1 陈俊杰分析美股科技回调原因。

陈俊杰指出，美股科技近两个月出现较大回调，主要受宏观因素影响，如特朗普政策及投资者对宏观经济展望的下修此外，全球资金重新分配，国内科技领域取得突破性发展，A股和港股科技表现良好他还提到GTC大会，预计将发布新产品，重点关注芯片、计算、连接和电源等方向。

2 芯片与架构的迭代升级。陈俊杰介绍了芯片的迭代升级，包括GP300、Rubin架构和VR架构的预期发布，以及GPU与CPU融合的GB产品。他还提到公司在连接领域的创新，如NV

link和infinity

3 模型迭代受算力影响。

陈俊杰讨论了模型迭代放缓的原因，认为算力是主要瓶颈他提到当前基于Hopper架构的模型训练，并期待下一代Blackwell架构的突破他还指出数据质量和合成数据的使用对模型训练的重要性此外，他分析了英伟达在硬件和软件生态上的持续创新，特别是在车载芯片领域的进展，预计未来车载芯片的算力将有显著提升。

4 算力需求推动智能车发展。陈俊杰讨论了智能车对算力的需求，指出随着端到端模型的发展，算力需求大幅增加。他提到，未来智能车可能需要1000

tops的算力，并通过压榨硬件性能提升智能水平。此外，他还提到机器人平台的发展，认为仿真环境能让机器人在出厂前学会多种工作场景，直接上岗。

5 机器人与智驾前景广阔。

陈俊杰讨论了机器人和智驾的未来发展，特别提到老黄的cosmos仿真平台在机器人领域的应用他强调了仿真技术在机器人设计和生产中的重要性，并指出这与芯片设计流程相似陈俊杰还提到，云厂商将继续在技术军备竞赛中投入，以提升性能和降低成本。

6 星际智能计划与芯片市场竞争。

陈俊杰讨论了美国星际智能计划的资本开支和GB系列产品的部署，预期未来两三年内模型将进一步迭代他还分析了GTC大会后芯片行业的竞争格局，指出龙头公司在训练阶段领先，但面临来自同类型竞争对手和云厂商客户的挑战陈俊杰认为，在应用形态未固化前，通用型芯片仍有优势，而龙头公司未来可能通过定制芯片保持竞争力。

7 AI代工与算力储备问题。

陈俊杰讨论了AI代工模式及其在快速变化环境中的稳定性，并分析了国内外算力储备的现状他指出，尽管国内算力储备与美国存在差距，但通过技术优化和国产化发展，国内算力需求尤其是推理需求有望快速增长他还提到，国内工程化落地能力强，能够有效提升现有算力卡的效能，并对国产算力生态的发展充满信心。

8 推理芯片的替代与国内硬件发展。

陈俊杰讨论了推理芯片的替代方案，强调国内硬件厂商的能力在不断提升，未来有望匹敌海外龙头他提到机器人和智能驾驶是国内AI落地的两大场景，认为国内在这些领域已取得显著进展此外，他提到智能手机的AI能力可能超越海外龙头关于架构变化，他表示新一代架构与上一代相比没有根本性差异。

9 GPU架构优化人工智能计算。陈俊杰详细介绍了GPU架构如何通过矩阵运算、SM单元、NV

link传输协议、缓存优化和新型连接材料等技术手段，提升人工智能计算的效率和性能。他强调了GPU在逻辑计算、传输速度和功耗控制方面的创新，并指出这些技术优势使其在竞争中保持领先。

10 陈俊杰分析算力公司领先原因。陈俊杰详细解释了某龙头算力公司在硬件和连接技术上的领先优势，包括其独特的NV

link连接方式和先进的芯片生产技术。他还提到，公司在计算和连接两方面都表现出色，使其在竞争中脱颖而出。此外，陈俊杰分享了自己在A股、港股和美股市场的投资经验，强调在产业大趋势形成时积极参与的重要性。

11 硬件投资前景广阔。

陈俊杰讨论了硬件投资在AI发展中的重要性，指出硬件需求持续增长，尤其在AI底层技术推动下他提到国内AI发展迅速，类似于两年前的ChatGPT时刻，未来国内应用和产业链将带来更多投资机会他还强调，尽管宏观趋势难以把握，但从产业角度看，国内外AI产业仍处于上升阶段，值得关注。