本期要点

  • 英伟达收购Hugging Face：以129亿美元将全球最大AI开源平台收入囊中，成为英伟达史上第二大收购案，开源生态的权力格局正在重写
  • 工信部+国资委联合启动具身智能"作业模式"：两部门联合发文，目标是2026年底在百个以上场景形成万台级落地能力，具身智能从"样机展示"转向"常态化部署"
  • Broadcom AI收入宣言：未来两年AI收入将连续翻倍至2300亿美元，CEO陈福阳放话自研芯片性能可比肩英伟达而成本仅一半

一、英伟达129亿美元收购Hugging Face：算力帝国锁死开源咽喉

原文标题：NVIDIA to Acquire Hugging Face
链接：https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face/

2026年9月3日，英伟达正式宣布以129.3亿美元收购全球最大开源AI平台Hugging Face。这是英伟达史上第二大收购案，仅次于去年约200亿美元的芯片资产收购，也是一级市场有记录以来最大的AI平台收购案之一。

核心事实：

  • Hugging Face目前拥有超过1800万注册用户，用户在上面创建了超过300万个AI模型和超过100万个应用程序
  • 收购价格从最初谈判时的70亿美元估值一路上调至129亿美元，黄仁勋亲自接受CNBC采访为这笔交易背书
  • Hugging Face三位创始人均留任并加入英伟达，平台继续保持独立运营
  • 英伟达承诺平台不会沦为英伟达硬件的封闭入口，将继续支持所有硬件供应商的模型

我的分析：

从第一性原理看这笔收购，核心问题是：黄仁勋为什么要买一个"软件平台"？

英伟达的硬件护城河已经足够深——数据中心GPU市占率超过80%，CUDA生态根深蒂固。但硬件有一个天然缺陷：它卖的是"铲子"，不是"金矿"。每当一家AI公司用英伟达芯片训练出好模型，这家公司的估值就上涨，而英伟达赚的只是一个相对固定的芯片利润。

收购Hugging Face，本质上是把英伟达从"铲子供应商"升级为"金矿本身"。全球最大AI开源社区掌握着：开发者关系、模型分发渠道、海量微调模型、以及最重要的——AI开发者行为数据。这些东西的价值远超129亿美元的数字本身。

更值得玩味的是黄仁勋的话："在开放式模型加速发展的当下，这是一个非常、非常微妙的时期，我们希望确保它获得所需的全部支持。"这句话翻译过来就是：开源AI越繁荣，英伟达越受益。

对整个AI行业来说，这笔交易的隐忧在于：全球最大的开源AI平台被全球最强大的芯片公司收购，开源社区的独立性和中立性将受到持续考验。Hugging Face此前一直是AWS、Azure、Google Cloud各家的兵家必争之地——因为它是真正的"中立应用商店"。现在，这个中立性已经不存在了。

二、两部门联手：具身智能进入"作业模式"

原文标题：关于联合开展2026年度人形机器人与具身智能实景实训专项行动的通知
链接：https://m.gelonghui.com/p/5120952

工业和信息化部、国务院国资委9月4日联合印发通知，正式启动2026年度人形机器人与具身智能实景实训专项行动。这不是一份普通的政策文件——它是具身智能从"PPT里的机器人"走向"工厂里的劳动力"的关键转折点。

核心目标（2026年底前）：

  • 人形机器人等具身智能产品在一批代表性场景完成应用验证和常态部署，开启"作业模式"
  • 凝练形成百个以上高价值应用场景（生产制造、仓储物流、医疗康养、餐饮零售、安全生产、应急救援等）
  • 带动形成万台级规模落地能力

操作路径：六项重点任务

  1. 打造实景实训空间：各省级地区选取不少于20个真实场景单元，"最小干预、利旧复用"，不是新建产线，而是在现有工厂里改造
  2. 组建创新应用联合体：用户单位（工厂）+ 整机企业 + 供应链 + 科研院所，形成利益捆绑
  3. 攻关实用化作业技能：不是跑个demo就完了，要的是"作业技能包"——可落地、可复制、可考核
  4. 常态部署验证：制定真实作业成功率、效率提升率等量化指标，出具验证报告，不是"领导看着不错"就算过
  5. 强化关键要素保障：标准、人才培养、股权/债权/保险全链条金融服务
  6. 凝练成熟经验：好的方案形成操作指南，各省推荐优秀方案不超过10个，各央企不超过5个

我的分析：

这份文件的第一个关键词是**"常态部署"**。之前具身智能行业的问题是：机器人表演很精彩，但表演完就搬回实验室了。两部门文件的逻辑很清楚：不能常态化部署的机器人，没有政策价值。

第二个关键词是**"作业模式"**——这个词在文件中被专门加引号强调，意味着这不只是一次性试点，而是要把机器人当成"真正的劳动力"来考核：能不能完成规定任务、效率比人高不高、出不出事故。

第三个关键词是**"万台下限"**。如果2026年底真能形成万台级部署能力，那意味着具身智能将进入真实的商业正反馈循环——更多的部署带来更多的真实场景数据，更多的数据推动算法迭代。这是具身智能"GPT时刻"之前最重要的准备阶段。

当然，挑战同样巨大。真实场景的复杂度、多样性、异常工况，远超实验室模拟。"作业模式"能不能真正落地，取决于数据闭环能不能建立起来，以及整机企业的服务能力跟不跟得上。

三、Broadcom陈福阳放话：自研芯片性能比肩英伟达，成本仅一半

原文标题：Broadcom电话会：未来两年AI收入将连续翻倍至2300亿美元
链接：https://awtmt.com/articles/3780943

博通CEO陈福阳在最新季度电话会上抛出了一颗深水炸弹：博通为谷歌和OpenAI研发的下一代定制芯片（TPU和AI加速器），在特定AI工作负载下性能足以比肩英伟达Vera Rubin，而成本仅为GPU的一半。

关键数据：

  • 博通AI相关收入未来两年将连续翻倍，从2026年的约575亿美元增长至2027年的1150亿美元，最终在2028年达到2300亿美元
  • 博通为每家大客户（谷歌、OpenAI等）定制开发的AI芯片，单次流片成本在数亿至数十亿美元之间
  • 分析师透露，每100万颗博通AI芯片的出货，大约对应30亿美元的收入

我的分析：

陈福阳的宣言值得较真。英伟达的GPU是通用芯片，在各种AI负载上都有不错的表现；博通的定制芯片是为特定客户的特定工作负载优化的，所以在特定场景下跑赢英伟达并不奇怪。

问题在于："性能比肩英伟达，成本仅一半"这个说法，是谁在什么条件下验证的？

从第一性原理出发：博通卖的是芯片+设计服务，商业模式是"帮你做出来"；英伟达卖的是完整生态，护城河是CUDA、NVLink、cuDNN这一整套软件栈。单纯比较芯片成本没有太大意义，因为英伟达芯片的软硬件协同优化带来的实际利用率，往往远超纸面性能。

但陈福阳的宣言揭示了一个不可逆的趋势：芯片定制化正在瓦解英伟达的垄断基础。当谷歌、Meta、微软都自研或定制芯片，OpenAI也加入这个行列，英伟达的CUDA护城河会被一点点侵蚀。

这对AI行业是好事：竞争会压低算力成本，让更多公司用得起AI。对英伟达是警醒：光卖硬件已经不够了，软件生态的粘性才是真正的护城河。

数据来源

  • 英伟达官方博客（9月3日）
  • 联合早报（9月4日）
  • 工业和信息化部官网（工信厅联科函〔2026〕256号）
  • 根网（gelonghui.com）政策全文
  • Broadcom季度电话会纪要

#AI #半导体 #大模型 #英伟达 #HuggingFace #具身智能