2026年第一季度，美股科技巨頭的AI軍備競賽邁入了一個新的量級。截至5月1日，“七姐妹”中除輝達外，Google母公司Alphabet、微軟、亞馬遜、Meta、蘋果、特斯拉已悉數交卷。六家巨頭營收全面超預期，但更值得關注的是另一個數字：以區間高點計算，六家巨頭2026年合計資本支出將突破7000億美元。業績增長與支出狂潮之間，市場正在進行一場冷靜的重新定價。同樣交出超預期財報，同樣加大資本開支，Alphabet盤後大漲逾7%，Meta卻遭遇重挫。當巨頭們的AI資本支出加速衝刺，業界的關注焦點轉向重金砸向AI後，AI的賺錢邏輯是否清晰。AI“燒錢”階段遠未結束Google母公司Alphabet是本輪財報季最突出的贏家。2026年第一季度，公司實現總營收1099億美元，同比增長22%，創四年來最高單季增速；GAAP淨利潤626億美元，同比大增81%。各項業務呈現全面增長態勢，其中搜尋廣告及其他營收604億美元，同比增長19%。Google雲營收首次突破200億美元，增速從去年的30%一躍跳升至63%，營運利潤率攀升至32.9%。這意味著AI業務不僅帶來了營收增量，更開始貢獻實質性利潤。CFO阿納特·阿什肯齊給出了遠期指引：2026年全年資本支出上調至1800億至1900億美元，2027年將“顯著高於”這一水平。與此同時，Google雲積壓訂單季度環比近乎翻倍至4620億美元，其中超過一半將在未來24個月內確認為收入。這種將巨額支出與明確需求直接對應的敘事，構成了Alphabet股價大漲的底層邏輯。相比之下，儘管Meta也交出增長的業績，但盤後股價重挫約7%，市值蒸發超千億美元。從財報看，Meta一季度總營收563億美元，同比增長33%，創2021年以來最快增速。其中廣告業務出現回暖，AI投入的成效開始在廣告業務顯現。但Meta上調開支的計畫影響了資本市場。該公司將2026年全年資本支出預測從此前的1150億至1350億美元，上調至1250億至1450億美元。Meta CFO稱，開支上調主要源於硬體零部件成本上漲及資料中心擴張。她還表示公司在估算自身算力需求時“一直在低估”，2027年的資本支出暫不明朗。此外，Meta正在試圖通過裁員和內部效率最佳化來避險AI開支帶來的壓力。這種“投入需求仍在擴大卻看不到邊界”的表態，在一定程度上加劇了市場對其資本效率的擔憂。微軟的業績同樣穩健，市場反應相對平淡。第三財季營收829億美元，同比增長18%；AI業務年化收入突破370億美元，同比增長123%；Azure雲增速達40%，超出自身指引上限。資本支出方面，微軟本財季資本支出319億美元，低於市場預期的349億美元。微軟CFO艾米·胡德在財報後電話會上預測，公司2026年全年資本支出將達到1900億美元，與2025年相比大增61%，預計零部件價格上漲將帶來250億美元的影響。亞馬遜雲服務AWS在本季度的表現突出，營收同比增長28%至376億美元，這是其過去15個季度以來的最快增速。亞馬遜透露，積壓訂單為 3640 億美元，環比增加 1200 億美元。亞馬遜 CEO 安迪·賈西表示，這些訂單來自相當廣泛的客戶群體，且不包括 Anthropic 此前同意斥資 1000 億美元購買 AWS 基礎設施的交易。更深層次的突破在於，亞馬遜的自研AI晶片（Trainium和Inferentia）業務的年化收入規模已突破200億美元，且以三位數的速度增長。這直接證明了亞馬遜在試圖擺脫對輝達的依賴。安迪·賈西在電話會中透露，亞馬遜正在佈局更宏大的能源藍圖，包括與OpenAI達成協議，為其提供2吉瓦的Trainium算力支援。這種“以自研換成本”的策略，讓亞馬遜在AI軍備競賽中走出了一條穩健的曲線。蘋果與特斯拉則走出了相對獨立的路徑。蘋果2026財年第二財季總營收1111.8億美元，同比增長17%，大中華區收入扭轉下滑趨勢，增長28%。蘋果CEO庫克在電話會上傳遞出克制的投資姿態：AI是重要領域，但公司將在產品路線圖常規投資基礎上逐步加大投入。這種策略使蘋果避開了市場對“燒錢”的審視。特斯拉一季度營收224億美元，略低於市場預期。馬斯克將2026年資本支出上調至超過250億美元，但這將導致特斯拉自由現金流承壓。特斯拉的押注方向指向Optimus人形機器人與定製AI晶片AI5。這是一條周期更長、驗證更難的道路。從軍備競賽到商業閉環從已披露財報的六家美股巨頭財報電話會內容看，算力、晶片、商業化等主題多次出現，這也構成理解當前AI競賽的關鍵線索。算力供給緊張是行業的共同瓶頸。Alphabet CEO皮查伊明確表示，“如果不是受限於短期內的計算資源瓶頸，Google雲的收入本可以更高。”微軟CFO給出了時間表——供給受限“至少會持續到2026年底”。Meta CFO 則表示一直在低估自身需求。三家公司的表述指向同一個現實：需求遠未被滿足，但釋放節奏受制於晶片供應和資料中心的建設周期。與此同時，自研晶片正在成為重塑巨頭們成本結構的關鍵變數。亞馬遜首次披露的晶片業務年化營收200億美元，若將晶片業務獨立營運，同時面向亞馬遜雲科技客戶及外部第三方銷售半導體產品，該業務年化收入規模有望達到500億美元。Alphabet的自研TPU已經在雲業務中規模化部署，並將發佈第八代產品。微軟也在推進自研晶片以最佳化長期成本。這一趨勢對輝達而言構成結構性變數：短期內，巨頭們仍是其最大客戶；中長期看，自研晶片的成熟可能分流部分需求。此外，伴隨著大模型競賽轉向Agent時代，AI的商業化驗證進入關鍵階段。亞馬遜高管多次提到Agentic（智能體化），Google稱每分鐘處理的Token數量已超過160億個，微軟Copilot付費使用者突破2000萬，Meta的AI廣告系統帶來了可量化的轉化率提升。此外，Google和亞馬遜的雲業務積壓訂單大幅增長，表明AI的商業化已從簡單的文字生成轉向了重塑生產力的核心邏輯，同時一些企業級AI產品已開始形成規模收入。野村中國科技及電訊行業分析師段冰對記者表示，在AI商業化節奏方面，中美基礎模型平台均處於變現探索期，海外頭部企業因模型能力與付費環境優勢變現更快。而上層應用企業面臨底層模型功能外溢的壓力，一些標準化的應用容易被替代。但AI對利潤率的貢獻仍處於早期階段，一些巨頭的資本支出同比增速高於營收增速，Meta的投資回報路徑尚不清晰，亞馬遜有相當比例的利潤來自非經常性收益。在美股七姐妹中，輝達是唯一沒有正式披露業績但又無處不在的一家。該公司將於5月20日左右公佈最新季度業績。六巨頭的資本支出計畫為它提供了強勁的需求側支撐，但當它的大客戶們同時成為自研晶片的競爭者，輝達同樣面臨考驗。在其餘幾家相繼公佈財報後，輝達市值再度跌破5兆美元。 (第一財經資訊)

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)

誰能想到，靠AI晶片躺賺的輝達，如今正被全世界的AI大廠集體 “拆台”？手握AI晶片市場的絕對統治權，輝達的賺錢能力堪稱印鈔機 —— 據其 2026財年第四季度財報顯示，GAAP毛利率直接衝到了75.2%，近5兆美元的市值，全靠各家大模型廠商排隊買它的晶片撐起來。但也正是這份壟斷，讓幾乎所有AI玩家都鐵了心要跳出輝達的包圍圈，不想再把自己的命脈，攥在黃仁勳手裡。國內這邊，剛發佈的 DeepSeek V4，一邊訓練還在用輝達晶片，一邊已經火速完成了和華為昇騰的推理適配。不止華為，天數智芯、寒武紀這些國產晶片廠商，也都已經完成了對 DeepSeek V4 的適配。輝達的老家美國，“去輝達化” 的風颳得更猛。Google的自研TPU晶片已經迭代到第八代，訓練 + 推理的全產品線都鋪完了；Meta 也在今年3月曬出了自研AI晶片路線圖，2027年底前要落地四款 MTIA 系列新品，一邊跟輝達、AMD維持採購，一邊搞 “自研+外采” 的雙保險，明擺著不想把雞蛋全放一個籃子裡。而這裡面最讓人意外的，莫過於最依賴輝達的OpenAI，反倒成了 “反水” 最積極的那個。當地時間4月17日，美國AI晶片公司Cerebras正式向 SEC 提交 IPO 申請，要融資 30 億美元，估值直接衝到350億美元。要知道去年 10 月它撤回 IPO 申請時，估值才81億美元，半年翻了 4 倍還多，核心底氣就是跟 OpenAI 簽的一份超 200 億美元的合作大單。按照協議，未來三年OpenAI要用 Cerebras 晶片驅動的伺服器叢集，後者要給它部署750 兆瓦算力，2028 年全部落地；除此之外，OpenAI 還要給 Cerebras 掏10億美元幫它建資料中心，還能拿到 10% 的認股權證。說白了，OpenAI 早就不只是客戶了，還是金主，甚至未來可能成大股東。OpenAI 這麼孤注一擲，本質上是被輝達的高成本逼到了牆角。據媒體披露，2025 年 OpenAI 營收 131 億美元，虧了80億美元，今年預計虧損還要飆到250億美元。一邊是巨額虧損，一邊是輝達的晶片定價權捏在別人手裡，奧爾特曼比誰都清楚，對輝達的過度依賴，就是自己最大的軟肋。所以這兩年它動作不斷，跟博通合作定製晶片，轉頭又用上了 AMD 的 MI450 晶片，每一步都在明說：不想再給輝達打工了。而Cerebras，就是它 “去輝達化” 路上押的最重的籌碼。可能很多人沒聽過 Cerebras，這家公司走的路，跟輝達完全是反著來的。行業裡做晶片，都是把晶圓切成小晶片，唯獨 Cerebras 劍走偏鋒，直接用整塊 300mm 晶圓做單晶片，推出了晶圓級引擎 WSE-3。好處特別直接：計算、儲存、互聯全在一塊晶片裡，資料傳輸延遲比 GPU 叢集低 90%，特別適配大模型低延遲推理，單token 成本最多能降 80%。更關鍵的是，它走的是非 HBM 依賴路線，剛好能繞開輝達卡脖子的核心環節。這套技術路線，精準踩中了 OpenAI 降本的核心需求，甚至還打進了 AWS 的雲資料中心，進了主流雲平台的供應鏈。而能把這家公司帶到今天這個位置，離不開它的創始人Andrew Feldman。跟傳統晶片公司的工程師創始人不一樣，Feldman 是史丹佛經濟學、政治學學士，還是 MBA 出身，從一開始就泡在產品和行銷領域，對商業模式的嗅覺格外靈敏，還是個出了名的 “賭性堅強” 的連續創業者。2015年創辦Cerebras後，他沉寂四年憋大招，賭的就是兩件事：一是台積電的晶圓級封裝技術會成熟，二是AI大模型會越做越大，GPU 的記憶體牆會成為致命瓶頸。現在來看，他確實賭對了。但造神故事的背後，藏著的風險一點都不小。不過黃仁勳已經開始反擊了。去年12月，輝達直接花200億美元，拿到了Cerebras的競爭對手 Groq 的 LPU 推理架構、晶片設計全端技術永久授權，下半年就要推出基於這套技術的系統。而OpenAI 找 Cerebras，本來也不是為了徹底替換輝達，只是想找個 “鯰魚”，增加跟輝達談判的籌碼，分散供應鏈風險。萬一那天奧爾特曼跟黃仁勳重新談攏，Cerebras 很可能就成了棄子。其實黃仁勳自己早就看清了這個結局。他在播客裡說，摩爾定律正在走向終結，晶片性能每年翻倍的時代過去了，先進晶片的性能優勢不是永恆的護城河。他還直言，限制對華出口算力晶片，短期能延緩中國AI發展，但長期只會逼著中國形成自己的生態鏈。他沒說透的是，一旦越來越多的開源大模型跑在國產算力晶片上，輝達就算還是市場第一，也再也不是唯一的選擇了。 (識焗)

未來行業或許不會出現一家獨大的局面，而是形成多種技術路線、多種商業模式共存的生態體系。近日，美國科技巨頭輝達甩出重磅“王炸”，正式推出一款用於開發自動駕駛車輛的開放原始碼平台。消息一出，眾多車企紛紛向輝達伸出橄欖枝，合作洽談的熱度持續攀升。不僅如此，輝達還與美國出行巨頭Uber (優步科技公司) 強強聯手，計畫到2028年，將Robotaxi服務拓展至全球28個城市。輝達的這一動作，自然逃不過行業大佬的眼睛。美國電動汽車巨頭特斯拉公司的首席執行長埃隆·馬斯克在X平台上坦言，“這或許會對特斯拉五六年後的發展構成壓力”，但同時也強調特斯拉在自動駕駛技術上的領先優勢。目前，輝達的開放平台已吸引了眾多合作夥伴，也就是說傳統車企無需再投入巨額資金從零開始研發自動駕駛技術，通過接入輝達的平台，就能快速擁有具備競爭力的自動駕駛解決方案。儘管輝達在生態佈局上佔優，但特斯拉在‌真實場景下的技術成熟度與資料積累‌仍被廣泛認可。正如馬斯克所言：“做到99%容易，解決剩下的1%才是地獄難度。”而輝達CEO黃仁勳也承認，特斯拉在真實道路表現上領先，但相信開放平台最終能匯聚更多創新力量實現反超。輝達的野心2026年，Robotaxi行業正迎來關鍵轉折點，結束長達十年的技術孵化期，正式從局部試點邁向大規模商業化營運。市場調查機構預測，到2035年全球Robotaxi服務市場規模將達到1680億美元，車隊規模增至360萬輛，中美兩國將成為核心驅動力。中國憑藉商業化速度快、政府政策支援及V2X通訊基礎設施完善，將在車隊部署規模上領跑全球；美國則依託鳳凰城、舊金山等城市的早期實踐，持續佔據技術創新高地。這一轉變背後，是技術突破、資本湧入與政策鬆綁的共同作用。端到端AI模型技術的成熟，讓自動駕駛系統的決策效率大幅提升；創紀錄的投資為行業擴張注入動力；而全球多國加速完善自動駕駛法規，為Robotaxi規模化營運掃清障礙。例如2025年中國工信部公佈首批L3准入車型並開展試點，多地通過地方立法明確事故責任，標誌著行業從封閉測試向跨區域、跨場景應用加速推進。憑藉技術與生態優勢，輝達試圖改寫Robotaxi產業的權力結構。上個月輝達發佈用於開發自動駕駛車輛的開放原始碼平台，打破了傳統整車製造商主導的金字塔結構，吸引全球汽車巨頭紛紛加入其生態體系。目前，輝達的NVIDIA Robotaxi Ready平台已新增多個車企，合計年產能達1800萬輛，約佔全球年汽車產量的五分之一。另一方面，輝達的野心不止於技術輸出，更在於建構一個覆蓋全球的Robotaxi生態網路。其與美國優步科技公司達成的合作計畫顯示，雙方將攜手在2028年把Robotaxi服務拓展至全球28個城市。優步作為全球領先的網約車平台，擁有龐大的使用者基礎、成熟的營運體系和精準的調度演算法，而輝達則提供頂尖的自動駕駛晶片與技術支援，兩者的結合堪稱強強聯合。這一合作模式，既規避了輝達自行建構車隊與營運網路的高額成本，又能借助優步的管道快速實現技術的商業化落地，為其他車企參與Robotaxi市場提供了低門檻的路徑。多強爭霸，商業化競速加速面對輝達的強勢進攻，馬斯克強調特斯拉在自動駕駛技術上的領先優勢。特斯拉此前選擇的是一條垂直整合的硬核路線，從自動駕駛晶片FSD的自研，到基於攝影機和AI的純視覺自動駕駛技術開發，再到未來Robotaxi車隊的營運，特斯拉試圖掌控從技術研發到商業化落地的全鏈條。特斯拉的純視覺路線是其技術壁壘的核心。與依賴雷射雷達等多感測器融合的方案不同，特斯拉憑藉海量的真實道路行駛資料，訓練出能夠精準識別複雜路況的AI模型。馬斯克認為，人類通過視覺就能完成駕駛，自動駕駛系統也應遵循這一邏輯。儘管純視覺路線對資料採集、模型訓練的要求極高，但特斯拉通過旗下數百萬輛量產車的即時資料反饋，不斷最佳化FSD系統，其迭代速度讓競爭對手難以企及。隨著電動汽車業務增長觸及天花板，Robotaxi已成為特斯拉未來增長的核心引擎。特斯拉計畫打造的“全民車隊”模式，讓車主在車輛閒置時接入Robotaxi網路，既能為車主帶來額外收入，又能快速擴大車隊規模，這種模式有望釋放社會運力潛力，建構起獨特的共享出行生態。不過，特斯拉也面臨著本土化適配的挑戰，例如在中國市場，其需要建立本土化算力中心，引入Dojo超算平台或外部伺服器資源，以確保FSD系統能高效處理國內複雜的道路場景資料。除了輝達與特斯拉的對決，全球Robotaxi市場已呈現多強爭霸的格局。在北美，Google旗下的Waymo是當之無愧的先行者，其在舊金山已實現全區域覆蓋的純無人Robotaxi營運，憑藉高精度地圖、雷射雷達技術和強大的系統魯棒性，擁有大量忠實使用者。但Waymo基於規則的營運模式也存在擴展性不足的問題，跨城市擴張需要重新進行地圖採集等大量準備工作，進度相對緩慢。在中國市場，Robotaxi的商業化步伐同樣迅猛。百度Apollo旗下的蘿蔔快跑處於領先地位，截至2025年第三季度，訂單量達到310萬單，同比增長212%，已在全球部署超過1000輛Robotaxi。滴滴出行則依託自身龐大的網約車管道優勢，與廣汽聯合研發的前裝量產Robotaxi已交付，並計畫在2027年底部署10萬輛Robotaxi。此外，小鵬汽車、文遠知行、小馬智行等企業也在各自領域發力，廣州更是匯聚了五大Robotaxi巨頭，形成了獨特的產業集聚效應。目前Robotaxi行業的發展，正從技術驗證階段邁向商業化營運的關鍵時期。技術層面，自動駕駛系統的安全性仍是核心挑戰，如何在複雜的城市道路場景、極端天氣條件下確保行駛安全，是所有企業必須攻克的難題。同時，隨著行業向端到端演算法架構演進，誰能掌握更高效的AI模型訓練技術、更強大的算力支援，誰就能在競爭中佔據主動。商業模式上，如何實現規模化盈利是企業面臨的另一大考驗。Robotaxi的營運成本仍相對較高，隨著車隊規模擴大和技術成熟，成本下降空間巨大。長遠來看，單車成本有望降至每公里0.8元，成本回收周期縮短至3.3年。而“乘客自有模式”等創新模式的探索，將進一步釋放共享出行的潛力。輝達與特斯拉的戰略對決，將深刻影響Robotaxi行業的發展方向。輝達的開放平台模式加速了技術普及，推動產業生態多元化；特斯拉的垂直整合路線則堅守技術深度，試圖建構獨特的競爭壁壘。所以未來行業或許不會出現一家獨大的局面，而是形成多種技術路線、多種商業模式共存的生態體系。但對於消費者而言，這意味著將享受到更便捷、更經濟的出行服務；對於整個汽車產業而言，Robotaxi的普及將推動產業向智能化、共享化轉型，開啟一個全新的出行時代。 (鋰智出行)

一、發展歷史：兩種基因，兩條路1、輝達：賭出來的王者輝達的起點和"GPU"這個名字一樣——做遊戲顯示卡。1993年黃仁勳帶著"為PC增加真實感"的想法創立，最初連正經辦公室都沒有，靠著給世嘉做遊戲晶片的副業活了下來。轉折點在2006年——輝達推出CUDA架構，把GPU從"遊戲專用"變成了"通用計算"。當時沒人看好這個決定，因為GPU處理平行計算的能力雖強，但根本沒人在CPU之外寫程序。輝達硬是砸了多年錢，補貼學術圈，培養了最早一批在GPU上跑AI研究的人。2012年是歷史性時刻：多倫多大學的AlexNet用兩塊輝達GTX 580在ImageNet競賽中碾壓傳統演算法，深度學習時代開啟。從那以後，輝達的所有投入——CUDA生態、NVLink、TensorCore——全部被驗證是對的。2、華為：被迫長大的海思華為進入晶片領域是被逼的。2004年海思成立，最初做的是視訊解碼晶片和基帶晶片，沒有人會把它和GPU聯絡在一起。真正的GPU故事要從2019年說起——美國實體清單把華為逼到了必須自研晶片的死角。昇騰910在2019年8月發佈，被宣傳為"全球算力最強AI晶片"，對標輝達A100。雖然事後被證明良率和生態差距巨大，但在極限封鎖下能拿出可用產品，已經說明華為的晶片工程能力不容低估。二、投入強度：錢不是問題，問題是買不到1、輝達輝達2025財年研發投入超過350億美元，佔營收的20%左右。這個數字什麼概念？相當於中國頭部AI晶片公司投入的10倍以上。而且輝達的研發投入是"系統性"的——晶片設計、封裝工藝、EDA軟體、CUDA生態、InfiniBand網路，每一塊都在砸錢。2、華為華為沒有單獨披露海思的研發投入，但整體研發費用率常年維持在20%以上，2023年研發總投入超過1600億人民幣。分到海思身上大約在200-300億人民幣量級。3、關鍵差距不在錢，在於工具鏈輝達用的是全球最領先的EDA工具（Synopsys、Cadence）和最先進的製造工藝。華為被封鎖之後，EDA工具斷供（Synopsys/Cadence均已停止服務華為），製造被卡在7nm（台積電斷供，中芯國際14nm勉強能用）。這意味著華為每往前走一步，都要比輝達多付出幾倍的工程代價。三、製程限制：華為的七吋這是華為最現實的困境。輝達H100/H200用的是台積電4nm工藝，B200用的是3nm。晶片製程不是單純"越先進越好"，而是直接決定了：-電晶體密度：同樣面積能放多少計算單元-功耗效率：每度電能跑多少算力-發熱密度：散熱設計難度華為昇騰910C據報導用的是中芯國際7nm N+2工藝，實際良率和性能都存在較大不確定性。一位國內晶片工程師私下說："7nm做出來的和台積電7nm做出來的，性能可能差30%，功耗可能差50%。"輝達的Blackwell B200單晶片算力達到20PFLOPS（FP4），華為昇騰910據官方說法是256TFLOPS（FP16），差距大約80倍——當然這個數字要打個折扣，因為測試標準不同，但數量級差距是客觀存在的。但有一種觀點值得注意：封鎖讓華為無法追逐最先進製程，反而倒逼了"系統級創新"。昇騰通過"達文西架構"的3D Cube技術，在特定AI算子上的效率比輝達A100高；通過最佳化記憶體頻寬和互聯頻寬，部分場景可以彌補製程劣勢。四、開發者生態：這是最難跨越的護城河如果說晶片是硬體，生態就是空氣——看不見摸不著，但一刻也離不開。1、輝達：CUDA就是壁壘全球有超過600萬開發者熟悉CUDA程式設計。所有主流AI框架（PyTorch、TensorFlow、JAX）都以CUDA為第一優先順序支援目標。全球幾十萬家AI創業公司，從第一天寫程式碼就是在輝達的生態裡。這個生態的壁壘有多深？不是靠"性能更好"就能打破的。假設華為明天發佈一顆晶片，理論性能比H100強50%，但PyTorch不支援、C++編譯器不支援、所有開源模型沒針對華為NPU最佳化——沒有開發者會用的。2、華為：正在建，但差距是數量級的華為有MindSpore框架，有CANN計算架構，有昇騰社區。但和CUDA比，MindSpore的開發者數量差了至少兩個數量級。更致命的是，全球AI開源生態幾乎全部建構在CUDA之上，華為要推動生態遷移，估計需要付出十年以上的時間和幾千億元的投入。五、產業應用：輝達吃肉，華為喝湯1、全球AI算力市場現狀輝達在全球資料中心GPU市場的份額超過88%。全球四大雲廠商（AWS、Azure、GCP、阿里雲）都在大量採購輝達的H100/H200。訓練一個GPT-4量級的大模型，需要大約1萬到10萬塊H100，這個門檻已經把絕大多數玩家攔在門外。2、華為：中國市場的"替代陷阱"在中國市場，華為是政策推動下的"正確選擇"。由於美國對中國的出口管制，中國企業無法獲取A100/H100，昇騰成了唯一的替代方案。百度、科大訊飛、商湯等公司都宣佈接入華為昇騰生態。但"替代"和"能用"是兩回事。一位國內大模型公司的技術負責人說："用昇騰訓練一個百億參數模型，要比用A100多花3到5倍時間。開源模型遷移到昇騰，偵錯適配的工作量大約是6到12個月。"這不是華為的問題，是整個中國AI算力生態的短板。六、未來走向：兩個平行宇宙1、輝達的劇本輝達正在推進"全端AI公司"的戰略——從晶片到伺服器（DGX），從網路到軟體（CUDA、X86上的AI企業套件）。Blackwell之後是Rubin架構，每年一代的速度在迭代。輝達的終極目標不是賣晶片，而是賣算力即服務——通過DGX Cloud，讓企業直接租用算力，不需要買硬體。這個模式下，輝達的護城河會從"晶片性能"延伸到"維運能力"和"軟體生態"。2、華為的劇本華為的算力戰略高度依賴政策保護和市場壁壘。如果輝達中低端晶片繼續實施限制，華為昇騰在中國的市場份額會繼續擴大。但如果封鎖持續，華為的晶片迭代速度會逐漸放緩（因為7nm之後往5nm/3nm走會越來越難）。華為另外一個籌碼是"軟硬一體"——鴻蒙作業系統、昇騰晶片、MindSpore框架、盤古大模型，這是中國唯一具備端到端能力的AI全端。但這整套東西的競爭力，目前主要體現在中國市場。七、結論：誰贏了這個回合？輝達贏了嗎？ 贏了，而且贏得毫無懸念。在全球市場，華為短期內沒有挑戰輝達的可能性——製程、生態、應用，一個都打不過。華為輸了嗎？ 沒有。在中國市場，華為是唯一現實的大規模AI算力供應方。沒有華為，中國的AI大模型訓練會不會停擺不知道，但至少token經營無從談起。這本身就是一種價值。真正的博弈在別處：算力競爭從來不只是晶片競爭，而是標準競爭、生態競爭、人才競爭。美國有輝達CUDA，有台積電製造，有PyTorch生態；中國有華為，有中芯國際，有MindSpore。前者開放但可封鎖，後者自主但封閉。兩個體系未來大機率會長期並存，形成事實上的"算力兩極格局"。 (大饒不老)

路透社消息，美國國防部4月30日表示，已與七家美國頭部人工智慧相關企業達成合作協議，將在美國防部涉密網路中接入並應用各家的先進人工智慧技術。美國國防部在聲明中提到了SpaceX、OpenAI、Google、輝達、Reflection、微軟和亞馬遜雲服（AWS）等公司。這些公司將接入美軍6級與7級涉密隔離網路環境，用以最佳化資料整合效率、提升態勢感知能力，並輔助作戰人員在複雜作戰場景下開展決策。美國防部表示，本輪合作將加速美軍向人工智慧優先型作戰力量轉型，幫助作戰人員在全域作戰中維持決策優勢。另一AI企業Anthropic曾與美軍對AI工具的使用約束規則產生分歧。受此影響，美國國防部上月將其列為供應鏈“風險主體”，禁止美軍及合作承包商使用其產品。 (觀察者網)

接下來，黃仁勳的無奈和氣憤大機率還將繼續。“不誘於譽，不恐於誹，率道而行，端然正己。”這是上周DeepSeek-V4發佈稿的結尾，DeepSeek自己引用的一句話。字面意思是，不被讚譽誘惑，不被誹謗嚇到，按自己認定的道往前走，端正自己。過去一年多，同行動作頻頻，而DeepSeek除了零散的更新，幾乎毫無動靜，繼而引發不少質疑，但DeepSeek沒有回應過一次。DeepSeek淡定地做自己，輝達卻不能從容了。DeepSeek已明確表示，V4在下半年將正式支援華為算力。巧合的是，在此之前不久，黃仁勳在一檔播客節目裡提到：“如果像DeepSeek這樣頂尖的模型優先在華為晶片上運行，對我們來說將是‘可怕的後果’。”過去兩年，黃仁勳一直苦口婆心地勸告美國：“如果中國不能從美國購買（高端晶片），他們就會自己建造。”但勸告無果，他只能眼睜睜地看著輝達在中國的市場份額從2024年的70%降到2025年的55%。接下來，黃仁勳的無奈和氣憤大機率還將繼續。黃仁勳心裡的意難平，份量越來越重了AI時代之前，黃仁勳只是眾多遊戲宅眼裡刀法精準的“黃狗”。到了AI時代，黃仁勳迎來人生巔峰，輝達市值一路突破5兆美元，全球第一。逆襲背後，靠的是一次豪賭。2006年，輝達推出CUDA開發平台，能夠降低GPU程式設計門檻，讓多個GPU平行運算，從而大幅提升計算性能。但當時除了輝達，誰都沒把它當回事。一名輝達深度學習團隊的成員說道：“在CUDA推出十年以來，整個華爾街一直在問輝達，為什麼你們做了這項投入，卻沒有人使用它？他們對我們的市值估值為0美元。”CUDA十年無人問津，輝達雖然痛苦，但也獲得了先發優勢。所以當AI大潮轟然而至，輝達一飛衝天。時至今日，輝達的GPU更是變成了原油般的存在，幾乎所有大模型都奔跑在輝達的算力晶片上。豪賭成功的黃仁勳，如今不論到那兒都是意氣風發。如果說他還有什麼意難平，恐怕只有中國市場了。黃仁勳在2023年年底接受媒體採訪時表示，中國市場佔輝達銷售額的大約20%。騰訊、阿里、字節等巨頭的訓練叢集，清一色的輝達GPU。此外，在發展得如火如荼的中國智駕市場裡，彼時有超過80%的輔助駕駛晶片也來自輝達。然而一紙禁令，徹底攪了輝達在中國市場的美夢。輝達的高端晶片無法繼續給中國的AI大業添磚加瓦，後來專門為中國市場開發的閹割版的A800和H800也沒能繞開管制，黃仁勳一邊鬱悶一邊絞盡腦汁。2023年11月，矽谷DealBook峰會上，黃仁勳在對著全息演示屏上的中國地圖重申：“失去這個市場，我們沒有Plan B。”2024年1月，黃仁勳來華，在北京、上海、深圳三地的年會連軸轉。上海那一場，他脫下黑皮衣，換上東北大花馬甲，扭起了大秧歌；11月在港科大的講台上，他又動之以理“開放研究是全球合作的最終形式”。進入2025年，黃仁勳一方面繼續向中國市場示好，身著“唐裝”用生硬中文讚揚中國科技發展，一邊對著大洋彼岸曉之以利：“中國是一個不可替代的市場，服務這裡符合美國的利益。”可惜任憑他做足了各種姿態，說盡好賴話，還是事與願違。輝達在中國市場一家獨大的格局一去不復返，華為昇騰、阿里平頭哥、百度崑崙芯和寒武紀，毫不客氣地瓜分了它空出來的位置。到嘴的鴨子越飛越遠，黃仁勳忍不了了。DeepSeek-V4，戳中輝達的命門2026年4月15日，黃仁勳做客美國知名播客節目。面對主持人的一連串追問，其中還夾帶著指責他為了利益不顧國家安全的暗示，黃仁勳罕見地發飆了。他表示，管制的邏輯“極其愚蠢”，是典型的“失敗者心態”。在黃仁勳看來，如果是強者心態，一開始就不該關注要不要限制高端晶片出口。他曾公開表示：“無論有沒有美國晶片，中國的人工智慧技術都在快速發展。問題不是中國是否會擁有人工智慧，它已經擁有了。真正的問題是，世界上最大的人工智慧市場之一是否將運行在美國的平台上。”所以，黃仁勳反覆呼籲放開對華晶片銷售。他不只是怕少賣幾塊GPU，更擔心的是輝達的生態地位被挑戰。一直以來，他真正在意的是CUDA生態。有人比喻，如果把輝達GPU看作“電腦主機”，CUDA就是“Windows系統”。只要該生態能讓大部分人離不開，輝達就立於不敗之地。截至2025年，全球超過450萬開發者在使用CUDA。幾乎整個AI圈子的人都習慣在CUDA上寫程式碼、開發應用。他們所有的學習成本、項目程式碼、工程經驗，全都有輝達的印記。要離開這個生態也不是不行，但那就意味著程式碼重寫，工具鏈重搭，工程師重新培訓。有業內測算指出，非輝達平台上開發周期可能延長6個月，成本增加40%。所謂“賣產品不如賣品牌，賣品牌不如賣標準”，科技行業同樣如此。因此輝達不怎麼操心誰家的AI強不強，只關心他們的AI在不在自家生態裡黃仁勳對於DeepSeek的態度，就是一個例子。去年DeepSeek發佈R1，直接衝擊了行業對算力堆疊的路徑依賴，業內突然意識到原來搞頂級AI可能不需要海量GPU，於是輝達股價大跌，短短三天蒸發了6000億美元。但當時黃仁勳對外沒有顯出一點慌亂，還宣稱DeepSeek及其開源推理模型所帶來的能量“令人無比興奮”，並且篤定這種技術創新反而會帶來更多算力需求。那時他確實有底氣。畢竟R1再怎麼驚豔，終究是跑在輝達的GPU上，活在CUDA的生態裡。DeepSeek-V4的出現，則是把他最擔心的事變成了現實。V4預覽版上線的文件裡有一行小字寫著：“受限於高端算力，目前Pro的服務吞吐十分有限，預計下半年昇騰950超節點批次上市後，Pro的價格會大幅下調。”言外之意是，等下半年華為昇騰950鋪開了，V4不但會更流暢，價格還能再砍幾刀。V4的存在也是在告訴其他人：離開輝達的晶片和生態，也能幹旗艦模型的活。輝達的生態壁壘就此裂出了一條縫，雖然還微不足道，但對於喜歡把“輝達離倒閉只有30天”之類的話掛嘴邊的黃仁勳，不得不警惕。“全面替代”的口號，不是說說而已想挑戰輝達的遠不止國內企業。2024年，AMD、英特爾、Meta、微軟、Google等9家科技巨頭成立了一個UALink聯盟，針對的就是輝達的護城河——NVLink。OpenAI則是推出Triton編譯器，試圖繞開CUDA的“語言壟斷”。所以段永平曾表達過對輝達的一個顧慮：輝達的護城河雖然很強大，但這麼多巨頭針對它，不能改變一些什麼嗎？對此，輝達見招拆招，收效頗豐。客戶和競爭對手想在NVLink之外另起爐灶，輝達乾脆直接開放NVLink，讓出一部分權限，讓客戶可以把其他品牌的晶片也混進算力叢集裡。中國這邊全然不同，局勢促使我們堅定自研，歷史也反覆證明了爹有娘有不如自己有，必須把輝達從“唯一選擇”變成“備選之一”，那怕中國的晶片在許多方面還暫時落後。這也成了許多中國企業的共識。科大訊飛是一個典型案例，明知遷移成本極高，用輝達方案一個月能完成的任務，遷移到昇騰可能需要三個月，但其董事長劉慶峰直言：“這一步非走不可。”這種不計代價的投入，大概才是真正會讓黃仁勳頭疼的東西。更何況，中國同行也有不少與輝達對壘的底氣。一個是基建優勢。在播客裡，主持人認為輝達如果把高端晶片賣給中國企業，會幫助對手開發出頂尖AI模型。黃仁勳當即反駁道，頂尖的AI模型，不一定要最頂尖的晶片才能訓練出來。中國企業的解決方案是“芯海戰術”，通過相關技術把數百甚至數千顆國產晶片高速互聯，形成一個龐大的算力叢集，用數量優勢彌補單點性能的不足。叢集模式功耗巨大，但好消息是，中國不缺能源。還有市場優勢。晶片和AI好不好用，需要在市場裡驗證和迭代。中國不僅內需市場足夠龐大，中國頭部AI公司還普遍採用開源策略，大幅降低了開發者和企業的使用和二次開發門檻，疊加成本優勢，中國的AI模型能輕易觸達全球使用者。例如2024年初，Meta的大模型Llama下載量為1060萬次，而阿里的大模型Qwen下載量只有50萬次。但到了2025年10月，Qwen的累計下載量為3.853億次，超過了Llama的3.462億次。就像最近很火的何潤東版項羽說的“打仗靠的是決心和勇氣”，挑戰輝達也需要實力、動力和決心。還好這些我們也都不缺。國產晶片“能用”了，“好用”還會遠嗎？ (36氪)

高盛認為在AI基礎設施建設熱潮中，投資者應將倉位從晶片股轉向雲端運算巨頭。周四，Alphabet股價單日大漲10%，市值單日增加4210億美元，創下該公司有史以來最大單日市值增幅，同時也是美國企業史上第二大單日市值增加紀錄。（Google股價近一年走勢）與此同時，輝達股價下跌逾4%，跌破200美元關口，單日跌幅金額近10美元。高盛資深半導體分析師Jim Covello在致客戶報告中建議"做多超大規模雲服務商、低配半導體"。Covello在報告中指出，當前市場對超大規模雲端運算商的投資回報率定價，已反映了"相當程度的悲觀預期"，導致該類股估值倍數被大幅壓縮。相比之下，半導體股估值已明顯偏高。01. Google雲強勁增長，點燃市場熱情Alphabet此輪暴漲的導火線是一份亮眼的季度業績報告。Google雲業務單季營收增速達63%，令投資者印象深刻。雲業務營運利潤率從一年前的17.8%大幅擴張至32.9%，管理層將此歸因於更高效的技術基礎設施和流程創新。摩根大通分析師Doug Anmuth在周四的研報中寫道：我們認為Google正在其AI投資上產生清晰、可量化的回報。他指出，Google雲的合同積壓訂單在一季度環比接近翻倍，達到4620億美元。Anmuth同時強調：底層晶片、模型改進、使用者參與度與商業變現之間的良性循環仍在持續複利。Alphabet方面在財報電話會議上表示，AI解決方案已成為Google雲的首要增長驅動力，基於Gemini的AI智能體產品需求旺盛。公司披露，Gemini每分鐘處理超過160億個token，環比增長60%。02. Alphabet市值逼近輝達，差距縮小至約2030億美元強勁業績推動Alphabet股價創下歷史新高，據道瓊斯市場資料，該公司本月累計漲幅已達33.8%，為2004年10月以來最佳單月表現。在市值排名上，Alphabet與輝達之間的差距已縮窄至約2029億美元，為今年2月5日以來的最小差距。今年1月，Alphabet已超越蘋果，成為全球市值第二大公司。過去一年，Alphabet股價累計上漲138.5%。該公司已逐步瓦解外界對AI構成其業務"存亡威脅"的敘事，Google搜尋業務一季度增長19%，查詢量創歷史新高，印證了AI擴大而非蠶食搜尋業務的邏輯。據Sensor Tower資料，Gemini已成為僅次於OpenAI旗下ChatGPT的全球第二大下載量AI應用。03. 高盛：晶片估值偏高，雲巨頭被市場低估Covello在報告中指出，當前半導體股估值已明顯偏高，而超大規模雲服務商的估值則低於歷史均值。費城半導體指數的12個月遠期市盈率已升至約24倍，高於10年均值19倍；超大規模雲服務商的遠期市盈率同樣約為24倍，但鑑於其持續現金流與成長前景，該類股歷史上通常享有更高溢價。過去數月，半導體是投資者最偏愛的AI主題標的，費城半導體指數過去一年累計漲幅接近150%。與此同時，亞馬遜、甲骨文、微軟、Alphabet、Meta等超大規模雲服務商，則因大規模資料中心資本開支引發投資者疑慮而表現落後。（今年四大超大規模資料中心營運商的總資本支出，預計將超過7000億美元）Covello在報告中勾勒了兩種對雲端運算商有利的情景：第一種情景：雲巨頭開始展示出正向投資回報，消除市場對其資本支出的疑慮，推動估值修復，而晶片股的上行空間則因市場已充分定價而受限。第二種情景被Covello視為"最佳情景"：若超大規模雲服務商的投資回報率持續承壓，被迫削減資本支出，"我們認為雲巨頭將因現金流前景改善，而迎來顯著的反彈，而半導體股則將因資本開支下降衝擊營收而大幅下挫。"唯一的負面情景是"維持現狀"：即雲巨頭在投資回報率存疑的情況下繼續大手筆支出，持續壓縮自身現金流動態，同時繼續支撐晶片股估值。Covello指出，這一情景對上述相對價值交易最為不利。 (華爾街見聞)