kill me heal me

黄仁勋的“达链”闭环了_我的网站

一 |     

八 |          关于本次英伟达和日本的合作，真正值钱的部分，就在于日本几十年积累下来的工业数据。         互联网大模型可以从公开网页里找语料，但是如果想发展物理AI，那就必须让机器人学习真实世界里的物理规则，比如力、速度、碰撞、温度和材料变化。         日本拥有全球最密集的一批汽车工厂、工业机器人和精密制造产线，但这些数据长期锁在不同企业、不同设备和不同控制系统里，既不能直接互通，也很难拿来训练统一模型。         黄仁勋要做的，就是在不要求企业交出核心商业机密的前提下，把分散的数据，全都转换到英伟达的平台上，再用Vera Rubin训练基础模型。         这样一来，叙事就变成了英伟达统一了日本机器人产业，并帮助其发展壮大。         B          如果说机器人、应用是达链的最上层，那么达链的中间层，则是生产与制造，这个部分主要由韩国，以及我国台湾省来执行。         先说韩国。         2026年6月，黄仁勋飞抵首尔，和SK海力士，围绕着第四代高带宽存储器（HBM4）签下了一份绑定协议，有效期持续到2030年。         简单来说，英伟达提前把采购HBM4的钱交给SK海力士，让后者能够有充足的资金提前建厂，同时SK海力士把HBM4的优先采购权交给了英伟达。         一颗英伟达Rubin GPU要搭载288GB的HBM4内存，每GB内存的成本为18.40美元。         那么一颗GPU的HBM4物料成本大约5300美元。一台NVL72机柜里要塞72颗Rubin GPU，HBM4总量为20736GB，那么单机柜HBM4的成本就是38.2万美元。         刚才提到的日本那套Noetra设施，382套NVL72机柜，那么它的HBM4物料总成本，就是大约1.46亿美元。

九 |          全世界能造HBM的只有三家公司，分别为SK海力士、三星、美光。         6月5日，英伟达正式确认三家全部通过Rubin平台的HBM4认证。         不过认证归认证，订单归订单，两者各论各的。         据外媒披露，SK海力士拿下了英伟达首批HBM4订单的大约70%，远高于此前业界估计的50%。三星和美光分剩下的30%。         为什么是SK海力士？因为它是唯一一家能同时大规模出货HBM3E和HBM4的厂商。          作者声明：该图片由AI生成          2025年9月，SK海力士率先完成了全球首款12层HBM4的开发；2026年7月14日，正式进入量产阶段。

十 |          三星虽然体量比SK海力士更大，但HBM良率问题迟迟没解决，因此出货份额反而低于SK海力士。         进入达链以后，SK海力士的命运被彻底改写。

十一 |          SK海力士只在韩国上市时，很多美国基金买起来不方便，估值也容易按照韩国制造业和存储周期股来定。因此SK海力士想通过登陆纳斯达克，让投资者把他们当成“AI基础设施”来看。         7月9日，SK海力士在纳斯达克增发ADR，定价每股149美元，募资265亿美元，相当于完成了在美国的“二次上市”。         超过了阿里巴巴2014年赴美IPO的250亿美元，刷新了外国企业在美国上市的最高募资纪录。排在它前面的，只有一个月前SpaceX的750亿美元。         7月10日纳斯达克挂牌首日大涨约14%，盘中一度涨超18%，收盘市值约1.22万亿美元。         AI让SK海力士赚得盆满钵满。         2026年第一季度营收52.6万亿韩元，营业利润37.6万亿韩元，营业利润率高达72%。过去12个月在韩国股市累计涨了634%。

十二 | 市场认购倍数超过7倍，Baillie Gifford、Coatue等三家机构合计意向认购就达70亿美元。         除了英伟达，谷歌和亚马逊也都是SK海力士的客户，排队下单HBM3E和HBM4，还主动提出入股SK海力士的新生产线、资助采购制造设备。         SK集团主席表示，虽然计划五年内把产能翻倍，但客户反馈始终是“还是不够”。         除了解决HBM这个最关键的原材料，达链的中间层还需要一个总的组装车间。         5月28日黄仁勋在台湾省台北市办“兆元宴”，掌管台湾省经济命脉的大佬均出席此宴会，包括台积电魏哲家、鸿海刘扬伟、广达林百里、纬创林宪铭、和硕童子贤、联发科蔡力行等人。         这场宴会过后没几天，黄仁勋就宣布在台湾省北投士林科技园区，规划建设英伟达新总部，代号Constellation（星座）。         他宣布总部2026年动工、2030年前迁入，同时承诺英伟达未来每年在台湾投资规模将达千亿美元级。         黄仁勋表示：“芯片从这里来，封装从这里来，系统从这里造，AI超级计算机也在这里诞生。”          一台Vera Rubin整机，差不多有200万个零部件。         从芯片制造、先进封装、PCB电路板、高速连接器、液冷散热模组、电源管理、光通信模块到机架结构，每一个环节都需要大量工厂协同。

十三 |          英伟达在全球有350余家ODM和零部件工厂同步投产，覆盖30个国家，但其中150家集中在中国台湾地区。         这150家供应链伙伴运营着25个主要工厂，每年为英伟达提供超过100万个部件。Vera Rubin的供应链规模，是上一代Grace Blackwell的两倍。         真正干活的，是台湾省的三大代工巨头。         TrendForce的数据显示，广达、纬创和鸿海联手拿下全球AI服务器近90%的ODM代工份额。

十四 |          其中鸿海（工业富联）占据英伟达AI服务器40%以上的代工份额，是Vera Rubin整机柜的独家主力 ODM，稼动率已经接近95%，几乎是满负荷运转。         2026年第二季度鸿海营收同比增长39.8%，AI服务器业务占鸿海总业务的比例持续增加。         除去代工外，台湾省的台积电还能提供3纳米制程的芯片。

十五 | 截止至目前，台积电超过70%的CoWoS产能都给了英伟达。         如此这般的完整生产组装链条，全世界只有这里能跑通。         C          美国是达链的基石。这里是英伟达最大的客户群，也是他们成就了今天的英伟达。         2025年9月22日，OpenAI与英伟达宣布计划部署至少10GW的英伟达AI系统。         一座核电机组的装机容量大约1GW，10GW相当于十座核电站全力运转，全部用来给AI跑算力。         这份协议计划2026年下半年启动部署，2029年底前全部完成。         SpaceX也是英伟达的超级大客户。         SpaceX已经建成了两座Colossus数据中心。

十六 | 一号机房部署了超过22万颗英伟达GPU（包括 H100、H200和约3万颗GB200），二号机房更大，拥有超过55万颗GPU（以GB200和GB300为主）。         两座加起来，仅GPU采购就花了大约180亿美元。马斯克还把Colossus一号的全部算力租给了Anthropic，每月收租12.5亿美元，合同签到了2029年5月，总价值约400亿美元。

十七 |          谷歌租用了Colossus二号的部分算力，每月9.2亿美元。         再说Meta。         2026年4月，Meta将全年资本开支指引上调至1250亿至1450亿美元，较2025年的722亿几乎翻倍。其中最大的一笔基础设施投资是路易斯安那州的Hyperion超算中心。         2024年首次公布Hyperion时，预计的算力规模是2GW，2026年7月13日追加400亿美元投资，将算力规模扩容至5GW。Hyperion也因此，成为了Meta有史以来最大的数据中心项目。         Anthropic最大的单子，也来自于英伟达。

十八 |          2025年11月，微软和英伟达联手投资Anthropic，微软最高出资50亿美元，英伟达最高出资100亿美元。

十九 |          作为交换，Anthropic承诺采购总价值300亿美元的Azure算力服务，使用来自英伟达Grace Blackwell和Vera Rubin 系统的最高1GW算力。         英伟达FY2026全年收入2159亿美元，同比增长65%，其中数据中心收入1937亿美元，占总收入的近90%。最新一季数据中心营收同比激增92%。

|          可想而知，英伟达在这里挣了大钱。         但问题恰恰出在这里，达链的根基开始动摇了，英伟达最核心的那群客户，开始自己造芯片了。         2026年6月24日，OpenAI联合博通正式发布首款自研AI推理芯片，代号Jalapeño，西班牙语里的“墨西哥辣椒”。         这颗芯片从立项设计到流片成功，只用了9个月。         OpenAI的AI模型直接参与芯片架构设计、功耗仿真和强化学习优化，博通负责生产制造。         博通CEO陈福阳透露，“早期测试显示，相比当前主流AI芯片，Jalapeño可以节省大约50%的推理成本。”          尤其是对于月活超过8亿的OpenAI来说，哪怕每个token的成本只降一点点，那最后省下来的钱都是天文数字。         首批工程样片已经在实验室内，以量产标准的频率和功耗，跑通了GPT-5.3、Codex和Spark模型。按照OpenAI的规划，2026年底小规模部署，2027年快速爬坡，2028年全面规模化量产，远期总功耗最高10GW。         Anthropic比OpenAI想得更远，织了一张巨大的算力网络。         一边用亚马逊的Trainium芯片训练和部署Claude，一边用着谷歌的TPU，同时还不忘英伟达的GPU。         目前，Anthropic已经部署了超过100万颗Trainium 2。

| 并且Anthropic的工程师直接参与亚马逊Annapurna Labs的芯片底层内核开发。         并且，Anthropic还扩大了和亚马逊的合作，未来十年在AWS上投入超过1000亿美元，锁定最多5GW新算力。         4月，Anthropic还和谷歌、博通签了协议，从2027年起包揽巨额的下一代TPU算力。         不过这些都没有满足Anthropic，他们正在筹备第一颗自研AI芯片，并与三星开始接触，讨论由三星担任潜在制造合作伙伴。         截止至今，双方尚未签署或公开正式代工合同。         就在这个节骨眼上，黄仁勋在摩根士丹利组织的一场闭门会上，回答了一个无法回避的问题：当OpenAI和Anthropic纷纷自研芯片，英伟达的这条链还牢不牢？          黄仁勋的答案是，自研芯片与英伟达GPU可以同时增长。         黄仁勋表示，即使英伟达单季营收已接近1000亿美元，增长仍有继续加速的可能。

| 归其原因，黄仁勋认为，除了这些头部模型公司，市面上绝大多数AI公司仍然需要英伟达的芯片。         云厂商仍是英伟达的基本盘，但土地和电力开始成为限制增长，因此黄仁勋把增量押在了AI实验室、新型云厂商、主权AI和工业客户身上。         因此，尽管达链的基石开始晃动，摩根士丹利在会后，依然维持了英伟达“增持”的评级，以及给出了288美元的目标价。

|

Current article:http://www.zhouangnaoguangsundianzhenmou.cfd/list_f4dn7/7fp4.htm

Published on:00:15:14