社区

芝能智芯出品 从2025年价值200亿美元的震撼收购，到2026年GTC大会上黄仁勋揭晓谜底，英伟达正通过将 Groq 的 LPU（语言处理器单元）整合进其最新的 Vera Rubin 平台，设计完全不同架构的芯片。 GPU和 Groq 的 LPU（Language Processing Unit）之间，关于“吞吐量”与“延迟”的考虑，这是一个新的答案。 Part 1 算力的“不可能三角”： 为什么 GPU 需要 LPU 这个外挂？ 英伟达的 GPU 帝国是建立在高吞吐量（High Throughput）之上的。凭借数以千计的 ALU 单元，GPU 极其擅长在大规模并行任务中“大力出飞砖”，整个AI的突破是依靠GPU构建起来的，但这种架构设计有一个天生的短板：高延迟。 在 2025 年之前的 AI 世界，这并不是大问题。 但在 2026 年的智能体（Agentic AI）时代，情况变了： ◎ 人类与机器的交互要求令牌（Token）生成速度达到每秒数百个，才能产生丝滑的即时感。 ◎ 智能体之间的通信需要极低的响应延迟。如果两个 AI 在协作时互相等待对方“转圈圈”，整个系统的效率会呈指数级下降。 GPU 为了维持高吞吐，需要通过复杂的调度和缓存机制来掩盖延迟，这在处理单用户、串行化的解码（Decoding）阶段时显得力不从心。 简单来说，GPU 擅长一次性处理一吨货物（预填充阶段），而 LPU 则擅长以光速快递一个个小包裹（生成阶段）。英伟达单纯靠优化 GPU 架构已经无法在延迟曲线上取得质的突破。于是选择了 Groq。 LPU 这种“反其道而行之”的设计，牺牲吞吐量、通过海量片上 SRAM 实现极致延迟，来补齐了英伟达高端机架的最后一块短板。 在 Vera Rubin 架构中，LPU（语言处理器单元）的引入本质上是对 AI 推理流程的一次“硬件级拆解”，

芝能汽车出品 随着AI的风刮到各行各业，2026 年的汽车行业也不一样了。 过去十年，全球的汽车行业的聚焦点在于“动力切换”，是内燃机和电池的竞争；而今天，汽车到了增加大脑的阶段，变革的核心都压在了“智能系统”上。 但当算法卷到极致、算力堆到封顶时，工程师们猛然发现，阻碍智能进化的物理瓶颈，竟然回到了最基础的环节：材料物理。 3月23日，陶氏公司在上海陶氏中心揭幕热管理材料科学实验室汽车智能化平台，依托有机硅材料科技，聚焦高算力热管理、精密感知防护、高速电磁互联三大核心能力，协同本土伙伴研发适配智能电动汽车、自动驾驶与具身智能的材料方案，以一站式平台打通芯片至整车价值链。 Part 1 物理层面的硬约束：热、稳、连 我们把智能汽车做一个拆解分析，现在最新的研究，已经不是内燃机和电池了，创新都围绕着硬件层面的“高密度电子系统”和软件和AI算法平台，这种转变带来了三个极其棘手的物理难题，算力问题，感知持续度。 ● 算力从散热到控热 在中央计算架构下，域控制器的功耗从过去 ECU 的几瓦暴涨至数百瓦。从英伟达Orin-X 到Thor，中国自研芯片越来越多，算力也在不断膨胀，现在车载AI芯片发热量不是线性增长，而是指数级跃迁。 在汽车狭窄且密闭的物理空间内，这种热密度的聚集是破坏性的。以前的导热垫片（Thermal Pad）只要能把热传导出来就行，但现在的核心挑战是生命周期的稳定性。 汽车不是手机，设计的使用时间需要考虑10-15 年，且常年处于 -40°C 到 125°C 的剧烈温差中。如果导热材料在几千次热循环后产生微小的位移、泵出（Pump-out）或者老化干裂，芯片就会因为热聚集迅速降频。 这时候，再强的 AI 算法也会因为物理层面的“高烧”变成一堆废铁。陶氏公司提出的“Compute & Cool”是在为算力偿还物理世界的“热债”。 ●&nbs

芝能科技出品 辅助驾驶的方向，从端到端之后大家就看不明白了，到了2026年自动驾驶与机器人的路线之争被推向了高潮。 但在GTC2026 “选边站队”的辩论，我们将这场纷繁复杂的争论，拆解为三个收敛的维度：技术哲学的分歧、工程实现的瓶颈，以及终极的融合形态。 01   核心争议的细节： 预测“像素”还是预测“逻辑”？ 世界模型与 VLA 的根本分歧，在于预测目标的颗粒度。世界模型的细节，真正的世界模型不再试图生成高清的未来视频（那太费算力），而是生成 Latent Tokens，预测的是环境的“状态特征”，比如前方车辆在 0.5 秒后的横向位移概率。 模型不再直接输出动作，而是先预测“下一步世界会变成什么样”，王兴兴认为这种路径“天花板更高”，是指世界模型在训练中学**了重力、摩擦力和运动补偿。 对于辅助驾驶当车辆在雨天侧滑时，模型是基于对路面附着力的物理推演来修正轨迹。 现阶段的视频生成式世界模型算力开销巨大，很难满足辅助驾驶所需的毫秒级实时响应。 VLA 把感知（看到什么）、语义（导航指令/常识）和行动（怎么打方向）压进同一个 Transformer 框架，链路极短，数据从“摄像头”直接流向“执行器”，架构天然适配车规级系统的低延迟要求。 将方向盘转角、加速度直接转化为离散的 Token，与视觉、语言 Token 在同一个 Transformer 空间内对齐。  它的前路在于“语义对齐”，当你说“靠边停车”时，VLA 不需要经过“语音->文本->逻辑规划->控制”的长链条，而是直接在 Embedding 空间里将“停车”语义与视觉中的“路沿”特征耦合，输出 Action。 它强于“拟合”——只要见过足够多的人类驾驶数据，它就能开得像人。但它不理解物理法则，一旦进入从未见过的长尾场景（Corner Cases），泛化能力就会撞上天花板。

芝能汽车出品 摩洛哥2月新车销量为17,143辆，同比增长8.8%，虽然仍保持正增长，但明显低于此前双位数水平。其中乘用车14,825辆（+9.8%），轻型商用车2,318辆（+2.9%）。前两个月累计销量达到37,564辆，同比增长22.1%。 01 中国车企：全面铺开 中国品牌在摩洛哥的渗透更快、更分散，呈现出“多点开花”的特征： ◎ 比亚迪：321辆（2.2%），同比+33.8%，稳步扩张  ◎ 吉利：202辆（1.4%），同比+92.4%，增长迅猛  ◎ 名爵：165辆（1.1%），同比+21.3%，保持稳定  ◎ 奇瑞：150辆（1.0%），同比+328.6%，爆发式增长  ◎ 长城：127辆（0.9%），同比+86.8%  ◎ 深蓝：128辆（0.9%），新进入即具规模  02 品牌格局：法系主导，结构分化明显 2月TOP10品牌依次为： ◎ 达契亚（3,267辆，22.0%） ◎ 雷诺（2,538辆，17.1%） ◎ 标致（940辆，6.3%） ◎ 现代（871辆，5.9%） ◎ 大众（871辆，5.9%） ◎ 雪铁龙（708辆，4.8%） ◎ 欧宝（469辆，3.2%） ◎ 起亚（411辆，2.8%） ◎ 斯柯达（401辆，2.7%） ◎ 奥迪（374辆，2.5%） 摩洛哥市场呈现出典型的“法系统治”格局：达契亚+雷诺合计接近40%份额，构建起牢固基本盘。 不过结构内部出现分化： ◎ 雷诺同比增长14.3%，持续向龙头靠近；  ◎ 标致同比下滑3.7%，表现略显疲软；  ◎ 现代大幅下滑28.

芝能智芯出品 英伟达从Ai 服务器GPU公司开始做起了CPU。 过去CPU更多像“搭配GPU用的配角”。现在不一样了。随着 AI 服务器越堆越大，GPU 之外的那一半算力CPU，开始变成瓶颈。 英伟达这条路其实走了很久。从早年的 Denver，到后来一代代 Tegra，再到数据中心的 Grace，英伟达一直没放弃。Vera 就是在这个背景下出现的，从Grace 之后，英伟达自己认真做一颗真正CPU。 Part 1 Vera 转折， 从“能用”到“必须自己做” 英伟达Grace 做得不差，甚至可以说超预期。很多数据中心已经在用它，尤其是在和 GPU 打包销售的场景里。Grace 核心不是英伟达自己设计的，而是基于 Arm 的 Neoverse V2。 换句话说，这套能力不是独家的。别人也能用。这在早期没什么问题，反而更稳。但一旦你想往上走，就会卡住。 英伟达这次的选择很干脆：不再用现成核心，自己做深度定义。 Vera 里的 CPU 核心叫 Olympus，基于 Arm v9.2 指令集，但架构完全自研，重新设计 CPU 内核。这么做风险不小。CPU 不是 GPU，验证周期长、bug 成本高。 但好处也很明确： ◎ 第一，性能可以按自己的需求来定。现在的数据中心，很多任务其实很“别扭”：GPU 负责并行算力，但大量调度、数据整理、长尾任务还是要靠 CPU。这部分如果跟不上，GPU 再强也会被拖住。 ◎ 第二，成本结构会变。用 Arm 现成核心，需要付更高的授权费用；自己设计，只用指令集授权，成本会低一截。像 Apple、Qualcomm 早就走的是这条路。 ◎ 第三，更关键的一点：差异化。整套系统（CPU+GPU+网络+软件），CPU如果是通用的，总是有一些不够极限。如果是自研核心，就可以把“系统能力”绑在一起卖。 说白了，Grace 是已经走了很

芝能汽车出品 2月希腊汽车市场整体保持稳定，本月销量约1万辆，同比增长2.0%，市场结构依然以经济型与小型车为主，尤其是法系品牌出现强势反弹。 01 中国车企：份额提升，但分化明显 中国品牌在希腊市场开始形成一定规模，整体份额已达8.4%，但内部差异较大： ◎ 比亚迪：308辆，同比+26.2%，表现最稳 ◎ 奇瑞：209辆，新进入即进入主流梯队 ◎ 名爵：192辆，同比-42.7%，出现明显回调 ◎ 极氪、小鹏、蔚来：刚起步，仍处导入期 中国品牌认知不均衡，产品结构尚未完全匹配本地市场（以小车为主） 02 品牌格局：日系稳、法系强势反弹 TOP10品牌中： ◎ 丰田以1,468辆、14.7%份额继续领跑，但同比有所下滑（-3.7%）。 ◎ 最大变化来自雪铁龙，同比大涨84.8%，以837辆跃居第二，成为本月最大黑马。 ◎ 标致、欧宝紧随其后，分别为779辆和726辆。 ◎ 宝马（566辆）、铃木（564辆）表现稳定， ◎ 达契亚、雷诺维持中游位置。 ◎ 现代和大众则相对承压，进入榜单后段。 希腊市场呈现出“三个特点”： ◎ 丰田依然是最稳基本盘； ◎ 法系品牌集体走强； ◎ 德系、大众系存在一定压力。 03 车型结构 车型榜单进一步印证希腊市场的消费特征——以小型车为绝对主力： ◎ 雪铁龙C3以601辆、+50.3%连续两月夺冠 ◎ 欧宝Corsa（422辆）、丰田Yaris Cross（416辆）紧随其后 ◎ 雷诺Clio、丰田Yaris、达契亚Sandero等经典小车持续热销 TOP10几乎全部为小型车或小型SUV，说明价格敏感型需求仍是市场核心。 小结 南欧市场以希腊来看，市场仍以经济型小车为主，在小型电动车

芝能科技出品 不管是汽车零部件还是硬科技行业，判断一个赛道是否真正成熟，标准是看龙头企业靠卖产品真正赚到钱的公司何时能站稳。 激光雷达随着辅助驾驶和自动驾驶浪潮涌现10年以后，一度被贴上“昂贵、低良率、赔本赚吆喝”标签的行业来说，2025年就是那个分界点。 禾赛交出的这份年报，营收30.3亿元，同比增长45.8%，实现了全年GAAP（通用会计准则）净利润4.36亿元。 激光雷达行这门生意能跑通，还能盈利。以至于现在，大家不会去讨论纯视觉和激光雷达谁才是未来了。 01   规模效应的临界点： 从摆样子到安全件 激光雷达行业过去几年的逻辑一直是“以价换量”，但2025年禾赛的162万台出货量，整个汽车使用的激光雷达在扩展。主要的特点是车端激光雷达市场的“安全防线”化和机器人激光雷达市场的“反向输出”。 对于消费者认知来说，激光雷达是牛角，改变了车辆的造型，也象征着智驾能力。但现在，它的角色正在向“安全气囊”靠拢，价位段也在下沉进入10万级市场。 随着L2+向L3级别的实质性跨越，单车搭载量从1颗（10万）增加到3-6颗（30万级）。 禾赛拿下的40%市场份额，当激光雷达价格下探到千元级，就不再是车企为了省钱可以随手砍掉的“选配”，而是为了通过安全测试、提升产品竞争力的“标配”。 更有意思的变化在汽车之外。2025年，禾赛在机器人领域的出货量翻了4倍，汽车工业巨大的规模效应，把激光雷达的成本硬生生砸了下来，这让原本用不起高端传感器的割草机器人、无人配送车捡了便宜。 那个“1000万颗割草机器人雷达”的订单，本质上是汽车工业对消费电子的一次技术溢出。 02  盈利的秘密： 降本不是靠“省” 很多人会问：为什么偏偏是禾赛先赚钱？在大家都打价格战的时候，它是怎么守住41%的毛利率并实现盈利的？我的理解主要是垂直整合的芯片化和制造规模能力带来的交付能力。 激

芝能汽车出品 2025年的采埃孚（ZF）似乎正处于“至暗时刻”，销售额缩水至388亿欧元，净亏损额更是扩大一倍，达到了惊人的21亿欧元。 采埃孚正在进行一场“刮骨疗毒”式的大手术。2025年，是它近十年来最痛的一年，到底有没有可能成为最有希望的转折点呢？ Part 1 刀刀，切掉了“虚假的繁荣” 从财务表现来看，采埃孚的经营质量确实在改善。 2025年公司实现销售额388亿欧元，同比下降6%。调整后息税前利润率从3.5%提升到4.5%，自由现金流从2024年的3亿欧元跃升至14亿欧元，远超预期目标，在“赚钱能力”和“现金回收能力”上，都出现了明显改善。 我们来看看净亏损的核心，虽然扩大到了21亿欧元，但确实是采埃孚在2025年主动承认过去的错误，并集中清理。 2025年21亿欧元的巨额亏损，为了重组电驱传动（E部门），采埃孚一口气计提了约16亿欧元的一次性费用，下定决心终止了一系列看似光鲜、实则持续“失血”的非盈利电动化项目。 过去几年为了迎合客户和投资者的期望，全球汽车供应链被推着盲目追求全面电动化，采埃孚也不例外，从电驱系统到车载充电器、DC/DC转换器，再到各类电动桥产品，布局广泛而激进，背负着沉重的研发包袱。 电动化市场的竞争强度远高于预期，尤其是在中国市场，价格战已经将大量标准化部件的利润压到极低水平。 CEO米德莱希上台后极其务实，既然欧美电动化转型放缓，根据客户的战略调整，也在直接终止一批长期亏损、且看不到规模效应的项目。那就收缩战线，保住利润丰厚的混动变速箱和底盘基本盘。  将优质的ADAS业务作价15亿欧元卖给哈曼，更是一次冷静的资产腾挪。这笔钱，是给超过百亿欧元的债务减压的“救命钱”。 是选择继续在低毛利甚至负毛利业务上消耗资源，还是砍砍砍，卖卖卖为未来释放了空间，是不是有无奈的成分不好说，但是这个很清楚选择了一整套“瘦身”动作：剥离

芝能汽车出品 2026年2月葡萄牙汽车市场新车销量达到20,541辆，同比增长5.5%，前两个月累计增长约10%。 需求并未爆发，但在利率趋稳、电动车渗透提升的背景下，市场逐步回暖。 01 中国车企：表现不错 中国品牌在欧洲仍处早期，但增速非常突出： ◎ MG：866辆，同比+187.7%，份额4.2%，已进入主流阵营  ◎ 比亚迪：467辆，同比+32.7%，稳定扩张  ◎ 小鹏：119辆，同比+98.3%，高端智能路线验证  ◎ 零跑、欧萌达（Omoda）、捷酷（Jaecoo）等开始进入市场  ◎ 东风、深蓝等也实现小规模突破  MG打规模，比亚迪走技术+品牌，小鹏冲高端智能，其它品牌试水渠道。 02 品牌格局 2月传统品牌强势稳固，新势力加速渗透，TOP10品牌依次为： ◎ 标致（2,425辆，11.8%） ◎ 奔驰（1,453辆） ◎ 宝马（1,295辆） ◎ 欧宝（1,282辆） ◎ 日产（1,189辆） ◎ 雪铁龙（1,167辆） ◎ 特斯拉（1,160辆） ◎ 大众（1,131辆） ◎ 雷诺（1,056辆） ◎ 丰田（947辆）。 ◎ 特斯拉同比暴涨112.1%，成为增长最快的主流品牌之一；  ◎ 欧宝、雪铁龙等“性价比品牌”恢复明显；  ◎ 雷诺、丰田则出现不同程度下滑。  03 车型结构 2月车型TOP10如下： ◎ 标致2008（1,052辆，+39.9%） ◎ 特斯拉Model 3（845辆，+104.6%）  ◎ 欧宝Corsa（670辆）  ◎

芝能科技出品 第一次看到 TeraFab 的时候，一定会觉得这是一个“熟悉的马斯克项目”：规模巨大、目标离谱、时间线激进。 这件事也的确是马斯克能干得出来的：既然半导体和算力是现实的约束，那特斯拉就自己造芯片。 过去几年，AI 算力的增长速度，早不再是“需求拉动供给”，而是反过来——供给成为天花板。 无论是台积电还是三星电子，它们的问题都卡在：产能爬坡的节奏，远慢于 AI 需求的爆发速度。对一家只做模型的公司来说，这是价格问题；但对特斯拉来说，这是生死问题。 对于特斯拉来说，给汽车设计制造芯片已经成了练手，可以更熟练地进行机器人的规模化部署。 一旦把“10 亿台 Optimus”当作一个真实假设，那么特斯拉面对的不是车规芯片供应，而是一个接近“全球算力再分配”的问题。TeraFab，本质上是这个问题的答案之一。 01 特斯拉被算力需求 逼到“自己造矿” 马斯克说：“要么建 TeraFab，要么没有芯片。”这句话听起来像夸张，但是一个典型的供需错配问题。 目前全球新增 AI 算力规模，大致在数百亿瓦量级，而特斯拉内部给出的路线图，仅人形机器人一项，就对应 100GW 级别的算力需求。如果再叠加自动驾驶训练、Dojo 集群，以及未来的分布式推理网络，这个需求会迅速逼近太瓦级。 换句话说，特斯拉一家公司的长期算力需求，理论上可以吞掉全球新增算力供给的大头。 这就带来一个关键变化：芯片不再是“采购的零部件”，而是“决定业务上限的生产资料”。 过去十年，半导体行业的分工逻辑是极致清晰的——设计归设计，制造归制造，IDM 模式逐步被削弱。但 AI 把这件事反过来了。因为当需求端的增长速度远超供给端，最有动力打破分工的，一定是需求方。 特斯拉已经走在这条路径上：从早期的自动驾驶芯片（AI3/AI4），到正在推进的 AI5，再到规划中的 AI6、AI7，本质上是一步步从“定制 SoC”走向