芯片子公司架构浮出水面

工商信息显示，一家名为 Mach Intelligent Cores Limited（下称”Mach 香港”）的公司于7月14日在香港成立。8月4日，Mach 香港全资持有的上海马赫智芯智能科技有限公司成立，理想汽车首席技术官谢炎担任法定代表人。数日后，上海马赫智芯又全资设立上海马赫心科技有限公司，法定代表人为理想汽车联席公司秘书王扬。

理想汽车自研芯片团队约200人，主要从事AI算力架构、芯片设计和相关软件开发，目前同时推进车端与云端两类自研芯片项目。一位员工透露，理想人事部门已与芯片部门员工沟通调整劳动关系的事宜，显示该团队正被平移至新实体。

马赫 M100 已规模装车

理想首颗自研芯片马赫 M100 于今年6月发布，采用5纳米车规级工艺，单芯片算力达1280 TOPS。今年二季度以来，马赫 M100 已陆续搭载于全新理想 L9、L8、L6、MEGA、i9 等多款车型。

理想还在研发一款云端推理芯片，同样采用数据流架构，有机会承接部分原本运行在图形处理器上的推理任务。有业内人士认为，数据流架构用于云端推理在技术上可行，难点在于把整套方案的推理成本降到具有行业竞争力的水平。

行业参照与资金逻辑

汽车业内已有类似案例。蔚来芯片子公司神玑（GeniTech）今年2月完成22.57亿元首轮融资，投后估值近百亿元；推理芯片公司曦望（Sunrise）2024年底从商汤科技大芯片部门分拆，独立一年多来已完成七轮融资，累计约40亿元，估值超过100亿元。

今年上半年，国内半导体领域融资约1627亿元，AI 计算是资金重点流向之一。理想汽车今年上半年净亏损39.8亿元，引入外部资本有望为芯片研发补充资金。此外，独立设置股权激励也有助于提振士气、留住人才——此前理想芯片团队软件研发负责人金一华与前端设计一组负责人戴颉已离职，研发大团队也有更多核心技术人员流向具身智能公司。

理想汽车首席执行官李想此前公开表示，自研芯片”不是为了证明技术能力，更不是烧钱跟风，而是让 AI 在物理世界能真正跑起来”。

为什么需要 3D 数据中心

华为副董事长、轮值董事长汪涛在致辞中表示，十万亿参数大模型与高速增长的 Token 需求，对 AI 基础设施提出了更高要求，十万卡以上的昇腾超节点集群将在 2027 年成为基础配置。3D 数据中心通过分层解耦、立体堆叠，支撑”昇腾超节点集群的超级算力工厂”。

华为高级副总裁、常务监事任树录指出，AI 时代高密算力让传统数据中心在空间、供电、散热上面临严峻挑战：机柜功率已从风冷时代的几千瓦、十几千瓦，急剧攀升至 100 千瓦、200 千瓦，未来还会继续上升。极致能量密度要求供电、散热、运维、交付周期进行系统性范式革新。

四层垂直架构

为解决大型 AI 算力中心的安全性与跨代际 AI 芯片兼容性，华为借鉴芯片工厂”动力层”与”生产层”严格分离的理念，将传统水平部署的功能空间垂直叠加，形成从下往上的四层架构：

– 供冷层 – IT 设备层（算力芯片所在层） – 供电层 – 备电层（电池部署于屋顶）

该架构具备分区隔离、故障不蔓延的能力，可分区散热、高效节能，垂直供电供冷、路由极短。通过工厂产品化模式，实现标准化、预制化，机电交付时间减半，并支持分域分权管理与智能运维。

三大云核心枢纽规模化建设

华为云已在贵州贵安、内蒙古和林格尔、安徽芜湖部署三大云核心枢纽，均在规模化建设 3D 数据中心。华为云 CEO 周跃峰在现场透露，3D 数据中心通过垂直供电、垂直供冷实现链路极简，单栋机房可支持 168MW，PUE 达到行业领先水平。他同时表示”不怕竞争，关键是先把产业蛋糕做大”，并坦言算力需求很大、但芯片供应仍较紧张。

开放与共建

华为发行的《3D 数据中心》专著分”算力变革、DC 重构、匠心之作、范式转移、价值跃升”五篇；开放的图库涵盖建筑、结构、给排水、暖通动力、强电、弱电等专业。全球计算联盟（GCC）也在会上发起共建新一代 AIDC 新范式倡议，联合华为等数十家产业链伙伴，完善指标定义、建设参考架构、推进标准与认证。

范式跃迁的意义

任树录将这一变化概括为从”工地建造”到”工厂预制、现场装配”的范式跃迁——把数据中心当作标准产品批量复制，而非一项定制工程来建。这对缓解高密算力带来的空间、供电、散热压力，以及缩短交付周期，具有现实意义。

小结

华为发布全球首个 3D 数据中心，用四层垂直架构回应十万卡超节点集群的供电与散热挑战。其开放图纸与方案、携手产业共建的打法，延续了以标准化做大生态的思路，也为 AI 时代的数据中心基础设施提供了一种可参考的新范式。

“我认为我们可以实现 70% 的同比增长。我们有这个信心。”这句话他上个月发布财报时说过一次，这次是重申。

4000 亿到 6800 亿美元

分析师预计，英伟达本财年营收约 4000 亿美元。如果 70% 的指引兑现，意味着明年营收可能达到约 6800 亿美元。

支撑这一判断的是一组具体数字。黄仁勋提到，仅一款集成 36 个 Grace CPU 与 72 个 Blackwell GPU 的计算机系统，目前月度销售环比增长 27%。

“我们造的东西，得用飞机运”

面对”英伟达的好日子是否到头”的质疑，黄仁勋选择从产品形态讲起。

“大多数人以为英伟达就是造一块芯片。可我们造的东西，得用飞机运。”他打比方说，如今一颗 GPU 不再是 399 美元的消费级产品，而是价值 850 万美元的整体系统——通过 NVLink 互联，由 200 万个部件组成，功耗高达 25 万千瓦，而这样的系统英伟达出货数千个。

在他看来，竞争确实从四面涌来：亚马逊、微软、谷歌这些超大规模云厂商在自研芯片，Anthropic 和 OpenAI 也在自己做，刚上市的 Cerebras 以及 Etched 这类初创公司同样来势汹汹。但系统级的体量和软硬件绑定，正是英伟达难以被轻易替代的底气。

“我们能看见未来”

黄仁勋给出的理由是英伟达的触角足够长：从存储芯片制造商这类供应商，一直延伸到数据中心项目和初创公司。

“英伟达运行每一个模型。每个实验室都可以使用我们。”他提到，这既包括 Anthropic、OpenAI 和谷歌的模型，也包括开源权重模型。”我们是 AI 生态系统的基础平台，是 AI 行业的基础平台。”

他还透露，英伟达正在追踪全球每一吉瓦的土地、电力和厂房（shell）。这种覆盖让公司能在需求完全兑现之前，提前看到基础建设的走向。

循环交易的质疑

外界质疑英伟达投资那些最终会采购其产品的公司，属于自我循环的账面繁荣。黄仁勋回应称，这类投入大致是每投 1 美元收回 100 美元，并且在投资前会确保有真实合同作为支撑。

风险依然存在

黄仁勋也承认，AI 的扩张很大程度依赖那些烧钱运行大模型的资源密集型初创公司。随着模型数量激增，算力基础设施的效率压力会上升，企业终将寻找降低 token 用量、优化基础设施的办法——这与以往几轮技术扩张的路径类似。

换句话说，这份乐观建立在一个前提上：AI 基础设施的投入节奏不会放缓。一旦需求侧出现转向，或者竞争对手在软硬件整合上追平，6800 亿美元这个数字就会重新变得不确定。

真正的主角是云业务。本财季甲骨文总云营收达到 116.07 亿美元（约合 780.63 亿元人民币），同比增长 62%；其中云基础设施（IaaS）业务营收 73.88 亿美元（约合 496.88 亿元人民币），同比增速高达 121%，连续保持三位数增长，成为整份财报最核心的引擎。这一数字也超出了市场此前 71.9 亿美元的预估。

为 AI 举债扩建：利润涨了，现金流却是负的

一个值得注意的细节是：尽管经营现金流净额达到 231.03 亿美元、同比大增 184%，甲骨文本财季的自由现金流却为净流出 53.96 亿美元（约合 -362.91 亿元人民币）——原因正是云基础设施业务的疯狂扩张。本财季甲骨文资本支出达 285 亿美元，远超市场预估的 198 亿美元。

为了给扩建输血，甲骨文本财季通过 at-the-market 计划完成了 200 亿美元（约合 1345.1 亿元人民币）的普通股发售。公司在财报中明确表示，这笔钱将用于支撑云基础设施的持续扩张。

巨额投入背后是惊人的订单储备。甲骨文本财季剩余履约义务（RPO，即已签约但尚未确认的收入）总额达到 6640 亿美元（约合 4.47 万亿元人民币），同比增加了 2090 亿美元（约合 1.41 万亿元人民币）。这些订单大部分来自 AI 算力租约，意味着未来多个财年的收入已经有了着落。

下季度指引：继续高增长

对于 2027 财年第二财季，甲骨文预计总营收同比增长 30% 到 34%；总云营收同比增长 64% 到 70%（固定汇率口径）；非 GAAP 每股收益预计在 1.85 美元到 1.93 美元之间，同比增长 21% 到 25%。

全年展望同样激进：甲骨文预计 2027 财年总营收至少达到 900 亿美元（约合 6052.96 亿元人民币），非 GAAP 每股收益 8.1 美元。此外，董事会宣布了每股 0.5 美元的季度现金股息，将于 2026 年 10 月 23 日支付。

不过并非所有板块都风光：本财季软件营收为 55.5 亿美元，低于市场预期的 56.7 亿美元，传统授权业务的增长引擎角色正进一步让位于云基础设施。

为什么这份财报值得关注

甲骨文已从一家传统企业软件公司，变成了全球 AI 算力竞赛中最激进的”卖水人”之一——OpenAI 等前沿模型厂商都是其云基础设施的大客户。它的订单簿厚度、资本支出力度和现金流承压程度，某种程度上就是全球 AI 算力需求热度的晴雨表。

这份财报传递的信号很明确：至少从订单看，AI 算力的饥渴期还远未结束。当然，硬币的另一面同样清晰——靠巨额举债和股权融资扩建的数据中心，最终能否被这些长约订单兑现为真金白银的利润，仍需要时间检验。

]]>

9 月 8 日，国内芯片企业爱芯元智（Axera）宣布推出 M9 系列两款 5nm 智能驾驶芯片，分别是面向旗舰市场的 M97（型号 M9x-720T）与面向主流市场的 M95（型号 M9x-360T）。两款产品均通过 AEC-Q100 车规认证，内置 ASIL-D 级片内锁步安全岛，芯片整体达到 ASIL-B 等级，并支持双芯片冗余配置。

M97：旗舰级高阶智驾平台

M97 定位为旗舰级高阶智驾与舱驾感知一体算力平台。其集成 16 个 Arm Cortex-A78AE CPU 核心，提供 400KDMIPS 算力；AI 部分等效算力达到 720TOPS；自研 ISP 可接入 16 路摄像头，吞吐量达 4.5G Pixels/s，并集成 CVA 前处理单元，等效内存带宽 460GB/s。

M95：端到端方案算力平台

M95 则被定义为一段式端到端方案的最佳算力平台。其配备 10 个 Arm Cortex-A78AE CPU 核心，算力 257KDMIPS；集成 360TOPS 等效 AI 算力；自研 ISP 支持 14 路摄像头接入，吞吐量 2.6G Pixels/s，等效内存带宽 260GB/s。

面向端到端与 VLA 模型

爱芯元智表示，M97 与 M95 在端到端及 VLA（视觉-语言-动作）模型上的表现显著优于行业水平，ISP 通路延时较此前降低 70%。随着城市高阶辅助驾驶对算力的需求持续抬升，两款芯片分别覆盖旗舰与主流市场，意味着国产智驾芯片在高算力与功能安全层面进一步补齐了车规级产品矩阵。

Baker 的核心论据来自供需两端。他估算，当前支撑数百亿美元 AI 收入的，是一个相当小众的重度付费用户群体——全球可能不足 1000 万人；而全球知识工作者约有 15 亿，需求从千万级向数亿级扩散才刚刚开始。在他看来，需求侧远未见顶，供给侧却已严重受限。

算力租金不降反升

一个常被忽视的信号是价格。Baker 援引数据称，GPU 租赁价格不仅没有因「过剩」而下跌，反而在 2026 年 7 月同比上涨了 50%–60%。这与「算力即将廉价到泛滥」的市场预期形成鲜明反差。

从建设侧看，部署 1 吉瓦算力约需 500 亿美元，其中客户通常会预付 50%–60%（约 250–300 亿美元），剩余部分通过现货市场更快回笼，整体投资回收期仅约 9–10 个月。Baker 称，在其投资生涯中很少见到能部署数百亿美元、且回收期不到一年的机会。英伟达 GPU 本身可融资，黑石、KKR、Apollo 等机构正以较低成本参与这一链条。

谁押对了，谁押错了

Baker 以两家巨头作对比：微软在去年达沃斯承诺 800 亿美元资本支出后放缓节奏，被其评价为「现在很后悔」；而 OpenAI 选择激进投入，短期与长期的高回报都证明了这一方向。他还引用 Andreessen 的观点称，单位推理成本理论上甚至可能上涨 10 倍——这听起来夸张，但若需求急剧扩张而供给跟不上，前提就会彻底改变。

短缺或持续至 2028 年

Baker 与 George 均提到，这种供给短缺可能延续到 2028 年，而监管与审批层面的阻力还可能进一步推迟原定的建设计划。更令 Baker 担忧的是连锁后果：若算力严重短缺，最终可能演变为「算力不平等」——大公司与富裕群体买得起算力，普通用户被排除在外。

他也回顾了 2026 年 7 月 AI 及半导体板块的大幅回撤（部分个股下跌 40%–60%）：当时市场叙事接连触发抛售，但硅谷实地调研找不到任何恶化的可量化指标。开源模型（如 Kimi K3）的发布曾被担忧会压缩基础设施需求，Baker 则指出，无论开源还是闭源，生成一次模型输出所消耗的算力完全相同，因此开源份额的争夺只是把利润从模型层转移到基础设施层，整体算力需求不受影响。

需要强调的是，上述观点属于个人市场判断，不构成任何投资建议。

营收加速、利润下滑的一份半年报

据中国证券报报道，汇川技术于 8 月 24 日晚间发布 2026 年半年度业绩快报，半年报于 8 月 28 日披露。2026 年上半年，公司营业总收入 246.75 亿元，同比增长 20.31%；归属于上市公司股东的净利润 28.10 亿元，同比下降 5.35%；毛利率 29.7%，同比下降 0.5 个百分点。

分季度看，第二季度的经营质量有所回升：单季营收 145.3 亿元，同比增长 26.0%；归母净利润 18.0 亿元，同比增长 9.1%；毛利率回升至 30.2%，同比提高 0.6 个百分点。

公司在业绩快报中给出的解释是，报告期内营收实现较好增长，主要系 AI 相关产业投资增加、下游出口拉动等因素带动市场需求回暖；公司凭借多产品解决方案优势及品牌影响力抢抓行业结构性机遇，使通用自动化、智能机器人、数字能源等业务同比较快增长。

面对原材料成本上涨，公司称相应调整了产品销售价格以缓解成本端压力，同时落实控本降费措施，使销售费用、管理费用、研发费用三项合计增速低于营业收入增速，三费费用率同比有所下降。

自动化主业回暖，市占率保持领先

上半年，工业自动化与数字化业务实现营业收入约 135 亿元，同比增长 29%，毛利率 41.4%、与去年同期基本持平。其中通用自动化收入约 110 亿元，同比增长 36%；电梯相关业务约 24 亿元，同比增长 5%。

市场份额方面，据市场研究机构 MIR 数据，2026 年上半年公司通用伺服、变频器、小型 PLC 的市占率分别为 35.2%、20.6% 和 14.6%。

自动化业务加速的原因被归结为三条：AI 相关产业投资增加、下游出口拉动，以及核心装备国产化率提升共同带动需求回暖。这也是本轮 AI 基建热度向传统工控环节外溢的直接体现——数据中心、锂电、光储等领域的产线扩建，最终要落到伺服、变频器和控制器的订单上。

拖累项来自新能源汽车动力系统

利润下滑的主要来源在车用业务。上半年新能源汽车动力系统收入 94.07 亿元，占公司主营收入的 38.12%。子公司联合动力上半年实现营收约 95 亿元，同比增长 4%，归母净利润为 -0.9 亿元，同比下滑 116%，毛利率 12.8%，同比下降 3.9 个百分点。原因被归结为客户结构和产品结构变化，以及大宗商品价格上涨的共同影响。

此外，汇率波动导致公司持有的海外基金公允价值变动收益同比减少，也是半年度净利润同比下滑的因素之一。

在车端，公司正推进智能底盘等战略业务量产落地：主动悬架液压泵产品已实现量产供货，主动稳定杆已获整车厂定点。同时公司前瞻布局了适配下一代 AI 数据中心的服务器电源业务。

机器人与储能：新兴业务同比增长 96%

真正的亮点在新兴业务。上半年新兴业务收入 14.7 亿元，同比增长 96%，主要由工业机器人与储能业务的高增长贡献。

人形机器人方向，公司完成了从产品预研到商业化的突破，发布了量产版七自由度仿生臂；无框电机等产品在行业头部人形整机厂实现小批量应用；泛人形解决方案样机已开发完成，并在客户工业场景推动试机验证。

储能方向，公司在中国国内成功并网多个 GW/MW 级构网及调频项目，海外则完成了印度 Adani 2.6GW 超大规模储能项目的交付。

一条值得关注的传导链

把这份半年报放回产业语境，它提示了两件事。

一是 AI 的资本开支不只养活芯片和服务器厂商。算力园区、电池与光储产线的扩建需求，会沿着链条落到运动控制、传动与电源环节，而这些环节的国产化率提升又会放大本土供应商的弹性——上半年通用自动化收入增长 36% 就是这种弹性的注脚。

二是单一业务的高增长难以掩盖结构性压力。车用动力系统在价格竞争与原材料涨价的双重挤压下毛利率下滑近 4 个百分点，说明「上量」和「赚钱」在当下并不总能同时成立。新兴业务翻倍的基数仍然只有 14.7 亿元，距离撑起第二增长曲线还有距离，人形机器人目前的形态也仍停留在无框电机小批量装机、样机试机验证的阶段。

对关注中国工业自动化与具身智能进展的读者而言，这份财报的价值不在于单季利润的涨跌，而在于它较早地标出了 AI 投资热向实体制造环节传导的路径与时点。

（本文基于上市公司公开披露信息与公开报道整理，不构成任何投资建议。）

8月17日，英伟达（NVIDIA）宣布与能源基础设施企业 SB Energy 达成合作，在俄亥俄州派克县的 PORTS-Pike 科技园区锁定土地、电力与外壳（Land、Power、Shell，简称 LPS）容量，用于专属性承载英伟达 AI 算力。OpenAI 将成为该园区的终端客户，并通过20年租约使用相关设施。这被视为 AI 算力从“产品”走向“基础设施”的又一标志性动作。

规模直达 8 吉瓦

根据英伟达披露，PORTS-Pike 园区初期规划支持4.25 IT-GW（IT 吉瓦）的 AI 工厂容量，英伟达保有将剩余3.75吉瓦一并纳入的选择权，使总规模最高可达8吉瓦。英伟达将作为该园区的独家 AI 算力基础设施提供商，其全栈 DSX AI 工厂平台（涵盖 GPU、CPU 与网络）将部署其中。SB Energy 负责数据中心的建造、持有与运营，OpenAI 则作为承租方长期使用。

为支撑项目，英伟达向 SB Energy 投资15亿美元，并为土地、电力与外壳的建造提供信用支持。据路透社报道，相关担保规模最高可达1050亿美元，覆盖了部分租赁与电力付款，并承诺在 OpenAI 违约时保障场地的最低价值。

旧工业用地焕新

PORTS-Pike 园区坐落于已退役的 Portsmouth 气态扩散厂及周边区域，横跨私人土地与联邦土地。SB Energy 与美国电力公司俄亥俄分部（AEP Ohio）、美国能源部、美国商务部协同推进，预计自2028年起分阶段投运。美国能源部曾将该项目称为“全球最大的租赁用地 AI 数据中心”。

为满足算力用电，SB Energy 与软银（SoftBank）计划新建至少10吉瓦发电能力，并投入约42亿美元用于区域电网基础设施，包括高压输电线路，且承诺不向俄亥俄州普通用户转嫁成本。

就业与社区回报

项目预计在建设期创造约3.5万个岗位，运营期提供约2500个长期职位。社区受益基金规模达8000万美元，其中 SB Energy 与软银初始承诺4000万美元，OpenAI 另追加4000万美元，用于可负担能源、劳动力培训与社区经济发展。

英伟达创始人兼首席执行官黄仁勋表示，土地、电力与外壳已成为 AI 时代的关键资源，锁定长期基础设施，可让 OpenAI 随着每一代新技术迭代反复升级其 AI 工厂。OpenAI 首席执行官萨姆·奥尔特曼（Sam Altman）与软银集团董事长孙正义也分别强调了该项目对医药发现、创业与通用人工智能（AGI）的意义。

对全球 AI 产业而言，这一超大规模园区的推进，再度印证了算力供给正成为各国与各家科技公司竞逐的核心。其融资模式、电力优先的建造思路，以及“AI 工厂”的运营理念，都为观察下一代人工智能基础设施提供了参照。

马斯克设想的、由上百万颗卫星组成的太空 AI 数据中心星座，在经济性和可行性上都存在争议，但它至少提出了一个此前很少被认真对待的问题：人类是否愿意把大量有价值的材料，永久性地送出地球。Ars Technica 从材料可持续性的角度，为这个宏大计划算了一笔容易被忽略的账。

一个”反向采矿”的设想

商业航天界热衷于谈论开采小行星、把贵金属带回地球。而 SpaceX 的这个计划正好相反——它是在把地球上的资源往外送。

按公开披露的方案，SpaceX 计划向美国联邦通信委员会（FCC）申请部署最多 100 万颗计算卫星，轨道高度在地表以上 500 至 2000 公里之间，星座代号 Starmind。这些卫星之间通过光学链路连接成一张高容量网络，在轨道上直接完成 AI 计算，而不必把原始数据全部传回地面。单颗 Starmind AI1 卫星搭载英伟达 Vera CPU 与 Rubin GPU，基于 Vera Rubin NVL72 机架级系统做航天适配，首批计划于 2027 年开始发射。

需要说明的是，FCC 在今年 2 月受理了这份申请并公开征求意见，但受理只是程序性动作，并不等于最终批准。100 万颗的规模也远超目前地球轨道上约 1.5 万个在轨物体的总量。

每年报废 20 万颗，材料就此消失

问题出在这些卫星的寿命上。数据中心级 GPU 的预期使用寿命大约五年，这意味着在 100 万颗的规模下，每年约有 20 万颗卫星退役。

根据 SpaceX 5 月 29 日提交给 FCC 的文件，其中约 4 万颗会明确脱离轨道、在大气层中烧毁；剩下约 16 万颗中的一部分或全部，则会被推向更远的”处置轨道”。无论走哪条路，从”材料生命周期”的角度看，这些材料都算是彻底损失了。烧毁的那部分会大体上弥散进大气层，把原本的资源变成一种缓慢沉降、遍布全球的稀薄污染物；其中的铝还可能在数十年间造成程度不明的臭氧层消耗。

算一算被送走的到底是什么

在缺乏完整卫星规格的情况下，很难精确统计材料总量。为了给出一个起点，Ars Technica 只聚焦 GPU 本身，忽略太阳能板、冷却系统以及服务器和网络设备的其余部分。

马斯克曾表示这些卫星使用改装版的英伟达 Vera Rubin NVL72 机架，每个机架包含 72 颗 GPU。一项发表于 5 月、关于大语言模型材料足迹的研究，对英伟达 A100 显卡做了涵盖 32 种元素的完整化学分析——尽管 A100 是更老的型号。该显卡上巨大的风冷散热片占了其质量的 88%，由于卫星显然要用另一套尚未定义的冷却方案，这部分被排除在外。

在”每颗卫星只是把 72 颗裸 GPU 拼在一起”这个极为保守的假设下，可以估算出每年被送入太空（或被彻底汽化，效果等同于送走）的材料量：约 1000 吨铜、170 千克黄金、近 2 吨白银、20 多吨铋、20 多吨钛、2 吨多钯，以及 76 千克铊。

这里面有些元素相对全球年开采量只是零头，但钯和铊的量约相当于全球年产量的 1%——这是一个相当可观的、被抛向太空的数字。

换成”要采多大的小行星”来理解

另一种理解方式，是计算需要开采多大的小行星，才能补回这些被损失掉的元素。

以两类小行星的平均成分和密度估算——常见的 CM 群碳质球粒陨石，以及更稀有的富铁 M 型小行星——其中一些元素只需中等大小的天体即可满足。比如那些铂金，约相当于一颗直径 16 至 43 米小行星的含量；180 千克钴则可从一颗直径 3 至 6 米的小行星中回收。

但要凑齐同等数量的铜，就得开采一颗 140 至 190 米的小行星；等量的银和钡需要 225 至 300 米级别的天体；等量的锡则要一颗约 530 米的小行星。而且，为了抵消卫星星座每年的损失，这套开采还得年复一年地重复。

天上制造，是出路吗

SpaceX 在一份提交给美国证券交易委员会（SEC）的文件中，提出过一种应对思路：

我们打算建立月球基地制造能力，包括建设工厂来生产大规模 AI 计算卫星……我们预计将利用月球上的原材料来构建卫星的大部分质量，而把芯片等质量较低的部件从地球运送上去。

在月球上开采铝和钛在技术上是可行的，但这并不意味着在月球造卫星就更便宜——毕竟你得先把一整套月球基地、采矿作业和卫星工厂送上去。

这些问题，如果把服务器老老实实建在地面的建筑里、几年后报废时负责任地回收电子垃圾，本来都不必回答。除了把东西送上轨道的成本，还有一笔”东西回不来”的成本。文章最后提出的问题是：未来是否会出现一种针对太空项目的环境评估，把它计划从地球系统中移走的材料质量也纳入考量。

与动辄几千亿参数的旗舰大模型不同，这款模型走的是「小而快、专干执行层苦力活」的路线。英伟达给它的定位，不是负责复杂规划的「大脑」，而是在多智能体系统里承担代码审查、安全监控、数据处理等高频、重复、对速度与成本极其敏感的执行任务。

300 亿参数，每次只激活 30 亿

Nemotron 3.5 Lightning 采用混合专家（MoE）架构，总参数为三百亿，但每次推理只激活约三十亿参数。这种「总量大、激活小」的设计，让它在资源占用与推理效率之间找到了新的平衡点。

英伟达称，与同级别开源模型相比，它的输出速度最高可提升四倍，相应地把智能体任务的整體完成速度加快约三成。需要指出的是，单项输出速度提升明显，但由于多智能体协作中存在通信与调度开销，整体任务的加速比并没有达到四倍——这也是它被定位为「特定任务」加速器，而非通用全流程加速器的原因。

在基准测试方面，该模型在 PinchBench 上拿到 86 分，与 OpenAI 的 gpt-oss-120b 相当，仅落后规模为其四倍的 Nemotron-Super 两分。英伟达强调，它的核心价值不在绝对性能排名，而在智能体工作流里的执行效率。

本地就能跑，还能自动路由

部署门槛是这款模型的一大卖点。它可以直接运行在本地 AI 设备上，包括搭载 RTX 显卡的 PC、DGX Spark、Jetson 边缘设备，也能扩展到数据中心与云端。发布当天，vLLM、Ollama、llama.cpp 与 LM Studio 等主流推理框架即宣布提供支持。

英伟达同时放出了配套的 NeMo Switchyard 路由库。它允许开发者定义模型池与路由策略，把工作流的每一步调度到最合适的模型上。内部基准显示，借助路由，系统能在维持前沿级任务完成度的同时，把成本压到单独运行 Opus 4.8 的大约三分之一。已有企业在真实场景中验证这套方案：LangChain 在一百四十四个多轮智能体任务里，仅把百分之七的调用量路由给前沿模型，就实现了百分之七十四的成本下降；Ramp 在 SWE-Bench 基准上匹配了前沿模型性能，同时降低百分之五十八的成本与百分之三十三的运行时间。

从卖芯片到卖整套 AI 工作流

多家媒体指出，Nemotron 3.5 Lightning 与 Switchyard 的打包推出，标志着英伟达正从单纯的硬件供应商，向全栈 AI 生态服务商实质性转型。当企业 AI 应用从「单模型对话」走向「多智能体协作」，执行层模型的市场空白正在被打开。

值得注意的是，英伟达并未停下更大模型的脚步。据多家媒体报道，公司还在开发参数规模至少达到一万亿的开源模型 Nemotron 4，意图与全球领先的开源大模型正面竞争。对开发者而言，一个由芯片厂商主导、软硬件协同优化的开源模型生态，正在快速成形。

来源：CNBC / The New Stack / NVIDIA（2026 年 8 月 11 日）