泓君

泓君 × Mark × 徐子扬

推理竞争正从峰值算力转向每百万Token成本，decode反复读取全模型，使带宽成为核心瓶颈，SRAM的带宽经济性因此显现。Groq依靠编译期调度，Cerebras依靠晶圆级集成，但MoE路由、通信、良率、供应链与动态增长的KV cache仍是规模化验证的关键风险。

泓君 × Lewis Hong × 刘冰雁

SpaceX将火箭、Starlink与xAI打包进2026年6月、1.75万亿美元IPO，首个目标是1 GW太空算力。但按实际7,000美元/公斤发射价计入散热、冗余、制造与GPU寿命后，回本期可能从两个月拉长至两年，2029年经济性仍待验证。

泓君 × 张璐 × Dr.Mark Ren × Dr.Zhibin Xiao × Alex Yeh

黄仁勋预计 Blackwell 与 Vera Rubin 到2027年底累计订单至少1万亿美元，持续增长的 Agent 推理需求构成核心驱动。真正的瓶颈在 CoWoS、HBM、电力和交付周期，Groq 等推理芯片也显示异构架构机会；NVIDIA 的全栈执行力能否跨越物理产能约束仍是关键风险。

泓君 × Henry Zhu

TPU 的优势在于把数千颗芯片、XLA 与网络协同优化，适合模型稳定、用户量大且追求吞吐与总拥有成本的云端部署。V7 Ironwood 已接近 NVIDIA Blackwell 性能水平，但 HBM、CoWoS、良率和软件迁移仍限制外部生态，未来更可能与 GPU 分层共存。

泓君 × 亓鲁教授 × 吕瀛杰 × 徐栋

推理、指令遵循和工具调用共同跨过“够用”门槛，视频生成已形成较清晰的商业闭环。AI短剧成本可低于2万元，15秒广告生成成本低于10—15元而交付价约25—50元；企业采购则转向并发、延迟与成本，后续需观察Agent能否连续运行并交付完整结果。

泓君 × 大卫 × 于振华

V14.2被认为终于将FSD从“技术可用”推向“产品足够好”，端到端路线在旧金山停电等未定义场景中展现出相对rule-based的适应性。Robotaxi竞争的关键已转向扩张速度、全生命周期成本与安全员移除，2026年4月Cybercab量产后的车队ramp-up及技术、监管分歧值得持续观察。

泓君 × 郑迪

美国AI数据中心未来数年或缺46—47GW，矿场转型虽有争议，却可能成为18—24个月内最快的补电路径。1GW全成本约450亿—500亿美元且GPU占70%—80%，但矿企能否把电转成24×7供电、订单和现金流，仍取决于交付、融资与AI应用兑现。

泓君 × 徐熠兴 × 王辰晟

AI基础设施已从科技公司资本开支升级为美国增长核心变量，OpenAI规划26吉瓦、约1.5万亿美元的意向显示竞赛正迈向数万亿美元。电力、输电线、燃机、变压器和铜构成比GPU更紧的瓶颈，GE Vernova等供应链受益与过度投资、资金链及AI商业化不及预期的尾部风险并存。

泓君 × Jared Ren × Roger Luo

Google Willow证明量子纠错可以随规模改善，被视为量子计算的“Transformer moment”，但不到五分钟的基准测试尚非实用任务。未来10—15年更可能是QPU与GPU共同扩张，量子安全迁移已推动银行和通信资本开支；芯片路线、容错时间表与数据中心商业化仍需用实际演示验证。

泓君 × 陈羽北 × John Yue

DeepSeek的冲击在于低成本组合创新打穿美国领先叙事，V3架构效率、R1搜索强化与蒸馏共同降低了模型和应用门槛。英伟达可能同时面临销量增加与溢价下降，CUDA生态护城河尚未变低，最终影响取决于2025年应用需求能否兑现。