Jensen Huang @JensenHuang 与NVDA

network

黄仁勋这次到底要做什么？
为什么市场没有预期中买账英伟达？
对做美股的人来说，这可能是今年最重要的一个信号。

英伟达不想只卖芯片了。 它想把GPU变成像电厂、公路一样可以融资、可以计算回报的基础设施资产。 然后股价跌了3%。

黄仁勋发了一篇长文。英伟达联合Apollo、贝莱德、黑石、Brookfield、高盛、KKR，六家管着几十万亿美元的华尔街巨头，搭一个独立融资平台，长期调动超过5000亿美元第三方资本，专投AI基础设施。

5000亿什么概念？超过英伟达自己一年的营收，超过大部分国家的GDP。

但市场不买账。英伟达盘前跌了3%。市场在担心两个字：循环融资。

英伟达帮下游AI公司融到钱，下游拿到钱干什么？买英伟达的GPU。钱转了一圈，又回到英伟达的报表上。你细想，这跟开发商找银行贷款给购房者买自己的房子，结构上有点像。

黄仁勋知道这个质疑。他今天专门回应了。说这个平台的目的就是引入独立机构资本，六家金融机构各自评估客户、利用率、现金流和残值，独立决定放不放钱，英伟达只提供技术平台。

但他也说了一个细节。部分项目中英伟达可能提供最高25%的残值支持。意思是如果项目出问题，英伟达兜底四分之一。

所以这件事 Bena 哥怎么看？

先把循环融资的担心放一边。不管资金怎么流转，5000亿最终要变成实打实的采购订单。GPU、存储、光模块、电力设备、冷却系统，供应链的需求是真实的。这一点跟我们一直跟的那条线是一致的。

再看黄仁勋说的一句话，我觉得值得记住："算力就是收入。"

这句话的意思是，他正在把GPU从一次性卖出去的产品，变成可以持续产生现金流的资产。

数据中心建好之后，算力可以租给不同的客户，可以通过软件升级，可以在客户之间重新部署。跟你买一台发电机组放那里卖电，逻辑是一样的。

这就是为什么他要找华尔街。电厂、公路、通信塔这些基础设施，几十年来都是靠项目融资建的，不是靠科技公司自己出钱。黄仁勋想让AI算力走同一条路。

风险在哪？如果AI的实际应用跟不上算力扩张的速度，这些数据中心的利用率上不来，英伟达的25%兜底就会变成真实损失。5000亿的规模意味着一旦出问题，冲击不会小。

但有一个事实绕不开。全球最顶级的六家金融机构，坐下来认真评估了AI基建的回报模型，然后决定放钱。这些人不是散户，他们有全世界最严格的风控和投资纪律。你可以质疑英伟达。但你很难说Apollo、贝莱德、黑石、高盛、KKR这六家同时看走了眼。

GPU正在从科技产品变成金融资产。这个转变一旦发生就回不去了。

前面我们说巴菲特100亿投谷歌AI基建。今天英伟达拉来5000亿。都指向同一个方向：AI不再是科技行业自己的游戏了，传统金融的钱正在大规模进场。

network

$NVIDIA NVLink Fusion生态全面扩张：AI算力竞争正在从GPU延伸至互连、定制芯片与CPU

NVIDIA 正在通过 NVLink Fusion 建立一个更加开放的AI基础设施生态。相比过去主要依靠自身GPU、网络和软件体系，NVLink Fusion正在进一步向第三方定制芯片、CPU以及光互连领域开放，这意味着未来AI基础设施的竞争将不再只是“谁的GPU更快”，而是整个算力系统之间的竞争。

从目前公布的生态合作伙伴来看，产业链已经覆盖光互连、芯片设计工具、定制ASIC以及CPU多个关键环节。

在光互连领域，NVIDIA的合作伙伴包括 Marvell Technology、Ayar Labs和Lightmatter。随着AI集群规模不断扩大，传统电互连在带宽、功耗和距离方面逐渐面临瓶颈，光互连因此成为下一代AI数据中心的重要基础设施之一。

这也是为什么 $MRVL、Ayar Labs和Lightmatter受到市场关注。未来AI集群如果继续从数万颗GPU扩展到更大规模，芯片之间的数据传输本身就可能成为限制算力利用率的关键瓶颈。谁能够解决“GPU之间如何更快、更低功耗地传输数据”，谁就有机会成为AI基础设施的重要受益者。

第二个重要方向是芯片设计生态。

NVIDIA NVLink Fusion生态中出现了 Cadence Design Systems（$CDNS）和 Synopsys（$SNPS）等企业。

这意味着NVLink Fusion并不是简单提供一条高速互连接口，而是开始向整个芯片设计流程延伸。对于希望开发自研AI加速器的云计算公司和大型科技企业而言，EDA工具、IP、封装以及高速互连能力都将成为开发定制芯片不可缺少的基础。

而这正好连接到第三个方向——定制ASIC。

目前相关生态涉及世芯电子（3661）、Alchip（$ALAB）、创意电子（http://3443.TW）、Marvell（$MRVL）、联发科（http://2454.TW）以及Siemens（$SIE.DE）等企业。

其中，Alchip、世芯电子和创意电子等ASIC设计服务公司尤其值得关注。过去几年，Google、Amazon、Microsoft等大型科技公司已经开始越来越积极地开发自己的AI加速器。原因很简单：当AI数据中心规模达到一定程度之后，完全依赖通用GPU不仅成本高，而且在特定工作负载下未必能够达到最佳的性能和能效。

因此，未来很可能出现一种更加多元化的AI计算架构：

GPU负责通用AI计算，ASIC负责特定任务，CPU负责通用计算，而高速互连负责把整个系统连接起来。

NVLink Fusion的意义，就在于NVIDIA试图让自己的高速互连技术成为这个多芯片、多架构系统中的重要连接层。

第四个方向则是CPU生态。

目前相关合作伙伴包括 Arm Holdings（$ARM）、Fujitsu（6702.T）、Intel（$INTC）以及SiFive。

这一个变化尤其值得注意。

因为未来AI数据中心并不可能只有GPU。随着推理、Agent、数据库、网络、存储和传统计算需求不断增加，CPU依然是整个数据中心的基础计算节点。

因此，NVLink Fusion真正想构建的并不是一个单一GPU生态，而更像是一个异构计算平台。

CPU、GPU、ASIC以及DPU等不同类型的处理器可以在同一个系统中协同工作，而NVLink则承担越来越重要的高速互连接口角色。

从投资角度来看，这意味着AI基础设施的机会正在从第一阶段的“GPU”，逐渐向第二阶段的“GPU之外”扩散。

过去市场最关注的是 $NVDA、$AMD 等GPU企业；随后关注点扩展到 $AVGO、$MRVL 等网络和互连企业；现在则进一步延伸到 $ALAB、世芯电子、创意电子、$CDNS、$SNPS、$ARM以及光互连企业。

这背后实际上是一条非常清晰的产业逻辑：

AI算力规模越大 → 芯片数量越多 → 数据交换量越大 → 互连需求越高 → 定制芯片需求越强 → EDA与IP的重要性提升 → CPU、GPU、ASIC最终形成异构计算生态。

所以，NVLink Fusion真正值得关注的地方，并不是又增加了几个合作伙伴，而是NVIDIA正在尝试把自己的技术影响力从“GPU芯片”进一步扩展到整个AI计算系统。

如果这一生态继续扩大，那么未来AI基础设施的投资机会也可能不再集中在单一芯片公司，而是分布在计算、互连、光通信、ASIC、EDA、CPU和先进封装等多个环节。

对于投资者而言，真正值得关注的问题已经从：

“下一家NVIDIA是谁？”

逐渐转变成：

“当AI算力继续扩大之后，整个系统中哪些环节会成为新的瓶颈？”

而在过去几轮AI基础设施周期中，每当一个新的瓶颈出现，往往也会诞生一批新的核心受益者。

NVLink Fusion正在释放的，可能正是这一轮AI基础设施从“GPU时代”走向“异构计算时代”的一个重要信号。

network

市场钱多的是，现在什么机构还安心拿5%的国债。这种至少15%的长期投资回报不去干？

$NVDA
5000亿美金循环融资来了。FT这种报道不是不懂企业就是被空头买小作文

市场一听融资都PTSD了。这只是一个初步和各大资管的投资备忘

当然每个机构自己出钱和独立决策，英伟达只是常规的企业增信方式

通过承担部分项目背书或者25%残值的信用背书，降低融资成本，有利于AI普及。英伟达自己也不出钱，还能抢占市场挤压对手。

终端客户需求放在那里，有什么循环？当然，有可能放大AI系统的需求过热，但现在数据中心/GPU有一个买一个，终端需求还在积压订单。

你投资方说怕5年以后买的GPU和硬件投入残值变小或者0，我英伟达说，我保你比如至少合理残值部分的25%

是不是循环融资左兜掏右兜，财报季证明很清楚了，关键就是看AI终端需求继续指数发展，英伟达巩固产业竞争地位

当然英伟达也不白担保增信，除了能一次性硬件收入，也根据它的增信来分享长期建成后数据中心算力出租的收入

搞两份钱 “产品收入＋云收入分成” 难道不好？当然提升英伟达的长期估值空间。

具体见策略周报背景分析。

network

8.26，这一天，对你很关键，如果你玩美股的话。

你打开你的持仓看看，不管你拿的是AMD、美光、闪迪、Lumentum还是CoreWeave，你的盈亏在8月26号那天晚上会被同一个数字决定，英伟达的财报。

英伟达上一次出财报的时候，整个AI半导体板块跟着一起动。

英伟达beat了板块涨，英伟达miss了板块崩，你手里那只票的基本面如何、估值高不高、财报好不好，在那天晚上统统不重要。

英伟达的一个数字会覆盖掉你所有的基本面分析。

AMD刚交了历史最好的成绩单，跌了7%。为什么？因为市场在等英伟达。

在英伟达财报出来之前，没有人愿意为AI板块的其他票给新的估值锚。

你买的每一只AI相关个股，本质上都是一张英伟达财报的衍生品。

这意味着你现在做的所有个股级别的研究，在8月26号那天会被一个你无法控制的外部变量一笔抹掉。

你可以把AMD的财报研究到每一行，但英伟达指引一个措辞变化，AMD开盘直接跳空。

你有两个选择，接受这个事实，把仓位管理的基准从个股切换到"英伟达财报风险"这个维度上。

或者继续假装你的AMD和你的美光是独立标的，然后在8月26号晚上体验一次"我的票基本面没变为什么跌了8%"的震撼。

network

砸5000亿给客户兜底？英伟达这次到底在赌什么

英伟达现在正计划参与一项高达 5000 亿美元的数据中心融资项目。他们不仅给硬件、给技术、给生态支持，甚至还愿意在部分项目里兜底最高 25% 的风险。

看到这儿你可能会问，英伟达为什么要花这么大的代价去做这件事？

很简单，因为卖芯片只能赚一次钱，但帮 AI 工厂搞定资金和需求，却能换来长期的利润分成。

这 5000 亿最核心的逻辑，根本不是数字多大，而是英伟达第一次把华尔街的钱、自己的 GPU 订单，还有未来长期的现金流，全装进了同一个商业闭环里。

按照英伟达的设定，只要数据中心的收入超过了保底线，剩下的利润他们就能拿分成。因为芯片在第一次卖出去的时候就已经算完成本了，后面拿到的分成几乎没有任何额外支出，这相当于一笔高毛利的“算力年金”。

大摩做过一个测算，如果英伟达对超出保底的收入抽成 35%，到 2029 财年，能给每股收益带来 10% 以上的增量。英伟达现在不光是卖设备，它还在帮项目方找钱、拉客源、保底利用率，最后再从未来的收益里持续提成。

所以，这件事真正的投资逻辑，就是英伟达正在把一次性的硬件销售，升级成“卖 GPU + 算力兜底 + 收入分成”的三重收益。如果这套模式跑通了，英伟达就不再只是个芯片公司，而是直接变成了全球 AI 基础设施的运营商。

当然，这里的风险也很明确。5000 亿只是潜在的融资规模，每个项目都得单独审批，不是说这笔钱立马就能全落地。

至于以前市场担心的“英伟达掏钱给客户，客户再买英伟达 GPU”这种左手倒右手的循环融资问题，现在引入了第三方机构独立审核，确实透明了不少，但风险并没有消失，只是从英伟达自己扛，变成了和华尔街一起分担。

总的来说，英伟达正在重新定义自己的商业模式。它撬动的盘子越来越大，但未来的股价和业绩，也必然会和整个 AI 行业到底赚不赚钱，绑得越来越深。

network

英伟达为什么突然拥抱开源？我看懂黄仁勋的算盘！建议收藏此文！

英伟达为何押注开源AI？黄仁勋真正想赚的不是模型的钱

黄仁勋一边死守CUDA生态，一边高喊开源万岁——这看起来似乎有些矛盾，但实际上，这可能是英伟达过去几年最精明的一步商业布局。

8月11日，The Information报道称，英伟达正在开发Nemotron 4开源AI模型，旗舰版本参数规模目标至少达到1万亿，是6月发布的Nemotron 3 Ultra的两倍。

与此同时，英伟达多年期云服务承诺规模已经增加到280亿美元，大约是一年前的3倍。

一个卖GPU的公司，为什么要投入大量资金开发免费的AI模型？

答案其实很简单：
开源模型越普及，市场对AI算力的需求就越大，而最大的GPU供应商正是英伟达。

把AI从少数巨头的工具，变成全球基础设施

目前，闭源AI模型，比如OpenAI的GPT系列，核心能力主要掌握在少数几家公司手里。

普通企业想使用顶级模型，往往需要通过云服务调用，算力需求高度集中在OpenAI、微软、谷歌等大型平台。

但开源模型完全不同。
企业、开发者甚至政府机构都可以下载模型，根据自己的需求进行调整，并部署到自己的服务器或者云环境中。

而每一次独立部署，背后都意味着新的算力需求。
而AI算力的核心，就是GPU。

英伟达生成式AI副总裁Kari Briski曾表示，英伟达投资Nemotron，是因为相信未来每个企业、每个国家都需要更容易获得的前沿开源模型。

大白话就是：
降低AI使用门槛，让更多人进入AI时代，然后推动更多人购买算力。

这盘棋，英伟达有几个关键目的

第一，把客户范围从几个巨头扩散到整个市场

过去几年，英伟达AI芯片最大的客户主要集中在微软、OpenAI、谷歌、亚马逊等少数巨头。
这些公司虽然大量采购GPU，但同时也在开发自己的AI芯片。

如果未来AI应用从少数模型公司扩散到大量企业，那么算力需求也会从几个超级客户，扩散到无数企业、创业公司和机构。

对于英伟达来说，这意味着更加庞大的客户基础。

第二，免费模型本身就是最好的GPU销售工具

Nemotron是开源的，企业下载模型本身不需要支付费用。
但模型运行需要算力。

黄仁勋今年7月接受采访时曾表示：
“免费AI对硬件是好事，免费AI对芯片是好事。”

这句话其实已经说明了英伟达的逻辑：
软件可以免费，但运行软件需要硬件。
模型越普及，GPU需求越大。

第三，借开源生态挑战闭源模型公司

开源模型成本低、部署灵活，正在逐渐成为企业AI应用的重要选择。
这可能会改变目前OpenAI、Anthropic等闭源模型公司的市场地位。
英伟达一方面向这些公司出售GPU，另一方面通过开源生态扩大自己的影响力。

同时，英伟达还投资了Reflection AI、Thinking Machines Lab等AI公司。
现在自己推出Nemotron，本质上是在AI软件领域进一步扩大存在感。

因此英伟达推出了“Nemotron联盟”，吸引Reflection、Cursor、Mistral等开发者和公司参与。
简单来说：
竞争对手不好打，那就把它们拉进生态。

第四，也是最重要的一点：继续强化CUDA护城河

很多人关注英伟达的硬件优势，但真正长期决定竞争力的，其实是CUDA生态。
GPU只是入口。

大量开发者、企业和研究机构长期基于CUDA开发AI应用，形成了巨大的迁移成本。
所以英伟达的策略非常清晰：
模型可以开源，但生态必须掌握在自己手里。
开源的是模型，强化的是CUDA。

英伟达正在进入一个更复杂的位置

不过，Nemotron也带来了一个新的问题：
英伟达正在某种程度上和自己的客户产生竞争。
OpenAI是英伟达最大的GPU客户之一，英伟达甚至投资了OpenAI。
但Nemotron定位本身，就是降低企业使用AI模型的成本，并挑战部分闭源模型市场。

这意味着英伟达未来可能同时扮演两个角色：
一方面，它是AI公司的供应商；
另一方面，它也正在成为AI生态中的参与者。
这是一条需要谨慎平衡的路线。

280亿美元云服务投入，赌的是未来算力需求

截至今年4月，英伟达多年期云服务承诺规模已经提升到280亿美元，合同期限延续至2031年初。

其中部分算力将用于Nemotron等模型训练。
从财务角度看，开源模型本身不会直接创造大量收入。

但如果它能够推动更多企业部署AI，那么背后的GPU需求可能远远超过模型本身的价值。

简单来说：
免费模型是入口，GPU才是真正的收入来源。
英伟达并不一定需要Nemotron成为全球最强模型。

它真正想看到的是：
无论最终哪个模型胜出，都需要大量英伟达GPU运行。

再看昨天那笔5000亿美元的算力融资计划

8月10日，英伟达宣布联合阿波罗全球管理、黑石、贝莱德、博枫、高盛和KKR等华尔街机构，建立一个新的算力融资平台。

目标是在长期内撬动超过5000亿美元第三方资本。
简单理解：
未来企业购买GPU，可能不一定需要一次性支付巨额资金，而可以通过融资、租赁方式获得算力。

过去一家AI公司建设数据中心，可能需要投入几十亿美元甚至上百亿美元。
现在，金融机构可以先购买设备，再出租给客户，客户通过长期付款使用算力。

贝莱德CEO拉里·芬克甚至表示，这类似于过去金融市场将房地产资产证券化的过程。
黄仁勋也表示，这是技术基础设施首次被大规模转化为可投资资产。

这套模式的核心，是重新定义GPU价值

过去GPU被认为是一种科技硬件。
但英伟达希望市场看到：
GPU实际上越来越像一种基础设施资产。

因为未来AI时代，算力就像电力和互联网一样，是企业运行的重要资源。

因此：
Nemotron开源模型负责创造更多AI需求。
5000亿美元融资平台负责降低算力采购门槛。
CUDA生态负责锁定长期竞争优势。

三条线结合起来，形成英伟达未来AI基础设施战略。

当然，市场也存在担忧。

英伟达宣布融资平台后，股价当天收跌2.86%，5年期信用违约互换（CDS）一度升至77.215个基点，创两周最大单日涨幅。

投资者主要担心三个问题。

第一，是否存在“循环融资”的风险。
质疑者认为，英伟达帮助客户融资，而客户拿到资金后又购买英伟达GPU，这可能形成资金闭环。
第二，英伟达是否会和自己的客户产生利益冲突。
它既向OpenAI等公司出售芯片，又通过开源模型进入软件竞争。
第三，AI投资回报是否能够匹配如此庞大的资本投入。
目前全球科技巨头资本开支已经达到数千亿美元规模，但AI应用收入仍处于早期阶段。
如果未来AI需求增长低于预期，风险可能会在产业链和金融体系之间传导。

美股投资网认为：
英伟达现在做的事情，本质上是在推动AI基础设施进一步普及。
Nemotron开源模型，是降低AI使用门槛。
5000亿美元融资平台，是降低算力采购门槛。
CUDA生态，则是确保未来AI应用仍然运行在英伟达体系之上。

短期来看，这些动作可能引发市场对竞争和融资风险的担忧。
但长期来看，黄仁勋押注的是一个更大的趋势：
AI最终可能像电力和互联网一样，成为全球企业和国家的基础设施。

而在这场基础设施竞争中，英伟达希望自己成为那个提供底层算力的人。
280亿美元云服务投入，是为了扩大生态。
5000亿美元融资平台，是为了扩大市场。
CUDA，则是英伟达真正的长期护城河。#美股
$NVDA

$AMD

$AVGO

$TSLA

$SPCX

$AMZN

$META

network

我感觉 AI 投资比人们预期的要简单得多。

因为 $NVDA + Jensen 基本上直接告诉大家接下来会发生什么。

但不知怎么的，几乎每一次，市场都会忽视它，直到它真正发生？

2025 年的 Nvidia：大量买入 EML 和激光产能。

市场忽视它：“光子学是个泡沫，就像量子计算一样！____ 公司是骗局，管理层不靠谱”

一年后：$LITE +678%，$AAOI +475.12%，$COHR +260.7%，$AXTI +3,843.9%。

_

2026 年的 Nvidia：

通过长期协议大量买入 CW/EML 产能。800V 转变。对 CPO 转变异常明确地表态。将实体 AI 定位为下一个主题。

现在市场：“CW 玩家是 meme 股！800V、CPO 短期内不会到来，人形机器人不赚钱！”

是啊……我们看看 2027 年会发生什么。

我觉得我会把钱押在 Jensen/Nvidia 作为领先指标上。

network

AI 当前到底有没有见顶？到底是不是泡沫？

说句良心话，大家不要对 Twitter 或者小红书刷到的 AI 内容信息茧房产生焦虑。其实真实的普通人 AI 使用率，就我观察下来，还不足 5%。

在当下。我在硅谷观察下来，AI 模型的使用和渗透有两个重要结论：
1/ AI 重度用户的钱包已经见底，增量只能来自渗透率和新客户
2/ 在智力程度可用的临界点下，使用正在往开源迁，大家偏爱便宜模型，比如开元模型

能看到这条帖子并产生思考的人，我们已经抓住了时代AI 的红利，请大可放心，坚持下去，走在前沿

以下是我的数据佐证
7 月美国top 1% 企业 AI 支出 $7,400/人/月，top 10% $650，中位数 $11.95。

过往三个月 top 1% 消耗量分别是 是 $7,500 → $7,449 → $7,400，基本持平。同期中位数 $10.59 → $11.95，+13%

Fable 5定价$10/百万 token、两倍于 GPT-5.6 Sol ，上线一个月只拿到 Anthropic token 量的 6%、金额的 11.4

我建议大家偏向便宜模型，

用模型服务平台的企业占比 1月 4.5% → 6月 5.8% → 7月 6.1%。这批企业人均 AI 支出 $248，是中位数企业的 23 倍，环比还在 +21%

network

黄仁勋今天亲自写了一篇很重要的文章。

他说 AI 的下一个瓶颈，正在从 GPU 转向土地、电力和数据中心。

重点来了：NVIDIA 过去几年一直在提前锁定晶圆、先进封装、HBM 等关键资源，现在黄仁勋准备把同样的打法复制到 AI 基础设施。

这次 NVIDIA 联合 SB Energy，在俄亥俄州锁定了一个超大型 AI 工厂基地，OpenAI 将作为租户使用。

首期规模达到 4.25GW，未来整个园区可以扩展到 8GW，而且将专门部署 NVIDIA 的计算平台。

真正夸张的是后面的数字：

首期每一代 NVIDIA AI 工厂系统，大约可以部署 150 万块 GPU。

黄仁勋预计，仅一代设备就可能给 NVIDIA 带来约 1500 亿到 2000 亿美元收入。

而土地、电力和机房可以使用 20 年，里面的 GPU 却可以不断更新换代。

也就是说，同一块 AI 基础设施，可以反复承载 Blackwell、Rubin 以及未来更多代 NVIDIA 系统。

更大的数字来自 OpenAI。

按照黄仁勋披露的数据，OpenAI 到 2030 年现有和计划中的 NVIDIA 算力规模大约为 12GW，未来可能扩展到 16GW。

对应的 NVIDIA 计算基础设施机会，大约是 6000 亿美元。

所以这篇文章真正重要的地方，是 NVIDIA 的边界再次扩大了：

GPU
→ 服务器系统
→ 网络
→ CUDA
→ AI Factory
→ 土地、电力、机房
→ 基础设施融资和信用支持

NVIDIA 正在从一家卖 GPU 的公司，逐渐变成 AI 时代的全栈基础设施平台。

黄仁勋在文章里有一句话，基本概括了他的整个商业逻辑：
“In the AI economy, compute is revenue.”
算力越多，能够生产的智能越多；智能越多，产品、用户和收入就越多。

而 NVIDIA 现在想控制的，已经不仅是生产 GPU 的关键资源，还包括 GPU 最终能够部署在哪里。

network

黄仁勋刚刚表示，随着计算需求增长速度快于前沿实验室保障基础设施的速度，人工智能的下一个瓶颈是“土地、电力和壳体”。

$NVDA 现在正利用其资产负债表锁定像 PORTS-Pike 这样的长期站点，每个计算世代可能支持约 150 万个 GPU，并带来高达 2000 亿美元的 NVIDIA 收入。

OpenAI 的更广泛承诺可能达到约 16 GW，并代表到 2030 年约 6000 亿美元的计算量，因为 Nvidia 从供应芯片扩展到保障围绕它们的整个基础设施。