫助；使用工具，並一步步解決問題。智能體AI（Agentic AI）具備這些能力，它能將所學知識應用到新問題中，逐步拆解複雜問題，找到解決方案。比如：面對沒見過的問題，AI可以自己想步驟、找工具、搜尋資料、呼叫其他智能體、整合上下文，並一步步完成任務。輝達提供了完整的Agent平台。企業客戶正在用它建構專屬Agent系統：Cisco（思科）：用於企業安全情報的AI平台；SAP：將AI整合到業務自動化；DeepL：用於翻譯系統的AI平台；PhotoRoom：用於AI圖像與視訊編輯；Kodo（前Kodium）：AI程式碼助手；Iola：語音互動系統；全球最大臨床試驗自動化平台：也使用NeMo建構智能體。第四波浪潮：進入機器人時代在實際實現中，智能體AI的具身化以及現在的生成能力正在生成運動。這種AI不是生成視訊、圖像或文字，而是生成局部運動。它能夠行走，或者伸手抓取東西，使用工具。AI以物理形式具身化的能力基本上就是機器人技術。這些能力，即實現智能體（基本上是資訊機器人）和具身化AI（物理機器人）的基本技術，現在已經擺在我們面前。從虛擬世界走向現實，這就是「具身智能」（Embodied AI）的世界。機器人就是這種智能的物理體現。目前，我們正處於兩個核心AI領域交匯的時刻：（1）資訊型機器人（像ChatGPT這樣的聊天助手）；（2）實體型機器人（可以在物理世界中行動的AI）。這兩類智能體現在都已經成為現實，我們正在迎來AI發展的全新時代！對於AI來說，這真是令人興奮的時刻。但這一切都始於都始於輝達的第一張顯示卡：GeForce 256。GeForce 256加速千行百業GeForce帶來了電腦圖形。這是有史以來開發的第一個加速計算應用程式，電腦圖形的發展令人難以置信。GeForce將CUDA帶給世界，這使得機器學習研究人員和AI研究人員能夠推進深度學習。隨後，深度學習徹底改變了電腦圖形，並使我們將電腦圖形提升到全新的水平成為可能。黃仁勳展示了電腦模擬：光子模擬、物理模擬、粒子模擬。所有一切從根本上來說都是模擬，而不是動畫，也不是藝術。它之所以看起來如此美麗，是因為世界本身就是美麗的，數學也是美麗的。那麼，讓我們一起來看看吧。這本質上就是模擬，而且看起來非常美麗。現在能夠模擬幾乎所有事物的規模和速度，可以將所有事物都變成數字孿生。因為所有事物都可以被數字孿生，我們可以在將其投入物理世界之前，完全以數字方式進行設計、規劃、最佳化和操作。一切都在軟體中建構，輝達將這一想法現在已經成為現實：所有物理事物都將以數字方式建構。所有宏偉的事物都將以數字方式建構。所有以巨大規模運行的事物都將首先以數字方式建構，並且會有數字孿生來操作它們。現在的「GB300 NVL 72」看起來是這樣的。該計算裝置重兩噸半，1.2萬個零件，大約300萬美元。120千瓦，由150家工廠製造，200家技術合作夥伴與輝達合作完成它已經完全投入生產。它被設計成一台思考機器。這意味著它能夠推理、規劃，並且像人一樣，花費大量時間自言自語。加速AI推理推理模型正在自言自語，我們需要30到40倍的性能提升。它不再是那種一問一答的ChatGPT，現在是推理模型，當思考時，它會生成更多的token。它會一步步地分解問題、推理；嘗試各種不同的路徑：也許是思維鏈（chain of thoughts），也許是思維樹（tree of thoughts）的最佳結果。它會反思自己的答案。可能你已經看到這些研究模型在反思答案，說「這是一個好答案嗎？你能做得更好嗎？」然後推理模型會說：「哦，是的，我能做得更好。」然後回去思考更多。因此，這些思考模型、推理模型實現了令人難以置信的性能，但這需要更多的算力。而最終的結果，MVLink 72 Blackwells的架構，帶來了性能的巨大飛躍，在僅僅一代之內實現30到40倍的性能提升。根據摩爾定律，半導體物理學，每三到五年只有大約兩倍的性能提升。而解讀下圖的方式是：X軸代表它思考的速度。Y軸代表工廠在同一時間支援大量使用者時的產出量。加速計算輝達曾經夢想，建立全新的計算平台，去完成傳統電腦無法完成的任務。他們加速了CPU，創造了一種全新的計算方式，稱為「加速計算」。他們最初的應用之一是分子動力學模擬。從那以後，他們走過了漫長的道路，開發了無數的庫。事實上，使加速計算與眾不同的原因在於，它不僅僅是一個新的處理器，也不僅僅是你編譯程式碼就能運行的軟體。你必須徹底重新設計你的計算方式，重新構思你的演算法。而這對大多數人來說極其困難——要將軟體和演算法重新建構為高度平行化的形式並不容易。所以，他們建立了各種庫，幫助每一個行業、每一個應用領域實現加速。每一個這樣的庫都為開發者打開了新的可能。比如：計算光刻，也許是今天半導體設計中最重要的應用之一；它在台積電、三星等大型晶圓廠中運行，在晶片製造之前會運行一個基於反物理演算法的流程，稱為Computational Lithography（計算光刻）。稀疏求解器、代數多重網格求解器等。cuOpt：剛剛開放原始碼的應用庫，它能加速決策制定，最佳化數百萬變數和約束的問題，比如旅行商問題。這些只是他們提供的部分庫。他們有400多個類似的庫，每一個都加速特定的應用領域，每一個都為行業打開新的可能。另一個極其重要的是CUDA Q。它將CUDA擴展到量子經典領域。量子計算拐點輝達開發CUDAQ已經好幾年了。黃仁勳認為：「量子計算正在發生拐點。」眾所周知，在近30年前，第一個物理量子位元就被演示了。第一一個糾錯演算法於1995年被發明，而在2023年，將近30年後，世界上第一個邏輯量子位元由Google演示。從那時起，幾年後，邏輯量子位元的數量（由大量帶糾錯的物理量子位元表示）開始增長。就像摩爾定律一樣，完全可以預期每5年邏輯量子位元增加10倍，每10年增加100倍。這些邏輯量子位元將得到更好的糾錯，更健壯，性能更高，更有彈性，當然也將繼續可擴展。輝達與世界各地的量子計算公司以多種不同的方式合作，而歐洲相關從業者最多。現在，輝達很清楚：「我們已經觸手可及，能夠在未來幾年將量子計算，量子經典計算應用於可以解決一些有趣問題的領域。」這是真正激動人心的時刻。在接下來的幾年裡，或者至少是下一代超級電腦，都將配備QPU，並且QPU將連接到GPU。QPU當然會進行量子計算，而GPU將用於預處理、控制、糾錯（這將是計算密集型的）、後處理等。就像加速CPU一樣，現在有QPU與GPU協同工作，以實現下一代計算。參考資料：https://www.youtube.com/watch?v=X9cHONwKkn4%20https://www.nvidia.cn/gtc/paris/keynote/https://nvidianews.nvidia.com/news/nvidia-builds-worlds-first-industrial-ai-cloud-to-advance-european-manufacturinghttps://media.iprsoftware.com/219/files/20255/gtc-paris-2025-keynote-deck.pdfhttps://fortune.com/2025/06/11/nvidia-jensen-huang-disagress-anthropic-ceo-dario-amodei-ai-jobs/https://abcnews.go.com/Technology/wireStory/nvidia-chief-calls-ai-greatest-equalizer-warns-europe-122745910https://x.com/SemiAnalysis_/status/1932802502069755956https://blogs.nvidia.cn/blog/nvidia-dgx-cloud-lepton-connects-europes-developers-to-global-nvidia-compute-ecosystem/ (新智元)