NVIDIA 董事会批准增加 1500 亿美元股票回购授权,剩余总额达 2350 亿美元
NVIDIA 宣布董事会批准在现有股票回购计划下追加 1500 亿美元授权,使剩余回购总额提升至 2350 亿美元,为公司历史上最大的回购授权增加。公司预计在 2028 财年内执行完剩余计划,CEO 黄仁勋称此举反映了对 AI 与加速计算长期机遇的信心。
推荐理由:官方公告给出回购增额、剩余总额和执行时间表,读者可以据此了解 NVIDIA 的资本回报规模与节奏。
公司与模型
英伟达的 GPU 新品、CUDA 软件生态、机器人平台与 AI 算力供需。
92 条精选近 30 天 25 条共收录 1,166 条
NVIDIA 宣布董事会批准在现有股票回购计划下追加 1500 亿美元授权,使剩余回购总额提升至 2350 亿美元,为公司历史上最大的回购授权增加。公司预计在 2028 财年内执行完剩余计划,CEO 黄仁勋称此举反映了对 AI 与加速计算长期机遇的信心。
推荐理由:官方公告给出回购增额、剩余总额和执行时间表,读者可以据此了解 NVIDIA 的资本回报规模与节奏。
推荐理由:该消息揭示了中美科技博弈下中国头部企业对高端算力的迫切需求,以及中方在关键硬件进口上的政策审慎态度。对关注AI产业供应链、地缘政治影响及国产替代节奏的读者具有现实参考价值。
NVIDIA 推出 NVIDIA Open Agent Safety Platform,包含开源运行时 OpenShell、硬件层 Sentry 及 DOCA 技术。该平台旨在通过内核级隔离、零信任环境和带外(out-of-band)监控来防止 AI 智能体行为漂移和越权。OpenShell 将操作指令转化为可验证策略,BlueField DPU 在模型路径上提供实时策略执行与身份治理,确保即使主机不可信时也能独立保护系统。
推荐理由:针对前沿实验室报告的智能体逃逸风险,NVIDIA 提供了从软件到硬件的完整安全栈方案。其“带外监控”和“芯片级隔离”理念为构建可信 AI 基础设施提供了重要参考,适合关注 Agent 安全落地的开发者与企业。
Epoch AI 报告估算,2026 年华为总 AI 算力产出约为 Nvidia 的 1/25,Ascend 950 性能约为 B300 的 1/7、2022 年 H100 的一半。报告认为即便华为路线图全部兑现并计入走私 HBM 情景,到 2030 年其在芯片性能和算力产出上仍落后 Nvidia 约 4 年,出口管制是主要制约因素。
推荐理由:报告用量化估算比较双方芯片性能、产量和 HBM 供给,读者可以据此理解出口管制下差距的成因与走向。
NVIDIA 与 Google DeepMind、EMBL-EBI 等全球研究机构合作,通过 AlphaFold Database 开放发布 2800 多种病毒的蛋白复合物预测 3D 结构,旨在为下一次疫情储备知识。
推荐理由:原文给出数据集规模、覆盖范围和可复用的开源预测流程,读者可以据此评估如何用于自己的蛋白结构研究。
据路透社报道,英伟达正与 Anthropic 洽谈以基石投资者身份参与其 IPO,考虑投资至多 100 亿美元。Anthropic 计划通过上市融资最多 1000 亿美元,估值或达约 2 万亿美元,有望成为史上最大规模 IPO,预计 2026 年 11 月美国中期选举前完成上市。
推荐理由:报道汇总了 IPO 融资规模、估值和双方既有合作安排等数字,读者可以据此了解这宗超大规模上市的关键背景。
Nvidia 应该收购 Hugging Face,作为一种廉价的方式,在 CUDA 与开源生态系统之间建立更深入的集成。 几乎和自行训练领先的开源模型一样便宜,并且与 Nvidia 在 2025 年日益增强的开放态度相一致。
推荐理由:曾在 HuggingFace 工作的作者分析了这起收购的软实力逻辑,指出其每年值约 100 亿美元的原因。
据《商业内幕》9月4日报道,英伟达最新财报显示,截至7月26日公司持有价值990亿美元的股权投资,一年内增长14倍、两年增长45倍。其中约480亿美元为上市公司股票、约480亿美元为非上市公司股份,另披露250亿美元股权投资承诺;持仓包括价值300亿美元的英特尔股份和210亿美元的SpaceX股份。
推荐理由:原文整理了英伟达近千亿美元股权投资的构成与增速,并呈现质疑方看法,便于读者判断其投资扩张的规模与争议。
NVIDIA 发布教程,讲解在 Jetson 上部署新一代开放推理模型的方法,以 Nemotron 3.5 Lightning 和 Qwen3.8-27B 为例。
推荐理由:官方教程给出模型选型、NVFP4 量化与投机解码配置和实测吞吐数据,可迁移到自己的 Jetson 部署流程。
NVIDIA 宣布已同意以 12,930,300,000 美元收购 Hugging Face,黄仁勋在官方博客公布了这一消息。Hugging Face 目前有超过 1800 万开发者,托管超过 300 万个模型、50 万个数据集和 100 万个应用,服务超过 20 万家企业。
推荐理由:原文来自收购方本人,给出了收购金额和对平台开放性的具体承诺,读者可以据此评估对开源生态的影响。
最新消息:英伟达同意以129亿美元收购Hugging Face。 据报道,HuggingFace的年化收入约为1.5亿美元,这相当于该运行率的86倍。 - The Information。
推荐理由:原文给出交易价格、估值倍数和留任奖金等关键细节,读者可以快速了解这桩收购的规模与进展。
NVIDIA 上季度营收 960 亿美元,同比增长 106%,并指引 Q3 营收达 1080 亿美元(±2%),成为首家单季营收破千亿的半导体公司。按此年化营收 4320 亿美元,NVIDIA 已跃居全球第六大公司。同时,非超大规模客户首次贡献数据中心净新增收入的大部分,应收账款周转天数从 45 天升至 60 天,显示其正通过延长付款条件为买家提供更多供应商融资。
推荐理由:营收破百亿之外,DSO 从 45 跳到 60 是一个值得跟踪的信号,它提示 NVIDIA 正通过放宽信用支撑非超大规模客户,可能改变市场对其收入质量的判断。
英伟达预计 2028 财年销售额同比增长约 70%,CEO 黄仁勋称实际市场需求远高于这一数字,增速主要受供应能力限制。公司同时宣布将在 2027 至 2028 年向 AWS 额外供应 200 万块 GPU。第二季度营收同比增长 106% 至 962.2 亿美元,连续第 13 个季度创下营收纪录。
推荐理由:黄仁勋把需求分成超大规模云与尚被低估的主权 AI 两类,只按云厂商资本开支外推 AI 需求会漏掉正在扩大的企业端采购。
亚马逊与英伟达宣布扩大合作,将在2027和2028年为AWS数据中心新增200万颗GPU芯片,包括Blackwell Ultra、Rubin和Rubin Ultra。此前五个月亚马逊刚同意部署超100万颗英伟达GPU,英伟达称此后“需求超出预期”。双方未披露财务条款,但按GPU单价估算交易价值达数百亿美元。
推荐理由:亚马逊在自研Trainium的同时三倍追加Nvidia订单,显示短期AI算力缺口仍大于自研替代,这会影响市场对云厂商自研芯片能否替代Nvidia的判断。
英伟达发布 2027 财年半年报,上半年营收 1778.37 亿美元,归母净利润 1180.1 亿美元,同比增长 161.1%,GAAP 毛利率 75%。第二财季营收 962.21 亿美元,同比增长 106%,环比增长 18%,归母净利润 596.88 亿美元,同比增长 126%。数据中心业务第二季度收入 890.23 亿美元,同比增长 117%,Vera Rubin 平台已进入全面量产。
推荐理由:数据中心收入同比翻倍叠加 Vera Rubin 平台全面量产,显示 AI 基础设施的资本开支仍在加速,延迟部署的概率下降。
NVIDIA 上季度营收 960 亿美元,同比增长 106%,并指引 Q3 达 1080 亿美元(±2%),成为首家单季营收突破千亿美元的半导体公司。按此年化营收 4320 亿美元,NVIDIA 已跃居全球第六大公司。同时,应收账款周转天数(DSO)从 45 天升至 60 天,反映其正为投资级客户提供更长的付款期限以支撑需求。
推荐理由:作者用 DSO 从 45 天跳到 60 天、应收账款增速远超营收等数据,提示 NVIDIA 增长背后对客户信用扩张的风险信号。
SemiAnalysis 应 OpenAI 邀请在实验室实测其在 Hot Chips 公布的 Jalapeño 推理 ASIC,称其在 DeepSeek R1、Kimi K2.5、GPT-OSS 等模型上的 perf/W 超过所有可测的 Nvidia、AMD 和 Google 芯片,DeepSeek R1 在并发 1 下达每用户超 700 token/s。
推荐理由:SemiAnalysis 实测了 OpenAI Jalapeño 推理芯片,给出 InferenceX 性能数据和架构细节,并指出与 Rubin 对比才是更公平的参照。
Epoch AI 发布报告,指出美国 GDP 统计漏记 Nvidia 等 fabless 芯片设计商在海外制造销售的价值,导致去年美国 GDP 增长被低估约 0.3 个百分点。
推荐理由:报告用逐项核查和 BEA 确认,指出 GDP 统计漏记 Nvidia 这类 fabless 厂商的海外价值,量化了低估幅度。
NVIDIA 实测数据显示,Vera Rubin NVL72 在智能体工作负载下每兆瓦吞吐量较 GB300 NVL72 最高提升 30 倍,每百万 token 成本降低至 35 倍。
推荐理由:对电力受限的 AI 工厂,每兆瓦吞吐量 30 倍提升与 token 成本同步下降,意味着同等能源预算下可承载的 agentic 负载量级不同,部署决策中的成本模型可能改写。
蚂蚁 Ling Infra 团队与 RadixArk SGLang 团队将 Ling-3.0-flash 混合线性注意力 MoE 模型的单请求解码速度从 288 tok/s 提升至 606 tok/s,平均 TPOT 从 3.33 ms 降至 1.53 ms。
推荐理由:对做单请求低延迟推理的团队,可迁移的是先把主机从 GPU 进度上解绑再优化 GPU 关键路径,否则主机的同步等待会变成每步的 GPU 气泡,这与具体模型无关。