新能源车的竞争，过去常被简化为电池容量、续航里程与充电速度之争。谁的电池更大、能量密度更高、快充时间更短，似乎就能在市场上取得先机。然而，当三元锂、磷酸铁锂、刀片电池、麒麟电池等硬体技术逐渐成熟，供应链亦愈来愈透明，真正拉开差距的，已不再只是电芯本身，而是藏在车身深处、平时不被消费者看见的电池管理系统，亦即BMS。更准确地说，新能源车下半场的壁垒，正在由硬体转向软体，由材料转向算法。 电池并不是一件静态零件，而是一个会老化、会受温度影响、会因使用习惯而改变状态的化学系统。两辆使用同款电池的车，若一辆长期在高温环境快充，另一辆多在温和环境慢充，数年后的健康状态可以截然不同。因此，BMS的角色不是单纯显示剩余电量，而是要即时判断电池「还有多少电」、「还能承受多少功率」、「是否有安全风险」以及「未来会如何衰退」。 这里最重要的两个指标，是SOC与SOH。前者可理解为电池剩余电量，后者则是电池健康程度。看似简单，但实际估算非常困难。手机显示还有20%电，最多只是令人焦虑；汽车若错判20%，可能导致续航失准、性能受限，甚至影响安全。电池的电压、电流、温度、内阻与化学状态之间并非线性关系，尤其在低温、高负载或快充场景下，更容易出现偏差。这正是算法价值所在。 优秀的BMS算法能透过大量感测数据，建立更准确的电池模型，预测老化速度，调整充放电策略，并在热失控发生前发出预警。它像一位随车医生，不只是量体温，而是长期记录病历、判断体质，并按不同驾驶情境开出最合适的处方。硬体决定电池的上限，软体则决定这个上限能否被安全、稳定、长期地释放。 从「装上电池」到「理解电池」 电池产业有一个残酷现实：硬体容易被追赶。当某种电芯技术被市场验证，供应商很快会扩产，车企也能透过采购取得相近配置。但BMS不同，它需要长期数据积累、整车工况理解、云端分析能力以及工程调校经验。这些能力不可能靠一次采购完成，而是要在

昨晚美股偏风险规避：油价冲到100美元附近，指数下挫，半导体跌幅更大。但下周一英伟达GTC开幕，黄仁勋主题演讲换算成北京时间是3/17 02:00–04:00。这场会决定AI主线下一阶段怎么定价：是继续抱GPU，还是把“推理+互联+供电”一起打包进估值。 今天的盘面：油价+利率压估值，GTC前先“降温” 昨晚市场下跌的直接导火索是油价飙升引发通胀担忧：道指、标普、纳指都跌超1.5%。半导体属于“高估值+高弹性”板块，资金一收缩就先挨打：NVDA最新在183美元附近，日内小幅回落；半导体ETF（SMH）跌幅约3%。 我对这种回撤的理解很简单：不是AI叙事结束，而是市场在等“下一代算力方案”给出可验证的路线图。GTC就是验证窗口。 GTC主线：推理、互联、电力 第一条：推理从“可选”变“必选”。NVIDIA官方对GTC 2026的定位就很明确：重点覆盖“agentic AI（代理）和 inference（推理）”。你给的判断“从训练为王转向推理为王”，我同意，但我只看一个落地点：推理成本能不能被系统性打下来（延迟、吞吐、每token成本）。黄仁勋近期也在公开采访里预告，GTC会有“让人意外/惊讶”的芯片发布。这类发布如果指向推理专用算力或推理优化系统，对产业链的含义是：算力需求不只看“训练大模型”，还要看“推理跑起来之后的长期流量”。 第二条：互联决定“推理规模化”的上限。 推理时代，瓶颈不只在GPU算力，也在集群互联和数据搬运。NVIDIA已经在推动硅光/光互联方向（例如Quantum-X系列强调用硅光降低功耗与延迟）。 你提到的“CPO规模化”，我会把它当作GTC最可能强化的叙事之一：算力在涨，网络功耗不能同倍数涨，否则数据中心电力先扛不住。 第三条：电力与散热会变成“标配议题”。Rubin路线图本身就指向更高功耗的AI机柜形态；外媒在Rubin Ultra/后续平台报道里