$NVDA Blackwell 架构是本十年最具决定性的技术进步之一。在我看来，它从根本上重塑了人工智能的经济学，以及 NVIDIA 自身的发展轨迹。多年来我一直关注半导体的发展，而很少有技术转型能达到 Blackwell 所实现的规模。它让 NVIDIA 从打造速度不断提升的单个加速器，转向创建真正的机架级 AI 工厂，使处理那些曾经看似还要多年才能实现的模型成为可能。

Blackwell 的核心是一种双芯片设计，集成了大约 2080 亿个晶体管，数量超过上一代 Hopper 的 2.5 倍。两颗高性能芯片通过每秒 10 TB 的链路进行通信，并在软件层面呈现为一个统一的 GPU。基础版本的内存容量达到 192 GB HBM3e，Ultra 版本则提升至 288 GB，带宽接近每秒 8 TB。第五代 Tensor Cores 原生支持四位和六位浮点格式，而第二代 Transformer Engine 即使在这些极端精度下也能保持准确性。第五代 NVLink 将互连带宽提升一倍，达到每个 GPU 每秒 1.8 TB，并支持在单个液冷机架内构建 72-GPU 域。这些数字并非营销层面的抽象概念。它们直接转化为相较于 H100 在大型模型训练方面高出 4 至 5 倍的性能、在某些令牌生成工作负载中最高达 15 倍的推理吞吐量，以及在部署完整 NVL72 系统时，对万亿参数模型进行实时服务时最高达 30 倍的速度提升。

商业成果同样令人瞩目。在最近公布的季度中，NVIDIA 实现了 962 亿美元的总营收，同比增长 106%。数据中心销售额单独就达到 890 亿美元，同比增长 117%，而管理层明确指出 Blackwell Ultra 系统是主要驱动力。该业务中的非超大规模客户部分涵盖 AI 云、工业客户、企业和主权项目，增长速度更快，达到 138%。毛利率保持在接近 75% 的水平。展望未来，公司预计下一财年的营收将增长约 70%，并表示先进内存和封装的供应，而非需求，仍然是限制因素。NVIDIA 目前估计，每 1 吉瓦的已部署容量能够在 Blackwell 平台上创造大约 250 亿美元的营收机会，明显高于 Hopper 对应的 180 亿美元，也为下一代预计达到的 400 亿美元奠定了基础。

最令我印象深刻的是，这些架构选择如何扩大了先进 AI 的实际应用范围。由于内存限制或电力成本而此前缺乏经济可行性的工作负载，如今已经变得可行。更长的上下文窗口、更高的并发用户数量以及更复杂的多智能体系统现在都能高效运行。面对电力预算紧张的数据中心运营商，在每兆瓦所交付的令牌数量方面获得了显著改善，一些智能体基准测试显示效率提升了 10 至 25 倍。原始性能与更优经济性的结合巩固了 NVIDIA 的领导地位，并大幅抬高了竞争门槛。竞争对手如今不仅必须匹配芯片指标，还必须匹配 Blackwell 所支持的完整软件生态、网络互连架构和系统级集成能力。

风险当然存在。先进封装和高带宽内存仍然受到供应限制，地缘政治限制了某些市场，大型云服务提供商开发的定制加速器最终也会占据部分工作负载。然而在我看来，短期和中期前景仍然非常乐观。Blackwell 通过同时让前沿 AI 变得更强大且更具成本效益，锁定了一个持续多年的需求周期。它不再只是一款更出色的 GPU，而是当前这波人工智能浪潮赖以构建的基础平台，其影响力将在未来数年持续塑造整个行业的资本配置、能源规划和软件开发。$NVDA #NVIDIAEarnings