{"source":{"id":"mb-20260828-e86239","title":"全球第二大经济体在英伟达最新的业绩指引里，被直接填上了一个数字：0","url":"https://mubeitech.com/p/mb-20260828-e86239"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"mb-20260828-0cecdf","account":"mubei","brand":"","title":"全世界单季净赚近 600 亿美元的芯片巨头，正在把赚来的每一分钱，重新借给买它芯片的人","summary":"全世界单季净赚近 600 亿美元的芯片巨头，正在把赚来的每一分钱，重新借给买它芯片的人","body":"全世界单季净赚近 600 亿美元的芯片巨头，正在把赚来的每一分钱，重新借给买它芯片的人。\n表面上看，这是人类商业史上最赚钱的硬件狂欢。\n英伟达的市值已经超过标普 500 指数里五个行业板块的总和。\n但把账本拆开，里面藏着一个规模超过 7500 亿美元的资金迷宫。\n英伟达不再只是单纯的芯片供货商。\n它在扮演整个 AI 宇宙的做市商、终审投行与中央银行。\n为什么一家芯片公司，需要亲自下场给自己的买家兜底借钱？\n是算力需求真的深不见底，还是这套繁荣本身就是用自己的资产负债表烧出来的？\n把这笔账顺着信贷链条拆到底，会看到一台在华尔街历史上反复显形的冰冷机器。\n卖方信贷闭环，以及资产负债表外置。\n二十五年前的互联网泡沫初期，思科干过极其相似的事。\n当时光纤和网络设备需求暴涨，思科不仅卖硬件，还向缺乏资金的中小电信运营商直接发放百亿美元贷款。\n运营商拿到贷款，转头采购思科的路由器。\n思科在财报上确认营业收入与高额利润，推高市值，再用更高的市值去支持更大规模的放贷。\n这套机制叫卖方信贷。\n它的致命死穴在于，需求不来自终端用户的真实付费，全靠供应商自己的放贷意愿在撑。\n一旦借钱买设备的公司赚不到真金白银，坏账就会顺着资金链瞬间反噬母体。\n黄仁勋和华尔街，搭了一台比当年思科精巧得多的现代信贷机器。\n英伟达没有直接把所有高风险的应收账款堆在自己的资产负债表上。\n它把单季数百亿美元的硬件利润，变成了撬动全球资本的信用支点。\n根据 PitchBook 统计，英伟达直接卷入的投资、融资协议与生态合作规模，已经突破 7500 亿美元。\n这套机器通过几个齿轮紧密咬合。\n英伟达向核心 AI 初创团队注资，换取股权的同时，锁定这些客户未来几年必须优先采购英伟达的芯片与全套算力架构。\n投出去的风险资本，以硬件采购的形式，带着超过 70% 的高毛利重新流回英伟达账户。\n接着，它把华尔街私募信贷巨头拉进牌桌。\n黑石与阿波罗等机构动员了超过 5000 亿美元的外部债务资本。\n他们把尚未交付的 GPU 算力集群直接打包成抵押品，发行结构化信贷。\n违约风险被打包切碎，分散给追逐高收益的外部养老基金和机构投资者。\n英伟达在不扩大自身债务杠杆的前提下，凭空为市场创造出了数千亿美元的即时采购力。\n这直接构成了超过 90% 的数据中心收入来源。\n防线还在向更深处延伸。\n当微软、谷歌、亚马逊乃至 OpenAI 试图通过自研 Jalapeno 等定制芯片逃离束缚时，英伟达直接斥资 130 亿美元收购开源模型枢纽 Hugging Face，同时投入数十亿美元自研开源大模型。\n它把开发者最依赖的模型分发和软件标准牢牢抓在手里。\n无论底层硬件怎么变，开发者依然被死死锁在 CUDA 和英伟达的软件生态里。\n这构成了一个自我强化的超级飞轮。\n英伟达推动的融资越多，行业建设的数据中心就越多。\n数据中心建得越多，吞下的芯片就越多。\n财报上的数字越惊人，华尔街就越敢发放更大规模的算力抵押贷款。\n批评者指责这种循环融资制造了虚假的繁荣幻觉。\n黄仁勋坚称每一次生态投资都会带来百倍回报，风险微乎其微。\n两边的分歧，本质上是对算力资产属性的根本认知不同。\n怀疑者看到的是 2000 年那些最终烂在地下、无人问津的暗光纤。\n英伟达押注的，是算力已经成为如同石油和电力一样的基础生产要素。\n当一家公司能同时主导融资、放贷、建造基础设施并垄断分发标准，它就已经脱离了普通制造业的竞争维度。\n但这台飞轮转得再快，终究绕不过一个最基础的商业铁律。\n当所有的借贷、采购与抵押都被层层推向极限，最终必须有真实世界的终端消费者，为这台万亿巨兽吞下的每一度电和每一个算力单元买单。\n如果那笔真实的商业利润迟迟没有出现，今天被包装成抵押资产的几十万张芯片，明天就会变成整个体系里最昂贵的折旧负担。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-28 16:48:35","created_at":"2026-08-28 16:48:35","url":"https://mubeitech.com/p/mb-20260828-0cecdf","markdown_url":"https://mubeitech.com/p/mb-20260828-0cecdf/markdown"},{"rank":2,"id":"mb-20260827-a4a65d","account":"mubei","brand":"","title":"70% 的年增速预期摆在面前，华尔街第一反应是 AI 周期见顶了","summary":"70% 的年增速预期摆在面前，华尔街第一反应是 AI 周期见顶了","body":"70% 的年增速预期摆在面前，华尔街第一反应是 AI 周期见顶了。\n真实情况恰恰相反。\n70% 只是工厂交货的物理极限，买家开出的真实订单其实早就翻倍了。\n为什么订单多到接不完，营收指引却只能停在七成？\n算力这门狂飙突进的生意，到底在哪道关卡被死死卡住了？\n这台机器叫物理供给约束。\n过去二十年，软件和互联网的扩张规律是零边际成本。\n只要用户点击下载，机房加点带宽，服务就能无限复制。\n但实体硬件世界从来不吃这套虚拟法则。\n一套顶尖的算力集群，不仅需要晶圆制造，还需要高带宽内存堆叠、微米级先进封装、液冷机柜，以及以十万千瓦计的电网配电。\n当大模型对参数和训练算力的需求每年翻倍暴涨，下游的物理供应链根本变不出凭空落地的产线。\nNvidia 首席财务官 Colette Kress 在财报电话里挑明了底牌：客户的实际需求增速冲到了 100%，但受限于高带宽内存等产能瓶颈，公司只能给出约 70% 的交付预期。\n市场的核心矛盾变了。\n增长的上限与买家的钱包无关，死死受制于物理世界一年究竟能交付多少计算设备。\n但这还只是整台机器的表层。\n真正凶狠的飞轮藏在资产负债表里。\n很多人看不懂，为什么一家芯片巨头要掏出几百亿美元，直接砸向前沿 AI 实验室？\n投资机构 Wealth Enhancement Group 的投资主管 Doug Huber 指出了底层的青训农场逻辑。\n顶尖的 AI 实验室在诞生第一天，最稀缺的资源就是极致的算力。\n巨头把资本注入这些初创团队，换来的从来不只是一纸股权凭证。\n真正的杀招，是把自己的通信协议、网络互连架构和底层软件环境，在实验室写第一行代码时就焊死在模型架构里。\n前沿实验室就是整套算力帝国的青训营。\n一旦其中某家实验室跑通了前沿模型、迎来商业化爆发，它后续数以百亿计的算力扩张需求，没有任何改换门庭的余地，全都会原路流回给投资它的硬件母体。\n左手把资金投出去变成初创公司的股权，右手把订单收回来变成源源不断的高毛利硬件销售。\n这是一台自我造血、自我制造需求的确定性闭环。\n超大规模云厂商想靠自研芯片摆脱掌控？\n战场的维度早就变了。\n当其他人还在比拼单颗芯片的跑分高低，新的竞争已经升级为整座算力工厂的系统级交付。\n从处理器、通信网络到机柜级液冷与软件调度，全都打包成了不可拆分的整体。\n换掉一颗芯片代价很小。\n但要拆掉整座已经深度适配了底层协议的算力工厂，成本高到没人承担得起。\n决定这场科技竞逐上限的，根本不是资本市场的短期情绪。\n真正的天花板，是物理世界的工程交付速度与底层的生态锁定。\n当一家公司不仅锁死了下一代硬件的交付产能，还顺手包揽了未来所有核心买家的孵化底座。\n这场竞争，到底是在比谁的算法更聪明，还是在比谁能把物理现实更快地焊进自己的商业闭环里？","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-27 22:36:42","created_at":"2026-08-27 22:36:42","url":"https://mubeitech.com/p/mb-20260827-a4a65d","markdown_url":"https://mubeitech.com/p/mb-20260827-a4a65d/markdown"},{"rank":3,"id":"2044501901065306340","account":"mubei","brand":"@mubei","title":"如果没有英伟达掏钱给资源，如今这批最猛的 AI 云平台根本就不会存在。 黄仁勋把底牌亮出来了。 CoreWeave 能活…","summary":"如果没有英伟达掏钱给资源，如今这批最猛的 AI 云平台根本就不会存在。 黄仁勋把底牌亮出来了。 CoreWeave 能活下来，全靠英伟达当初的扶持。 Nscale 和 Nebius 能有今天的盘子，也是英伟达一手托起的。 这到底算一种什么商业模式？ 黄仁勋的做法极度克制：按需而为…","body":"如果没有英伟达掏钱给资源，如今这批最猛的 AI 云平台根本就不会存在。\n黄仁勋把底牌亮出来了。\nCoreWeave 能活下来，全靠英伟达当初的扶持。\nNscale 和 Nebius 能有今天的盘子，也是英伟达一手托起的。\n\n这到底算一种什么商业模式？\n黄仁勋的做法极度克制：按需而为，尽量少插手。\n英伟达正满世界砸钱，四处投资各类基础大模型公司。\n但他们给自己定下了一条铁律：绝不下场挑选赢家。\n\n谁能跑到最后，由市场说了算。\n英伟达只负责给赛道上的每一个选手递上一瓶水。\n去投其中一家，就是在押注整个生态。\n支持所有人去卷，才是这门生意的终极乐趣。\n\n卖硬件赚差价，根本装不下黄仁勋的野心。\n他要让架构和 AI 接入全球每一个行业。\n让整个地球的未来，都跑在人工智能的轨道上。\n最致命的一环是：这一切都必须构建在美国的技术栈之上。\n\n算力捏住命门，生态制定法则。\n英伟达早就超越了卖铲子的角色。\n他们正在重写整个数字世界的地契。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2044692354410459211","translated_status_id":"2044692354410459211","published_at":"2026-04-16 08:04:54","created_at":"2026-04-16T09:58:08.601404","url":"https://mubeitech.com/p/2044501901065306340","markdown_url":"https://mubeitech.com/p/2044501901065306340/markdown"},{"rank":4,"id":"mb-20260827-e5011d","account":"mubei","brand":"","title":"全市场都在盯着 AI 资本开支何时见顶，NVIDIA 却把明年的收入增速定在了 70%","summary":"全市场都在盯着 AI 资本开支何时见顶，NVIDIA 却把明年的收入增速定在了 70%","body":"全市场都在盯着 AI 资本开支何时见顶，NVIDIA 却把明年的收入增速定在了 70%。\n这个数字直接击穿了标普全球（S&P Global）预期的 44%。\n黄仁勋甚至在财报电话会上补了一刀：真实需求其实逼近 100%，被砍掉的三成，纯粹是因为全球内存工厂供不上货。\n刚刚公布的第二季度，营收再度翻倍冲上 962 亿美元，连续第 13 个季度刷新历史纪录。\n但这里藏着一个巨大的直觉错位。\n如果单次推理的计算成本正在断崖式下跌 35 倍，为什么买芯片的总开销不但没降，反而翻倍狂飙？\n难道东西越便宜，买家不应该花得越少吗？\n答案在 1865 年就被英国经济学家威廉·斯坦利·杰文斯（William Stanley Jevons）写进了书里。\n这台机器叫杰文斯悖论。\n当年瓦特改良蒸汽机、烧一吨煤能做更多功的时候，所有人以为全英国的煤炭消费会减少。\n结果恰恰相反。\n煤炭的单位动力成本暴跌，瞬间引爆了过去根本用不起蒸汽机的无数新行业，煤炭总消耗量直接指数级炸开。\n现在的算力正在发生完全一样的事。\n当生成一个标记（Token）的成本跌到原来的 35 分之一、吞吐量暴涨 30 倍，AI 不再是少数大公司的昂贵实验，而变成了所有软件和业务的底层流水线。\n需求不仅没有见顶，反而被成百上千个新场景瞬间激活。\n这也是为什么数据中心的算账逻辑被彻底改写。\n过去华尔街看芯片单价，现在行业看的是吉瓦经济学。\nNVIDIA 在财报会上披露了一组极具杀伤力的数据：\n2022 年部署的 Hopper 架构，每吉瓦电力规模的数据中心能产生 180 亿美元收入。\n2024 年的 Blackwell，把这个数字推到了 250 亿美元。\n到了 2026 年的 Vera Rubin，每吉瓦产出直接飙升至 400 亿美元。\n对于电力供应受限的数据中心来说，换上新架构的目的从来不在节约成本。\n而在用同一个变电站容量榨出两倍以上的产值。\n算力的单位效益越高，抢电、抢卡、抢机房的动力就越狂热。\n买家版图也早已脱离了传统的科技巨头。\n专门出租算力的新型云服务商和各国的主权 AI 正在疯狂进场，相关业务收入单季激增 138%，增速直接把传统大厂甩在身后。\n甚至连各大厂自研专用推理芯片的尝试，也被这套通用生态压制。\n因为专用芯片只能跑特定模型，而通用算力可以吃下整个云端生态。\n真正制约这场算力狂飙的，从来无关下游软件的盈利叙事。\n卡在喉咙里的，是物理世界制造高带宽内存的产能极限。\n三个月内，NVIDIA 的供应链采购承诺翻了一倍以上，创下历史极值。\n绝大部分资金全部砸向了三星、SK海力士和美光的高带宽内存（HBM）。\n芯片的核心算力跑得飞快，但如果存取通道跟不上，算力就会被活活饿死在等待数据的途中。\n这就是为什么黄仁勋敢在指引里砍掉三成预期。\n需求已经在门外排到了 100%，唯一的刹车片，握在晶圆厂和先进封装的产能产线上。\n把视角从财务模型的折旧表移开，底层的物理与经济规律其实极其冷酷。\n效率提升不会杀死需求，它只会把需求推向更广阔的临界点。\n决定整个产业天花板的，从来不是买家的资本开支预算。\n是这颗星球把沙子堆叠成高带宽内存的物理极限。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-27 11:28:34","created_at":"2026-08-27 11:28:34","url":"https://mubeitech.com/p/mb-20260827-e5011d","markdown_url":"https://mubeitech.com/p/mb-20260827-e5011d/markdown"},{"rank":5,"id":"mb-20260822-c7ecbc","account":"mubei","brand":"","title":"英伟达最近干了一件让硅谷和华尔街同时看不懂的事","summary":"英伟达最近干了一件让硅谷和华尔街同时看不懂的事","body":"英伟达最近干了一件让硅谷和华尔街同时看不懂的事。\n\n它跑去美国俄亥俄州派克县，给一座规划 8 吉瓦的超级数据中心，签了一份最高 1050 亿美元的信用担保。\n\n顺便还自掏 15 亿美元，入股了软银旗下的基建开发商 SB Energy。\n\n而租下这片超级工厂 20 年的租客，是 OpenAI。\n\n很多人第一反应是：一家卖芯片的公司，怎么跑去给客户担保房租了？\n\n黄仁勋甚至给这套打法造了一个新词，叫 LPS。\n\n也就是土地（Land）、电力（Power）、厂房（Shell）。\n\n他公开说，AI 下一阶段的真正死结，已经从芯片转移到了物理基建。\n\n芯片造得再快，要是现实世界里找不到通电的厂房把几十万张显卡插进去，整个增长就会立刻撞墙。\n\n但为什么是英伟达来掏这 1050 亿？\n\n这里藏着一台精巧的商业机器：基础设施卖方信用封装。\n\n把链条拆开看，死结一目了然。\n\n要建一座吉瓦级的 AI 超级工厂，基建商需要几百亿美元买地、铺高压电网、建变电站。\n\n但最终的使用者 OpenAI，账上根本没有千亿级的重资产负债表，更拿不出能让电力公司放心签二十年供电协议的顶级信用评级。\n\n基建商和华尔街不敢为一个连年烧钱的算法实验室垫资千亿。\n\n实验室自己也背不动重资产。\n\n有芯片，有算力需求，但中间的物理基础设施没人敢接盘。\n\n这时候，英伟达把自己的资产负债表搬了出来。\n\n它对软银和华尔街说：你们放心去建，OpenAI 租二十年，租金和电费我用 1050 亿额度兜底。\n\n但前提只有一个。\n\n这座 8 吉瓦超级工厂里所有的计算设备，从 GPU、CPU 到网络互连，必须全套独家采购英伟达的硬件。\n\n一台精密的金融闭环就此成型。\n\n英伟达提供信用背书，解开了基建商的融资顾虑。\n\n基建商拿到钱开工，搞定了稀缺的土地和电力。\n\nOpenAI 拿到了能容纳数十万张芯片的二十年物理空间。\n\n而英伟达，顺手锁死了未来二十年最庞大的一笔算力出货量。\n\n很多人一直以为，英伟达的护城河是 CUDA 软件生态，或者先进制程的架构设计。\n\n那些确实是护城河。\n\n可当竞争对手还在实验室里算跑分、追逐芯片峰值算力的时候，英伟达已经把战场搬到了物理基建和资产负债表上。\n\n对手可以模仿架构，甚至可以用更低的价格做定制芯片。\n\n但对手拿不出 1050 亿美元去替客户担保整整二十年的电费与厂房。\n\n只要这道信用封装在，整座超级工厂的物理大门，就对其他芯片彻底焊死。\n\n这种把卖方变成客户终极担保人的玩法，在商业史上并不陌生。\n\n1999 年电信泡沫顶峰，朗讯（Lucent）和北电也是靠着卖方信贷，借钱给新兴电信公司买自己的光纤路由器，制造出持续超预期的神话，直到下游变现不及预期引发连锁坏账。\n\n二十七年后，AI 产业链上的表外承诺与长期资本绑定，规模已经膨胀到了数万亿美元。\n\n当芯片供应商变成了整条算力供应链的资本协调者，飞轮转得比过去任何时候都要快。\n\n只是当买方、基建商与卖方的命运被焊死在同一张资产负债表上，所有人都在赌同一件事：\n\n那些消耗着吉瓦级电力的模型，能不能在账单兑现之前，真正赚出足以填平这台超级机器的真金白银。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-22 17:07:20","created_at":"2026-08-22 17:07:20","url":"https://mubeitech.com/p/mb-20260822-c7ecbc","markdown_url":"https://mubeitech.com/p/mb-20260822-c7ecbc/markdown"},{"rank":6,"id":"mb-20260823-8ef4c5","account":"mubei","brand":"","title":"AMD 宣布在台湾半导体生态中追加超过 100 亿美元的重磅投资","summary":"AMD 宣布在台湾半导体生态中追加超过 100 亿美元的重磅投资","body":"AMD 宣布在台湾半导体生态中追加超过 100 亿美元的重磅投资。\n这一轮投资周期直接拉长到了 2029 年。\n很多人的第一反应，是台积电又要独吞这笔庞大的资本红利。\n甚至有人以为，这是提前锁定 2nm 制程产能的预付款。\n但翻开这笔资金的真实流向，受益方远不止台积电一家。\n这笔钱被密集切分，铺向了先进封装、载板材料以及整机系统的制造产线。\n一家无晶圆厂的芯片设计巨头，为什么不在光刻机前道死磕？\n为什么要把上百亿美元大举投向后道环节？\n难道造出算力强大的 2nm 核心，还不足以赢得 AI 算力战吗？\n苏姿丰到底用这 100 亿美元买下了什么？\n顺着半导体的装配逻辑拆到底，会撞上一台支配算力世界的机器。\n约束转移律。\n物理学家高德拉特在 1984 年提出约束理论。\n任何复杂系统的产出上限，从来不取决于最快的那道工序。\n它永远被系统中最窄的那道瓶颈卡死。\n过去四十年，芯片行业的瓶颈全在晶圆厂的前道光刻。\n只要砸钱把晶体管尺寸缩小，单颗芯片的性能就会成倍跃升。\n但大模型时代的 AI 算力芯片，彻底撞碎了单颗晶圆的光罩物理极限。\n顶级 AI 芯片不再是单一的一整块硅片。\n它必须拆成几十颗小芯片，再与高带宽内存拼装成一个庞大的异构系统。\n决定芯片生死的重力，瞬间从光刻工艺跌落到了先进封装。\n过去几年，整个算力供应链都被台积电的 CoWoS 产能死死卡住。\nCoWoS 依赖一整块面积庞大的硅中介层充当底座。\n这种晶圆级中介层制造昂贵，扩产周期长达数年。\n全球绝大部分配额，还被先发对手牢牢锁定。\n就算 AMD 制造出了数以万计的 2nm 计算核心。\n没有硅中介层把它们粘合起来，这些核心就只是一堆无法通电的散装裸片。\n为了打破这道枷锁，AMD 拿出了扇出型局部桥接封装 EFB 架构。\n它不再使用整块完整的硅中介层。\n只在小芯片互相通信的边缘精准埋入微型硅桥。\n架构上的这步拆解，直接把先进封装从台积电饱和的晶圆产线上解耦出来。\nAMD 可以把组装任务分流给日月光、矽品和力成这些封测巨头。\n核心芯片被拼起来了。\n但约束理论的冰冷之处在于：打碎一个瓶颈，并不意味着系统畅通。\n瓶颈会立刻滑向流水线上的下一个薄弱点。\n桥接架构落地，需要大尺寸、多层数的 ABF 载板充当承载底板。\n欣兴、景硕和南亚电路板的高阶 ABF 载板交期迅速被排到了数年之后。\n跨过了载板关卡，后方还有整机系统的制造大山。\n纬创、纬颖和英业达的 Helios 机柜集成与散热产线同样全线吃紧。\n任何一个环节掉链子，几百万元一套的算力机柜就无法出货。\n芯片军备竞赛的底层逻辑已经彻底重构。\n以前芯片公司只要把图纸交给晶圆厂，付钱等晶圆下线即可。\n现在的算力交付，是一场全链条物理通道的排他性卡位。\n从制程晶圆、局部硅桥、封测产线，到载板材料与整机装配，必须全线畅通。\n这 100 亿美元买下的，是一张穿透所有潜在瓶颈的排他性通行证。\n真正的技术卡位，从来不单体现在发布会上的峰值算力参数。\n算力不是飘在空中的虚拟代码。\n它是由硅片、硅桥、载板与铜缆在原子尺度咬合出的重工业实体。\n能在物理瓶颈转移的每一个关键拐点提前买断通道的人，才握着通向未来的真正钥匙。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-23 18:17:12","created_at":"2026-08-23 18:17:12","url":"https://mubeitech.com/p/mb-20260823-8ef4c5","markdown_url":"https://mubeitech.com/p/mb-20260823-8ef4c5/markdown"}]}