财报一出，数据漂亮得没话说：Q1营收816亿，净利润583亿，创历史新高，Q2指引910亿。800亿回购+股息提25倍，真·印钞机。 但很多人在看GPU，我却觉得财报里最关键的一句话是：Jensen Huang明确给出CPU收入指引——今年可见近200亿美元独立CPU收入，英伟达正瞄准成为全球领先CPU供应商。这意味着什么？ 1️⃣ Grace + Vera Rubin 彻底改变CPU格局 Grace CPU已经与GPU通过NVLink深度耦合，Vera Rubin下半年投产，预计2025-2027年Blackwell+Rubin合计贡献约1万亿美元收入。而且Jensen强调：Grace生命周期延续至2027年，Vera保持向后兼容**——这不是试水，是长期战略。 2️⃣ CPU＝LPDDR的超级抽水机 Grace是首款采用服务器级LPDDR5X的处理器，单个Superchip配置最高960GB容量、1TB/s带宽，功耗仅为传统DDR5的五分之一。未来GB300、NVL72及Vera Rubin大规模部署，英伟达对LPDDR的采购量级已相当于顶级智能手机厂商，直接挤压原本面向PC和移动端的供应链。 SK海力士已大规模量产专用于Vera Rubin的192GB SOCAMM2模组，美光也推出单条256GB LPDDR5X产品。这不是概念，是正在发生的订单。 3️⃣ 存储紧缺周期再强化 HBM已经被抢疯了，现在LPDDR又要被英伟达CPU业务带起第二波需求。三星、SK海力士、美光三大厂，既要供HBM，又要供LPDDR，产能根本转不过来。市场之前只盯着HBM，忽视了CPU+存储的联动。英伟达自己200亿美元的CPU收入目标，意味着几十万甚至上百万颗服务器级CPU，每一颗都要吃掉大量LPDDR。存储的供需缺口只会越来越大。 英伟达依然是AI硬件最亮的星，但存储板块（尤其是LPDDR

今天白天港股、A股、日韩股市一路向下，美股夜盘也跟着承压，不过晚上盘前总算看到点回升的苗头，市场情绪稍微稳了一点。 $腾讯控股(00700)$ $闪迪(SNDK)$ $纳指100ETF(QQQ)$ 在这种波动剧烈的时刻，想听听大家的看法： 今天暴跌，你动手加仓了吗？ 是趁机捡便宜筹码，还是继续观望等更明确的信号？ 加仓的话，主要瞄向哪些板块？（比如防御型的公用事业、高股息，还是超跌的科技成长？） 后续会怎么走？继续下探还是反弹在即？ 从技术面看，港股/A股是否已接近支撑位？ 美股盘前的回升是“死猫跳”还是真反转？ 战争影响会持续多久？ 地缘冲突对全球资金流向、通胀预期的影响，大家觉得是短期脉冲还是长期变量？ 后续是否需要警惕战争扩大的风险？ 先说下我的情况，很想加仓，但是所有现金都已经进去了，没有多余仓位了~暴风哭泣，还是应该留点机动仓位在手上的

一、先讲结论 2025.12 14.8 港元买入哈尔滨电气 $哈尔滨电气(01133)$ $东方电气(01072)$ $上海电气(02727)$ 2026.03 27.2 港元止盈 盈利精准突破 20 万 核心逻辑：AI 算力爆发 + 新型电力系统 + 港股通纳入三重共振 二、先看懂行业大逻辑：AI + 算力 + 入通，电气设备迎来超级周期 2026 年电气设备行业的核心驱动力，是AI 算力爆发、新型电力系统建设、港股通扩容三重共振，这不是短期题材，是 5-10 年的长周期机会。 AI 算力重构电力需求：AI 数据中心单机柜功率达 50-120kW，是传统 IDC 的 10-20 倍，变压器、高压电气、燃气轮机等核心设备供不应求，国内头部厂商订单排至 2027 年，全球电网设备进入紧缺周期。 政策托底 + 电网投资加码：“十五五” 期间国家电网、南方电网投资超4 万亿元，较 “十四五” 增长 40%，抽水蓄能、核电、特高压成为投资重点；容量电价、绿电直连政策落地，给行业带来稳定收益。 港股通（入通）带来流动性红利：2026 年港股通纳入门槛提升至 90 亿港元，优质港股电气标的纳入后，将迎来内地资金加仓，估值快速修复，哈尔滨电气正是核心受益标的。 三、我的投资逻辑：为什么选中哈尔滨电气？ 我在 2025 年 12 月以14.8 港元买入哈尔滨电气（01133.HK），2026 年 3 月股价涨至27.22 港元，3 个月涨幅83.92%，持仓盈利精准突破20 万，核心逻辑有三点： 业绩爆发式增长：2025 年预计归母净利润26.5

近期，理想汽车基座模型MindVLA团队与国创决策智能技术研究所联合研发了端侧大模型“软硬协同设计定律”，提出面向车载与边缘场景的大模型软硬一体化设计方法，为下一代智能驾驶芯片的架构定义提供了系统性理论基础。这一成果不仅是理想汽车在AI基础理论层面的重大突破，也是中国企业在前沿技术领域不断深耕和超越的缩影，彰显了中国智慧在全球AI浪潮中的硬核实力。 $理想汽车(LI)$ $小鹏汽车(XPEV)$ $蔚来(NIO)$ 软硬协同设计定律：破解车载AI核心难题 当前在智能辅助驾驶迈向全场景智能的关键阶段，车载算力平台面临一个核心悖论：视觉-语言-行动（VLA）系统对认知智能的需求持续提升，而车规芯片受功耗、散热、成本限制，传统“暴力堆砌算力”的模式难以为继。如何让有限芯片资源发挥最大智能效能，成为全球车载AI领域的竞争焦点，英伟达、苹果等科技巨头均在探索解决方案，而理想汽车的“软硬协同设计定律”，则以中国原创理论体系给出了科学答案。 具体来看，软硬协同设计定律的核心是建立了可量化、可预测的软硬协同数学框架，用数学表达式让芯片与算法的协同设计更高效严谨，从而从根本上解决了传统研发中“软硬割裂”的痛点。此前，芯片设计呈线性增长，而算法设计师指数扩展的，两者相互错位，导致顶级芯片的理论算力无法转化为实际效能，而该定律让研发团队输入芯片参数和模型需求后，即可通过公式获得最优适配方案，从而打通了芯片与算法的“任督二脉”，获得最优方案。 技术层面上，该定律有三大核心突破：精度-延迟联合建模，通过海量模型训练与配置评估，实现无训练状态下的模型精度白盒预测；Roof