英伟达 on 苏然的博客

从 Chat 到 Agent：Vera Rubin 背后的算力逻辑

Sun, 20 Sep 2026 17:50:42 +0800

读完英伟达副总裁 Ian Buck 关于 Vera Rubin 平台的演讲，最让我在意的不是新芯片本身，而是一组关于负载形态的对比数字。当年 Chat 模式的基准测试，模型输入大约只有 1K 词元；如今的 AgentX 基准里，平均输入规模已经涨到 142,000 词元，动态范围从 1K 一直延伸到 200K 以上，上下文缓存能装下 100 万词元，智能体单次任务的交互轮数可以冲到 65 轮。人类被从交互循环里拿掉之后，算力进入高频满载状态，纯数值层面的需求提升了 100 倍。这不是原来那点需求乘个系数的问题，而是负载从“问答”变成“委托”的结构性跃迁。

129303 个拥抱：英伟达买下 Hugging Face 这单生意

Fri, 04 Sep 2026 15:45:04 +0800

周五早上刷到这条新闻的时候，我第一反应不是 129.3 亿美元这个数字有多大，而是多看了一眼那串金额：$12,930,300,000。小数点前的六位数连起来正好是 129303，对应 Unicode 编码里的 U+1F917——也就是 Hugging Face 官网上那个张开双手求抱抱的黄色小脸。把自家买下的公司的表情符号，藏进收购金额的数字里，这种硅谷式的极客幽默出现在一笔冷冰冰的资本并购案里，实在少见，也让这笔交易一夜之间成了技术圈津津乐道的谈资。

英伟达的合作之年：频频联手背后的战略考量

Fri, 04 Sep 2026 04:13:21 +0800

　　最近一年，英伟达在合作版图上呈现出密集扩张的态势，不再仅仅靠单芯片性能领先，而是通过与各方厂商的联手来巩固和扩展其在AI计算领域的生态影响力。从云计算巨头到汽车供应链，从科研机构到初创公司，英伟达的合作伙伴名单几乎覆盖了所有与高性能计算相关的产业链条，这种频繁的联手背后，既是技术互补的必然选择，也是市场格局变化下的战略布局。在云计算领域，英伟达与亚马逊AWS、微软Azure、谷歌云等主要云服务提供商深度绑定，将GPU实例作为其AI服务的核心算力底座，通过联合优化驱动、容器编排以及混合云部署方案，使得企业用户可以在熟悉的云平台上一键获取近乎裸机的GPU性能，降低了AI模型训练和推理的门槛，与此同时，双方还在联合研发专用的加速卡与软件栈，以满足不同行业对时延和精度的特殊需求。但这种深度绑定也暗藏张力，谷歌的TPU、亚马逊的Trainium与Inferentia、微软的Maia等自研芯片正在逐步蚕食GPU的独占地位，云厂商既依赖英伟达的成熟生态，又试图摆脱对其的单一依赖，这种既合作又竞争的关系，恰恰折射出AI算力供应链的复杂博弈。汽车智能化是另一个合作热点，英伟达与特斯拉、比亚迪、蔚来等车企以及Tier一供应商合作，将Drive平台嵌入到辅助驾驶和自动驾驶系统中，除了提供高性能的系统芯片，英伟达还参与到数据采集、模型训练以及车端软件生态的建设，帮助车企在复杂的道路场景下实现更安全的感知与决策，这种合作不仅限于硬件供应，更延伸到共同制定安全标准和测试协议。

算力钱庄：英伟达会重演朗讯的剧本吗

Sun, 30 Aug 2026 03:36:50 +0800

　　英伟达前不久官宣了一件在资本市场上分量不轻的事：联合六家顶级金融机构，打造一个5000亿美元的算力融资平台。所谓算力融资平台，说白了就是一个授信池子——客户想买英伟达的GPU，囊中羞涩，可以来池子里借钱。5000亿这个数字，更准确的说法是“平台所能调用的第三方资本规模”，比美国《芯片法案》的527亿美元补贴还要多出一个零。措辞值得多看一眼：不是英伟达自己掏5000亿，而是英伟达组织5000亿。它做的是钱庄的掌柜，不是金主。这个差别，恰恰是整件事最值得琢磨的地方。

英伟达的算力分成生意：从卖芯片到分蛋糕，我的几点猜测

Fri, 28 Aug 2026 06:31:01 +0800

　　你可能没注意到，英伟达最近悄悄确认了一件值得琢磨的事：它 7 月推出的那个 AI 云收入分成协议，还在实施中，目标是给快速增长的 AI 生态提供算力访问。乍一听这像句敷衍的官话，但我越看越觉得，这背后藏着一盘比"卖芯片"大得多的棋。这件事 7 月 1 日就官宣了——英伟达不再单纯按硬件卖卡，而是让 AI 云初创公司拿到 GPU 基础设施，再按产生的收入分成，Sharon AI、Firmus 这些云厂商就是第一批上桌的玩家。说白了，这是把"先用算力、后分成"的玩法摆上了台面，而它最扎眼的地方在于：英伟达正在从"卖铲子的人"，悄悄变成"和淘金者一起分金的人"。

算力的隐形瓶颈：HBM 显存，英伟达财报背后的技术信号

Thu, 27 Aug 2026 15:52:15 +0800

　　英伟达这份财报，最值得技术人员关注的不是营收数字，而是利润率指引背后暴露的算力系统瓶颈。指引高于市场预期，本质上是在说：高昂的 HBM 显存成本仍能顺畅传导给下游。从架构视角看，这等于官方确认了一件事——显存，是当前 AI 算力系统里最硬的那块约束。