本文是硅谷101 Alignment 峰会 Day 2 上午的深度笔记，提出 AI 繁荣背后有三张物理账单：电、芯片、推理。 Session 1 指出美国输电网难以建设，行业转向表后发电，从签约到出 token 需 16-17 个月，电力成为算力交付的真正瓶颈；讨论了数据中心融资期限错配、neocloud 风险、云业务利用率本质及算力短缺将持续到 2030 年的预测。 Session 2 探讨半导体，揭示 2nm 只是名义数字、硅在 5nm 以下到物理极限，AI 进晶圆厂第一站是良率检测，价值最终流向制造端。 Session 3 讲述在买不到新卡的情况下，通过推理优化软件从现有 GPU 榨取更多性能。核心结论：三张账单的解法都是效率。
黑石集团总裁Jon Gray在面向全球顶级投资者的闭门演讲中，系统披露了黑石关于人工智能投资的内部数据与判断。他指出Anthropic和OpenAI等模型公司年化收入已达1050亿美元，超大规模数据中心资本支出翻倍至8200亿美元，AI投资回报显著。他以1870-1900年工业革命类比当前AI变革，强调当前需求远超供应，与铁路泡沫不同。他展示了AI在投资组合公司中的具体应用成效，认为芯片、数据中心和电力才是真正的投资核心，同时提示网络安全、监管、地缘政治和估值过高等风险，最后重申'一切都关乎回报'的投资理念。
谷歌宣布其长期研究项目Project Suncatcher即将进行首次轨道测试，通过SpaceX的Transporter-18任务发射一颗原型卫星，验证TPU芯片在太空环境中的表现。文章介绍了三大工程挑战：一是硬件生存能力，卫星需承受发射时的剧烈震动和高达10倍重力加速度的载荷，TPU还须抵御太空辐射，测试显示Trillium TPU可承受超过五年太空任务的辐射总电离剂量；二是散热问题，太空真空环境无空气对流，团队开发了热管加辐射器的冷却方案；三是卫星互联，未来卫星集群需通过高带宽激光通信保持连接。2027年计划发射两颗卫星进一步测试。
文章整理了黑石集团总裁兼COO Jon Gray面向100多位全球顶级投资者闭门演讲的10个核心观点。Gray认为当前AI浪潮更接近1870年工业革命的开端而非2000年互联网泡沫：Anthropic和OpenAI等模型公司收入一年增长100倍达1050亿美元；黑石投资的14家AI公司收入增长21倍至5.25亿美元；超大规模数据中心资本开支达8200亿美元，占美国GDP的2.5%。他指出真正的瓶颈在芯片、电力和数据中心等物理世界，黑石押注技术栈最底层的计算、电力与土地，追求确定性回报。
文章从算力角度分析机器人产业的投资逻辑：前沿机器人模型（VLA、WAM）参数量大，边缘芯片无法承载，将认知层卸载到数据中心成为必然趋势。通过对比卸载方案与端侧方案的资本开支和TCO，指出卸载方案在规模化后成本更低。受网络与安全回退条件限制，云端方案适用于工厂、仓库、家庭等场景。作者认为算力是机器人的大脑前提，XAI等算力投入会优先于具身智能量产，看好机器人未来等同于看好算力投资，本质上是同一个问题。
作者深度分析 Marvell 财报后的投资价值：季度收入 27.39 亿美元，数据中心占约 79%，管理层将下财年收入展望从 165 亿上调至 180 亿美元。文章拆解了 Marvell 在 AI 系统中的三种连接场景（scale-out、scale-up、scale-across），分析光互联、交换芯片、CPO/NPO 技术路线，以及与 Google 的 1200 亿美元认股权证协议（非最低采购承诺）。作者认为定制芯片业务扩展到 XPU attach 配套产品，存储与内存接口能力重回主线，与博通竞争、获 NVIDIA 20 亿美元投资合作。结论：市场尚未完全定价其眼前加速业务与远期机会。
作者指出 GPU 行业最大的瓶颈并非芯片、CoWoS 或电力，而是信用与残值市场的缺失。银行将 GPU 折旧后残值建模为零，导致资产难以证券化、缺乏对冲工具，小玩家融资成本高达 SOFR+900bps，需巨额首付。文章分析了 NVIDIA 对 OpenAI 数据中心的残值担保、Lambda 和 CoreWeave 的贷款结构，指出这些交易实际依赖客户信用而非硬件清算价值；并对比二手车（Manheim 指数）等行业，介绍 Kalshi H100 合约、Silicon Data 租赁基准及 CME 计划上市的 H100/B200 租赁期货，探讨 GPU 残值定价与算力融资市场的未来。
作者以非技术背景的普通人视角，阐述数据中心对美国再工业化的重要性。作为a16z American Dynamism团队的参与者，他指出机器人制造、AI训练和模拟测试都依赖数据中心的算力支持。文章进一步论证数据中心将同时解决三个相互关联的问题：制造业空心化、高等教育泡沫化以及美国男性的孤独危机。作者以Hadrian公司为例，说明自动化不仅没有抢走工作，反而让工厂能建在美国本土，创造了数百个高薪岗位，为年轻人提供了用双手劳动、获得归属感的就业选择。
a16z 宣布筹集 11 亿美元设立「机器时代基金」，聚焦 AI 物理基础设施的全面重构。文章指出 AI 从聊天到推理再到编码的演进使算力需求呈指数级增长，机架算力密度提升 28 倍，功率从 5-10 kW 升至 250 kW 并将在三年内达 1MW，数据中心迈向 GW 级别。该基金将投资芯片、内存、网络、存储、数据中心、机器人等全栈基础设施。a16z 强调硬件是其团队基因，已投资 Skydio、SpaceX、Anduril、Waymo 等公司，如今正式将硬件投资作为核心战略方向。
文章分析英伟达即将发布的财报，指出真正决定未来几个季度预期的是六个关键信号：AI云订单能否从融资驱动转向收入驱动、Rubin能否无缝接续Blackwell、Vera CPU能否形成独立收入线、Groq 3 LPX能否留住专用推理预算、服务器涨价后毛利率能否守住75%，以及英伟达亲自介入土地、电力和融资所带来的商业模式变化。文章认为当前AI行情的核心已从GPU供给转向客户资本与回报的可持续性。
文章分析AI基础设施供应链中的牛鞭效应：从2023年GPU短缺开始，压力依次传导至内存、服务器CPU，再到2026年的大容量存储短缺。HBM生产挤占传统DRAM产能导致SSD价格暴涨，Agent工作流推动CPU需求上升。同时数据中心建设成本高达每吉瓦200亿美元，变压器和涡轮机交付周期长达数年。作者警告，若终端软件收入无法匹配巨额资本支出，2027-2028年新增产能交付时或将面临产能过剩危机。
作者介绍了10家值得关注的美股公司，串起AI行情的完整产业链：从芯片(NVDA、AVGO)、制造(TSM)、内存与存储(MU、SNDK)、AI云(NBIS、CRWV)、电力散热(VRT)，到AI软件(PLTR)和应用生态(GOOGL)。文章逐一分析各公司的商业模式、核心看点、护城河与风险，强调投资是理解商业和趋势的训练，并提醒高增长股票波动大，不构成投资建议。
NVIDIA宣布与Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR等机构合作，建立独立融资平台，旨在动员超过5000亿美元的第三方资本，用于支持AI基础设施的建设。这标志着AI从研究转向生产，AI工厂成为可融资的生产性基础设施。NVIDIA的AI工厂平台具备灵活性、可互换性和软件升级能力，其经济价值随时间增长，如A100芯片在发布六年后仍在使用。这些特性使AI工厂成为可投资的基础设施资产。NVIDIA将提供平台，金融机构独立评估项目并融资，NVIDIA可能提供最高25%的残值支持。此举旨在解决AI基础设施融资不均的问题，开启AI基础设施的公开资本市场。
Cosmic Robotics 推出其首款 10,000 磅的自主建造机器人 Cosmic-1，旨在通过提升太阳能农场和数据中心的建造效率，最终实现火星城市的自动化建设。该机器人已在极端环境下投入使用，并显著提高劳动生产力。
Proprio Robotics 推出新型机器人，能够处理服务器的组装、维护和退役全生命周期，使数据中心实现无人化运营。其创始人来自伯克利和哈佛机器人实验室，已成功在办公室建立并运行小型 AI 数据中心。
本文以通俗易懂的方式，从微观到宏观详细拆解了AI算力基础设施的物理构成。文章按照 HBM、GPU、PCB、服务器、机柜、计算中心到云的层级顺序，解析了各硬件的连接关系与核心作用，并补充了硅中介层、交换芯片、散热系统及数据中心与云的区别等关键知识点。
文章由Kova撰写，提出了一个基于2026年超大规模企业$300B+资本开支流向的AI投资4层模型（半导体制造、核心芯片、DC物理层、DC建造层）。基于此模型及Picks-and-shovels、Anti-correlation等原则，作者筛选出了包含LRCX、MU、VRT等在内的10只长线底仓股票，并详细阐述了每只标的的Thesis、权重配置及具体的退出与监控策略。
Anthropic CEO阿莫代伊与马斯克这对“宿敌”宣布握手言和，Claude将租用SpaceX旗下的Colossus数据中心。文章分析了xAI并入SpaceX的股权架构变更，指出此举旨在利用SpaceX上市计划为马斯克生态圈输血，缓解特斯拉的现金流压力，同时也揭示了AI竞赛中烧钱现状下的理性商业博弈。
文章指出，在 AI 算力扩张的传导链中，公牛插座作为物理接入的“最后一公里”被市场严重低估。通过分析中国数据中心增长、国产替代及公牛的渠道护城河，作者认为公牛集团应被视为 AI 战略基础设施而非传统消费股，具备极大的估值重估空间。
文章整理了一份2026年科技圈的高频缩写表，涵盖AI算力、服务器硬件、网络互联、存储及模型架构等核心技术领域。通过通俗解读GPU、ASIC、CPO、LPO、MoE等关键术语，揭示了AI产业链的底层逻辑与未来技术演进方向。
