当 DeepSeek-V3 和 R1 模型在硅谷掀起惊涛骇浪时，人们认为如果低成本都能打造高性能模型，那么依靠昂贵 GPU 堆砌算力的效果将大打折扣。
然而，英伟达不仅屹立不倒，反而展现出更强的生命力。
刚刚发布的财报数据显示，英伟达第四财季营收为 393.31 亿美元，较上年同期增长 78%。2025 财年全年营收 1305 亿美元，较 2024 财年增长 114%。
H20 芯片的订单激增，Blackwell 平台的前景一片光明，更多高效模型的出现也点燃了对 AI 基础设施更加旺盛的需求。
黄仁勋豪言数十亿销量，Test-Time Scaling 引爆 AI 新战场
业界普遍认为， Scaling Law 并没有完全失效，只是 Scaling 的方向正在发生变化，随之而来的则是，AI 行业逐渐走向了另一条分叉口——Test-Time Scaling。
Test-Time Scaling 主要用于推理阶段，通过分配额外的计算资源来优化模型的推理性能。
英伟达的 Hopper 架构和 Blackwell 架构都能显著提升模型推理的效率。其中 Blackwell 系列更是被寄予厚望，能够为 Test-Time Scaling 提供强大的硬件支持。
我们已成功大规模量产 Blackwell AI 超级计算机，并在首个季度实现了数十亿美元的销售额。随着自主智能体 AI（Agentic AI）和物理 AI 的发展，AI 正以光速推进，为下一波 AI 革命奠定基础，重塑各大核心行业。
Blackwell 芯片架构亮相于去年的 GTC 2024 开发者大会，以美国数学家 David Blackwell 命名，旨在支持大规模 AI 模型的训练和推理，具备高性能和高效率的特点。
但这款今天被黄仁勋誉为「在各个方面都『表现非凡』」的芯片，却在投产过程中一波多折。
据悉，Blackwell 芯片在设计上存在重大缺陷，特别是在连接两个 GPU 的关键电路上，导致良品率较低。在高密度服务器机架中，Blackwell 芯片也会因散热不足导致过热，影响性能并可能损坏硬件。
好在，后续在台积电的帮助下，英伟达修复了设计缺陷。谈及在早期生产 Blackwell 时遇到的「小问题」时，黄仁勋表示，「这可能让我们损失了几个月的时间。」
不过，他补充道，公司「以光速」恢复，并从中吸取了经验，为 Blackwell Ultra（B300 系列）的生产做好了准备。他表示，「下一班火车」将按照「每年的节奏」推进。
Blackwell Ultra 是英伟达下一代重要的 AI 芯片，这款芯片在技术规格上实现了显著提升，特别是在推理性能、显存容量和带宽方面，并引入先进的冷却技术。
其不仅配备 288GB HBM3E 显存，显存容量相比 B200 的 192GB 提升，显存带宽达到 1792 GB/s，功耗也达到了 1400W，按照英伟达的路线图，预计将在今年下半年推出。
谈到 Blackwell 的过渡，黄仁勋表示：「这是一次非常具有挑战性的转变。」但他预计，未来向 Blackwell Ultra 的过渡会更加顺利。
他解释说，Blackwell Ultra 的过渡更平稳，因为其芯片架构与 Blackwell 相同。而相比之下，从 Hopper 过渡到 Blackwell 的挑战要大得多。
黄仁勋指出，AI 芯片最好被视为软件——它将无处不在，遍布每个国家和地区。「每个学生都会使用 AI 作为导师，」他补充道：「没有一家金融科技公司不会使用 AI。」
基于此，市场对 Blackwell 的需求更是惊人的，推理 AI 引入了另一条 Scaling Law——增加训练计算量可以让模型更智能，而增加长期思考的计算量则能让答案更精准。
英伟达 CFO Colette Kress 也认为，推理需求正在「加速」。
在 Test-Time Scaling 以及 OpenAI o3、DeepSeek R1 和 Grok 3 等新推理模型的推动下，后训练和模型定制的规模巨大，总体上需要数量级更高的计算加速。
除此之外，受美国出口管制的影响，英伟达为中国市场推出了特供版 H20 芯片。
这款芯片性能虽不及 H100 或 H200，但在合规性与性价比上表现出色。尤其是其在 DeepSeek 模型上的良好表现吸引了众多企业的关注，导致订单在近期出现了「显著增长」。
不过，Kress 在财报电话会议上表示，公司的中国数据中心收入「远低于正常水平」。她指出，该收入水平是在监管法规变化之前的情况，并预计中国的出货量将「基本维持在当前比例」。
她还表示，由于 Blackwell 产能的快速提升，美国的数据中心收入最为强劲。
在过去几个月，全球 AI 基础设施投资热潮已然形成燎原之势，美国科技巨头在 AI 领域的投资预算近日也陆续公布，得益于目前英伟达在 GPU 市场的优势地位，预计不少预算将被收入囊中。
Meta 计划投资超过 2000 亿美元建设新一代 AI 数据中心园区。
OpenAI 与软银等联合启动「星际之门」计划，未来四年内投资 5000 亿美元建设 AI 数据中心。
微软计划在 2025 财年投入约 800 亿美元用于 AI 数据中心建设。
Google 计划在 2025 年投入约 750 亿美元用于 AI 数据中心和相关基础设施。
亚马逊计划在 2025 年投入超过 1000 亿美元，主要用于云计算和 AI 技术的研发。
一方面，正如黄仁勋所说，尽管英伟达制造了很多芯片，但这并不意味着它们会被公司购买，以及部署，他表示，做出商业决策时需要考虑其他因素。
他还提到，英伟达能够继续取得成功并保持强劲的需求，原因之一是该公司「部署能力快如闪电」以及其持续创造更先进的技术。
另一方面，据外媒 The Information 援引 Arm CEO Rene Haas 的说法，尽管英伟达在已部署基础设施上占据绝对优势，但芯片初创企业同样正在推动诸多创新，比如光纤基板、共同封装光学器件、革命性内存架构以及内存计算等。
半导体行业正迎来一个非常有趣的时代，毕竟多年来这一领域的创新相对有限。
DeepSeek 让英伟达市值暴跌？或许只是障眼法
春节期间 DeepSeek 在硅谷的爆火出圈，也给英伟达的发展增添了新的变量。
通过算法创新、数据压缩和推理优先的设计，DeepSeek 以极低的训练成本，打造出高性能模型 DeepSeek-V3/R1，引发了一连串的连锁反应。
常规的看法是，受到 DeepSeek 的冲击，英伟达的市值一度在一天内暴跌了 5890 亿美元。
但 DeepSeek 不仅没有削弱「算力至上」的逻辑，反而在某种程度上进一步强化了这一信仰，尤其是 DeepSeek 模型的训练过程仍旧依赖于英伟达 H800 芯片集群，而这也是被常被市场忽视的关键事实。
黄仁勋上周接受采访时也表示，尽管 DeepSeek 确实在预训练模型方面取得进展，但后训练阶段仍需要庞大算力；后训练才是培养 AI 模型智力、即学习如何解决问题和推理的最关键环节。
包括 DeepSeek 这几天连续开源多个英伟达 GPU 优化项目，在探索模型性能极限之余，也进一步加深了其与英伟达生态的绑定。
比方说，昨天开源的 DeepGEMM 是一个高效、简洁的 FP8 矩阵乘法（GEMM）库。
其采用的 Just-In-Time（JIT）设计、两级累加以及高性能优化技术，如 TMA 和指令重叠，使其在 DeepSeek-V3 中表现出色，但同时 DeepGEMM 也是专为英伟达 Hopper 架构和稀疏专家模型（MoE）优化。
此外，当 DeepSeek 正在用开源切入英伟达的市场，双向奔赴的英伟达也正在用生态整合 DeepSeek 的成果。
DeepEP 在上午开源后，英伟达下午便将其集成到 Megatron-LLM 中。有消息称（@共识粉碎机），英伟达内部已将对 DeepSeek 的支持重要性提升至比 Llama 更高的优先级，内部资源和流程也是一路绿灯。
春节期间，关于 DeepSeek-R1 的 NVIDIA NIM 微服务的预览版上线。
这意味着开发者可以在英伟达的平台上测试和使用 DeepSeek-R1 模型，结合 NVIDIA AI Foundry 和 NVIDIA NeMo 软件，企业还可以定制 DeepSeek-R1 NIM 微服务，以构建特定领域的 AI 应用。
英伟达近期更是开源了专为 Blackwell 架构调优的 DeepSeek-R1 版本。该版本在推理处理速率提升至原来的 25 倍，同时每个 token 的计算成本仅为此前的 1/20。
从机遇角度看，DeepSeek 的开源正在为英伟达带来前所未有的市场红利。
黄仁勋在电话会议中也提到，「DeepSeek R1 点燃了全球的热情」。短期内，开源引发的算力热潮直接推高了 GPU 销量。
长期来看，开源社区的活跃将进一步巩固英伟达的生态优势，开发者对 CUDA 的依赖只会加深，而企业客户在追求更高性能时仍会选择 Blackwell 等新品。
最底层的逻辑是，低成本模式适用于消费级应用，但在企业级 AI（如 AGI 研发）中，英伟达的高端芯片仍是不可替代的。未来，AI 行业可能走向「双轨制」，低端市场追求性价比，高端市场继续依赖算力驱动。
开源是 AI 的催化剂，但催化剂需要强大的硬件承载，英伟达正是那个承载者。
用一句更形象的话概括，当全世界都在担心 DeepSeek 会成为英伟达的掘墓人时，黄仁勋却在背后悄悄给它递了把铲子——
我们正在招募伙伴
✉️ 邮件标题
「姓名+岗位名称」（请随简历附上项目/作品或相关链接）
