Zapstart
03-13
大概率是见顶级别事件，不要抱太大期待。
@美股投资网：
美股 英伟达GTC 大会重磅前瞻！下周资金将疯狂涌向这三个板块！
免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。
分享至
微信
复制链接
精彩评论
我们需要你的真知灼见来填补这片空白
打开APP，发表看法
APP内打开
发表看法
1
{"i18n":{"language":"zh_CN"},"detailType":1,"isChannel":false,"data":{"magic":2,"id":542263566675968,"tweetId":"542263566675968","gmtCreate":1773414047611,"gmtModify":1773414050455,"author":{"id":4088371989135600,"idStr":"4088371989135600","authorId":4088371989135600,"authorIdStr":"4088371989135600","name":"Zapstart","avatar":"https://static.tigerbbs.com/e81559b5e1033256ea13c9e2f62e933c","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"hat":"https://static.tigerbbs.com/75944ad144f2566ba526ce9b292d3cd2","crmLevel":1,"crmLevelSwitch":0,"currentWearingBadge":{"badgeId":"e50ce593bb40487ebfb542ca54f6a561-3","templateUuid":"e50ce593bb40487ebfb542ca54f6a561","name":"偶像虎友","description":"加入老虎社区1500天","bigImgUrl":"https://static.tigerbbs.com/8b40ae7da5bf081a1c84df14bf9e6367","smallImgUrl":"https://static.tigerbbs.com/f160eceddd7c284a8e1136557615cfad","grayImgUrl":"https://static.tigerbbs.com/11792805c468334a9b31c39f95a41c6a","redirectLinkEnabled":0,"hasAllocated":1,"isWearing":1,"stampPosition":0,"hasStamp":0,"allocationCount":1,"allocatedDate":"2025.08.12","individualDisplayEnabled":0},"individualDisplayBadges":[],"wearingBadges":[{"badgeId":"e50ce593bb40487ebfb542ca54f6a561-3","name":"偶像虎友","description":"加入老虎社区1500天","smallImgUrl":"https://static.tigerbbs.com/f160eceddd7c284a8e1136557615cfad","bigImgUrl":"https://static.tigerbbs.com/8b40ae7da5bf081a1c84df14bf9e6367","isScarce":0,"effectEnabled":0,"redirectLinkEnabled":0,"redirectLinkValidityFrom":0,"redirectLinkValidityTo":9223372036854776000}],"fanSize":4,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"title":"","html":"<html><head></head><body><p>大概率是见顶级别事件，不要抱太大期待。</p></body></html>","htmlText":"<html><head></head><body><p>大概率是见顶级别事件，不要抱太大期待。</p></body></html>","text":"大概率是见顶级别事件，不要抱太大期待。","highlighted":1,"essential":1,"paper":1,"likeSize":1,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/542263566675968","repostId":542039576126104,"repostType":1,"repost":{"magic":2,"id":542039576126104,"tweetId":"542039576126104","gmtCreate":1773359448715,"gmtModify":1773372389840,"author":{"id":3478213283465426,"idStr":"3478213283465426","authorId":3478213283465426,"authorIdStr":"3478213283465426","name":"美股投资网","avatar":"https://static.tigerbbs.com/a1bfd2cf1aa240d7058795c83d419510","vip":6,"userType":6,"introduction":"美股投资网","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":21508,"starInvestorFlag":false},"themes":[{"themeId":"88d7294d91bb46649fa7d789f49a604b","categoryId":"bc7f9e79615545918dda2e7d7cfb9e15","name":"大公司头条","type":0,"rnLink":"https://laohu8.com/RN?name=RNTheme&page=/theme/detail&rndata={\"themeId\":88d7294d91bb46649fa7d789f49a604b}&rnconfig={\"headerBarHidden\": true}","description":"大公司又发生了什么事，收购、合作、入股？来这里关注最重要的商业新闻和公司动向吧","image":"https://static.tigerbbs.com/326e1931a7b7ea2f2b045918f3ea1bc5"}],"images":[{"img":"https://static.tigerbbs.com/97c17ba760aed2c09633fdff6425c439","width":"1080","height":"549"},{"img":"https://static.tigerbbs.com/893dd1b08b0b695ea19c6c6ab820f4d2","width":"962","height":"1202"},{"img":"https://static.tigerbbs.com/217b99dd2a1fb5fa3c602e1a32514bd0","width":"1024","height":"1130"},{"img":"https://static.tigerbbs.com/9aebc7e230eb238b45ccd92616597113","width":"1002","height":"1274"},{"img":"https://static.tigerbbs.com/cf2ef4fcc177ff228de5e4068c8d9449","width":"1080","height":"512"},{"img":"https://static.tigerbbs.com/d432ca007194cb042dea30609c9d2a7e","width":"640","height":"346"},{"img":"https://static.tigerbbs.com/d098030753cecdabce79dbe02077272c","width":"342","height":"148"},{"img":"https://static.tigerbbs.com/2be671c74141c3b6bb4733a6a565e33c","width":"700","height":"169"},{"img":"https://static.tigerbbs.com/6d68614ede0def3dda9cc422e7b13ff0","width":"434","height":"157"},{"img":"https://static.tigerbbs.com/366b027dcc0892a58ec154a9cfe624af","width":"1080","height":"516"},{"img":"https://static.tigerbbs.com/ca3f06f0e9e0ec9a78b110c4a654721b","width":"886","height":"560"},{"img":"https://static.tigerbbs.com/f93447ec3e7997f3e51ef2ad716bf298","width":"700","height":"418"},{"img":"https://static.tigerbbs.com/3e3065ea220ca35ad508253a9c2cd43b","width":"641","height":"350"},{"img":"https://static.tigerbbs.com/08b57ecec61ce438c1fd567ea4ed85a5","width":"674","height":"375"},{"img":"https://static.tigerbbs.com/b17f39104d5500b9cf8e7f4c9ec9144e","width":"960","height":"510"},{"img":"https://static.tigerbbs.com/e2aeba4489ba187cdcaafaaff964513b","width":"1080","height":"300"}],"coverImages":[{"img":"https://static.tigerbbs.com/97c17ba760aed2c09633fdff6425c439","width":"1080","height":"549"},{"img":"https://static.tigerbbs.com/893dd1b08b0b695ea19c6c6ab820f4d2","width":"962","height":"1202"},{"img":"https://static.tigerbbs.com/217b99dd2a1fb5fa3c602e1a32514bd0","width":"1024","height":"1130"}],"title":"美股 英伟达GTC 大会重磅前瞻！下周资金将疯狂涌向这三个板块！","extraTitle":"","html":"<html><head></head><body><p>下周一，全球AI圈最重要的一场大会，就要开始！</p><video poster=\"https://static.tigerbbs.com/8e121e17b2d1b515454443dcacd42887\" tg-width=\"1920\" tg-height=\"1080\" class=\"ql-video\" controls=\"true\" id=\"te-video\" controlslist=\"nodownload\" playsinline=\"true\" webkit-playsinline=\"true\"><source src=\"https://1254107296.vod2.myqcloud.com/b94982e0voduse1254107296/98869bb25145403719699643818/Bw4v6mEjQdoA.mp4\"></video><p>3月16日到19日，英伟达将在加州圣何塞召开GTC 2026。</p><p class=\"t-img-caption\"><img title=\"NVIDIA GTC 2026 confirmed for March 16-19: expect Blackwell, Rubin, Feynman GPUs but no GeForce\" src=\"https://static.tigerbbs.com/97c17ba760aed2c09633fdff6425c439\" tg-width=\"1080\" tg-height=\"549\"><span>NVIDIA GTC 2026 confirmed for March 16-19: expect Blackwell, Rubin, Feynman GPUs but no GeForce</span></p><p>但这一次，如果你还只是盯着黄仁勋会不会再发布一张更强的GPU，那你可能看错了方向。</p><p>因为对于资本市场来说，留给重新定价的时间窗口，其实已经不多了。华尔街眼里，这次大会真正的分量，早就不是‘显卡参数提升了多少’。</p><p>真正的博弈点在于，英伟达能不能利用这四天，完成一次身份的跨越：<strong>从一家‘卖芯片’的硬件公司，正式转变为一家‘定义 AI 基础设施规则’的平台公司。</strong></p><p>从各大投行最新的前瞻报告来看，市场现在盯着的重点是英伟达会不会在GTC上强化这几件更关键的事：</p><p>推理工作负载分解</p><p>Token的成本和ROI</p><p>网络互联的重要性抬升</p><p>以及下一代专用架构路径。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/893dd1b08b0b695ea19c6c6ab820f4d2\" tg-width=\"962\" tg-height=\"1202\"></p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/217b99dd2a1fb5fa3c602e1a32514bd0\" tg-width=\"1024\" tg-height=\"1130\"></p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/9aebc7e230eb238b45ccd92616597113\" tg-width=\"1002\" tg-height=\"1274\"></p><p>这意味着什么？这意味着，<strong>从下周一到下周四，市场看的表面上是一场技术大会，实际上在交易的，可能是2026年AI美股下一阶段的主线归属。</strong></p><p>如果英伟达能把这个新叙事讲通，那么接下来被重估的，将不仅仅是英伟达自己的股价。整条 AI 产业链的价值分配逻辑，都可能发生结构性的变化。</p><p>钱会从哪里流出来？又会疯狂涌入哪个被低估的板块？哪些公司可能会因为逻辑证伪而被抛弃？如果你想看懂下周资金真正的动向，今天你一定要耐心看到最后。</p><h2 id=\"id_3752211140\">本次GTC 要传递的核心信息</h2><p>英伟达这次 GTC 要传递的核心信息是什么呢？</p><p>一句话总结：</p><p><strong>这次 GTC 不是来秀新品的，而是要重新定义整个 AI 基础设施的游戏规则。</strong></p><p>过去几年，市场对英伟达的理解非常简单：谁的芯片算力最强，谁就是 AI 领域的王者。</p><p>但瑞银最新的报告带来了一个重要信号：<strong>单一处理器主导性能的时代要结束了。</strong>从这次 GTC 开始，英伟达要做的，是把重点从“单芯片”转向“系统级优化”。</p><p>简单来说，过去大家比的是谁的发动机更强，现在英伟达要告诉你，真正的竞争力不光是发动机的马力，而是整辆车的协同配合。黄仁勋的目标，不再是单个 GPU 多快，而是如何通过 “极限协同设计”，把芯片、网络、内存、软件等部分整合成一个高效、标准化的 “AI 工厂”。</p><p>这背后其实反映了一个本质变化：大家不再只关心算力峰值，而是关注系统能不能大规模落地，能不能算清楚功耗和成本的回报率（ROI）。就好像你不再只是关注车的发动机有多牛，还开始看油耗、保养成本，以及它带来的经济效益。</p><p>英伟达正是通过系统级的协同设计，把芯片、网络、内存和软件打包成一个完整的解决方案，让整个 AI 系统运行得更高效、更可持续。</p><h2 id=\"id_2607947844\">系统级统治力的背后是什么？</h2><p>那既然我们已经进入了“系统时代”，接下来的问题是：英伟达靠什么支撑它的系统级统治力？</p><p>在瑞银的报告中，最大的预期差是：工作负载分解。</p><p>这几个字意味着，AI 系统的任务不再依赖一个“全能战士”闷头干，而是要根据不同的任务需求进行精细化分工。</p><p>过去，市场对 AI 硬件的理解非常简单：模型越大，需要越强的 GPU。但大家忽略了一个关键细节：AI 的不同任务有不同的需求。比如，训练大模型需要“蛮力”，而推理（即我们调取 AI 时的过程）更注重“反应速度”；有些场景需要高吞吐量，而有些场景则要求极低的延迟。</p><p>如果用最强、最贵的 GPU 去做所有任务，就像是让一辆超级跑车去城市里送外卖，虽然车速很快，但效率不高，成本也很大。</p><p>瑞银的报告提到，<strong>英伟达正在从“单芯片性能”，转向“系统级性价比”。</strong>黄仁勋通过“分解”和“极限协同设计”，把计算、网络和内存重新安排，给每个任务分配最合适的资源，从而优化整个系统。</p><p>那很多人可能会问：把原本大一统的 GPU 任务拆了，难道不是在削弱自己的护城河？</p><p>恰恰相反。这其实是在 强化英伟达的“绝对控制权”。一旦 AI 系统变得 异构化，任务开始拆分，架构变得复杂，谁来决定任务的分配？谁来管理数据如何流动？谁掌握了这些“任务分配权”，谁就能主导 AI 时代的利润。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/cf2ef4fcc177ff228de5e4068c8d9449\" tg-width=\"1080\" tg-height=\"512\"></p><p>英伟达现在的动作，实际上是在往 软件栈和系统层 进行深度布局，释放出一个信号：一旦华尔街接受了“工作负载分解”的逻辑，原本盯着 GPU 出货量的估值模型将会被推翻。</p><h2 id=\"id_3367353977\">被忽视的王者——网络与互联</h2><p>既然“工作负载”被拆解了，任务不再由一颗芯片单打独斗，那接下来的问题就非常现实：当芯片足够多、足够强的时候，最先卡脖子的会是什么？</p><p>摩根大通在报告中给出了答案：<strong>网络与互联。</strong></p><p>逻辑其实很简单：过去我们盯着 GPU 这台“发动机”猛不猛；但当 AI 进入成千上万颗芯片协同的“机架时代”，真正决定效率的，已经不是单张卡跑多快，而是数据搬运的速度和延迟。</p><p>一句话总结：GPU 决定算力上限，而网络和互联，决定了你能不能触达到那个上限。</p><p>这就像你建了座顶级工厂，设备全是世界一流，但如果传送带太慢、大门太窄，你空有顶级设备，产量照样上不去。现在的 AI 基础设施，就面临这种“工厂大塞车”。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/d432ca007194cb042dea30609c9d2a7e\" tg-width=\"640\" tg-height=\"346\"></p><p>其实，这种从“算力”转向“互联”的趋势，我们美股投资网的老朋友一定不陌生。我们早就提醒过：当算力达到饱和时，投资网络基础设施是最具长期回报的机会。年初至今，我们提前布局的“光电转换”赛道已经全面爆发：</p><p>我们在年初<strong>《</strong>美股2026年必买10只股【中集】不为人知的潜力公司<strong>》</strong>深度调研并提示的 <a title=\"$康宁(GLW)$\" href=\"https://laohu8.com/S/GLW\">$康宁(GLW)$</a> ，当时价格仅 85 美元，本周二已经到了 139.36 美元，涨幅高达 64%。</p><p class=\"t-img-caption\"><img title=\"Image\" src=\"https://static.tigerbbs.com/d098030753cecdabce79dbe02077272c\" tg-width=\"342\" tg-height=\"148\"><span>Image</span></p><p>3 月 9 日再次提示VIP社群买入。</p><p>在文章《美股AI 核心机会不在 GPU，而在“光电”产业链》中，我们精准点名的 LITE 和 COHR，至今也有 23% 到 26% 的涨幅。</p><p class=\"t-img-caption\"><img title=\"Image\" src=\"https://static.tigerbbs.com/2be671c74141c3b6bb4733a6a565e33c\" tg-width=\"700\" tg-height=\"169\"><span>Image</span></p><p>在 1 月底，我们还提示 VIP 社群的朋友在 81 美元精准布局了 <a title=\"$迈威尔科技(MRVL)$\" href=\"https://laohu8.com/S/MRVL\">$迈威尔科技(MRVL)$</a> ，财报后直接暴涨 22%。</p><p class=\"t-img-caption\"><img title=\"Image\" src=\"https://static.tigerbbs.com/6d68614ede0def3dda9cc422e7b13ff0\" tg-width=\"434\" tg-height=\"157\"><span>Image</span></p><p>言归正传，黄仁勋现在疯狂强化网络叙事，是因为他看准了一点：控制网络，就是控制整套系统的“调度权”。 一旦你用了英伟达的通信协议，你未来的扩展和迁移成本，就全部锁死在他的生态里了。</p><p>这也解释了为什么华尔街现在的目光，已经穿过 GPU，直接盯上了最底层的光互连和硅光技术。</p><p>花旗报告特别提到一个细节：今年的 GTC 和全球光通信大会（OFC）几乎是同期举行，这绝非巧合！华尔街现在关注的焦点是：1.6T 光模块能否跑通，硅光技术是否成熟。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/366b027dcc0892a58ec154a9cfe624af\" tg-width=\"1080\" tg-height=\"516\"></p><p><strong>如果说“工作负载分解”是推动 AI 系统重构的原因，那么网络与互联则决定了这个重构将会在哪些领域首先释放财富机会。</strong></p><p>一旦市场接受了这一逻辑，重新定价的将不仅仅是 GPU，更多的关注将集中在那些决定数据流动速度的交换机、光模块和互连技术上。</p><h2 id=\"id_1225290310\">内存之战与代币经济学</h2><p>如果说网络解决了数据“怎么走”的难题，那么AI基础设施最后的堡垒，便只剩下数据“存哪儿”与“怎么取”。</p><p>瑞银表示：<strong>英伟达正引入类似Groq的架构，利用片上SRAM（静态随机存取存储器）来实现超低延迟推理。</strong></p><p class=\"t-img-caption\"><img title=\"1/ The NVIDIA-Groq deal (or: why the "SRAM vs. HBM" war is the most important math in AI right now) We're seeing a massive architectural pivot, but the economics of silicon are\" src=\"https://static.tigerbbs.com/ca3f06f0e9e0ec9a78b110c4a654721b\" tg-width=\"886\" tg-height=\"560\"><span>1/ The NVIDIA-Groq deal (or: why the \"SRAM vs. HBM\" war is the most important math in AI right now) We're seeing a massive architectural pivot, but the economics of silicon are</span></p><p>那这是否意味着HBM（高带宽内存）的末日将至？毕竟，在大众的直觉里，新技术的出现往往伴随着旧技术的淘汰。当黄仁勋定为特定任务配备这种“极速工作台”时，投资者本能地担心：这会不会切走HBM这块最大的蛋糕？</p><p>然而，这种“非此即彼”的担忧，恰恰误读了英伟达的真正意图。深入剖析会发现，<strong>这并非一场你死我活的替代战，而是一次精密的“工作负载分解”。</strong></p><p>SRAM虽快，快到几乎零延迟，但它受限于芯片面积，容量天花板极低，根本无法承载千亿参数模型的训练与大规模通用推理；这就好比你手边的办公桌再顺手，也塞不下整个图书馆的藏书。而HBM虽在延迟上略逊一筹，却是维持AI系统规模的唯一“大动脉”，没有它，大模型连跑都跑不起来。</p><p class=\"t-img-caption\"><img title=\"FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness | by Ahmed Taha | Medium\" src=\"https://static.tigerbbs.com/f93447ec3e7997f3e51ef2ad716bf298\" tg-width=\"700\" tg-height=\"418\"><span>FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness | by Ahmed Taha | Medium</span></p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/3e3065ea220ca35ad508253a9c2cd43b\" tg-width=\"641\" tg-height=\"350\"></p><p>因此，英伟达的策略绝非“二选一”，而是极致的“整合互补”：将最昂贵、最快的SRAM用于对延迟极度敏感的专用推理，打造极致体验；同时让耗时耗力的大规模训练继续深植于HBM的护城河中。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/08b57ecec61ce438c1fd567ea4ed85a5\" tg-width=\"674\" tg-height=\"375\"></p><p>这种架构设计的终极目的，是为了解决AI落地的最大痛点——<strong>如何在保证性能的前提下，把算力成本打下来。</strong> <a title=\"$英伟达(NVDA)$\" href=\"https://laohu8.com/S/NVDA\">$英伟达(NVDA)$</a> <a title=\"$Lumentum Holdings Inc.(LITE)$\" href=\"https://laohu8.com/S/LITE\">$Lumentum Holdings Inc.(LITE)$</a> <a title=\"$Applied Optoelectronics Inc.(AAOI)$\" href=\"https://laohu8.com/S/AAOI\">$Applied Optoelectronics Inc.(AAOI)$</a></p><p><strong>这就自然引出了本次 GTC 市场最关注的一道数学题：代币经济学Tokenomics。</strong></p><p><strong>华尔街对 AI 最大的疑虑，已经不只是资本开支有多大，而是每一轮新增投入最终能不能转化成更低的单位 token 成本和更高的商业回报。</strong></p><p><strong>英伟达近几个月的官方表述也在持续转向这一点：无论是 Blackwell 还是 Rubin，核心卖点都不再只是峰值性能，而是 cost per token、吞吐/每兆瓦，以及整套 AI 基础设施的经济可行性。</strong></p><p><strong>技术上，这背后依赖的正是更复杂的内存层级与数据流优化——包括片上 SRAM/L1、L2、HBM 以及系统级互连的协同——把不同负载放到最合适的资源上处理，从而降低 token 生成成本、提升整个平台的 ROI。</strong></p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/b17f39104d5500b9cf8e7f4c9ec9144e\" tg-width=\"960\" tg-height=\"510\"></p><p>这套逻辑直接指向了一个被市场严重低估的财务事实。花旗在报告中给出了一个推演：得益于这种系统级的效率优化，预计英伟达2028财年的每股收益（EPS）将达到15美元。<strong>按目前股价计算，这意味着英伟达的远期市盈率（PE）仅为12倍。</strong></p><p>试想一下，在一个万亿规模的赛道里，核心霸主的市盈率竟然只有12倍？这在财务视角下极具吸引力，但也暴露了一个巨大的预期差：市场还在用传统的“硬件制造商”眼光给英伟达定价，却尚未完全意识到它作为“系统定义者”的盈利爆发力。</p><p>当我们将技术架构的互补性与商业模式的升维串联起来，最终的图景变得异常清晰：</p><p>SRAM是制造市场兴奋的“情绪点”，负责解决速度焦虑；</p><p>HBM才是真正源源不断的“利润池”，负责锁定长期规模；</p><p>而Tokenomics则是连接两者的桥梁，它用实实在在的ROI数据，打消了华尔街对AI泡沫的顾虑。</p><p>瑞银的数据证实了这一点：尽管SRAM概念火热，但投行对美光等厂商的HBM收入预测却在2028年飙升至270亿美元，且短缺预期延续至数年之后。这说明在主流资本视野中，SRAM并未将HBM踢出盈利模型，反而通过分层架构进一步固化了HBM作为主存核心的地位。</p><p>归根结底，这场关于内存技术的博弈，实则是英伟达重构AI价值链的“阳谋”。通过引入SRAM解决延迟痛点，通过Tokenomics说服客户买单并重塑估值逻辑，再通过HBM锁定长期利润，英伟达成功地将原本单纯的硬件买卖，进化成了AI时代不可或缺的“系统入场税”。</p><p>无论未来的推理场景如何千变万化，只要这套“SRAM提速、HBM扩容、Tokenomics算账”的混合架构成为行业标准，那么无论技术风向吹向哪一边，最大的赢家始终只有那个制定规则的庄家。</p><h2 id=\"id_3091690603\">英伟达下一代产品路线图该怎么看？</h2><p>既然工作负载分解和内存分层已成定局，投资者面临的最后一个问题是：英伟达下一代产品路线图该怎么看？</p><p>很多人被Kyber、Rubin Ultra、Feynman这些代号所迷惑，以为它们只是更强的GPU，但如果只盯着芯片，你就错过了英伟达真正的战略布局。</p><p class=\"t-img-caption\"><img title=\"Image\" src=\"https://static.tigerbbs.com/e2aeba4489ba187cdcaafaaff964513b\" tg-width=\"1080\" tg-height=\"300\"><span>Image</span></p><p>过去，市场看重单卡算力；但进入下一阶段，决胜点在于：一个机架能容纳多少计算、带宽、内存，同时如何处理功耗、散热和互联。</p><p>Rubin Ultra最关键的地方，不是“Ultra”这个字，而是它代表了英伟达推动系统密度到极限，四大维度你同时提升，迫使竞争对手在系统级能力上追赶，形成英伟达的深厚护城河。</p><p>最终，英伟达不再单纯发布新品，而是在推动 “基础设施标准化、系统化、平台化”。对投资者是明白英伟达的估值逻辑正在从“卖最好的芯片”转向“卖唯一的 AI 系统”。产业链的投资机会也将外溢到网络架构、光互连、CPO、硅光等领域。</p><p>好了今天的文章就到这里，你对英伟达GTC大会怎么看，你认为哪些关键产业链以及公司会爆发，欢迎评论区留言一起讨论。</p><p>大量粉丝还没有养成阅读后点赞的习惯，希望大家在阅读后顺便点赞和转发，以示鼓励！我们一个<strong>团队长期坚持原创17年</strong>真的很不容易。坚持是一种信仰，是对于美股的一种热爱。</p><p></p></body></html>","htmlText":"<html><head></head><body><p>下周一，全球AI圈最重要的一场大会，就要开始！</p><video poster=\"https://static.tigerbbs.com/8e121e17b2d1b515454443dcacd42887\" tg-width=\"1920\" tg-height=\"1080\" class=\"ql-video\" controls=\"true\" id=\"te-video\" controlslist=\"nodownload\" playsinline=\"true\" webkit-playsinline=\"true\"><source src=\"https://1254107296.vod2.myqcloud.com/b94982e0voduse1254107296/98869bb25145403719699643818/Bw4v6mEjQdoA.mp4\"></video><p>3月16日到19日，英伟达将在加州圣何塞召开GTC 2026。</p><p class=\"t-img-caption\"><img title=\"NVIDIA GTC 2026 confirmed for March 16-19: expect Blackwell, Rubin, Feynman GPUs but no GeForce\" src=\"https://static.tigerbbs.com/97c17ba760aed2c09633fdff6425c439\" tg-width=\"1080\" tg-height=\"549\"><span>NVIDIA GTC 2026 confirmed for March 16-19: expect Blackwell, Rubin, Feynman GPUs but no GeForce</span></p><p>但这一次，如果你还只是盯着黄仁勋会不会再发布一张更强的GPU，那你可能看错了方向。</p><p>因为对于资本市场来说，留给重新定价的时间窗口，其实已经不多了。华尔街眼里，这次大会真正的分量，早就不是‘显卡参数提升了多少’。</p><p>真正的博弈点在于，英伟达能不能利用这四天，完成一次身份的跨越：<strong>从一家‘卖芯片’的硬件公司，正式转变为一家‘定义 AI 基础设施规则’的平台公司。</strong></p><p>从各大投行最新的前瞻报告来看，市场现在盯着的重点是英伟达会不会在GTC上强化这几件更关键的事：</p><p>推理工作负载分解</p><p>Token的成本和ROI</p><p>网络互联的重要性抬升</p><p>以及下一代专用架构路径。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/893dd1b08b0b695ea19c6c6ab820f4d2\" tg-width=\"962\" tg-height=\"1202\"></p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/217b99dd2a1fb5fa3c602e1a32514bd0\" tg-width=\"1024\" tg-height=\"1130\"></p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/9aebc7e230eb238b45ccd92616597113\" tg-width=\"1002\" tg-height=\"1274\"></p><p>这意味着什么？这意味着，<strong>从下周一到下周四，市场看的表面上是一场技术大会，实际上在交易的，可能是2026年AI美股下一阶段的主线归属。</strong></p><p>如果英伟达能把这个新叙事讲通，那么接下来被重估的，将不仅仅是英伟达自己的股价。整条 AI 产业链的价值分配逻辑，都可能发生结构性的变化。</p><p>钱会从哪里流出来？又会疯狂涌入哪个被低估的板块？哪些公司可能会因为逻辑证伪而被抛弃？如果你想看懂下周资金真正的动向，今天你一定要耐心看到最后。</p><h2 id=\"id_3752211140\">本次GTC 要传递的核心信息</h2><p>英伟达这次 GTC 要传递的核心信息是什么呢？</p><p>一句话总结：</p><p><strong>这次 GTC 不是来秀新品的，而是要重新定义整个 AI 基础设施的游戏规则。</strong></p><p>过去几年，市场对英伟达的理解非常简单：谁的芯片算力最强，谁就是 AI 领域的王者。</p><p>但瑞银最新的报告带来了一个重要信号：<strong>单一处理器主导性能的时代要结束了。</strong>从这次 GTC 开始，英伟达要做的，是把重点从“单芯片”转向“系统级优化”。</p><p>简单来说，过去大家比的是谁的发动机更强，现在英伟达要告诉你，真正的竞争力不光是发动机的马力，而是整辆车的协同配合。黄仁勋的目标，不再是单个 GPU 多快，而是如何通过 “极限协同设计”，把芯片、网络、内存、软件等部分整合成一个高效、标准化的 “AI 工厂”。</p><p>这背后其实反映了一个本质变化：大家不再只关心算力峰值，而是关注系统能不能大规模落地，能不能算清楚功耗和成本的回报率（ROI）。就好像你不再只是关注车的发动机有多牛，还开始看油耗、保养成本，以及它带来的经济效益。</p><p>英伟达正是通过系统级的协同设计，把芯片、网络、内存和软件打包成一个完整的解决方案，让整个 AI 系统运行得更高效、更可持续。</p><h2 id=\"id_2607947844\">系统级统治力的背后是什么？</h2><p>那既然我们已经进入了“系统时代”，接下来的问题是：英伟达靠什么支撑它的系统级统治力？</p><p>在瑞银的报告中，最大的预期差是：工作负载分解。</p><p>这几个字意味着，AI 系统的任务不再依赖一个“全能战士”闷头干，而是要根据不同的任务需求进行精细化分工。</p><p>过去，市场对 AI 硬件的理解非常简单：模型越大，需要越强的 GPU。但大家忽略了一个关键细节：AI 的不同任务有不同的需求。比如，训练大模型需要“蛮力”，而推理（即我们调取 AI 时的过程）更注重“反应速度”；有些场景需要高吞吐量，而有些场景则要求极低的延迟。</p><p>如果用最强、最贵的 GPU 去做所有任务，就像是让一辆超级跑车去城市里送外卖，虽然车速很快，但效率不高，成本也很大。</p><p>瑞银的报告提到，<strong>英伟达正在从“单芯片性能”，转向“系统级性价比”。</strong>黄仁勋通过“分解”和“极限协同设计”，把计算、网络和内存重新安排，给每个任务分配最合适的资源，从而优化整个系统。</p><p>那很多人可能会问：把原本大一统的 GPU 任务拆了，难道不是在削弱自己的护城河？</p><p>恰恰相反。这其实是在 强化英伟达的“绝对控制权”。一旦 AI 系统变得 异构化，任务开始拆分，架构变得复杂，谁来决定任务的分配？谁来管理数据如何流动？谁掌握了这些“任务分配权”，谁就能主导 AI 时代的利润。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/cf2ef4fcc177ff228de5e4068c8d9449\" tg-width=\"1080\" tg-height=\"512\"></p><p>英伟达现在的动作，实际上是在往 软件栈和系统层 进行深度布局，释放出一个信号：一旦华尔街接受了“工作负载分解”的逻辑，原本盯着 GPU 出货量的估值模型将会被推翻。</p><h2 id=\"id_3367353977\">被忽视的王者——网络与互联</h2><p>既然“工作负载”被拆解了，任务不再由一颗芯片单打独斗，那接下来的问题就非常现实：当芯片足够多、足够强的时候，最先卡脖子的会是什么？</p><p>摩根大通在报告中给出了答案：<strong>网络与互联。</strong></p><p>逻辑其实很简单：过去我们盯着 GPU 这台“发动机”猛不猛；但当 AI 进入成千上万颗芯片协同的“机架时代”，真正决定效率的，已经不是单张卡跑多快，而是数据搬运的速度和延迟。</p><p>一句话总结：GPU 决定算力上限，而网络和互联，决定了你能不能触达到那个上限。</p><p>这就像你建了座顶级工厂，设备全是世界一流，但如果传送带太慢、大门太窄，你空有顶级设备，产量照样上不去。现在的 AI 基础设施，就面临这种“工厂大塞车”。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/d432ca007194cb042dea30609c9d2a7e\" tg-width=\"640\" tg-height=\"346\"></p><p>其实，这种从“算力”转向“互联”的趋势，我们美股投资网的老朋友一定不陌生。我们早就提醒过：当算力达到饱和时，投资网络基础设施是最具长期回报的机会。年初至今，我们提前布局的“光电转换”赛道已经全面爆发：</p><p>我们在年初<strong>《</strong>美股2026年必买10只股【中集】不为人知的潜力公司<strong>》</strong>深度调研并提示的 <a title=\"$康宁(GLW)$\" href=\"https://laohu8.com/S/GLW\">$康宁(GLW)$</a> ，当时价格仅 85 美元，本周二已经到了 139.36 美元，涨幅高达 64%。</p><p class=\"t-img-caption\"><img title=\"Image\" src=\"https://static.tigerbbs.com/d098030753cecdabce79dbe02077272c\" tg-width=\"342\" tg-height=\"148\"><span>Image</span></p><p>3 月 9 日再次提示VIP社群买入。</p><p>在文章《美股AI 核心机会不在 GPU，而在“光电”产业链》中，我们精准点名的 LITE 和 COHR，至今也有 23% 到 26% 的涨幅。</p><p class=\"t-img-caption\"><img title=\"Image\" src=\"https://static.tigerbbs.com/2be671c74141c3b6bb4733a6a565e33c\" tg-width=\"700\" tg-height=\"169\"><span>Image</span></p><p>在 1 月底，我们还提示 VIP 社群的朋友在 81 美元精准布局了 <a title=\"$迈威尔科技(MRVL)$\" href=\"https://laohu8.com/S/MRVL\">$迈威尔科技(MRVL)$</a> ，财报后直接暴涨 22%。</p><p class=\"t-img-caption\"><img title=\"Image\" src=\"https://static.tigerbbs.com/6d68614ede0def3dda9cc422e7b13ff0\" tg-width=\"434\" tg-height=\"157\"><span>Image</span></p><p>言归正传，黄仁勋现在疯狂强化网络叙事，是因为他看准了一点：控制网络，就是控制整套系统的“调度权”。 一旦你用了英伟达的通信协议，你未来的扩展和迁移成本，就全部锁死在他的生态里了。</p><p>这也解释了为什么华尔街现在的目光，已经穿过 GPU，直接盯上了最底层的光互连和硅光技术。</p><p>花旗报告特别提到一个细节：今年的 GTC 和全球光通信大会（OFC）几乎是同期举行，这绝非巧合！华尔街现在关注的焦点是：1.6T 光模块能否跑通，硅光技术是否成熟。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/366b027dcc0892a58ec154a9cfe624af\" tg-width=\"1080\" tg-height=\"516\"></p><p><strong>如果说“工作负载分解”是推动 AI 系统重构的原因，那么网络与互联则决定了这个重构将会在哪些领域首先释放财富机会。</strong></p><p>一旦市场接受了这一逻辑，重新定价的将不仅仅是 GPU，更多的关注将集中在那些决定数据流动速度的交换机、光模块和互连技术上。</p><h2 id=\"id_1225290310\">内存之战与代币经济学</h2><p>如果说网络解决了数据“怎么走”的难题，那么AI基础设施最后的堡垒，便只剩下数据“存哪儿”与“怎么取”。</p><p>瑞银表示：<strong>英伟达正引入类似Groq的架构，利用片上SRAM（静态随机存取存储器）来实现超低延迟推理。</strong></p><p class=\"t-img-caption\"><img title=\"1/ The NVIDIA-Groq deal (or: why the "SRAM vs. HBM" war is the most important math in AI right now) We're seeing a massive architectural pivot, but the economics of silicon are\" src=\"https://static.tigerbbs.com/ca3f06f0e9e0ec9a78b110c4a654721b\" tg-width=\"886\" tg-height=\"560\"><span>1/ The NVIDIA-Groq deal (or: why the \"SRAM vs. HBM\" war is the most important math in AI right now) We're seeing a massive architectural pivot, but the economics of silicon are</span></p><p>那这是否意味着HBM（高带宽内存）的末日将至？毕竟，在大众的直觉里，新技术的出现往往伴随着旧技术的淘汰。当黄仁勋定为特定任务配备这种“极速工作台”时，投资者本能地担心：这会不会切走HBM这块最大的蛋糕？</p><p>然而，这种“非此即彼”的担忧，恰恰误读了英伟达的真正意图。深入剖析会发现，<strong>这并非一场你死我活的替代战，而是一次精密的“工作负载分解”。</strong></p><p>SRAM虽快，快到几乎零延迟，但它受限于芯片面积，容量天花板极低，根本无法承载千亿参数模型的训练与大规模通用推理；这就好比你手边的办公桌再顺手，也塞不下整个图书馆的藏书。而HBM虽在延迟上略逊一筹，却是维持AI系统规模的唯一“大动脉”，没有它，大模型连跑都跑不起来。</p><p class=\"t-img-caption\"><img title=\"FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness | by Ahmed Taha | Medium\" src=\"https://static.tigerbbs.com/f93447ec3e7997f3e51ef2ad716bf298\" tg-width=\"700\" tg-height=\"418\"><span>FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness | by Ahmed Taha | Medium</span></p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/3e3065ea220ca35ad508253a9c2cd43b\" tg-width=\"641\" tg-height=\"350\"></p><p>因此，英伟达的策略绝非“二选一”，而是极致的“整合互补”：将最昂贵、最快的SRAM用于对延迟极度敏感的专用推理，打造极致体验；同时让耗时耗力的大规模训练继续深植于HBM的护城河中。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/08b57ecec61ce438c1fd567ea4ed85a5\" tg-width=\"674\" tg-height=\"375\"></p><p>这种架构设计的终极目的，是为了解决AI落地的最大痛点——<strong>如何在保证性能的前提下，把算力成本打下来。</strong> <a title=\"$英伟达(NVDA)$\" href=\"https://laohu8.com/S/NVDA\">$英伟达(NVDA)$</a> <a title=\"$Lumentum Holdings Inc.(LITE)$\" href=\"https://laohu8.com/S/LITE\">$Lumentum Holdings Inc.(LITE)$</a> <a title=\"$Applied Optoelectronics Inc.(AAOI)$\" href=\"https://laohu8.com/S/AAOI\">$Applied Optoelectronics Inc.(AAOI)$</a></p><p><strong>这就自然引出了本次 GTC 市场最关注的一道数学题：代币经济学Tokenomics。</strong></p><p><strong>华尔街对 AI 最大的疑虑，已经不只是资本开支有多大，而是每一轮新增投入最终能不能转化成更低的单位 token 成本和更高的商业回报。</strong></p><p><strong>英伟达近几个月的官方表述也在持续转向这一点：无论是 Blackwell 还是 Rubin，核心卖点都不再只是峰值性能，而是 cost per token、吞吐/每兆瓦，以及整套 AI 基础设施的经济可行性。</strong></p><p><strong>技术上，这背后依赖的正是更复杂的内存层级与数据流优化——包括片上 SRAM/L1、L2、HBM 以及系统级互连的协同——把不同负载放到最合适的资源上处理，从而降低 token 生成成本、提升整个平台的 ROI。</strong></p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/b17f39104d5500b9cf8e7f4c9ec9144e\" tg-width=\"960\" tg-height=\"510\"></p><p>这套逻辑直接指向了一个被市场严重低估的财务事实。花旗在报告中给出了一个推演：得益于这种系统级的效率优化，预计英伟达2028财年的每股收益（EPS）将达到15美元。<strong>按目前股价计算，这意味着英伟达的远期市盈率（PE）仅为12倍。</strong></p><p>试想一下，在一个万亿规模的赛道里，核心霸主的市盈率竟然只有12倍？这在财务视角下极具吸引力，但也暴露了一个巨大的预期差：市场还在用传统的“硬件制造商”眼光给英伟达定价，却尚未完全意识到它作为“系统定义者”的盈利爆发力。</p><p>当我们将技术架构的互补性与商业模式的升维串联起来，最终的图景变得异常清晰：</p><p>SRAM是制造市场兴奋的“情绪点”，负责解决速度焦虑；</p><p>HBM才是真正源源不断的“利润池”，负责锁定长期规模；</p><p>而Tokenomics则是连接两者的桥梁，它用实实在在的ROI数据，打消了华尔街对AI泡沫的顾虑。</p><p>瑞银的数据证实了这一点：尽管SRAM概念火热，但投行对美光等厂商的HBM收入预测却在2028年飙升至270亿美元，且短缺预期延续至数年之后。这说明在主流资本视野中，SRAM并未将HBM踢出盈利模型，反而通过分层架构进一步固化了HBM作为主存核心的地位。</p><p>归根结底，这场关于内存技术的博弈，实则是英伟达重构AI价值链的“阳谋”。通过引入SRAM解决延迟痛点，通过Tokenomics说服客户买单并重塑估值逻辑，再通过HBM锁定长期利润，英伟达成功地将原本单纯的硬件买卖，进化成了AI时代不可或缺的“系统入场税”。</p><p>无论未来的推理场景如何千变万化，只要这套“SRAM提速、HBM扩容、Tokenomics算账”的混合架构成为行业标准，那么无论技术风向吹向哪一边，最大的赢家始终只有那个制定规则的庄家。</p><h2 id=\"id_3091690603\">英伟达下一代产品路线图该怎么看？</h2><p>既然工作负载分解和内存分层已成定局，投资者面临的最后一个问题是：英伟达下一代产品路线图该怎么看？</p><p>很多人被Kyber、Rubin Ultra、Feynman这些代号所迷惑，以为它们只是更强的GPU，但如果只盯着芯片，你就错过了英伟达真正的战略布局。</p><p class=\"t-img-caption\"><img title=\"Image\" src=\"https://static.tigerbbs.com/e2aeba4489ba187cdcaafaaff964513b\" tg-width=\"1080\" tg-height=\"300\"><span>Image</span></p><p>过去，市场看重单卡算力；但进入下一阶段，决胜点在于：一个机架能容纳多少计算、带宽、内存，同时如何处理功耗、散热和互联。</p><p>Rubin Ultra最关键的地方，不是“Ultra”这个字，而是它代表了英伟达推动系统密度到极限，四大维度你同时提升，迫使竞争对手在系统级能力上追赶，形成英伟达的深厚护城河。</p><p>最终，英伟达不再单纯发布新品，而是在推动 “基础设施标准化、系统化、平台化”。对投资者是明白英伟达的估值逻辑正在从“卖最好的芯片”转向“卖唯一的 AI 系统”。产业链的投资机会也将外溢到网络架构、光互连、CPO、硅光等领域。</p><p>好了今天的文章就到这里，你对英伟达GTC大会怎么看，你认为哪些关键产业链以及公司会爆发，欢迎评论区留言一起讨论。</p><p>大量粉丝还没有养成阅读后点赞的习惯，希望大家在阅读后顺便点赞和转发，以示鼓励！我们一个<strong>团队长期坚持原创17年</strong>真的很不容易。坚持是一种信仰，是对于美股的一种热爱。</p><p></p></body></html>","text":"下周一，全球AI圈最重要的一场大会，就要开始！ 3月16日到19日，英伟达将在加州圣何塞召开GTC 2026。 NVIDIA GTC 2026 confirmed for March 16-19: expect Blackwell, Rubin, Feynman GPUs but no GeForce 但这一次，如果你还只是盯着黄仁勋会不会再发布一张更强的GPU，那你可能看错了方向。 因为对于资本市场来说，留给重新定价的时间窗口，其实已经不多了。华尔街眼里，这次大会真正的分量，早就不是‘显卡参数提升了多少’。 真正的博弈点在于，英伟达能不能利用这四天，完成一次身份的跨越：从一家‘卖芯片’的硬件公司，正式转变为一家‘定义 AI 基础设施规则’的平台公司。 从各大投行最新的前瞻报告来看，市场现在盯着的重点是英伟达会不会在GTC上强化这几件更关键的事： 推理工作负载分解 Token的成本和ROI 网络互联的重要性抬升 以及下一代专用架构路径。 这意味着什么？这意味着，从下周一到下周四，市场看的表面上是一场技术大会，实际上在交易的，可能是2026年AI美股下一阶段的主线归属。 如果英伟达能把这个新叙事讲通，那么接下来被重估的，将不仅仅是英伟达自己的股价。整条 AI 产业链的价值分配逻辑，都可能发生结构性的变化。 钱会从哪里流出来？又会疯狂涌入哪个被低估的板块？哪些公司可能会因为逻辑证伪而被抛弃？如果你想看懂下周资金真正的动向，今天你一定要耐心看到最后。 本次GTC 要传递的核心信息 英伟达这次 GTC 要传递的核心信息是什么呢？ 一句话总结： 这次 GTC 不是来秀新品的，而是要重新定义整个 AI 基础设施的游戏规则。 过去几年，市场对英伟达的理解非常简单：谁的芯片算力最强，谁就是 AI 领域的王者。 但瑞银最新的报告带来了一个重要信号：单一处理器主导性能的时代要结束了。从这次 GTC 开始，英伟达要做的，是把重点从“单芯片”转向“系统级优化”。 简单来说，过去大家比的是谁的发动机更强，现在英伟达要告诉你，真正的竞争力不光是发动机的马力，而是整辆车的协同配合。黄仁勋的目标，不再是单个 GPU 多快，而是如何通过 “极限协同设计”，把芯片、网络、内存、软件等部分整合成一个高效、标准化的 “AI 工厂”。 这背后其实反映了一个本质变化：大家不再只关心算力峰值，而是关注系统能不能大规模落地，能不能算清楚功耗和成本的回报率（ROI）。就好像你不再只是关注车的发动机有多牛，还开始看油耗、保养成本，以及它带来的经济效益。 英伟达正是通过系统级的协同设计，把芯片、网络、内存和软件打包成一个完整的解决方案，让整个 AI 系统运行得更高效、更可持续。 系统级统治力的背后是什么？ 那既然我们已经进入了“系统时代”，接下来的问题是：英伟达靠什么支撑它的系统级统治力？ 在瑞银的报告中，最大的预期差是：工作负载分解。 这几个字意味着，AI 系统的任务不再依赖一个“全能战士”闷头干，而是要根据不同的任务需求进行精细化分工。 过去，市场对 AI 硬件的理解非常简单：模型越大，需要越强的 GPU。但大家忽略了一个关键细节：AI 的不同任务有不同的需求。比如，训练大模型需要“蛮力”，而推理（即我们调取 AI 时的过程）更注重“反应速度”；有些场景需要高吞吐量，而有些场景则要求极低的延迟。 如果用最强、最贵的 GPU 去做所有任务，就像是让一辆超级跑车去城市里送外卖，虽然车速很快，但效率不高，成本也很大。 瑞银的报告提到，英伟达正在从“单芯片性能”，转向“系统级性价比”。黄仁勋通过“分解”和“极限协同设计”，把计算、网络和内存重新安排，给每个任务分配最合适的资源，从而优化整个系统。 那很多人可能会问：把原本大一统的 GPU 任务拆了，难道不是在削弱自己的护城河？ 恰恰相反。这其实是在 强化英伟达的“绝对控制权”。一旦 AI 系统变得 异构化，任务开始拆分，架构变得复杂，谁来决定任务的分配？谁来管理数据如何流动？谁掌握了这些“任务分配权”，谁就能主导 AI 时代的利润。 英伟达现在的动作，实际上是在往 软件栈和系统层 进行深度布局，释放出一个信号：一旦华尔街接受了“工作负载分解”的逻辑，原本盯着 GPU 出货量的估值模型将会被推翻。 被忽视的王者——网络与互联 既然“工作负载”被拆解了，任务不再由一颗芯片单打独斗，那接下来的问题就非常现实：当芯片足够多、足够强的时候，最先卡脖子的会是什么？ 摩根大通在报告中给出了答案：网络与互联。 逻辑其实很简单：过去我们盯着 GPU 这台“发动机”猛不猛；但当 AI 进入成千上万颗芯片协同的“机架时代”，真正决定效率的，已经不是单张卡跑多快，而是数据搬运的速度和延迟。 一句话总结：GPU 决定算力上限，而网络和互联，决定了你能不能触达到那个上限。 这就像你建了座顶级工厂，设备全是世界一流，但如果传送带太慢、大门太窄，你空有顶级设备，产量照样上不去。现在的 AI 基础设施，就面临这种“工厂大塞车”。 其实，这种从“算力”转向“互联”的趋势，我们美股投资网的老朋友一定不陌生。我们早就提醒过：当算力达到饱和时，投资网络基础设施是最具长期回报的机会。年初至今，我们提前布局的“光电转换”赛道已经全面爆发： 我们在年初《美股2026年必买10只股【中集】不为人知的潜力公司》深度调研并提示的 $康宁(GLW)$ ，当时价格仅 85 美元，本周二已经到了 139.36 美元，涨幅高达 64%。 Image 3 月 9 日再次提示VIP社群买入。 在文章《美股AI 核心机会不在 GPU，而在“光电”产业链》中，我们精准点名的 LITE 和 COHR，至今也有 23% 到 26% 的涨幅。 Image 在 1 月底，我们还提示 VIP 社群的朋友在 81 美元精准布局了 $迈威尔科技(MRVL)$ ，财报后直接暴涨 22%。 Image 言归正传，黄仁勋现在疯狂强化网络叙事，是因为他看准了一点：控制网络，就是控制整套系统的“调度权”。 一旦你用了英伟达的通信协议，你未来的扩展和迁移成本，就全部锁死在他的生态里了。 这也解释了为什么华尔街现在的目光，已经穿过 GPU，直接盯上了最底层的光互连和硅光技术。 花旗报告特别提到一个细节：今年的 GTC 和全球光通信大会（OFC）几乎是同期举行，这绝非巧合！华尔街现在关注的焦点是：1.6T 光模块能否跑通，硅光技术是否成熟。 如果说“工作负载分解”是推动 AI 系统重构的原因，那么网络与互联则决定了这个重构将会在哪些领域首先释放财富机会。 一旦市场接受了这一逻辑，重新定价的将不仅仅是 GPU，更多的关注将集中在那些决定数据流动速度的交换机、光模块和互连技术上。 内存之战与代币经济学 如果说网络解决了数据“怎么走”的难题，那么AI基础设施最后的堡垒，便只剩下数据“存哪儿”与“怎么取”。 瑞银表示：英伟达正引入类似Groq的架构，利用片上SRAM（静态随机存取存储器）来实现超低延迟推理。 1/ The NVIDIA-Groq deal (or: why the \"SRAM vs. HBM\" war is the most important math in AI right now) We're seeing a massive architectural pivot, but the economics of silicon are 那这是否意味着HBM（高带宽内存）的末日将至？毕竟，在大众的直觉里，新技术的出现往往伴随着旧技术的淘汰。当黄仁勋定为特定任务配备这种“极速工作台”时，投资者本能地担心：这会不会切走HBM这块最大的蛋糕？ 然而，这种“非此即彼”的担忧，恰恰误读了英伟达的真正意图。深入剖析会发现，这并非一场你死我活的替代战，而是一次精密的“工作负载分解”。 SRAM虽快，快到几乎零延迟，但它受限于芯片面积，容量天花板极低，根本无法承载千亿参数模型的训练与大规模通用推理；这就好比你手边的办公桌再顺手，也塞不下整个图书馆的藏书。而HBM虽在延迟上略逊一筹，却是维持AI系统规模的唯一“大动脉”，没有它，大模型连跑都跑不起来。 FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness | by Ahmed Taha | Medium 因此，英伟达的策略绝非“二选一”，而是极致的“整合互补”：将最昂贵、最快的SRAM用于对延迟极度敏感的专用推理，打造极致体验；同时让耗时耗力的大规模训练继续深植于HBM的护城河中。 这种架构设计的终极目的，是为了解决AI落地的最大痛点——如何在保证性能的前提下，把算力成本打下来。 $英伟达(NVDA)$ $Lumentum Holdings Inc.(LITE)$ $Applied Optoelectronics Inc.(AAOI)$ 这就自然引出了本次 GTC 市场最关注的一道数学题：代币经济学Tokenomics。 华尔街对 AI 最大的疑虑，已经不只是资本开支有多大，而是每一轮新增投入最终能不能转化成更低的单位 token 成本和更高的商业回报。 英伟达近几个月的官方表述也在持续转向这一点：无论是 Blackwell 还是 Rubin，核心卖点都不再只是峰值性能，而是 cost per token、吞吐/每兆瓦，以及整套 AI 基础设施的经济可行性。 技术上，这背后依赖的正是更复杂的内存层级与数据流优化——包括片上 SRAM/L1、L2、HBM 以及系统级互连的协同——把不同负载放到最合适的资源上处理，从而降低 token 生成成本、提升整个平台的 ROI。 这套逻辑直接指向了一个被市场严重低估的财务事实。花旗在报告中给出了一个推演：得益于这种系统级的效率优化，预计英伟达2028财年的每股收益（EPS）将达到15美元。按目前股价计算，这意味着英伟达的远期市盈率（PE）仅为12倍。 试想一下，在一个万亿规模的赛道里，核心霸主的市盈率竟然只有12倍？这在财务视角下极具吸引力，但也暴露了一个巨大的预期差：市场还在用传统的“硬件制造商”眼光给英伟达定价，却尚未完全意识到它作为“系统定义者”的盈利爆发力。 当我们将技术架构的互补性与商业模式的升维串联起来，最终的图景变得异常清晰： SRAM是制造市场兴奋的“情绪点”，负责解决速度焦虑； HBM才是真正源源不断的“利润池”，负责锁定长期规模； 而Tokenomics则是连接两者的桥梁，它用实实在在的ROI数据，打消了华尔街对AI泡沫的顾虑。 瑞银的数据证实了这一点：尽管SRAM概念火热，但投行对美光等厂商的HBM收入预测却在2028年飙升至270亿美元，且短缺预期延续至数年之后。这说明在主流资本视野中，SRAM并未将HBM踢出盈利模型，反而通过分层架构进一步固化了HBM作为主存核心的地位。 归根结底，这场关于内存技术的博弈，实则是英伟达重构AI价值链的“阳谋”。通过引入SRAM解决延迟痛点，通过Tokenomics说服客户买单并重塑估值逻辑，再通过HBM锁定长期利润，英伟达成功地将原本单纯的硬件买卖，进化成了AI时代不可或缺的“系统入场税”。 无论未来的推理场景如何千变万化，只要这套“SRAM提速、HBM扩容、Tokenomics算账”的混合架构成为行业标准，那么无论技术风向吹向哪一边，最大的赢家始终只有那个制定规则的庄家。 英伟达下一代产品路线图该怎么看？ 既然工作负载分解和内存分层已成定局，投资者面临的最后一个问题是：英伟达下一代产品路线图该怎么看？ 很多人被Kyber、Rubin Ultra、Feynman这些代号所迷惑，以为它们只是更强的GPU，但如果只盯着芯片，你就错过了英伟达真正的战略布局。 Image 过去，市场看重单卡算力；但进入下一阶段，决胜点在于：一个机架能容纳多少计算、带宽、内存，同时如何处理功耗、散热和互联。 Rubin Ultra最关键的地方，不是“Ultra”这个字，而是它代表了英伟达推动系统密度到极限，四大维度你同时提升，迫使竞争对手在系统级能力上追赶，形成英伟达的深厚护城河。 最终，英伟达不再单纯发布新品，而是在推动 “基础设施标准化、系统化、平台化”。对投资者是明白英伟达的估值逻辑正在从“卖最好的芯片”转向“卖唯一的 AI 系统”。产业链的投资机会也将外溢到网络架构、光互连、CPO、硅光等领域。 好了今天的文章就到这里，你对英伟达GTC大会怎么看，你认为哪些关键产业链以及公司会爆发，欢迎评论区留言一起讨论。 大量粉丝还没有养成阅读后点赞的习惯，希望大家在阅读后顺便点赞和转发，以示鼓励！我们一个团队长期坚持原创17年真的很不容易。坚持是一种信仰，是对于美股的一种热爱。","highlighted":1,"essential":2,"paper":2,"link":"https://laohu8.com/post/542039576126104","repostId":0,"isVote":1,"tweetType":2,"object":{"id":"32a176d748b84608b15435c1e4e0db6a","videoUrl":"https://1254107296.vod2.myqcloud.com/b94982e0voduse1254107296/98869bb25145403719699643818/Bw4v6mEjQdoA.mp4","poster":"https://static.tigerbbs.com/8e121e17b2d1b515454443dcacd42887","desc":""},"commentLimit":10,"symbols":["NVDA","GLW","LITE","MRVL","AAOI"],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":8756,"optionInvolvedFlag":false,"xxTargetLangEnum":"ZH_CN"},"isVote":1,"tweetType":1,"viewCount":213,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":36,"optionInvolvedFlag":false,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"isCommentEnd":true,"isTiger":false,"isWeiXinMini":false,"url":"/m/post/542263566675968"}
精彩评论