自駕車模擬——Waymo與Tesla如何在數十億虛擬里程上訓練自動駕駛系統
Waymo每年模擬200億英里；Tesla透過Dojo訓練600萬輛車的影像——模擬是拉開自駕車差距的關鍵乘數。
標籤 · #nvidia
實體 AI 運算基礎設施 — Tesla Dojo、Google TPU、NVIDIA H100 在自駕訓練軍備競賽中的角力
Tesla 押注 Dojo 自研晶片目標達成每 FLOP 1 美元，Waymo 繼承 Google TPU 規模優勢，兩者在訓練迭代速度上皆遠超依賴 NVIDIA 的競爭對手。
2026 Physical AI 算力競賽 — NVIDIA B200 vs Tesla Dojo vs Google TPU：自動駕駛與機器人訓練基礎設施基準測試
NVIDIA B200 估計 9 exaFLOPS 驅動幾乎所有自動駕駛 AI 訓練。Tesla Dojo 押注自研晶片，Waymo 透過 Alphabet 使用 Google TPU。算力決定勝負。
Physical AI 投資版圖 2024-2026：資金流向與誰將勝出
資本正向最接近商業規模的 Physical AI 公司集中——融資地圖揭示聰明錢押注的方向與原因。
實體 AI 投資框架 — 如何在 Tesla、Waymo 與機器人競賽中佈局
實體 AI 教育性投資框架：涵蓋 Tesla、Waymo、NVIDIA 的直接、間接與零組件佈局方式。僅供教育參考，非投資建議。
Physical AI 半導體供應鏈 — Nvidia Orin vs Thor vs Tesla FSD 晶片
Nvidia Orin vs Thor vs Tesla FSD 晶片：AV 推論運算供應鏈（台積電、三星、先進封裝）如何制約 Physical AI 的擴產節奏。
Physical AI 模擬基礎設施 — Tesla Rerender 對決 Waymo CarCraft 與合成資料競賽
Tesla 神經重繪引擎與 Waymo CarCraft 平台，代表兩種截然不同的大規模合成訓練資料生成策略。
實體 AI 供應鏈分析 — 硬體製造商、瓶頸與量產限制
誰製造驅動實體 AI 車隊的晶片、感測器與致動器，以及哪些供應鏈瓶頸可能在軟體就緒後仍阻礙量產擴展。
實體AI供應鏈——誰在製造感測器、晶片與致動器
逐層解析自駕車與人形機器人供應鏈：LIDAR、雷達、攝影機、AI運算晶片、致動器，以及地緣政治風險全圖。
Tesla Dojo vs. 雲端算力 — FSD 與 Optimus 訓練背後的自建與外購決策
Tesla 自研 Dojo 叢集與租用 H100/B200 雲端算力的架構、經濟模型與戰略意涵全面比較分析。
NVIDIA 要求記憶體廠在 2026 年第四季交付 16 層堆疊 HBM4，抬高 AI 加速器供應門檻
為什麼值得讀 AI 算力的限制正從邏輯晶片移向記憶體堆疊。誰先攻克 16 層鍵合，誰就掌握了每一顆前沿 GPU 如今都依賴的咽喉要道。
NVIDIA 已要求 SK 海力士、三星與美光在 2026 年第四季交付 16 層堆疊 HBM4——這一陡升的堆疊跳躍，使先進封裝成為 AI 供應鏈的瓶頸。
實體 AI 的運算力 — 驅動機器人量產的晶片全覽（2026 年中）
全面基準測試驅動自駕車與人形機器人的推論與訓練晶片——Jetson Thor、HW4、Dojo、EyeQ Ultra 等，涵蓋 2026 年中最新資訊。
NVIDIA 與台積電把 AI 推進晶圓廠深處：cuLitho 砍微影成本 20-50%，FabTwin 邁向數位化
為什麼值得讀 這不是資本支出那條頭條：NVIDIA 正把運算賣進「打造 NVIDIA 自家晶片」的供應鏈。cuLitho 的 20-50% 微影成本／週期時間削減才是承重數字——它決定先進製程晶圓多快、多便宜地放量。一個垂直迴圈。
在 GTC 台北，台積電於微影、模擬與檢測全面採用 NVIDIA 的 CUDA-X 堆疊，其中 cuLitho 將微影成本最高砍至五成。
Nvidia、AMD、CoreWeave 同時投資 Tensormesh——KV 快取重用成為推論原語
為什麼值得讀 三家對手——Nvidia、AMD、CoreWeave——同時投資就是訊號：KV 快取重用（別重算已算過的）正被視為基礎、中立的推論堆疊層，而非贏者全拿的產品。推論時代的經濟學，濃縮於一輪募資。
Tensormesh 獲 Nvidia、AMD、CoreWeave 投資 2000 萬美元（5/27），並推出 Tensormesh Inference——產品化的 KV 快取重用，宣稱延遲與 GPU 成本最高降 10 倍。
美光躋身一兆美元俱樂部——當 HBM 不再是大宗商品
為什麼值得讀 該盯的數字不是「兆」，而是「結構性」三個字。UBS 上修 204% 的目標價，立基於 AI 記憶體已「去週期化」的論點：HBM4 售罄、DRAM 漲 58-63%、價格鎖到 2029。若記憶體真的擺脫了週期，整套半導體劇本都要改寫。
美光於 5/26 首度突破 1 兆美元市值——史上第 5 家晶片商——在 UBS 將目標價三級跳至 $1,625、且 2026 年 HBM4 產能已被長約售罄之後。
Decart 募資 $300M B 輪、估值 $4B —— Nvidia 加入世界模型賭注
為什麼值得讀 Decart 的賣點是整套堆疊：推論優化軟體（DOS）墊在即時世界模型（Lucy、Oasis）之下。有趣的賭注不是 $4B 估值，而是同一團隊既賣 8 倍 token 吞吐、又打造需要這吞吐的即時影片世界模型。垂直整合作為世界模型護城河。
以色列 AI 新創 Decart 完成 $300M B 輪、估值 $4B（5/18），由 Radical Ventures 領投、Nvidia 參投。其 DOS 優化堆疊達每秒 1,600 tokens —— 為業界平均 8 倍。
NVIDIA Q1 FY27：營收 $816 億（+85%）、資料中心近翻倍、Q2 指引 $910 億
為什麼值得讀 重設 AI capex 辯論的數字：Q2 指引 $910 億「排除中國」，仍高於 $860 億共識。空方需要需求裂痕；結果是 run-rate 加速。超大規模 2026 capex 約 $7,250 億（+77%）是其下的需求地板。
NVIDIA Q1 FY27 創紀錄營收 $816 億（YoY +85%），資料中心 $752 億（+92%），non-GAAP EPS $1.87 對估 $1.76 —— 連 4 季超預期。Q2 指引 $910 億（排除中國），高於 $860 億共識。
Cerebras CBRS 開盤 $350、收盤 +68%，2026 年最大科技 IPO 首日
為什麼值得讀 IPO 漲幅不是護城河。真正的考驗是 +68% 能否撐過 6 個月鎖定期，以及有沒有人真的把 NVDA 推論換成 CBRS。
Cerebras 以 $185 定價，今日開盤 $350（+89%）、收盤 $311.07（+68%）。完全稀釋市值約 700 億美元，募資 $55.5 億美元，超額認購 20 倍。
Nvidia 2026 年 AI 股權投資組合突破 $400 億 — IREN 認股權證 + Corning 期權確立「客戶融資者」模式
Nvidia 2026 年 AI 股權承諾突破 $400 億。新增：3,000 萬股 IREN 認股權證 $70 履約價（約 $21 億）+ $34 億 5 GW Childress 託管雲端合約，以及 $32 億 Corning 期權。
Cerebras 上調 IPO 區間至 $125–$135：訂單超額認購 20 倍，金額達 $100 億
Cerebras 將 IPO 區間從 $115–125 上調至 $125–135，超額認購 20 倍（$100 億訂單對 $35 億額度），估值將超過 $266 億。CBRS 5/13 定價。
Cerebras Systems 將於 5 月 13 日在那斯達克定價上市 — 這場 250 億美元 AI 晶片 IPO 代表什麼
Cerebras Systems 以 245–266 億美元估值於 5 月 13 日在那斯達克定價上市。WSE-3 製造商 2025 年營收達 5.1 億美元，並持有 100 億美元 OpenAI 合約。
Cloudflare Infire — 分離式推論架構比 vLLM 快 20%，Unweight 無損壓縮縮小模型 22%
Cloudflare 以 Rust 開發的 Infire 推論引擎採用分離式 Prefill/Decode 架構，在 H100 滿載下比 vLLM 0.10 高出 20% 吞吐量；伴隨推出的 Unweight 系統可無損壓縮模型權重 15–22%。
NVIDIA GR00T N1.7 商業化 — 機器人基礎模型脫離純研究限制
GR00T N1.7 開放視覺-語言-動作（VLA）基礎模型進入商業早期訪問；黃仁勳預告 GR00T N2 任務成功率將比現有領先 VLA 翻倍以上。
NVIDIA 以 200 億美元收購 Groq — LPU 時代落幕
NVIDIA 於 2025 年平安夜以 200 億美元收購 Groq，完成有史以來最大的收購案。Groq 創辦人與 90% 工程師加入 NVIDIA。