投研声译局

📝 本期播客简介 本期我们克隆了：Benzinga: Nvidia Q1 FY27 Earnings Call | $NVDA | 🔴 WATCH LIVE 本期是 NVIDIA 二零二七财年第一季度财报电话会。公司交出创纪录业绩：季度营收达到八百二十亿美元，同比增长百分之八十五；数据中心营收达到七百五十亿美元，同比增长百分之九十二；自由现金流达到四百九十亿美元。管理层将本季度定义为 AI 基础设施需求进入新阶段的标志，尤其是 Blackwell 系统的快速爬坡、inference 需求拐点、AI factory 建设加速，以及 agentic AI 带来的全新计算需求。 在这场电话会中，CFO Colette Kress 详细拆解了 NVIDIA 的财务表现、业务分部调整、Blackwell 与 Rubin 产品节奏、资本回报计划和下一季度指引。Jensen Huang 则在问答环节系统阐述了 NVIDIA 对未来 AI 基础设施版图的判断：AI 不再只是 hyperscaler 的游戏，AI native cloud、企业本地 AI 工厂、工业现场、主权 AI、physical AI 和机器人，都将成为下一轮增长来源。更重要的是，NVIDIA 正从 GPU 公司进一步扩展为覆盖 CPU、GPU、网络、系统、软件与生态的完整 AI factory 平台。 👨‍⚕️ 本期嘉宾 Jensen Huang，NVIDIA 创始人、总裁兼首席执行官。他带领 NVIDIA 从图形芯片公司成长为全球 AI 计算基础设施的核心平台公司，并在本次电话会中重点阐述了 agentic AI、AI factory、Vera CPU、Rubin 平台和 physical AI 带来的长期增长机会。 Colette Kress，NVIDIA 执行副总裁兼首席财务官。她在本次电话会中披露了 NVIDIA 第一季度财务业绩、业务分部调整、资本配置计划、供应链投入、股东回报和第二季度业绩展望。 ⏱️ 时间戳 00:00 开场 & 财报电话会说明 创纪录的季度业绩 02:00 八百二十亿美元营收：NVIDIA 再次刷新季度纪录 03:10 数据中心七百五十亿美元：Blackwell 成为史上最快产品爬坡 04:10 新业务框架：从数据中心到边缘计算，从 Hyperscale 到 ACIE 05:35 Hyperscale 与 ACIE 双轮驱动：AI cloud、企业、工业和主权 AI 加速增长 07:20 AI 工厂经济学：客户买的不是 GPU，而是 token 生产能力 09:10 Blackwell、GB300 与 NVL72：最低 token 成本与最高吞吐量 10:35 Vera CPU 登场：为 agentic AI 打开二千亿美元新 TAM 11:35 Edge computing 与 physical AI：机器人、自动驾驶和 AI RAN 的下一波增长 12:45 资本配置：研发、生态投资、股息提升与八百亿美元回购授权 14:10 第二季度展望：营收指引九百一十亿美元，Blackwell 与 Rubin 信心不变 为什么重新划分业务 15:22 新分部披露背后的逻辑：AI 工作负载、客户和部署环境全面多样化 17:05 三大市场版图：Hyperscale、ACIE 与 robotic edge 18:50 NVIDIA 的独特位置：全栈协同设计，同时保持开放生态 20:10 Go-to-market 的差异：五六家 hyperscaler 与二十五万家企业客户 增长是否还能继续 21:26 为什么 NVIDIA 有望增长快于 hyperscaler CapEx 22:45 Compute 就是收入，compute 就是利润 23:40 第二类数据中心：AI native cloud、企业 AI factory、工业现场与主权 AI 25:10 被低估的分散市场：数十万家公司都需要自己的 AI 基础设施 Inference、Rubin 与低延迟产品 26:33 Vera Rubin 如何推动 NVIDIA inference 份额提升 27:35 Anthropic、Cursor、Perplexity 等 frontier AI 公司带来的新增需求 28:30 为什么 Vera Rubin 的开局可能强于 Grace Blackwell 29:17 LPX 的定位：低延迟、高 token 速率，但更偏小众补充 30:15 Grace Blackwell 与 Vera Rubin：覆盖 AI 全生命周期的平台 Agentic AI 的 CPU 新战场 31:31 Vera CPU 的二百亿美元机会：独立 CPU 与多种系统形态 32:50 Agent 的本质：harness、工具调用、I/O 与编排 34:10 CPU 与 GPU 分工：CPU 负责协调，GPU 负责思考 35:25 数十亿 Agent 时代：为什么未来需要更多 CPU 36:20 Vera 的设计目标：为 token 经济而生的 agentic CPU ACIE、AI native cloud 与长期市场 37:10 Neo clouds 属于哪里：AI native clouds 被归入 ACIE 38:10 为什么 AI native cloud 需要 NVIDIA 的完整 AI factory 架构 39:15 第二类市场的长期潜力：企业、工业与主权 AI 可能超过 hyperscale 40:20 Physical AI 的未来：机器人与边缘智能将在五年内加速 一万亿美元之外的增量 40:53 Blackwell/Rubin 一万亿美元可见性之外，还有哪些增长来源 41:25 Frontier AI 份额提升：第一大增量 41:45 独立 Vera CPU：第二大增量 42:05 LPX：覆盖低延迟场景的补充产品 Rubin 爬坡与总结 42:23 Vera Rubin 的量产节奏：第三季度开始，第四季度爬坡 43:05 订单已经准备好：关键在复杂系统组装与交付 43:47 Jensen 总结：Agentic AI 已经到来，需求呈抛物线式上升 44:35 五大重点：Frontier AI、Hyperscale、AI factory、Edge CUDA 与 Vera 46:00 NVIDIA 的位置：世界正在为 agentic AI 和 physical AI 重建计算体系 🌟 精彩内容 💡 八百二十亿美元季度营收，AI 工厂进入爆发期 NVIDIA 第一季度总营收达到八百二十亿美元，同比增长百分之八十五，环比增长百分之二十；数据中心营收达到七百五十亿美元，同比增长百分之九十二。Colette Kress 强调，Blackwell 系统正在多元客户群中快速放量，客户包括 hyperscaler、模型开发者、AI cloud provider 和主权客户。 “客户买的不是 GPU。他们建设的是 AI 工厂。正确指标不是 GPU 的购买价格，而是 AI 工厂在整个生命周期中生产 intelligence token 的成本。” 🧠 新业务分部：看懂 NVIDIA 的下一阶段增长 NVIDIA 将业务重新划分为数据中心与边缘计算两大市场平台，并在数据中心内部拆分 Hyperscale 与 ACIE。Hyperscale 包括公有云和全球最大消费互联网公司；ACIE 则覆盖 AI cloud、工业、企业和主权 AI。Jensen 解释，这种划分是因为 AI 已经从单一云端训练，扩展到企业、工业、国家、工厂、机器人和边缘设备等多种场景。 “AI 非常多样，计算也非常多样。它运行的地方也很多样。” 🚀 Compute 就是收入，compute 就是利润 Jensen 在回答增长问题时明确表示，未来 hyperscaler 的 CapEx 仍会继续增长，因为 AI 时代的经济逻辑已经改变：没有 compute，就没有收入。AI 原生公司的增长速度远超传统 SaaS，而这种增长会继续推动基础设施支出。 “如果它们没有 compute，就不会有收入。compute 就是收入，compute 就是利润。” 🏭 第二类数据中心：被低估的巨大市场 除了 hyperscaler，Jensen 反复强调另一个更分散、更复杂、也更长期的市场：AI native cloud、企业本地 AI factory、工业现场 AI、主权 AI 和区域性 AI cloud。这些客户通常不想自己设计芯片，也不想拼装复杂系统，而是需要可直接运营的完整 AI factory。NVIDIA 的全栈方案正好切中这一需求。 “第二类是数百家、数千家公司。未来会是数十万家公司。” ⚙️ Vera CPU：为 agentic AI 打开的二千亿美元新 TAM NVIDIA 将 Vera 定位为全球第一款专为 agentic AI 设计的 CPU。Jensen 解释，未来 Agent 的 harness、工具调用、I/O、编排和内存管理会大量运行在 CPU 上，而推理和思考发生在 GPU 上。随着未来出现数十亿个 Agent，CPU 需求会成为新的增长引擎。 “未来 AI 的经济模型，是每一美元能产生多少 token，或者每个 token 要花多少钱。” 🤖 从 Agentic AI 到 Physical AI Jensen 在总结中表示，需求之所以呈抛物线式上升，是因为 agentic AI 已经到来，AI 现在能做有生产力、有价值的工作。同时，下一波增长将来自 physical AI，包括机器人、自动驾驶汽车、嵌入式医疗仪器和 AI RAN 电信基站。 “世界正在为 agentic AI，以及机器人形式的 physical AI，重新构建计算体系。” 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：挪威主权财富基金官方播客《In Good Company》IEA Executive Director: The global energy crisis explained 本期嘉宾 Fatih Birol 博士是全球能源界的顶级权威。作为国际能源署（IEA）的执行干事，他在此次访谈中发出了令人警醒的警告：我们正面临历史上最大的全球能源安全威胁，其严重程度甚至超过了 1970 年代的石油危机。Birol 博士不仅深度剖析了中东局势对全球通胀和经济增长的滞后影响，还直言不讳地指出了欧洲在能源政策上的三大战略失误。 更重要的是，他为我们描绘了正在到来的“电力时代”。在 AI 竞赛如火如荼的今天，他提出了一个深刻的观点：AI 竞赛的终点线可能不在算法，而在电网。你会听到关于核能回归、电池技术突破以及为什么电网将成为未来十年全球基础设施最大挑战的精彩论述。这不仅是一场关于能源的讨论，更是一场关于全球地缘政治、工业竞争力和未来技术霸权的深度对谈。 👨‍⚕️ 本期嘉宾 Fatih Birol 博士，国际能源署（IEA）执行干事。他被《时代》杂志评为全球最具影响力的人物之一，是能源经济领域的顶尖专家。自 2015 年领导 IEA 以来，他致力于推动全球能源转型与能源安全。 ⏱️ 时间戳 00:00 开场 & 播客简介 史上最严重的能源危机 01:30 危险的低估：为什么这次危机比 1973 年更严重？ 04:01 脆弱的咽喉：霍尔木兹海峡与全球能源安全 05:34 滞后的冲击：为什么 4 月份的通胀压力会比 3 月更大？ 06:53 止痛药 vs 治本药：IEA 释放 4 亿桶石油储备背后的考量 欧洲的十字路口与战略失误 08:16 欧洲的觉醒：能源市场全球化下的政治风险 10:14 历史的教训：依赖俄罗斯天然气是一个巨大的错误 11:10 信用危机：液化天然气（LNG）行业的声誉挑战 12:17 场景模拟：中东局势的“最坏情景”对新兴国家的灾难性影响 电力时代与能源革命 14:18 历史会重演吗？从 70 年代核能潮看未来的结构性反应 16:45 脆弱的电网：电力时代的阿喀琉斯之踵 19:11 煤炭的回光返照：高气价下的能源替代 20:28 欧洲的三大失误：过度依赖、背弃核能与错失太阳能 22:14 电池技术：如果有一根魔杖，我会点向电池 23:33 交通电气化：中国遥遥领先，未来属于电动卡车 AI、数据与 IEA 的使命 27:09 AI 的能源饥渴：没有充足廉价的电力，就没有 AI 的未来 28:44 IEA 预测心法：不假装全对，但“数据永远胜出” 30:59 挪威的角色：能源安全提供者与“博多格林特”团队精神 33:36 总结：谁才是能源界的“欧冠冠军”？ 🌟 精彩内容 💡 史上最严重的能源危机 Fatih Birol 警告说，目前全球每天损失的能源量远超 1970 年代。这不仅是石油问题，更是天然气、化肥和全球供应链的综合压力。他强调，应对问题的第一步是承认其严重性。 “当前的危机比 1973、1979 和 2022 年这三次危机加起来还要严重。” 🇪🇺 欧洲的三个战略失误 Birol 博士犀利指出欧洲在过去二十年犯下的错误：过度依赖单一供应国（俄罗斯）、在技术未成熟前背弃核能、以及在太阳能制造领域掉以轻心。这导致欧洲目前的电价远高于美中，严重削弱了工业竞争力。 “犯一次错是失误，但如果你犯第二次，那就不是失误了。” ⚡ 电力时代与 AI 竞赛 我们正在进入“电力时代”，电力需求增速惊人。Birol 认为，AI 竞赛的胜负将由两个因素决定：软件技术和电力供应。没有廉价且充足的电力，再先进的 AI 也会停摆。 “一个中型数据中心的耗电量相当于一个 7 万人口的城镇。没有电力就没有 AI。” 🏗️ 电网：未来的阿喀琉斯之踵 尽管可再生能源增长迅速，但电网建设严重滞后。全球有大量已建成的绿电因为没有电网接入而闲置。Birol 呼吁政府必须简化审批，吸引资本进入基础设施领域。 “电网是电力时代的阿喀琉斯之踵，政府忘了我们需要电网把电输送到家庭。” ⚽ “博多格林特”管理哲学 Birol 博士幽默地将 IEA 类比为挪威足球队博多格林特：预算虽小，但通过出色的团队协作创造了奇迹。他强调 IEA 始终坚持以数据为核心，不参与政治博弈。 “博多格林特已经离开了欧冠，但 IEA 在能源界依然是冠军。” 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：摩根士丹利顶尖投资访谈《Hard Lessons》Hard Lessons: Stan Druckenmiller: Invest, then investigate 本期嘉宾 Stan Druckenmiller 的职业生涯本身就是一个奇迹。在 1981 年至 2010 年间，他领导的 Duquesne Capital 实现了约 30% 的年化回报率，且从未有过亏损年份。作为索罗斯曾经的右臂，他不仅是宏观交易的大师，更是捕捉时代趋势的猎手。在这期节目中，Stan 将带你走进他的思维实验室。你会听到他如何从“无聊”的仿制药公司中挖掘翻倍机会，如何通过斯坦福学生的择业动向精准伏击 Nvidia，以及为什么他认为“逆向投资”其实被高估了。这不仅是一场关于赚钱的对话，更是一位老牌交易员对人性、情绪以及“冒充者综合征”的坦诚告白。 👨‍⚕️ 本期嘉宾 Stan Druckenmiller，Duquesne Family Office 负责人，传奇宏观投资者。曾任索罗斯量子基金的首席投资官，以在 1992 年“做空英镑”战役中发挥关键作用而闻名。他以极高的复利增长天赋和敏锐的盘感著称，是投资界公认的“入场极早”的先驱。 ⏱️ 时间戳 00:00 开场 & 嘉宾简介 寻找被低估的确定性 01:08 梯瓦制药案例：如何在“无聊”的仿制药中发现增长点 03:18 跨界投资的逻辑：不当专家，但要学会筛选“专家” 05:14 “白痴天才”：承认狭隘的智慧，专注于扣动扳机的决策力 投资者的自我修养 05:34 天赋与导师：从索罗斯那里学到的最重要一课——仓位控制 11:27 逆向投资被高估了？索罗斯的 80/20 法则与群众压力 宏观视角下的资产配置 07:19 零基构建组合：强劲经济背景下的高估值挑战 08:53 投资组合揭秘：看空美元、做多铜与黄金的地缘政治博弈 09:45 债券的对冲逻辑：如何在去通胀增长中寻找安全感 AI 浪潮与 Nvidia 的遗憾 12:25 发现 Nvidia：从斯坦福学生的去向捕捉 AI 信号 14:49 仓位翻倍的艺术：当宏观视角与 ChatGPT 产生共振 15:45 遗憾的八百美金：为什么传奇投资者也会“恐高”卖早 惨痛教训与进化的智慧 17:05 摒弃旧经验：为什么技术分析在今天逐渐失效 18:58 最大的遗憾：随着智慧增长，我却失去了年轻时的“胆量” 20:14 1999 年的伤疤：与情绪抗争，以及长达 15 年的“冒充者综合征” 🌟 精彩内容 💡 寻找“低垂的果实”：梯瓦制药的转型 Stan 分享了他在 AI 热潮中转向寻找传统价值的过程。通过观察梯瓦制药从仿制药向生物类似药的战略转型，他在估值仅 6 倍时入场，精准捕捉了市场从“厌恶”到“追捧”的预期差。 🛠️ 索罗斯的遗产：重点不在于对错 “重点不在于你是对还是错，而是在于当你正确时能赚多少，当你错误时会亏多少。”Stan 强调，天分只是门槛，真正的顶级投资者胜在对“仓位控制（Sizing）”的极致把握，这是他从索罗斯身上学到的无价一课。 🚀 Nvidia 交易复盘：从信号到共振 Stan 坦诚他在买入 Nvidia 前甚至不知道这个词怎么拼。他的决策链条极具启发性：观察斯坦福天才的流向 -> 听取年轻合伙人的建议 -> 亲身体验 ChatGPT 的震撼 -> 结合宏观分析师的视角。尽管在 800 美元时因“受不了这种成功”而卖早了，但这依然是一次教科书级的趋势捕捉。 📉 消失的优势：技术分析的黄昏 作为曾经的技术分析拥趸，Stan 坦言现在的市场已经变了。当所有聪明人都学会了看图表、看盘后反应，这些曾经的“独特优势”就变成了噪音。他认为，现在的投资者必须通过更深层的模式识别来应对波动。 ❤️ 传奇的脆弱面：15 年的冒充者综合征 即便拥有近乎完美的业绩记录，Stan 依然会因为净值回撤而焦虑到呕吐。他分享了自己长达 15 年不敢相信业绩并非偶然的心路历程，并鼓励年轻经理人：接受情绪，挺过去，继续前进。 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight

📝 本期播客简介 本期我们克隆了：挪威主权财富基金官方播客《In Good Company》Gilles Andrier - CEO of Givaudan | Podcast | In Good Company | Norges Bank Investment Management 你可能没听说过奇华顿（Givaudan），但你每天一定在闻它、吃它。从 Tom Ford 的顶级香水到超市里的草莓酸奶，这家瑞士巨头支撑着全球嗅觉与味觉的半壁江山。本期嘉宾 Gilles Andrier 在奇华顿工作了 32 年，其中担任 CEO 长达 21 年。他将带我们走进神秘的“调香实验室”，揭秘一款爆款香水是如何从一份需求书变成货架上的传奇。你会听到为什么“红牛”在最初测试中表现最差却能风靡全球，为什么 40% 的调香师都出自奇华顿的学校，以及在高度工业化的今天，如何通过“心与魂”的文化管理一万七千名员工。这不仅是一场关于感官科学的探索，更是一位顶尖 CEO 关于长期主义、企业文化与人生选择的深度复盘。 👨‍⚕️ 本期嘉宾 Gilles Andrier，全球香精香料行业领军企业奇华顿（Givaudan）的 CEO。他于 1993 年加入公司，自 2005 年起担任 CEO。在他任期内，奇华顿巩固了全球市场领导地位，并成功向活性美容和健康解决方案领域扩张。他以平衡“绩效驱动”与“人文关怀”的管理风格著称。 ⏱️ 时间戳 00:00 开场 & 播客简介 感官的魔力与商业本质 00:45 奇华顿在做什么：让世界更好闻、更好吃、更健康 01:16 嗅觉的生物学真相：人类最原始的生存工具与记忆捷径 02:05 隐形的巨人：为什么你回购产品时，味道比价格更重要？ 香水的诞生：从创意到瓶装 02:35 拆解“需求书”：如何为 Tom Ford 或 Gucci 打造嗅觉签名 04:33 趋势洞察：Z 世代如何通过“香水叠穿”重塑市场 06:00 走进实验室：调香师（鼻子）与“香料琴”的艺术创作 08:04 创意的博弈：为什么通过消费者测试的产品不一定能成功？ 10:11 行业“鼻祖”：从 Mugler 的 Angel 到新分子的诞生 味觉的科学与经济学 14:08 食用香精：如何补回加工食品中流失的“前调” 16:03 跨界挑战：植物肉的口感模拟与减糖减盐的味觉方案 17:31 商业模式揭秘：为什么配方不申请专利却能长期垄断？ 18:25 杠杆效应：极低的成本占比如何决定极高的品牌价值 管理、文化与个人智慧 21:18 奇华顿文化：绩效驱动（Performance）与心领神会（Heart & Soul） 25:41 拒绝官僚主义：像大公司一样生活，像创业公司一样思考 27:52 CEO 的工作外生活：骑行冥想与六个孩子的大家庭 30:35 给年轻人的建议：寻找“适合自己的西装”，别为当 CEO 而规划职业 🌟 精彩内容 💡 嗅觉是通往记忆的快车道 Gilles 解释了人类感官的奇妙之处：人体四分之一的受体专门用于味觉和嗅觉。在原始时代，这是保命的工具；而在现代商业中，它是情感连接的纽带。 “嗅觉其实是感官通往记忆最快的路径，这就是我们工作的基石。” 🛠️ 调香师的“绝对音感” 奇华顿拥有全球最著名的调香学校，培养了世界上 40% 的调香师。Gilles 指出，顶尖调香师不仅需要天赋，更需要极强的韧性，因为他们在竞标中可能要经历“十之八九”的失败。 “即便你有绝对音感，也不代表你就能成为莫扎特。关键还是得有热情和韧性。” 🚀 创新的悖论：别被测试杀死了创意 Gilles 坦言，虽然消费者测试能提供安全感，但真正的行业颠覆者往往在测试中表现一般。他以红牛和 Mugler 的 Angel 香水为例，强调了品牌信念在创造新潮流中的重要性。 “创造与众不同的东西，唯一的方法就是不要让消费者闻他们习惯的味道。” ❤️ 绩效与人情味的平衡 在执掌公司 20 年的时间里，Gilles 致力于打造一种多元且务实的文化。他认为，客户把产品最核心的灵魂外包给了奇华顿，公司必须以极高的绩效回报这份信任，同时保持人文关怀。 “在奇华顿，废话和空话撑不过三秒……我们要像大公司一样生活，但要像创业小公司一样思考。” 👔 职业建议：找准你的“西装” 对于年轻人，Gilles 建议不要刻意规划职业路径，而是通过实践去发现自我。他鼓励大家保持好奇心，勇敢地“跳进泳池”去尝试。 “别为了当 CEO 而规划职业生涯，那是当不上 CEO 的最快途径。关键在于享受你所做的事。” 🌐 播客信息补充 翻译克隆自：Gilles Andrier - CEO of Givaudan | Podcast | In Good Company | Norges Bank Investment Management 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺； 如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight