这些都是反光镜，不得不提一下海通国际Jeff 10天前的print，本相证实，墟市切实便是正在找AI catchup plays

　　大摩对DELL订单做的流水图，分表真切，说真相，新增订单增速远速于事迹确认速率（交付速率），导致到这日Backlog（正在手订单）依然是6个月前的3.5倍...上个季度顾虑的GPU lead time延误收入确认，现正在H100 lead time缩短成利好

　　最闭节的，公司跟TSMC AMD也学会了，出来上调一把行业TAM，2027年AI供职器1520亿美元（之前1240亿美元）硬件。2027几颗卫星先河脚踩脚了。负面也有，PC墟市疲软和古代供职器的角逐激烈订价压力，苏醒要到下半年显露，团体毛利率也有压力（本钱上升和AI稀释）。但是看墟市根本拣选了look through，都正在找lagger，已知的古代疲软坊镳根本price in了。估值省钱+分红又提拔了20%...

　　指引：关于2025财年（24CY）的指引好于预期，估计终年大幅增加，对供职器中AI势头的笑观，古代供职器的反弹，以及下半年PC和存储的苏醒持笑观立场。

　　供职器：积存订单中GPU mix（H100/H200/MI300X），以及他们lead time mix的分别，将导致AI供职器正在季度间收入确认上的不服均（H100确认加快，新产物确认计算又受交付局限）。29亿美元的积存订单中H200和MI300x占比正在提拔。解决层心愿正在第一季度尽可以多地出货H100，H100的交货韶华依然从第三季度的39周低浸。

　　毛利率：估计2025财年的毛利率将低浸，这是因为存储mix比例低浸、大宗商品本钱扩充、更多价值角逐（PC、古代供职器），以及估计将出货更多的AI供职器（AI供职器会稀释毛利率）。

　　其它NTAP（美国网存）事迹超预期，原本beat幅度不大，但股价+18%，由于也正在提AI...NTAP正在事迹会上中心夸猛进了英伟达DGX PODs中的“多个”项目...

　　AMD除了传的幼段子，看下来 1）YTD英伟达65%，AMD 35%，可以便是追一追；2）8bn是否获得默许了不确定，但即使推理真的要引爆，那就水涨船高阳光普照了...

　　总之现正在墟市对AI的追赶，或者说寻找“AI新标的”的热中极其高潮。MS搞了个AI股票坐标系，横轴AI收入占比%，纵轴是25年PE multiple。静态去看的话，当然是越处于东南目标的越好。动态去看的话，大师城市往右边走，谁能维持正在趋向线下利便是价值更划算。原本这种坐标系，潜台词便是AI占比越高墟市给与更多追赶从而会带来更高估值溢价。那处于趋向线下方的且偏离较远的，都是“潜力股”。

　　上周末 The wire对Jensen的采访遍及散布，但此中一个细节被篡改了（来自读者Dai的指挥），很微妙。原文中Jensen表现 “即使我猜的话，Nvidia 这日的营业可以是 70% 的推理，30% 的操练。” 之后坊镳是被公闭篡改了：

　　言之凿凿的70%，再研商上下文，不像是口误，更像是说漏了。被公闭也合理，究竟和财报披露口径分别太大。况且Dai剖释很有理由，终年40%，岁首很低的线%也很合理。

　　ASIC市占率依然是纯ASIC公司第一名，就算跟MTK、AVGO、MRVL比，也只输给AVGO；来自最大客户（亚马逊）的PO陆续上升硬件，比拟之前要上修了，且这颗新的chip人命周期和需求都比之前预期的要大。客户给的5nm新产物的forecast too good to be true

　　国内良率50-60%比较海表85%（但国内是中试线，做成量产线良率会提拔许多）；国内两派，一个大师晓畅的XXXX，一个是H+XX+XX（全体放星球了）。项目界说是3，可以要到26年生产物，也可以比这个更早。

　　我从未见过任何本事提高得像AI这么速，目前AI的增加靠拢每六个月扩充十倍（我清楚是企图量）。这便是为什么英伟达的市值云云壮大，他们具有最好的AI芯片，它的市值还可以会更高，AI芯片高潮会比任何也曾的淘金热都要大。我以为咱们真的处于可以是有史今后最大的本事革命的周围。

　　咱们离齐备自愿驾驶分表靠拢；乘用车的均匀应用韶华约莫是每周10幼时，但即使告竣了自愿驾驶，每周应用韶华可能抵达50到60幼时，这意味着乘用车的效用将扩充五倍

　　比来正在日本一个聚会上表现，有人跟他说，需求10个fab来出产AI芯片，“他们评论的不是wafers，而是fabs” 张忠谋以为10 fabs过于惊人，切实的需求可以正在 几万片晶圆~10个fabs之间，更为合理（但这个界限也很大，也便是几万~百万片量级之间，参考英伟达2024需求可以也正在10万片以上了）

　　Scaling law为什么能成为第一性道理？你只消能找到一个机闭，餍足两个前提：一是足够通用，二是可周围化。通用是你把全面题目放到这个框架筑模，可周围化是只消你加入足够多算力，它就能变好。这是我正在Google学到的思想：即使能被更底层的东西注解，就不应当正在上层太过雕花。有一句主要的话我很认同：即使你能用scale治理的题目，就不要用新的算法治理。新算法最大代价是让它奈何更好的scale。当你把本人从雕花的事中开释出来，可能看到更多。

　　长文本是登月第一步，由于足够性子，它是新的企图机内存。老的企图机内存，正在过去几十年涨了好几个数目级，雷同的事会发作正在新的企图机上。它能治理许多现正在的题目。例如，现正在多模态架构还需求tokenizer（标帜器），但当你有一个无损压缩的long context就不需求了，可能把原始的放进去。进一步讲，它是把新企图范式酿成更通用的根柢。旧的企图机可能0、1表现全面，全面东西可被数字化。但这日新企图机还不成，context不敷多，没那么通用。要酿成通用的寰宇模子，是需求long context的。第二，可以做到天性化。AI最中心的代价是天性化互动，代价落脚点照旧天性化，AGI会比上一代保举引擎尤其天性化硬件。但天性化流程不是通过微调告竣，而是它能支柱很长的context（上下文）。你跟机械全面的史书都是context，这个context界说了天性化流程，况且无法被复刻，它会是更直接的对话，对话出现消息。

　　scaling law走到结果察觉基础走欠亨的概率简直为0。模子可扩展的空间还分表大，一方面是自身窗口的提拔，有很长道要走，会有几个数目级。另一方面是，正在这个窗口下能告竣的推理本事、the faithfulness的本事（对原始消息的敦厚度）、the instruction following的本事（屈从指令的本事）。即使这两个维度都陆续提拔，能做分表多事。可以可能follow（推广）一个几万字的instruction（指令），instruction自身会界说许多agent（智能体）硬件，高度天性化。

　　AI不是我正在接下来一两年找到什么PMF，而是接下来十到二十年奈何改良寰宇——这是两种分别思想

　　开源的开辟方法跟以前不雷同了，以前是全面人都可能contribute（功劳）到开源，现正在开源自身照旧核心化的。开源的功劳可以许多都没有进程算力验证。闭源会有人才聚积和资金聚积，结果必定是闭源更好，是一个consolidation（对墟市的整合）。即使我这日有一个当先的模子，开源出来，粗略率分歧理。反而是落伍者可以会这么做，或者开源幼模子，搅局嘛，归正不开源也没代价。

　　从GPT-3.5到GPT-4，解锁了许多操纵；从GPT-4到GPT-4.5再到GPT-5，粗略率会陆续解锁更多，乃至是指数型的操纵。所谓“场景摩尔定律”，便是你能用的场景数目会跟着韶华指数级上升。咱们需求边提拔模子本事，边找更多场景，需求云云的平均。它是个螺旋。

　　可能清楚成有两种分别压缩。一种是压缩原始寰宇，这是视频模子正在做的。另一种是压缩人类出现的行径，由于人类出现的行径进程了人的大脑，这是寰宇上独一能出现智能的东西。你可能以为视频模子正在做第一种，文本模子正在做第二种，当然视频模子也必定水平包括了第二种。它最终可以会是mix，来创立寰宇模子。

　　硅谷从来有一个争执：one model rules all照旧many specialized smaller models（一个通用模子来执掌种种职责，照旧采用很多特意的较幼模子来执掌特定职责），我以为是前者。AI硬件暴涨的一晚