当DeepSeek-V3和R1模型在硅谷掀起惊涛骇浪时，人们认为如果低成本都能打造高性能模型，那么依靠昂贵GPU堆砌算力的效果将大打折扣。
刚刚发布的财报多个方面数据显示，英伟达第四财季营收为393.31亿美元，较上年同期增长78%。2025财年全年营收1305亿美元，较2024财年增长114%。
H20芯片的订单激增，Blackwell平台的前景一片光明，更多高效模型的出现也点燃了对AI基础设施更加旺盛的需求。
业界一致认为，Scaling Law并没有完全失效，只是Scaling的方向正在发生明显的变化，随之而来的则是，AI行业逐渐走向了另一条分叉口——Test-Time Scaling。
Test-Time Scaling大多数都用在推理阶段，通过分配额外的计算资源来优化模型的推理性能。
英伟达的Hopper架构和Blackwell架构都能明显提升模型推理的效率。其中Blackwell系列更是被寄予厚望，能够为Test-Time Scaling提供强大的硬件支持。
我们已成功大规模量产Blackwell AI超级计算机，并在首个季度实现了数十亿美元的销售额。随着自主智能体AI（Agentic AI）和物理AI的发展，AI正以光速推进，为下一波AI革命奠定基础，重塑各大核心行业。
Blackwell芯片架构亮相于去年的GTC 2024开发者大会，以美国数学家David Blackwell命名，旨在支持大规模AI模型的训练和推理，具备高性能和高效率的特点。
但这款今天被黄仁勋誉为“在每个方面都‘表现非凡’”的芯片，却在投产过程中一波多折。
据悉，Blackwell芯片在设计上存在重大缺陷，特别是在连接两个GPU的关键电路上，导致良品率较低。在高密度服务器机架中，Blackwell芯片也会因散热不足导致过热，影响性能并可能损坏硬件。
好在，后续在台积电的帮助下，英伟达修复了设计缺陷。谈及在早期生产Blackwell时遇到的“小问题”时，黄仁勋表示，“这可能让我们损失了几个月的时间。”
不过，他补充道，公司“以光速”恢复，并从中吸取了经验，为Blackwell Ultra（B300系列）的生产做好了准备。他表示，“下一班火车”将按照“每年的节奏”推进。
Blackwell Ultra是英伟达下一代重要的AI芯片，这款芯片在技术规格上实现了显著提升，特别是在推理性能、显存容量和带宽方面，并引入先进的冷却技术。
其不仅配备288GB HBM3E显存，显存容量相比B200的192GB提升，显存带宽达到1792 GB/s，功耗也达到了1400W，按照英伟达的路线图，预计将在今年下半年推出。
谈到Blackwell的过渡，黄仁勋表示：“这是一次很具有挑战性的转变。”但他预计，未来向Blackwell Ultra的过渡会更加顺利。
他解释说，Blackwell Ultra的过渡更平稳，因为其芯片架构与Blackwell相同。而相比之下，从Hopper过渡到Blackwell的挑战要大得多。
黄仁勋指出，AI芯片最好被视为软件——它将无处不在，遍布每个国家和地区。“每一个学生都会使用AI作为导师，”他补充道：“没有一家金融科技公司不会使用AI。”
基于此，市场对Blackwell的需求更是惊人的，推理AI引入了另一条Scaling Law——增加训练计算量可以让模型更智能，而增加长期思考的计算量则能让答案更精准。
在Test-Time Scaling以及OpenAI o3、DeepSeek R1和Grok 3等新推理模型的推动下，后训练和模型定制的规模巨大，总体上需要数量级更高的计算加速。
除此之外，受美国出口管制的影响，英伟达为中国市场推出了版H20芯片。
这款芯片性能虽不及H100或H200，但在合规性与性价比上表现出色。尤其是其在DeepSeek模型上的良好表现吸引了众多企业的关注，导致订单在近期出现了“明显地增长”。
不过，Kress在财报电话会议上表示，公司的中国数据中心收入“远低于正常水平”。她指出，该收入水平是在监督管理法规变化之前的情况，并预计中国的出货量将“基本维持在当前比例”。
她还表示，由于Blackwell产能的快速提升，美国的数据中心收入最为强劲。
在过去几个月，全球AI基础设施投资热潮已然形成燎原之势，美国科技巨头在AI领域的投资预算近日也陆续公布，得益于目前英伟达在GPU市场的优势地位，预计不少预算将被收入囊中。
OpenAI与软银等联合启动“星际之门”计划，未来四年内投资5000亿美元建设AI数据中心。
Google计划在2025年投入约750亿美元用于AI数据中心和相关基础设施。
亚马逊计划在2025年投入超过1000亿美元，大多数都用在云计算和AI技术的研发。
一方面，正如黄仁勋所说，尽管英伟达制造了很多芯片，但这并不代表它们会被公司购买，以及部署，他表示，作出商业决策时需要仔细考虑其他因素。
他还提到，英伟达能够继续取得成功并保持强劲的需求，原因之一是该公司“部署能力快如闪电”以及其持续创造更先进的技术。
另一方面，据外媒The Information援引Arm CEO Rene Haas的说法，尽管英伟达在已部署基础设施上占据非常大的优势，但芯片初创企业同样正在推动诸多创新，比如光纤基板、共同封装光学器件、革命性内存架构以及内存计算等。
春节期间DeepSeek在硅谷的爆火出圈，也给英伟达的发展增添了新的变量。
通过算法创新、数据压缩和推理优先的设计，DeepSeek以极低的训练成本，打造出高性能模型DeepSeek-V3/R1，引发了一连串的连锁反应。
常规的看法是，受到DeepSeek的冲击，英伟达的市值一度在一天内暴跌了5890亿美元。
但DeepSeek不仅没有削弱“算力至上”的逻辑，反而在某一些程度上进一步强化了这一信仰，尤其是DeepSeek模型的训练过程仍旧依赖于英伟达H800芯片集群，而这也是常被市场忽视的关键事实。
黄仁勋上周接受媒体采访时也表示，尽管DeepSeek确实在预训练模型方面取得进展，但后训练阶段仍需要庞大算力；后训练才是培养AI模型智力、即学习怎么样解决问题和推理的最关键环节。
包括DeepSeek这几天连续开源多个英伟达GPU优化项目，在探索模型性能极限之余，也进一步加深了其与英伟达生态的绑定。
比方说，昨天开源的DeepGEMM是一个高效、简洁的FP8矩阵乘法（GEMM）库。
其采用的Just-In-Time（JIT）设计、两级累加以及高性能优化技术，如TMA和指令重叠，使其在DeepSeek-V3中表现出色，但同时DeepGEMM也是专为英伟达Hopper架构和稀疏专家模型（MoE）优化。
此外，当DeepSeek正在用开源切入英伟达的市场，双向奔赴的英伟达也正在用生态整合DeepSeek的成果。
DeepEP在上午开源后，英伟达下午便将其集成到Megatron-LLM中。有消息称（@共识粉碎机），英伟达内部已将对DeepSeek的支持重要性提升至比Llama更高的优先级，内部资源和流程也是一路绿灯。
英伟达近期更是开源了专为Blackwell架构调优的DeepSeek-R1版本。该版本在推理处理速率提升至原来的25倍，同时每个token的计算成本仅为此前的1/20。
从机遇角度看，DeepSeek的开源正在为英伟达带来前所未有的市场红利。
黄仁勋在电话会议中也提到，“DeepSeek R1点燃了全球的热情”。短期内，开源引发的算力热潮直接推高了GPU销量。
长期来看，开源社区的活跃将进一步巩固英伟达的生态优势，开发者对CUDA的依赖只会加深，而企业客户在追求更高性能时仍会选择Blackwell等新品。
最底层的逻辑是，低成本模式适用于消费级应用，但在企业级AI（如AGI研发）中，英伟达的高端芯片仍是无法替代的。未来，AI行业可能走向“双轨制”，低端市场追求性价比，高端市场继续依赖算力驱动。
用一句更形象的话概括，当全世界都在担心DeepSeek会成为英伟达的掘墓人时，黄仁勋却在背后悄悄给它递了把铲子：
