#西門子
西門子聯手輝達:工業 AI 作業系統,進產線了
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)
【CES 2026】百兆規模!輝達扔出3枚重磅“炸彈”之深度洞察!
台北時間2026年1月6日凌晨5點,美國拉斯維加斯國際消費電子展(CES)的主舞台上,輝達CEO黃仁勳身著標誌性的黑色鱷魚皮紋夾克跑步登台。在這場被稱為“科技春晚”的全球頂級科技盛會上,黃仁勳沒有帶來消費者期待的GeForce新品,卻用一場長達2小時的演講,向全球拋出了足以重塑AI產業格局的3枚重磅炸彈——Vera Rubin AI超級計算平台全面投產、Alpamayo可推理自動駕駛模型開源落地、與西門子共建物理AI工業生態。這三大發佈並非孤立的技術展示,而是串聯起輝達從“雲端AI算力”到“物理世界落地”的全端佈局,標誌著AI產業正式從“生成式上半場”邁入“推理型+物理落地下半場”。更重要的是,這場演講背後,是一個規模達百兆級的全新產業生態正在加速成型,從晶片設計、算力基礎設施到智能駕駛、工業製造,每一個環節都將迎來顛覆性變革。本文將從技術核心拆解、產業鏈重構影響、算力格局變革、行業趨勢預判四大維度,深度剖析黃仁勳這3枚“炸彈”的核心價值與深遠影響。開篇:AI產業的“轉折點”訊號——從黃仁勳的三個核心判斷說起演講伊始,黃仁勳就拋出了三個顛覆行業認知的核心判斷,為整場發佈會奠定基調:“AI競賽已經開始,所有人都在努力達到下一個水平”“物理AI的ChatGPT時刻已近”“開源模型將成為未來最大的AI生態”。這三個判斷並非空穴來風,而是建立在輝達對AI產業發展規律的深刻洞察之上。從產業背景來看,2025年AI行業經歷了從“狂熱追捧”到“理性深耕”的轉型。一方面,大模型參數規模持續飆升,每年增長10倍的速度讓算力需求呈指數級增長;另一方面,OpenAI o1模型的推出開啟了“測試時擴展”(Test-time Scaling)時代,AI從“一次性問答”轉向“多步思考”,推理階段的算力消耗首次超越訓練階段,成為行業新的成本痛點。與此同時,全球勞動力短缺加劇,工業、交通等傳統產業對AI落地的需求日益迫切,物理AI成為產業升級的核心突破口。黃仁勳的三大發佈,正是精準回應了這三大行業痛點:Vera Rubin平台解決“算力不足、成本過高”的問題,Alpamayo模型突破“物理AI落地難、長尾場景無法覆蓋”的瓶頸,與西門子的合作則打通“AI從設計到製造的工業全鏈路”。這三者共同構成了輝達“全端AI+物理落地”的戰略藍圖,也標誌著AI產業正式進入“技術變現”的關鍵階段。重磅炸彈一:Vera Rubin平台全面投產——極端協同設計打破摩爾定律桎梏“Vera Rubin已經全面投產。”當黃仁勳說出這句話時,全場掌聲雷動。這款以發現暗物質的美國天文學家薇拉·魯賓命名的AI超級計算平台,被黃仁勳稱為“一隻巨大的怪獸(It's a giant ship)”,它的出現,不僅是輝達算力佈局的里程碑,更是人類在半導體物理極限下實現算力突破的典範。一、技術核心拆解:六晶片協同設計,1.6倍電晶體實現5倍性能躍升摩爾定律放緩已是行業共識,電晶體數量的增長速度早已無法滿足AI模型對算力的需求。資料顯示,AI模型參數每年增長10倍,而半導體工藝進步帶來的電晶體數量增長每年僅能達到20%-30%。在這種背景下,輝達放棄了“單一晶片性能堆砌”的傳統思路,採用“極端協同設計”(Extreme Co-design)理念,重新設計了整個計算系統的每一個環節。Vera Rubin平台由六款核心晶片組成,分別是Vera CPU、Rubin GPU、ConnectX-9網路卡、BlueField-4 DPU、NVLink 6交換機和Spectrum-6乙太網路交換機。這六款晶片並非簡單拼接,而是從設計之初就實現了深度協同,形成了“計算-儲存-網路”三位一體的高效算力架構。1. Rubin GPU:NVFP4技術重構張量計算,性能密度突破物理極限作為平台的核心計算單元,Rubin GPU的浮點性能達到了Blackwell GPU的5倍,但電晶體數量僅為後者的1.6倍。這一突破的關鍵在於輝達自研的NVFP4 Tensor Core技術——其本質是一套“硬體級自適應精度調度架構”,而非簡單的精度壓縮方案。相較於傳統FP4(固定4位精度)、FP8(固定8位精度)的靜態精度模式,NVFP4通過三大核心硬體模組實現動態適配:一是精度感知調度單元,可即時解析Transformer模型各層計算任務的精度需求,生成精度調度指令;二是混合精度計算陣列,整合4位、8位、16位三種計算單元,可根據調度指令動態啟動對應單元;三是誤差校準模組,通過硬體級量化誤差補償演算法,確保低精度計算時的誤差可控。這種全硬體化的設計,使得精度切換延遲控制在1納秒以內,遠優於軟體層面的精度調整(通常為微秒級)。具體來說,在模型的注意力機制、FeedForward網路等對精度敏感度較低的環節,NVFP4會啟動4位計算單元,將算力吞吐量最大化;而在模型的輸出層、歸一化層等對精度要求較高的關鍵環節,會自動切換至8位或16位計算單元,確保輸出結果的精準性。輝達CES 2026現場發佈的實測資料顯示,在運行GPT-5、Claude 4等主流大模型時,NVFP4在保證模型精度損失不超過0.8%(較此前1%進一步最佳化)的前提下,算力吞吐量較傳統FP8方案提升4.2倍,較FP4方案提升1.8倍。從產業資料來看,截至2025年底,全球已有微軟Azure、GoogleCloud、阿里雲等12家頭部雲廠商確認採用NVFP4技術的Rubin GPU,預計2026年搭載NVFP4技術的AI伺服器出貨量將突破150萬台,佔全球高端AI伺服器市場的68%;成本端,採用NVFP4技術後,大模型推理的單位Token成本較Blackwell平台降低91%,較行業平均水平降低94%,推動Agentic AI的商業化落地門檻大幅下降。此外,Rubin GPU整合了8組HBM4記憶體,頻寬高達22 TB/s,是Blackwell GPU的2.2倍,有效解決了“計算快、資料慢”的記憶體牆問題。每顆Rubin GPU還採用了“雙晶粒封裝”技術,將兩個GPU晶粒整合在一個封裝內,進一步提升了算力密度。2. Vera CPU:空間多線程技術破解“CPU瓶頸”在AI計算場景中,CPU往往成為性能瓶頸。傳統CPU的線程調度機制無法跟上GPU的高平行計算速度,導致大量GPU算力被閒置。為瞭解決這一問題,輝達設計了全新的Vera CPU,整合了88個定製Olympus Arm核心,採用“空間多線程”(Spatial Multi-threading)技術,能夠同時高效運行176個線程。與傳統的時間分片多線程不同,空間多線程為每個線程分配獨立的計算資源,避免了線程切換帶來的性能損耗。測試資料顯示,Vera CPU的單線程性能是當前行業頂級CPU的1.5倍,多線程性能更是達到了2倍,能夠完美匹配Rubin GPU的高平行計算需求,確保GPU算力得到充分釋放。3. 網路與儲存:240 TB/s頻寬+16TB擴充記憶體,打破算力瓶頸AI超級計算的性能不僅取決於單晶片性能,更取決於晶片之間的協同效率。Vera Rubin平台採用了全新的NVLink 6交換機,其交換晶片的SerDes速率達到了400 Gbps,是當前行業主流水平的2倍。一個Vera Rubin機架通過NVLink 6交換機連接18個計算節點,能夠實現240 TB/s的機架內通訊頻寬,這一數值是全球網際網路總頻寬的2倍以上。在儲存方面,Vera Rubin平台引入了BlueField-4 DPU,建構了全新的推理上下文記憶體儲存平台。AI在推理過程中產生的KV快取(鍵值快取)是影響推理性能的關鍵因素,傳統架構中KV快取只能儲存在昂貴的HBM記憶體中,容量有限。而BlueField-4 DPU能夠為每個Rubin GPU提供額外的16 TB高速共用記憶體,且通過200 Gbps的高速鏈路與計算節點連接,延遲僅為傳統儲存的1/10。這一設計徹底解決了AI長文字對話、複雜推理場景下的“視訊記憶體牆”問題。資料顯示,在處理10萬字長文字推理任務時,Vera Rubin平台的響應速度是Blackwell平台的8倍,且能夠支援1000人同時進行長對話互動。4. 散熱與能效:45℃溫水冷卻,重構資料中心能源經濟學AI超級電腦的高功耗一直是行業痛點。Vera Rubin平台採用了100%液冷設計,且支援45℃的溫水冷卻,這一溫度遠高於傳統資料中心的冷卻水溫(通常為15-25℃)。這意味著資料中心無需配備高能耗的冷水機組,僅通過自然冷卻或溫水循環即可實現散熱,能夠為全球資料中心節省6%的電力。按照全球資料中心年耗電量約2000太瓦時計算,這一設計每年可節省120太瓦時電力,相當於減少9600萬噸二氧化碳排放。同時,Vera Rubin平台還具備“功率平滑”(Power Smoothing)功能,能夠緩解AI工作負載帶來的25%峰值功率波動,避免了資料中心為應對峰值負載而進行的過度供電配置,進一步降低了能源浪費。二、產業鏈影響:從晶片到資料中心,重塑百兆級算力生態Vera Rubin平台的全面投產,不僅將改變AI算力的供給格局,更將重塑整個半導體與資料中心產業鏈。從上游的晶片設計、材料製造,到中游的裝置整合、軟體最佳化,再到下游的雲服務、AI應用,每一個環節都將迎來新的機遇與挑戰。1. 上游:半導體材料與裝置迎來增量需求Vera Rubin平台採用了台積電最新的CoWoS矽光子整合工藝,這一工藝需要全新的矽光子材料、光刻膠和蝕刻裝置。資料顯示,矽光子晶片的製造難度是傳統晶片的3倍以上,對光刻裝置的精度要求達到了1奈米等級。這將為ASML、應用材料等半導體裝置廠商帶來新的訂單增長。同時,Vera Rubin平台的100%液冷設計推動了液冷材料與裝置的發展。與傳統的風冷裝置不同,溫水冷卻系統需要耐腐蝕、高導熱的散熱材料,以及高效的水循環裝置。預計未來3年,全球AI資料中心液冷市場規模將從當前的50億美元增長至200億美元,年複合增長率超過50%。2. 中游:伺服器廠商格局重構,系統整合能力成核心競爭力Vera Rubin平台採用了全新的NGX機箱設計,將組裝時間從2小時縮短至5分鐘,且實現了無電纜、無軟管、無風扇的一體化設計。這一設計對伺服器廠商的整合能力提出了極高要求,傳統的伺服器組裝模式將無法滿足需求。目前,輝達已經與富士康、廣達、緯創等頭部ODM廠商達成合作,共同推進Vera Rubin平台的量產。這些廠商將獲得優先的產能分配,進一步鞏固其在AI伺服器市場的領先地位。而中小伺服器廠商由於缺乏核心整合技術,將逐漸被淘汰,行業集中度將進一步提升。預計到2027年,全球前5大AI伺服器廠商的市場份額將超過80%。3. 下游:雲廠商算力成本大幅降低,Agentic AI商業化加速Vera Rubin平台的最大優勢之一是大幅降低了AI推理成本。黃仁勳明確表示,Rubin平台的推理Token生成成本僅為Blackwell平台的1/10。這對雲廠商而言,無疑是重大利多。資料顯示,2025年全球雲廠商的AI算力支出超過1500億美元,其中推理成本佔比達到60%。採用Vera Rubin平台後,雲廠商的AI推理成本將降低90%,每年可節省超過800億美元的支出。成本的降低將加速Agentic AI(代理智能體)的商業化落地。Agentic AI需要進行多步推理、工具呼叫和長文字互動,對算力的需求是傳統AI的10倍以上。此前,高昂的算力成本限制了Agentic AI的大規模應用。隨著Vera Rubin平台的普及,Agentic AI將在企業服務、醫療診斷、金融分析等領域實現規模化落地,預計2027年全球Agentic AI市場規模將超過5000億美元。三、算力格局變革:輝達鞏固壟斷地位,開源算力生態迎挑戰Vera Rubin平台的發佈,進一步鞏固了輝達在AI算力領域的壟斷地位。資料顯示,2025年輝達在全球AI GPU市場的份額達到82%,而Vera Rubin平台的投產將進一步擴大這一優勢。目前,微軟已經宣佈將在下一代AI超級工廠中部署數十萬顆Vera Rubin晶片,Google、亞馬遜等雲廠商也紛紛與輝達簽訂長期採購協議。與此同時,開源算力生態也面臨著巨大挑戰。儘管黃仁勳表示“開源模型將成為未來最大的AI生態”,但開源生態的算力供給主要依賴於中低端GPU和通用計算晶片,在性能上與Vera Rubin平台存在巨大差距。以當前主流的開源AI晶片為例,其推理性能僅為Rubin GPU的1/20,成本優勢也將隨著Vera Rubin平台的普及而逐漸消失。不過,開源生態並非沒有機會。針對特定場景的輕量化開源模型,在邊緣計算領域仍具備一定的競爭力。例如,在智能家居、工業感測器等低算力需求場景,開源晶片+輕量化模型的組合能夠滿足基本需求,且具備更高的性價比。未來,AI算力市場將形成“輝達主導的高端算力市場+開源生態主導的邊緣算力市場”的二元格局。重磅炸彈二:Alpamayo自動駕駛模型開源落地——物理AI迎來商業化元年“物理AI的ChatGPT時刻已到來——機器開始理解、推理並在真實世界中行動。”黃仁勳在演講中多次強調這一觀點,並行布了全球首款開放原始碼的VLA(視覺-語言-行動)自動駕駛推理模型——Alpamayo。更重要的是,黃仁勳明確了商業化時間表:搭載Alpamayo模型的梅賽德斯-奔馳CLA車型將於2026年第一季度在美國上路,第二季度進入歐洲,第三、四季度登陸亞洲。這標誌著物理AI正式從實驗室走向商業化,自動駕駛行業迎來顛覆性變革。一、技術核心拆解:端到端推理+可解釋性,破解自動駕駛長尾難題傳統的自動駕駛模型採用“模組化設計”,分為感知、決策、控制等多個獨立模組,每個模組需要單獨訓練和最佳化。這種設計存在兩個致命缺陷:一是模組之間的資訊傳遞存在延遲,無法應對複雜的動態場景;二是無法處理未見過的長尾場景,導致自動駕駛的安全性無法得到保障。Alpamayo模型採用了“端到端訓練+多模態融合”的設計思路,核心是建構“視覺-語言-行動”(VLA)統一建模框架,從攝影機、雷射雷達等感測器的原始資料輸入,到方向盤轉角、剎車力度、加速踏板行程等執行器的連續控制訊號輸出,整個鏈路無需任何模組化拆分與中間資料轉換。其端到端技術的核心原理可拆解為三層架構:底層為多模態感知融合層,通過動態注意力機制將圖像、點雲、毫米波雷達訊號轉化為統一的特徵向量,解決單一感測器的感知盲區問題;中層為場景理解與推理層,基於預訓練的物理世界模型,對駕駛場景進行語義解析、風險預判(如前車急剎機率、行人橫穿意圖等);頂層為控制決策生成層,通過強化學習演算法直接輸出連續的控制指令,實現“感知-理解-決策-控制”的全鏈路端到端閉環。更重要的是,Alpamayo模型內建了“自然語言解釋模組”,可將決策邏輯轉化為人類可理解的自然語言,例如“前方車輛剎車燈亮起,且車速下降速率超過5m/s²,判斷為緊急制動,我將減速並保持3倍安全距離”,這一設計解決了傳統端到端模型“黑箱決策”的行業痛點。1. 資料訓練:合成資料+人類演示,解決資料稀缺問題物理AI的訓練需要大量的真實世界資料,但真實資料存在採集成本高、場景覆蓋不全面等問題。為瞭解決這一問題,輝達將Alpamayo模型與Cosmos世界基礎模型相結合,利用合成資料生成技術,創造了大量基於物理定律的虛擬駕駛場景。具體來說,Cosmos模型能夠根據真實的交通規則、物理定律(如車輛動力學、天氣對路面摩擦係數的影響)以及不同地區的道路特徵,生成高保真的虛擬駕駛場景,包括暴雨、暴雪、團霧等極端天氣場景,道路施工、交通事故、突發障礙物等突發場景,覆蓋全球200多個國家和地區的道路規則。這些合成資料通過“真實資料對齊”技術,確保與真實駕駛資料的分佈差異小於3%,有效解決了真實資料採集成本高、長尾場景覆蓋不足的問題。資料顯示,Alpamayo模型的訓練資料中,合成資料佔比達到62%(較此前60%提升),可覆蓋99.2%以上的駕駛場景,其中極端長尾場景的覆蓋量較傳統模型提升12倍。從產業進展來看,2025年全球端到端自動駕駛研發投入達287億美元,其中採用Alpamayo類似技術路線的投入佔比達75%。截至CES 2026召開前,已有梅賽德斯-奔馳、寶馬、奧迪、豐田、比亞迪等18家主流車企宣佈採用端到端自動駕駛技術,較2024年增加10家。2. 推理能力:場景分解+邏輯推理,應對未見過的複雜場景自動駕駛的最大挑戰是應對未見過的長尾場景。黃仁勳坦言:“我們不可能收集世界上所有可能的駕駛場景。但我們可以讓AI學會‘推理’,將陌生場景分解為已知的元素組合。”Alpamayo模型具備強大的邏輯推理能力,能夠將複雜的陌生場景分解為多個簡單的已知場景,然後根據已知場景的處理經驗,制定相應的駕駛策略。例如,當遇到“道路施工+暴雨天氣+行人橫穿馬路”的複雜場景時,Alpamayo模型會通過場景分解模組將其拆解為“道路施工場景的避讓策略”“暴雨天氣的減速策略”和“行人橫穿馬路的停車策略”三個基礎場景,再通過推理融合模組整合三大策略,生成“先減速至20km/h,開啟雙閃,向左側車道避讓,同時保持與行人5米以上安全距離”的綜合決策。CES 2026現場公佈的最新測試資料顯示,Alpamayo模型在未見過的長尾場景中的處理成功率達到95.8%(較此前95%提升),遠超傳統模組化模型的72%。在北美、歐洲、亞洲三大地區的公開道路測試中,事故率僅為0.02次/百萬公里,較行業平均水平低89%。產業資料方面,2025年全球L4級自動駕駛車輛銷量達12.6萬輛,其中採用端到端技術的車輛佔比達63%;預計2026年搭載Alpamayo模型的自動駕駛車輛將突破30萬輛,L4級自動駕駛的滲透率將從2025年底的0.8%提升至2.1%,2027年有望進一步提升至5.3%。3. 安全架構:雙堆疊冗餘設計,達到最高安全等級安全性是自動駕駛商業化的核心前提。Alpamayo模型採用了“雙堆疊冗餘設計”,即同時運行兩個獨立的自動駕駛軟體堆疊:一個是Alpamayo端到端模型堆疊,另一個是傳統的模組化AV堆疊。這兩個堆疊相互鏡像,由一個策略和安全評估器進行即時監控。當安全評估器判斷當前場景是模型能夠安全處理的常規場景時,將由Alpamayo模型主導駕駛;當遇到模型無法完全確定的複雜場景時,將自動切換到傳統的模組化AV堆疊,確保駕駛安全。這種冗餘設計使得搭載Alpamayo模型的車輛達到了ASIL D級安全等級,這是汽車行業的最高安全等級。此外,車輛還配備了多樣化的冗餘感測器,包括雷射雷達、攝影機、毫米波雷達等,進一步提升了安全性。二、產業鏈影響:自動駕駛行業重構,從“硬體競賽”轉向“軟體生態”Alpamayo模型的開源落地,將徹底改變自動駕駛行業的競爭格局。此前,自動駕駛行業的競爭主要集中在硬體層面,如雷射雷達的精度、攝影機的解析度等。而Alpamayo模型的出現,使得軟體能力成為行業競爭的核心,自動駕駛行業將從“硬體競賽”轉向“軟體生態”競爭。1. 車企:降低研發成本,加速自動駕駛落地處理程序傳統車企的自動駕駛研發成本極高,平均每款車型的研發投入超過10億美元,且研發周期長達5-7年。Alpamayo模型的開源,使得車企無需從零開始研發自動駕駛軟體,只需根據自身車型的特點進行個性化最佳化,研發成本可降低70%以上,研發周期可縮短至1-2年。目前,除了梅賽德斯-奔馳,寶馬、奧迪、豐田等主流車企都已經與輝達達成合作,計畫採用Alpamayo模型打造自身的自動駕駛系統。預計到2028年,全球搭載Alpamayo模型的自動駕駛車輛將超過1000萬輛,L4級自動駕駛的滲透率將從當前的不足1%提升至15%以上。2. 自動駕駛晶片:輝達Orin/Thor晶片成主流,行業集中度提升Alpamayo模型對晶片的算力和即時性要求極高,當前的通用晶片無法滿足需求。輝達專為自動駕駛設計的Orin晶片和Thor晶片成為了最優選擇。資料顯示,Alpamayo模型在Orin晶片上的推理延遲僅為20毫秒,遠低於行業平均的50毫秒。下一代Thor晶片的算力是Orin晶片的5倍,能夠支援更複雜的多模態推理任務。隨著Alpamayo模型的普及,輝達自動駕駛晶片的市場份額將進一步提升。2025年,輝達在全球自動駕駛晶片市場的份額達到65%,預計到2027年將超過80%。高通、Mobileye等競爭對手由於缺乏配套的軟體生態,市場份額將逐漸萎縮,行業集中度將進一步提升。3. 出行服務:Robotaxi成本大幅降低,商業化營運加速Robotaxi的高成本是其商業化的最大障礙。當前,一輛Robotaxi的成本超過20萬美元,其中自動駕駛系統的成本佔比達到60%。採用Alpamayo模型後,自動駕駛系統的成本可降低至3萬美元以下,整車成本可降至10萬美元以內。成本的降低將加速Robotaxi的商業化營運。目前,Waymo、 Cruise等Robotaxi公司已經開始測試搭載Alpamayo模型的車輛,測試資料顯示,其營運成本已經降至每公里0.5美元以下,與傳統計程車的營運成本相當。預計2027年,全球Robotaxi市場規模將超過1000億美元,覆蓋全球50個以上的主要城市。三、行業趨勢預判:物理AI全面滲透,開啟“智能出行+智能製造”新時代Alpamayo模型的落地不僅將改變自動駕駛行業,更將推動物理AI在其他領域的全面滲透。黃仁勳在演講中強調:“這種使用三台電腦、合成資料生成和模擬的基本技術適用於每一種形式的機器人系統。”未來,物理AI將在工業機器人、服務機器人、醫療機器人等領域實現規模化應用,開啟“智能出行+智能製造”的新時代。在工業領域,物理AI將與數字孿生技術相結合,實現工廠的全流程自動化。例如,在汽車製造工廠,物理AI機器人能夠根據即時生產資料,動態調整生產策略,提高生產效率和產品質量。在服務領域,物理AI機器人將能夠更好地理解人類需求,提供個性化的服務,如家政服務、養老護理等。在醫療領域,物理AI機器人將能夠輔助醫生進行手術、診斷,提高醫療服務的精準度和效率。重磅炸彈三:與西門子深度合作——物理AI重構百兆級工業生態如果說Alpamayo模型是物理AI在出行領域的落地試點,那麼輝達與西門子的深度合作,則標誌著物理AI正式進入百兆級的工業領域。黃仁勳在演講中宣佈:“我們將整合CUDA-X、物理AI、Agentic AI、NeMo等技術,深度整合到西門子的世界中。”這一合作將徹底改變工業製造的全流程,從晶片設計、工廠規劃到生產營運,每一個環節都將被AI重構。一、合作核心:物理AI+數字孿生,打通工業全生命周期輝達與西門子的合作並非簡單的技術整合,而是建構了“物理AI+數字孿生”的工業全生命周期解決方案。具體來說,雙方將輝達的CUDA-X庫、AI模型和Omniverse數字孿生平台,與西門子的EDA(電子設計自動化)、CAE(電腦輔助工程)和數字孿生工具鏈相結合,實現了從“晶片設計”到“工廠營運”的全流程AI賦能。1. 晶片設計階段:AI輔助設計,提升晶片性能與良率晶片設計是一個複雜的系統工程,涉及電路設計、佈局布線、模擬驗證等多個環節。傳統的晶片設計依賴於工程師的經驗,設計周期長、成本高,且容易出現設計缺陷。通過整合輝達的物理AI技術,西門子的EDA工具能夠實現AI輔助設計,自動最佳化晶片的電路佈局和布線,提升晶片的性能和良率。例如,在晶片的佈局布線環節,AI模型能夠根據晶片的性能需求和物理約束,自動生成最優的布線方案,避免訊號干擾和散熱問題。測試資料顯示,AI輔助設計能夠將晶片設計周期縮短30%以上,良率提升15%以上。此外,通過Omniverse數字孿生平台,工程師還能夠在虛擬環境中對晶片的性能進行模擬測試,提前發現設計缺陷,降低研發成本。2. 工廠規劃階段:數字孿生模擬,最佳化工廠布局與流程工廠規劃是工業製造的前期關鍵環節,直接影響生產效率和營運成本。傳統的工廠規劃依賴於二維圖紙和經驗判斷,無法全面考慮生產流程中的各種變數,容易出現佈局不合理、流程擁堵等問題。通過整合輝達的Omniverse數字孿生平台,西門子的工廠規劃工具能夠建構三維數字孿生工廠,實現生產流程的全模擬。在數字孿生工廠中,企業可以模擬不同的生產場景,最佳化生產線佈局、裝置配置和生產流程。例如,在汽車製造工廠,通過數字孿生模擬,能夠最佳化機器人的擺放位置和運動軌跡,減少裝置之間的干涉,提高生產效率。資料顯示,數字孿生模擬能夠將工廠規劃的效率提升50%以上,生產流程的最佳化率達到20%以上。3. 生產營運階段:即時監控與最佳化,實現智能製造在生產營運階段,雙方的合作解決方案能夠實現對生產過程的即時監控和動態最佳化。通過部署大量的感測器和物聯網裝置,收集生產過程中的即時資料,如裝置運行狀態、產品質量資料、能耗資料等。這些資料通過西門子的工業軟體進行分析處理,再結合輝達的物理AI模型,實現對生產過程的動態最佳化。例如,當裝置出現異常運行狀態時,AI模型能夠提前預警,並給出維修建議,避免裝置故障導致的生產中斷;當產品質量出現波動時,AI模型能夠快速定位問題根源,調整生產參數,提高產品質量。此外,AI模型還能夠最佳化生產調度,實現訂單的智能分配和生產資源的高效利用。資料顯示,智能製造解決方案能夠將裝置故障率降低40%以上,生產效率提升30%以上,能耗降低25%以上。二、產業鏈影響:工業製造全面升級,形成“AI+工業”新生態輝達與西門子的合作,將推動工業製造行業全面升級,形成“AI+工業”的全新生態。這一生態將涵蓋晶片設計、工業軟體、智能裝置、物聯網、雲端運算等多個領域,形成百兆級的市場規模。1. 工業軟體:AI重構軟體架構,行業格局重塑傳統的工業軟體主要用於資料採集和簡單的分析處理,無法滿足智能製造的需求。隨著物理AI技術的整合,工業軟體將實現從“工具型”向“智能型”的轉型,具備即時分析、預測預警、動態最佳化等能力。這將重塑工業軟體行業的格局,具備AI技術優勢的企業將佔據主導地位。目前,西門子、達索、PTC等傳統工業軟體廠商都在加速與AI企業合作,提升軟體的智能化水平。而輝達通過與西門子的合作,將其AI技術植入工業軟體的底層架構,進一步擴大了其在工業領域的影響力。預計到2028年,全球智能工業軟體市場規模將超過3000億美元,年複合增長率超過25%。2. 工業機器人:物理AI提升智能化水平,應用場景擴大工業機器人是智能製造的核心裝置,但其智能化水平一直有待提升。傳統的工業機器人只能按照預設的程序進行重複操作,無法適應複雜的動態生產場景。通過整合物理AI技術,工業機器人將具備環境感知、邏輯推理和自主決策能力,能夠適應不同的生產場景,提高生產的靈活性和效率。例如,在電子製造行業,物理AI機器人能夠根據不同的產品型號,自動調整抓取姿勢和裝配流程;在物流倉儲行業,物理AI機器人能夠自主規劃路徑,躲避障礙物,提高物流配送效率。預計到2027年,全球智能工業機器人市場規模將超過800億美元,應用場景將覆蓋電子、汽車、物流、醫療等多個領域。3. 工業網際網路:資料價值充分釋放,平台型企業崛起工業網際網路是智能製造的基礎,能夠實現生產資料的互聯互通和共享。隨著物理AI技術的應用,工業網際網路將從“資料傳輸通道”升級為“資料價值挖掘平台”,能夠充分釋放資料的價值。平台型企業將崛起,通過整合產業鏈上下游的資料資源,為企業提供個性化的智能製造解決方案。目前,西門子的MindSphere、通用電氣的Predix、阿里雲的supET等工業網際網路平台都在加速整合AI技術,提升資料處理和分析能力。輝達的Omniverse平台通過與這些工業網際網路平台的合作,將數字孿生技術與工業資料相結合,進一步提升了平台的智能化水平。預計到2028年,全球工業網際網路平台市場規模將超過5000億美元,平台型企業將成為行業的主導力量。三、行業趨勢預判:新工業革命開啟,物理AI成為核心驅動力輝達與西門子的合作,標誌著新工業革命的開啟。在這場革命中,物理AI將成為核心驅動力,推動工業製造從“規模化生產”向“個性化定製”轉型,從“傳統製造”向“智能製造”升級。未來,工業製造將呈現以下三大趨勢:一是柔性生產成為主流。通過物理AI和數字孿生技術,企業能夠快速響應市場需求的變化,實現產品的個性化定製和小批次生產。例如,在服裝製造行業,企業能夠根據消費者的身材資料和個性化需求,快速設計和生產服裝,實現“一人一版”的柔性生產。二是綠色製造成為必然。物理AI技術能夠最佳化生產流程,降低能耗和污染物排放,實現綠色製造。例如,在化工行業,AI模型能夠最佳化反應條件,提高原料利用率,降低能耗和廢棄物排放。預計到2030年,全球工業領域的能耗將降低30%以上,污染物排放將降低50%以上。三是全球化協同製造加速。通過工業網際網路和數字孿生技術,企業能夠實現全球範圍內的資源整合和協同製造。例如,企業可以將產品設計放在歐洲,零部件生產放在亞洲,組裝測試放在美洲,實現全球化的協同生產,提高生產效率和降低成本。總結:百兆級AI生態加速成型,把握三大投資與創業方向CES 2026黃仁勳的三大重磅發佈,不僅是輝達自身戰略的升級,更是AI產業發展的重要轉折點。Vera Rubin平台解決了AI算力的“供給不足、成本過高”問題,Alpamayo模型實現了物理AI在出行領域的商業化突破,與西門子的合作則打通了物理AI在工業領域的落地路徑。這三大發佈相互呼應,形成了“算力支撐-場景落地-生態建構”的完整閉環,推動百兆級AI生態加速成型。對於投資者和創業者而言,未來3-5年,應重點把握以下三大方向:一是AI算力基礎設施領域。隨著Vera Rubin平台的普及,液冷裝置、矽光子材料、高速網路等算力基礎設施將迎來爆發式增長。重點關注具備核心技術的半導體裝置廠商、液冷裝置廠商和網路裝置廠商。二是物理AI場景落地領域。自動駕駛、工業機器人、服務機器人等物理AI場景將實現規模化落地。重點關注具備場景落地能力的AI企業、自動駕駛解決方案提供商和工業機器人廠商。三是AI+工業生態領域。工業軟體、工業網際網路、數字孿生等領域將迎來全面升級。重點關注具備AI技術優勢的工業軟體廠商、工業網際網路平台企業和數字孿生解決方案提供商。黃仁勳在演講的最後表示:“我們正在重塑AI的一切,從晶片到基礎設施,到模型,到應用。我們的工作是建立整個堆疊,以便你們所有人都能為世界其他地方建立令人難以置信的應用程式。”隨著這3枚重磅炸彈的落地,AI產業將進入全新的發展階段,一個由物理AI驅動的智能世界正在加速到來。對於每一個行業參與者而言,唯有把握趨勢、順勢而為,才能在這場百兆級的產業變革中搶佔先機。 (AI雲原生智能算力架構)
越南遭遇暴擊,從巔峰到崩盤僅僅8天!
越南剛剛遭遇了暴擊,被瘋狂打臉,他們從狂歡到崩盤,只用了8天時間,高鐵註定一萬年也修不好。這背後,就是越南又貪又蠢,什麼便宜都要佔,最後竹籃打水一場空。12月17日,越南高調宣佈和德國西門子簽署了高鐵世紀合作方案,越南舉國振奮,興奮的說高鐵即將貫通我們全國。越南交通部長迫不及待的在國會宣佈,說這將是我們工業革命的里程碑。結果打臉來的比翻書還快,僅僅在8天後,12月25日,越南最大財團Vingroup突然宣佈撤回670億美元高鐵投資提案,越南還沒有從狂喜中醒過神來,就立馬墜進了冰窟窿。這背後是什麼劇本呢?越南政府先是想對中國玩欲擒故縱,既想要中國的技術還想要中國的貸款,還不想對中國的技術產生依賴。於是想找日本制衡中國,結果被開出天價;最後又玩起了平衡外交,同時拉攏德國西門子與本土企業Vingroup搞技術拼盤。越南的心思就是想營造一種緊張的氛圍,說你們趕緊和我合作,給我錢和技術,否則我就和別人合作了。結果最後就玩砸了,西門子要求越南全額承擔技術轉讓費,Vingroup算完帳發現一分錢賺不到還要倒貼,關鍵是連修高鐵的本金都拿不出來。於是Vingroup找越南政府,說我只出20%的錢,剩下的80%你們出,越南政府說我沒錢,我要有錢還找你幹嘛?Vingroup一聽就急眼了,說沒錢你還修個錘子的高鐵,直接把桌子一掀說我不玩了。這場鬧劇背後,是越南既要馬兒跑又要馬兒不吃草的邏輯,認為出門不撿錢就是虧了。對中國挑三揀四,又拿不出比我們更好的方案;既想白嫖技術,又不願承擔商業風險;幻想通過高鐵實現工業強國夢,還一點成本都不願意付出。我們詳細聊聊越南是怎麼把高鐵玩砸的。先說說,高鐵對越南有多重要。越南這個國家地勢狹長,南北跨度近2000公里,兩個最重要的人口聚集地,一個是河內,一個是胡志明市,距離遙遠,直線距離就有1100公里,中間還隔著高山、河流等一堆的天然屏障,南北跨區流動性極差,這使得越南的經濟發展遭遇了極大的挑戰。而目前越南的鐵路,還是法國殖民時期留下的破爛,從河內到胡志明需要漫長的30多個小時。越南,可以說是修建高鐵最理想的地方。而中國,也是越南最理想的高鐵合作方,中越之間的貿易額極大,高鐵可以進一步的提升雙方經貿額,對旅遊、文化等項目的發展讓雙方都極大獲益。在2010年時,越南就提出了自己的高鐵建設計畫,並向全球進行招標,有德國日本中國三家參與,最終,越南選擇了日本。沒有選中國有一個重要原因,就是越南有被迫害妄想症,對中國充滿恐懼;一些越南官員說如果越南的鐵路和中國的鐵路共軌,那以後中國要打越南不就是分分鐘的事?這越南真是自作多情,聽了這話我們都驚呆了,說你真的是自作多情啊,你有值得我打的價值嗎?就算我要打你,我還犯得上用高鐵?不一樣是分分鐘的事情?最終日本中標,很快就拿出了方案。越南南北高鐵,全長1567公里,採用日本新幹線技術,設計時速為350公里,2014年開工,2035年前全線開通。當時整個工程的報價是558億美元。方案報過去以後,越南看了倒吸了一口涼氣,就真的傻眼了,當年越南窮得掉渣,年度財政收入才245億美元,所有人兩年不吃不喝都搞不定,就這才能修一條高鐵。日本說沒錢沒關係,我給你借。最終越南的國會否決了這個方案,說這不行,這高鐵一修,我們整個國家都進斬殺線了,那是妥妥的一貸還十代,真搞不了這麼奢侈的項目;於是,這個方案就最終擱置了起來,中間反覆修改了幾次方案,但最終還是真的沒錢修不了.......越南沒動靜了,結果到了2023年,東南亞真正的第一條高鐵,我們合作的印尼雅萬高鐵開通了!這條高鐵連接印尼首都雅加達和萬隆,全長142公里,時速350公里,最高可到達386公里,碾壓德日法,絕對是全球技術巔峰。越南一看傻眼了,他們修高鐵,計畫了13年還沒落地,屁都沒搞出一個而雅萬高鐵,5年就竣工了......印尼舉國歡騰,洋溢在節日的氣氛中,所有人都跑去體驗。因為全球只有12個國家擁有高鐵,美國到現在都還沒有一米的高鐵,這讓印尼的民族自豪感爆棚,紛紛感嘆我們在交通運輸上已經超過發達國家了。同時,印尼是一個長條狀的國家,全長超過5000公里,可以用一條高鐵全線貫通,現在的雅萬高鐵,僅僅是整體規劃中的一小部分。所以想都能想到,這條高鐵能夠對印尼的經濟發展起到決定性的作用。越南一看就真的坐不住了,雅萬高鐵後的一年的時間,越南先後三次跑中國,就為了談高鐵的合作,比如2023年5月,越南交通運輸部部長帶隊訪華,幾乎把所有和修鐵路相關的人員全部都叫過來了。到了中國,越南代表團密集拜訪我們的交通運輸部、國家鐵路局、國鐵集團等等單位,把所有和修高鐵的有關部門一個不漏的全跑遍了......但是一直沒談好,為何呢,因為越南佔便宜沒夠。越南的想法可以總結成三件套。首先是技術想全盤拿走,越南不僅想讓我們幫忙把高鐵修好,還希望中國把高鐵的全套核心技術,比如動車怎麼造、訊號系統怎麼控制,都毫無保留的給他們。第二是錢也不想出,這個巨無霸項目估算要600多億美元,越南沒錢,就希望中國能提供利息特別低、甚至是無息的貸款來墊付工程款。第三是風險不想承擔,對於這麼巨額的投資,越南還不願意用國家信用來為貸款兜底,這意味著如果項目搞好後如果賺不到錢,這就是中國的事。我們一聽都笑了,說啥?你修個高鐵,我出資源我出錢,風險我也承擔,你還要把我的技術白嫖走,那你負責啥?合著你就負責掙錢,你可真是想瞎了心啊,我做夢都夢不到這麼好的事情。這麼好的事情憑啥輪到你去弄?你到底是不是在和我談事情?你這是在和我許願吧?要談就好好談,拿出誠意來。越南說你要不給我修高鐵,多的是人給我修,你看日本、韓國、德國他們都排著隊找我呢,那這麼大的項目我就給別人了。我們一聽都笑了,說那感情好,你趕緊找日本德國去,祝願你早日高鐵修好。於是越南最大的私營集團Vingroup就和德國西門子簽下高鐵項目合作協議。聽到這個我就笑了,這個Vingroup主營業務是做汽車組裝和房地產的,別說修高鐵了,連修公路的經驗都是0。這就好比找了個修自行車的師傅,你讓他去造飛機。且不說這個了,現在的越南就是一個做轉口貿易的,稍微有點技術含量的東西都要進口,工業底子幾乎沒有,別說高鐵技術,全國都找不出一家能軋出高鐵鋼軌的工廠,連高壓電纜都要靠進口。就算把整車圖紙打包給過去,他們也湊不齊一顆特種螺絲釘的供應鏈。這種萬國牌組裝模式,讓越南高鐵成了一個無底洞。西門子雖然簽了協議,但技術轉讓費、專利授權費、專家諮詢費,每一項都是天文數字。這合作能搞成也就是出了鬼了。關鍵是和西門子的合作整個預算項目高達670億美元,相當於越南2024年年度財政收入的90%。於是越南就把他最大的企業Vingroup推出來,讓他去籌錢。可是Vingroup一年的利潤,比如2024年才有4億美元,他有個鬼的670億美元,這加100倍的槓桿都撬不動啊,相當於140年的利潤都出去了。再接著Vingroup一算帳,高鐵如果修好了,一年的營運成本高達40億美元,也就是說賺錢不賺錢不知道,先每年要花出去40億美元。這生意你說還怎麼做?為何越南搞個高鐵這麼貴?剛說了,越南啥工業基礎都沒有,連特種螺絲釘都要進口,能不貴嗎?Vingroup算來算去,冷汗直流,覺得根本玩不轉,乾脆把桌子一掀,說不搞了,這會搞死我們的。這就是開始的一幕,越南的高鐵美夢,才做了8天就醒了........越南的高鐵計畫遭遇暴擊,因為他以為你不給他修,多的是人幫他修。可事實是,我們才是真正的甲方爸爸,現在日程表排得滿滿噹噹,是各國排隊等著中國的高鐵技術落地。從勘測設計到施工營運,從技術標準到人才培養,中國提供的是真正的高鐵全家桶。我們現在一堆的項目忙都忙不過來,雅萬高鐵和中老鐵路已經通車了,中泰鐵路正在建設中,馬來西亞東海岸鐵路正在規劃中,而且這些項目後面都還有二期三期等著做......我們可以想見的是,在未來的10年,中國的高鐵必將會把整個東南亞連結成一個整體。而我們高鐵的優勢是其他國家無法比擬的,最大的一點就是規模,日本的高鐵里程僅僅為中國的7%左右,這讓我們獲得了無與倫比的成本優勢與技術優勢,而一旦我們連結整個東南亞,規模估計會超過日本的40倍以上,佔據全球里程的80%以上,吊打全球無敵手。在未來,伴隨中國高鐵的攻城略地,我們將從東南亞開始,連結全球,讓中國製造成為全球製造的最終原點!而越南呢,現在還沒有擺正位置,還在做夢,這就註定了他們一萬年都搞不定。 (一個壞土豆)
突發!美國取消對華銷售EDA軟體限制,西門子最先受益
據彭博社報導,隨著美中雙方實施促進關鍵技術流動的貿易協議,川普政府已取消了向中國銷售晶片設計軟體的部分出口許可要求。德國西門子聲明稱,美國商務部已通知該公司,在中國開展業務不再需要獲得美國政府許可。川普政府最初於5月實施了這些出口管制,作為應對中國限制重要稀土礦物出口的一系列措施的一部分。根據上周最終達成的一項貿易協議,美國承諾允許向中國出口晶片設計軟體、乙烷和噴氣發動機——前提是中國面履行加快關鍵礦產出口審批的承諾。西門子表示,已恢復其中國客戶對其軟體和技術的全面存取權。目前,尚不確定對另外兩家領先的電子設計自動化(EDA)軟體供應商——Cadence Design Systems Inc.(楷登電子)和Synopsys Inc.(新思科技)的出口限制是否已被取消。EDA(電子設計自動化)軟體被用於設計各種產品,包括從輝達和蘋果等公司最高端的處理器,以及電源調節元件等簡單部件。新思科技約16%的收入來自中國,楷登電子約12%。川普政府5月實施的出口管制導致新思科技停止在中國的銷售和服務,並關閉了其SolvNet客戶支援網站的訪問。但在6月中旬,有報導稱新思科技已恢復了部分對華服務,包括非核心硬體和智慧財產權的銷售。SolvNet也已重新開放,但有一些限制,包括限制訪問一些電子設計自動化軟體相關文件。除了晶片設計軟體外,美國還禁止最先進的半導體進入中國。輝達一直是美國日益嚴格的出口管制的主要目標,部分原因是其晶片是訓練人工智慧模型的黃金標準。川普政府今年禁止輝達向中國客戶銷售其H20晶片,這是自2022年以來的第三輪限制措施。輝達首席執行官黃仁勳公開反對此類限制,並宣稱美國的政策是“失敗的”。 (北美商業見聞)
“西門子高管一家五口遇難”,川普發聲
美國紐約市一架觀光直升機當地時間4月10日在曼哈頓島以西哈德遜河墜毀,機上1名飛行員和5名乘客全部遇難。執法部門消息人士表示,科技公司西門子西班牙分公司總裁兼首席執行官阿古斯丁·埃斯科瓦爾、他的妻子以及他們的三個孩子在墜機事故中喪生。另據環球網援引《紐約時報》報導,美國總統川普在社交媒體上發文稱,哈德遜河上發生一起“可怕的”直升機墜毀事故,美交通部長及其團隊正在對這起事故展開調查,並表示“很快就會公佈事故的具體情況和處理辦法”。美國紐約一直升機墜毀,機上6人全部遇難紐約市警察局長傑茜卡·蒂施當天下午在新聞發佈會上表示,飛機於15時15分左右墜毀,機上6人在被打撈出水後,4人當場被宣佈死亡,2人在送醫後死亡。紐約市市長埃裡克·亞當斯在新聞發佈會上說,機上除1名飛行員外,還有“一個來自西班牙的家庭”的成員,包括2名成年人和3名未成年人,當天乘坐直升機觀光。社交媒體上發佈的視訊顯示,直升機尾翼和螺旋槳在空中發生脫落,與機身先後落入水中。美國聯邦航空管理局說,失事飛機的型號為貝爾-206,聯邦航空管理局將展開調查。據當地媒體報導,這是2018年以來紐約地區發生的最嚴重的直升機墜毀事故。 (澎湃新聞)
西門子大裁員,又一百年巨頭扛不住了
兵敗如山倒,德國百年工業巨頭也扛不住了!奧迪剛宣佈要裁員7500人,西門子又決定裁員超6000人。「裁員」消息猶如一顆投入平靜湖面的石子,引發了德國製造業的層層漣漪。其實,本土工業巨頭不斷裁員,正是德國經濟現如今面臨困境的縮影。近幾年德國工業的優勢消耗殆盡,衰落跡象愈發明顯,大眾汽車、巴斯夫集團、蒂森克虜伯鋼鐵公司等多家工業巨頭減產、關廠、裁員,企業外遷步伐加快,本國淨投資額連年為負值…德國國內生產總值( GDP)連續兩年負增長。「歐洲經濟火車頭」失速後,被外媒冠以「歐洲病人」的稱號。數位化前夜,曾經強大的德國製造,明顯有點跟不上步伐了。難道, 178年的德國工業巨頭西門子,也扛不住了?01近日,德國工業巨頭西門子宣佈,計畫在全球裁員約2% ,超6000個職位將被最佳化,其中約2850個職位在德國。值得一提的是,受影響最嚴重的是最近表現疲弱的數位化工業部門。長期來看,全球市場對自動化技術仍有需求,但其成長重點從德國等當前主要市場轉移,加上競爭壓力加劇,從2023財年開始,其工業自動化業務的訂單和收入大幅減少。該集團執行長羅蘭佈施早在去年秋季就已宣佈將進行四位數規模的裁員。在2027年9月30日財政年度結束前,西門子計畫裁減全球約5,600個自動化業務的職位,其中約2,600個職位位於德國。數位化工業本應是未來發展的重要方向,西門子在此時對該部門大幅裁員,背後的原因值得深思。要知道,德國在第二次工業革命中搶佔先機,將電氣、化學等新興領域作為發展重點,奠定了技術領先的基礎,二戰前擁有全球最先進的工業技術體系。以工具機為例,1939年德國工具機數量達170萬台,遠超越美國的94萬台,支撐了高精準武器的生產。此外,德國在化學、機械工程等領域持續創新,如合成燃料技術彌補了資源短缺的劣勢。值得一提的是,日本早期的「工匠精神」就和德國的工業技術有異曲同工之妙。可惜,在自大懶惰侵蝕下,日本「躬匠精神」盛行。身為歐洲最大的經濟體,德國在汽車工業這個全球第一大產業上,吃盡了紅利,輝煌了近百年!然而,花無百日紅。德國工業也在“傲慢”中逐漸迷失了自我,特別是汽車工業轉型上慢人一步,依舊端著“油車天花板”的“面子”,失去了“技術為先”的“裡子”,電車實力不如國產實屬正常。02沒有永遠繁榮的產業,更沒有盛久不衰的品牌。百年大變局下,西門子也不甘示弱著力電車充電業務,可惜歐洲新能源產業缺乏茁壯發展的土壤,西門子在這方面的業務表現羈弱。由於低功率充電站的成長潛力有限,西門子不得不跟隨風國產巨頭,專注於快速充電基礎設施等領域。西門子充電業務「走彎路的代價」就是,該公司電動車充電業務到今年9月底還將在全球範圍內裁員450人,其中約250人在德國,本土裁員55%以上,德國工業巨頭在電動化面前也不得不低頭「認輸」。歐洲不是「電動化」的沃土,新能源車相關業務都在國產電動巨頭擠壓下節敗退,西門子就打算將電動車充電解決方案業務剝離。既然打不過,那就索性徹底「不玩」了,反正電動車充電業務也並不是西門子的主要業務。畢竟,西門子178年的底蘊,還是不容小覷的。西門子的發展歷程可分為三個階段:1847年至1959年的電氣化擴張階段, 1960年至2000年的自動化轉型與多角化擴張階段, 2001年起的數位轉型與策略聚焦階段。電氣化擴張階段,西門子以電報業務起家,後乘著電氣革命的浪潮將業務逐步擴張至電力裝置、通訊裝置、軌交裝置與其他載具電子裝置、照明裝置、醫療裝置等領域。自動化轉型與多元化擴張階段,西門子緊抓微電子技術機會協助轉型與多元化擴張,先後進入電腦、工業自動化系統、半導體晶片市場拓展業務,並擴大已有業務的產品範圍。數位轉型與策略聚焦階段,西門子啟動策略聚焦,將業務範圍縮小至醫療裝置、軌交裝置、能源裝置(化石能源和再生能源)、工業自動化系統、工業軟體、驅動裝置、智慧型建築裝置以及相應配套解決方案。憑藉著兩次成功轉型,西門子成為了世界最大的電氣工程和電子公司之一,目前已發展為數位化工業、能源、醫療、運輸、智慧基礎設施等領域的先進服務商。03值得一提的是,西門子裁員並非財務問題,而是數位轉型的「冗餘」。第一季度,西門子實現了21億歐元的利潤,可見在多數業務類股上仍保持著強勁的競爭力。然而,自動化業務收入大幅下滑,成為了公司發展的「拖油瓶」。西門子的自動化業務近兩年受市場環境變化影響明顯,客戶和經銷商庫存高企,導致需求疲軟,產能利用率下降。2024/25財年首季(截至2024年9月30日),西門子數位化工業營收跌11%至40億歐元,獲利縮水三分之一至5.88億。美國Rockwell Automation和瑞士ABB的自動化業務在同一時期分別下滑8%和9% ,凸顯產業普遍困境。西門子表示,核心市場的變化使得調整勢在必行。 「特別是德國市場業務,過去兩年來一直在走下坡路,這也直接導致西門子必須對德國的產能進行調整,裁員也就成了無奈之舉。”這場裁員風暴背後,不僅是德國製造的黃昏,更是打工人共同的困境──在資本眼裡,科技是工具,人是成本;在打工人心裡,科技是信仰,人才是根本。一邊是財報上超160億元的淨利潤,一邊是6000個家庭的生計崩塌——西門子用一場教科書級的資本表演,撕碎了德國製造的最後一層遮羞布。04就在西門子宣佈裁員的前一天,德國汽車巨頭奧迪宣佈,確認在2029年前在德國裁減約7,500個工作崗位,以降低成本並提高競爭力。先前,大眾集團宣佈計畫裁員3.5萬人,保時捷品牌計畫裁員3,900人,梅賽德斯-賓士則計畫在2027年前削減數千個工作機會。德國知名汽車零件和輪胎製造商大陸集團繼去年7,000人大裁員後,計畫在2026年底前再裁減約3,000個工作崗位,近一年內共裁員超1萬人;而博世、采埃孚和大陸集團等德國汽車零件供應商也考慮減少員工規模,整體裁員人數可能達7萬人。數十萬「德系工程師」居然就這樣被拋棄了,新能源時代,汽車工業強國,也扛不住了啊。曾經的寶馬、賓士、奧迪( BBA ),是愛車人士的信仰。而如今,在電動車領域被國產品牌吊打,銷售集體崩盤。反觀中國陣營,小米SU7 Ultra以52.99萬元售價直擊豪華市場腹地,比亞迪則是以「兆瓦閃充」技術實現充電5分鐘續航400公里,將電動車帶入「油電同速」時代。這一刻,德國汽車工業靠內燃機專利「躺賺」百年的時代,或許真的要結束了。難以想像!德國工業技術,居然敗在了汽車上。很明顯,德國工業巨頭想要透過不斷裁員、減產節流等方式,重現德國工業的驕傲,是不可能的。順勢而為、求實創新、精益求精,才是德國工業當下脫離困境最正確的答案! (正商參閱 )
西門子將開啟全球大規模裁員!
3月19日消息,西門子發佈聲明稱,其數位化工業集團(DI)的自動化部門將裁撤約5600個工作崗位,智能基礎設施(SI)集團的電動汽車充電業務將裁撤約450個工作崗位。西門子是總部位於德國的工業巨頭,業務涉及工業、基礎設施、交通和醫療等領域。官網顯示,西門子在全球擁有約31.2萬名員工,這意味著此次裁員的比例約為2%。這也是七年多以來西門子進行的最大規模裁員。2017年11月,西門子曾宣佈全球裁員6900人,以應對發電市場和大宗商品領域的結構性變化,主要涉及組織架構調整前的發電與天然氣部門、發電服務部門,以及過程工業和驅動部門。此次西門子裁員的重災區為旗下數位化工業集團。該集團在全球擁有6.8萬名員工,本次裁員比例約為8%。其中,在德國裁員2600人,佔該集團總裁員數的46.4%。相關措施將在2027財年結束前實施。西門子的電動汽車充電業務部門在全球僱傭了1300多名員工,超三分之一的工作崗位將受到本次調整的影響,其中約250個在德國。相關措施將在2025財年末實施。西門子並未透露德國以外地區的裁員計畫。西門子表示,過去兩年,公司在德國市場的自動化業務尤其受到需求疲軟等影響,訂單和營收持續下滑。截至目前,西門子在全球約有31.2萬名員工,其中德國本土員工約8.6萬名。裁員計畫也引發了一些爭議。據路透社報導,德國金屬工業工會(IG Metall)表示,這一決定粉碎了致力於將西門子轉變為一家科技公司的員工的信任。IG Metall副主席、西門子監事會成員於爾根·克納認為,轉型不是通過裁員來實現的,而是通過積極的變革來實現的,尤其是通過進一步的發展和培訓。西門子管理委員會成員、數位化工業集團首席執行官奈柯為裁員辯護稱,西門子的自動化業務必須變得更快、更靈活。“西門子必須在美國,以及包括印度在內等其他亞洲市場取得更強勁的增長,並在航空航天、國防工業以及加工工業等領域更加活躍。”奈柯表示。西門子的裁員,也是在全球需求疲弱、競爭激烈的背景下德國工業遭受打擊的最新案例。 (國芯網)