芝能智芯出品 从2025年价值200亿美元的震撼收购，到2026年GTC大会上黄仁勋揭晓谜底，英伟达正通过将 Groq 的 LPU（语言处理器单元）整合进其最新的 Vera Rubin 平台，设计完全不同架构的芯片。 GPU和 Groq 的 LPU（Language Processing Unit）之间，关于“吞吐量”与“延迟”的考虑，这是一个新的答案。 Part 1 算力的“不可能三角”： 为什么 GPU 需要 LPU 这个外挂？ 英伟达的 GPU 帝国是建立在高吞吐量（High Throughput）之上的。凭借数以千计的 ALU 单元，GPU 极其擅长在大规模并行任务中“大力出飞砖”，整个AI的突破是依靠GPU构建起来的，但这种架构设计有一个天生的短板：高延迟。 在 2025 年之前的 AI 世界，这并不是大问题。 但在 2026 年的智能体（Agentic AI）时代，情况变了： ◎ 人类与机器的交互要求令牌（Token）生成速度达到每秒数百个，才能产生丝滑的即时感。 ◎ 智能体之间的通信需要极低的响应延迟。如果两个 AI 在协作时互相等待对方“转圈圈”，整个系统的效率会呈指数级下降。 GPU 为了维持高吞吐，需要通过复杂的调度和缓存机制来掩盖延迟，这在处理单用户、串行化的解码（Decoding）阶段时显得力不从心。 简单来说，GPU 擅长一次性处理一吨货物（预填充阶段），而 LPU 则擅长以光速快递一个个小包裹（生成阶段）。英伟达单纯靠优化 GPU 架构已经无法在延迟曲线上取得质的突破。于是选择了 Groq。 LPU 这种“反其道而行之”的设计，牺牲吞吐量、通过海量片上 SRAM 实现极致延迟，来补齐了英伟达高端机架的最后一块短板。 在 Vera Rubin 架构中，LPU（语言处理器单元）的引入本质上是对 AI 推理流程的一次“硬件级拆解”，

芝能汽车出品 随着AI的风刮到各行各业，2026 年的汽车行业也不一样了。 过去十年，全球的汽车行业的聚焦点在于“动力切换”，是内燃机和电池的竞争；而今天，汽车到了增加大脑的阶段，变革的核心都压在了“智能系统”上。 但当算法卷到极致、算力堆到封顶时，工程师们猛然发现，阻碍智能进化的物理瓶颈，竟然回到了最基础的环节：材料物理。 3月23日，陶氏公司在上海陶氏中心揭幕热管理材料科学实验室汽车智能化平台，依托有机硅材料科技，聚焦高算力热管理、精密感知防护、高速电磁互联三大核心能力，协同本土伙伴研发适配智能电动汽车、自动驾驶与具身智能的材料方案，以一站式平台打通芯片至整车价值链。 Part 1 物理层面的硬约束：热、稳、连 我们把智能汽车做一个拆解分析，现在最新的研究，已经不是内燃机和电池了，创新都围绕着硬件层面的“高密度电子系统”和软件和AI算法平台，这种转变带来了三个极其棘手的物理难题，算力问题，感知持续度。 ● 算力从散热到控热 在中央计算架构下，域控制器的功耗从过去 ECU 的几瓦暴涨至数百瓦。从英伟达Orin-X 到Thor，中国自研芯片越来越多，算力也在不断膨胀，现在车载AI芯片发热量不是线性增长，而是指数级跃迁。 在汽车狭窄且密闭的物理空间内，这种热密度的聚集是破坏性的。以前的导热垫片（Thermal Pad）只要能把热传导出来就行，但现在的核心挑战是生命周期的稳定性。 汽车不是手机，设计的使用时间需要考虑10-15 年，且常年处于 -40°C 到 125°C 的剧烈温差中。如果导热材料在几千次热循环后产生微小的位移、泵出（Pump-out）或者老化干裂，芯片就会因为热聚集迅速降频。 这时候，再强的 AI 算法也会因为物理层面的“高烧”变成一堆废铁。陶氏公司提出的“Compute & Cool”是在为算力偿还物理世界的“热债”。 ●&nbs

芝能科技出品 辅助驾驶的方向，从端到端之后大家就看不明白了，到了2026年自动驾驶与机器人的路线之争被推向了高潮。 但在GTC2026 “选边站队”的辩论，我们将这场纷繁复杂的争论，拆解为三个收敛的维度：技术哲学的分歧、工程实现的瓶颈，以及终极的融合形态。 01   核心争议的细节： 预测“像素”还是预测“逻辑”？ 世界模型与 VLA 的根本分歧，在于预测目标的颗粒度。世界模型的细节，真正的世界模型不再试图生成高清的未来视频（那太费算力），而是生成 Latent Tokens，预测的是环境的“状态特征”，比如前方车辆在 0.5 秒后的横向位移概率。 模型不再直接输出动作，而是先预测“下一步世界会变成什么样”，王兴兴认为这种路径“天花板更高”，是指世界模型在训练中学**了重力、摩擦力和运动补偿。 对于辅助驾驶当车辆在雨天侧滑时，模型是基于对路面附着力的物理推演来修正轨迹。 现阶段的视频生成式世界模型算力开销巨大，很难满足辅助驾驶所需的毫秒级实时响应。 VLA 把感知（看到什么）、语义（导航指令/常识）和行动（怎么打方向）压进同一个 Transformer 框架，链路极短，数据从“摄像头”直接流向“执行器”，架构天然适配车规级系统的低延迟要求。 将方向盘转角、加速度直接转化为离散的 Token，与视觉、语言 Token 在同一个 Transformer 空间内对齐。  它的前路在于“语义对齐”，当你说“靠边停车”时，VLA 不需要经过“语音->文本->逻辑规划->控制”的长链条，而是直接在 Embedding 空间里将“停车”语义与视觉中的“路沿”特征耦合，输出 Action。 它强于“拟合”——只要见过足够多的人类驾驶数据，它就能开得像人。但它不理解物理法则，一旦进入从未见过的长尾场景（Corner Cases），泛化能力就会撞上天花板。

芝能汽车出品 摩洛哥2月新车销量为17,143辆，同比增长8.8%，虽然仍保持正增长，但明显低于此前双位数水平。其中乘用车14,825辆（+9.8%），轻型商用车2,318辆（+2.9%）。前两个月累计销量达到37,564辆，同比增长22.1%。 01 中国车企：全面铺开 中国品牌在摩洛哥的渗透更快、更分散，呈现出“多点开花”的特征： ◎ 比亚迪：321辆（2.2%），同比+33.8%，稳步扩张  ◎ 吉利：202辆（1.4%），同比+92.4%，增长迅猛  ◎ 名爵：165辆（1.1%），同比+21.3%，保持稳定  ◎ 奇瑞：150辆（1.0%），同比+328.6%，爆发式增长  ◎ 长城：127辆（0.9%），同比+86.8%  ◎ 深蓝：128辆（0.9%），新进入即具规模  02 品牌格局：法系主导，结构分化明显 2月TOP10品牌依次为： ◎ 达契亚（3,267辆，22.0%） ◎ 雷诺（2,538辆，17.1%） ◎ 标致（940辆，6.3%） ◎ 现代（871辆，5.9%） ◎ 大众（871辆，5.9%） ◎ 雪铁龙（708辆，4.8%） ◎ 欧宝（469辆，3.2%） ◎ 起亚（411辆，2.8%） ◎ 斯柯达（401辆，2.7%） ◎ 奥迪（374辆，2.5%） 摩洛哥市场呈现出典型的“法系统治”格局：达契亚+雷诺合计接近40%份额，构建起牢固基本盘。 不过结构内部出现分化： ◎ 雷诺同比增长14.3%，持续向龙头靠近；  ◎ 标致同比下滑3.7%，表现略显疲软；  ◎ 现代大幅下滑28.

芝能智芯出品 英伟达从Ai 服务器GPU公司开始做起了CPU。 过去CPU更多像“搭配GPU用的配角”。现在不一样了。随着 AI 服务器越堆越大，GPU 之外的那一半算力CPU，开始变成瓶颈。 英伟达这条路其实走了很久。从早年的 Denver，到后来一代代 Tegra，再到数据中心的 Grace，英伟达一直没放弃。Vera 就是在这个背景下出现的，从Grace 之后，英伟达自己认真做一颗真正CPU。 Part 1 Vera 转折， 从“能用”到“必须自己做” 英伟达Grace 做得不差，甚至可以说超预期。很多数据中心已经在用它，尤其是在和 GPU 打包销售的场景里。Grace 核心不是英伟达自己设计的，而是基于 Arm 的 Neoverse V2。 换句话说，这套能力不是独家的。别人也能用。这在早期没什么问题，反而更稳。但一旦你想往上走，就会卡住。 英伟达这次的选择很干脆：不再用现成核心，自己做深度定义。 Vera 里的 CPU 核心叫 Olympus，基于 Arm v9.2 指令集，但架构完全自研，重新设计 CPU 内核。这么做风险不小。CPU 不是 GPU，验证周期长、bug 成本高。 但好处也很明确： ◎ 第一，性能可以按自己的需求来定。现在的数据中心，很多任务其实很“别扭”：GPU 负责并行算力，但大量调度、数据整理、长尾任务还是要靠 CPU。这部分如果跟不上，GPU 再强也会被拖住。 ◎ 第二，成本结构会变。用 Arm 现成核心，需要付更高的授权费用；自己设计，只用指令集授权，成本会低一截。像 Apple、Qualcomm 早就走的是这条路。 ◎ 第三，更关键的一点：差异化。整套系统（CPU+GPU+网络+软件），CPU如果是通用的，总是有一些不够极限。如果是自研核心，就可以把“系统能力”绑在一起卖。 说白了，Grace 是已经走了很

芝能汽车出品 2月希腊汽车市场整体保持稳定，本月销量约1万辆，同比增长2.0%，市场结构依然以经济型与小型车为主，尤其是法系品牌出现强势反弹。 01 中国车企：份额提升，但分化明显 中国品牌在希腊市场开始形成一定规模，整体份额已达8.4%，但内部差异较大： ◎ 比亚迪：308辆，同比+26.2%，表现最稳 ◎ 奇瑞：209辆，新进入即进入主流梯队 ◎ 名爵：192辆，同比-42.7%，出现明显回调 ◎ 极氪、小鹏、蔚来：刚起步，仍处导入期 中国品牌认知不均衡，产品结构尚未完全匹配本地市场（以小车为主） 02 品牌格局：日系稳、法系强势反弹 TOP10品牌中： ◎ 丰田以1,468辆、14.7%份额继续领跑，但同比有所下滑（-3.7%）。 ◎ 最大变化来自雪铁龙，同比大涨84.8%，以837辆跃居第二，成为本月最大黑马。 ◎ 标致、欧宝紧随其后，分别为779辆和726辆。 ◎ 宝马（566辆）、铃木（564辆）表现稳定， ◎ 达契亚、雷诺维持中游位置。 ◎ 现代和大众则相对承压，进入榜单后段。 希腊市场呈现出“三个特点”： ◎ 丰田依然是最稳基本盘； ◎ 法系品牌集体走强； ◎ 德系、大众系存在一定压力。 03 车型结构 车型榜单进一步印证希腊市场的消费特征——以小型车为绝对主力： ◎ 雪铁龙C3以601辆、+50.3%连续两月夺冠 ◎ 欧宝Corsa（422辆）、丰田Yaris Cross（416辆）紧随其后 ◎ 雷诺Clio、丰田Yaris、达契亚Sandero等经典小车持续热销 TOP10几乎全部为小型车或小型SUV，说明价格敏感型需求仍是市场核心。 小结 南欧市场以希腊来看，市场仍以经济型小车为主，在小型电动车

芝能科技出品 不管是汽车零部件还是硬科技行业，判断一个赛道是否真正成熟，标准是看龙头企业靠卖产品真正赚到钱的公司何时能站稳。 激光雷达随着辅助驾驶和自动驾驶浪潮涌现10年以后，一度被贴上“昂贵、低良率、赔本赚吆喝”标签的行业来说，2025年就是那个分界点。 禾赛交出的这份年报，营收30.3亿元，同比增长45.8%，实现了全年GAAP（通用会计准则）净利润4.36亿元。 激光雷达行这门生意能跑通，还能盈利。以至于现在，大家不会去讨论纯视觉和激光雷达谁才是未来了。 01   规模效应的临界点： 从摆样子到安全件 激光雷达行业过去几年的逻辑一直是“以价换量”，但2025年禾赛的162万台出货量，整个汽车使用的激光雷达在扩展。主要的特点是车端激光雷达市场的“安全防线”化和机器人激光雷达市场的“反向输出”。 对于消费者认知来说，激光雷达是牛角，改变了车辆的造型，也象征着智驾能力。但现在，它的角色正在向“安全气囊”靠拢，价位段也在下沉进入10万级市场。 随着L2+向L3级别的实质性跨越，单车搭载量从1颗（10万）增加到3-6颗（30万级）。 禾赛拿下的40%市场份额，当激光雷达价格下探到千元级，就不再是车企为了省钱可以随手砍掉的“选配”，而是为了通过安全测试、提升产品竞争力的“标配”。 更有意思的变化在汽车之外。2025年，禾赛在机器人领域的出货量翻了4倍，汽车工业巨大的规模效应，把激光雷达的成本硬生生砸了下来，这让原本用不起高端传感器的割草机器人、无人配送车捡了便宜。 那个“1000万颗割草机器人雷达”的订单，本质上是汽车工业对消费电子的一次技术溢出。 02  盈利的秘密： 降本不是靠“省” 很多人会问：为什么偏偏是禾赛先赚钱？在大家都打价格战的时候，它是怎么守住41%的毛利率并实现盈利的？我的理解主要是垂直整合的芯片化和制造规模能力带来的交付能力。 激

芝能汽车出品 2025年的采埃孚（ZF）似乎正处于“至暗时刻”，销售额缩水至388亿欧元，净亏损额更是扩大一倍，达到了惊人的21亿欧元。 采埃孚正在进行一场“刮骨疗毒”式的大手术。2025年，是它近十年来最痛的一年，到底有没有可能成为最有希望的转折点呢？ Part 1 刀刀，切掉了“虚假的繁荣” 从财务表现来看，采埃孚的经营质量确实在改善。 2025年公司实现销售额388亿欧元，同比下降6%。调整后息税前利润率从3.5%提升到4.5%，自由现金流从2024年的3亿欧元跃升至14亿欧元，远超预期目标，在“赚钱能力”和“现金回收能力”上，都出现了明显改善。 我们来看看净亏损的核心，虽然扩大到了21亿欧元，但确实是采埃孚在2025年主动承认过去的错误，并集中清理。 2025年21亿欧元的巨额亏损，为了重组电驱传动（E部门），采埃孚一口气计提了约16亿欧元的一次性费用，下定决心终止了一系列看似光鲜、实则持续“失血”的非盈利电动化项目。 过去几年为了迎合客户和投资者的期望，全球汽车供应链被推着盲目追求全面电动化，采埃孚也不例外，从电驱系统到车载充电器、DC/DC转换器，再到各类电动桥产品，布局广泛而激进，背负着沉重的研发包袱。 电动化市场的竞争强度远高于预期，尤其是在中国市场，价格战已经将大量标准化部件的利润压到极低水平。 CEO米德莱希上台后极其务实，既然欧美电动化转型放缓，根据客户的战略调整，也在直接终止一批长期亏损、且看不到规模效应的项目。那就收缩战线，保住利润丰厚的混动变速箱和底盘基本盘。  将优质的ADAS业务作价15亿欧元卖给哈曼，更是一次冷静的资产腾挪。这笔钱，是给超过百亿欧元的债务减压的“救命钱”。 是选择继续在低毛利甚至负毛利业务上消耗资源，还是砍砍砍，卖卖卖为未来释放了空间，是不是有无奈的成分不好说，但是这个很清楚选择了一整套“瘦身”动作：剥离

芝能汽车出品 2026年2月葡萄牙汽车市场新车销量达到20,541辆，同比增长5.5%，前两个月累计增长约10%。 需求并未爆发，但在利率趋稳、电动车渗透提升的背景下，市场逐步回暖。 01 中国车企：表现不错 中国品牌在欧洲仍处早期，但增速非常突出： ◎ MG：866辆，同比+187.7%，份额4.2%，已进入主流阵营  ◎ 比亚迪：467辆，同比+32.7%，稳定扩张  ◎ 小鹏：119辆，同比+98.3%，高端智能路线验证  ◎ 零跑、欧萌达（Omoda）、捷酷（Jaecoo）等开始进入市场  ◎ 东风、深蓝等也实现小规模突破  MG打规模，比亚迪走技术+品牌，小鹏冲高端智能，其它品牌试水渠道。 02 品牌格局 2月传统品牌强势稳固，新势力加速渗透，TOP10品牌依次为： ◎ 标致（2,425辆，11.8%） ◎ 奔驰（1,453辆） ◎ 宝马（1,295辆） ◎ 欧宝（1,282辆） ◎ 日产（1,189辆） ◎ 雪铁龙（1,167辆） ◎ 特斯拉（1,160辆） ◎ 大众（1,131辆） ◎ 雷诺（1,056辆） ◎ 丰田（947辆）。 ◎ 特斯拉同比暴涨112.1%，成为增长最快的主流品牌之一；  ◎ 欧宝、雪铁龙等“性价比品牌”恢复明显；  ◎ 雷诺、丰田则出现不同程度下滑。  03 车型结构 2月车型TOP10如下： ◎ 标致2008（1,052辆，+39.9%） ◎ 特斯拉Model 3（845辆，+104.6%）  ◎ 欧宝Corsa（670辆）  ◎

芝能科技出品 第一次看到 TeraFab 的时候，一定会觉得这是一个“熟悉的马斯克项目”：规模巨大、目标离谱、时间线激进。 这件事也的确是马斯克能干得出来的：既然半导体和算力是现实的约束，那特斯拉就自己造芯片。 过去几年，AI 算力的增长速度，早不再是“需求拉动供给”，而是反过来——供给成为天花板。 无论是台积电还是三星电子，它们的问题都卡在：产能爬坡的节奏，远慢于 AI 需求的爆发速度。对一家只做模型的公司来说，这是价格问题；但对特斯拉来说，这是生死问题。 对于特斯拉来说，给汽车设计制造芯片已经成了练手，可以更熟练地进行机器人的规模化部署。 一旦把“10 亿台 Optimus”当作一个真实假设，那么特斯拉面对的不是车规芯片供应，而是一个接近“全球算力再分配”的问题。TeraFab，本质上是这个问题的答案之一。 01 特斯拉被算力需求 逼到“自己造矿” 马斯克说：“要么建 TeraFab，要么没有芯片。”这句话听起来像夸张，但是一个典型的供需错配问题。 目前全球新增 AI 算力规模，大致在数百亿瓦量级，而特斯拉内部给出的路线图，仅人形机器人一项，就对应 100GW 级别的算力需求。如果再叠加自动驾驶训练、Dojo 集群，以及未来的分布式推理网络，这个需求会迅速逼近太瓦级。 换句话说，特斯拉一家公司的长期算力需求，理论上可以吞掉全球新增算力供给的大头。 这就带来一个关键变化：芯片不再是“采购的零部件”，而是“决定业务上限的生产资料”。 过去十年，半导体行业的分工逻辑是极致清晰的——设计归设计，制造归制造，IDM 模式逐步被削弱。但 AI 把这件事反过来了。因为当需求端的增长速度远超供给端，最有动力打破分工的，一定是需求方。 特斯拉已经走在这条路径上：从早期的自动驾驶芯片（AI3/AI4），到正在推进的 AI5，再到规划中的 AI6、AI7，本质上是一步步从“定制 SoC”走向

芝能智芯出品 过去几年，边缘AI一直处于"能做但不好用"的阶段，离真正规模化落地还有一定的距离。 德州仪器 (TI)最近推出两款具有边缘人工智能 (Edge AI) 功能的新型微控制器 (MCU) 系列，在2026 年国际嵌入式展上，展示技术的应用，通过边缘 AI 提升性能，以及如何在工厂、楼宇和汽车等场景的边缘端部署 AI 功能。 做MCU处理器都要找到自己的路，德州仪器把NPU塞进低成本MCU之后，是从MCU的算力升级的逻辑去思考。 在很多的应用领域里，算力需求是逐步释放的，AI不再需要依附高性能SoC，把NPU塞入MCU之后可以成为嵌入式系统本身具备的基础能力。 01 AI从"云端"回到"设备" AI发展的主线是算力不断往中心集中。训练也好，推理也罢，大多数AI能力都跑在云上。 这套模式在互联网产品里很高效，但到了物理设备领域，一直有明显的不适配——延迟没保证、功耗下不来、数据出不了端，网络一断功能直接归零。 所以这两年行业逐渐形成一个判断：AI需要往边缘迁，计算要靠近数据。 但问题是，边缘设备本身没准备好。 典型的嵌入式系统尤其是MCU，资源极度有限：几十MHz主频、KB级内存，对功耗敏感到了极点。这类芯片可以做好控制和信号处理，但要跑神经网络推理，勉为其难。 所谓的"边缘AI"过去更多依赖高性能SoC，不是MCU。但SoC一上，成本、功耗、复杂度又回到原点，根本沉不下去。边缘AI的核心矛盾从来不是"有没有模型"，而是：有没有一种足够轻量、足够便宜、还能跑AI的计算架构。 02 把NPU塞进MCU：一条更务实的路 德州仪器这次的方案，说起来并不复杂，但很工程化：既然MCU直接跑AI有难度，就不让它硬跑，给它一个专门负责AI的单元。这就是TinyEngine™ NPU。 架构上，这是一种很清晰的分工：MCU内核继续管控

芝能汽车出品 长沙的**春季产品场发布会，有非常多的车，在有限的时间里面展示一款车，让大家都感受到了“**变多了”。 当尚界、智界、问界、享界，再加上铺开的“三境”系列齐刷刷排开，横跨20万到50万的所有细分市场时，承载**技术、**产品打造理念和宣传方式。 越来越多的车具有“含华量”，这个中国车圈的硬通货，是否支撑溢价的稀缺标签，在2026年技术在疯狂复制，但品牌的辨识度随着车型变多有一些不清晰了。 Part 1 规模化的代价： **技术从“卖点”降级为“门槛” 如果技术是为了服务规模，那么规模最终一定会消解技术的稀缺性。 这次发布会的车型密度极高，但如果你剥开壳子看核心：干昆智驾、896线激光雷达、鸿蒙座舱，**全家桶几乎成了流水线上的标准件。 在问界M5、M7刚出来的年代，**技术代表的是“代差级的智能体验”； 而现在，当不同品牌、不同价位的车共用同一套完整的技术时，用户对**的感知变得弱，当很多车企和**合作提供相似的产品，大家开始困惑“这几台**车到底有什么区别”。 对于空间、传统特质决策权的回流，搭载**座舱和辅助驾驶的产品里，这两项核心能力被拉齐，消费者的决策逻辑会发生一次“反祖”。  既然自动泊车、城市NOA，都差不多，那么决定成交的因素就会重新回到底盘稳不稳、空间大不大、内饰精不精致这些传统维度上。 这对**来说是成功的（技术普及了），但对合作车企来说是压力倍增，必须在**提供的底色之上，证明自己作为一个“汽车品牌”的独立价值。 Part 2 硬件的“回马枪”： 激光雷达为什么重新变重了？ 2026年，由于新国标的压力，行业对“纯视觉”的狂热正在降温，因为有一些极端苛刻的实验，你没有激光雷达根本过不了。**选择在这个节点加码硬件，是在解决“智驾的下限和上限”问题。 这次所有的产品更新，除了颜色之外，重点推的896线双光路激光雷

芝能汽车出品 2026年2月，德国新车销量达到21.13万辆，同比增长3.8%，前两月累计仍同比下滑1.4%。 结构上看，电动化继续加速——纯电动车当月销量4.63万辆，同比增长28.7%，渗透率提升至21.9%（去年同期17.7%）。 01 中国车企：低基数爆发 中国品牌在德国市场依然处于“破局阶段”，但增长极为迅猛： ◎ 比亚迪：3053辆，同比+1550%，排名第20 ◎ 名爵（MG）：2160辆，同比+23.2%，第25 ◎ 零跑：1091辆，同比+486.6%，第27 ◎ 小鹏：331辆，同比+104.3%，第34 中国品牌增速极高但基数仍小，整体份额不足5%；产品结构以纯电为主，直接受益于德国电动化提升。比亚迪已经在单月销量上超过特斯拉（2276辆）。 02 TOP10品牌 从品牌格局看，头部依然稳定，但内部结构变化明显。 TOP10品牌依次为： ◎ 大众（40174辆，19.0%） ◎ 斯柯达（19034辆，9.0%） ◎ 宝马（17134辆，8.1%） ◎ 奔驰（16931辆，8.0%） ◎ 奥迪（15519辆，7.3%） ◎ 欧宝（11038辆，5.2%） ◎ 西雅特（7653辆，3.6%） ◎ 福特（7574辆，3.6%） ◎ 现代（7200辆，3.4%） ◎ 菲亚特（5993辆，2.8%） ◎ 大众集团依然占据绝对主导，但内部表现分化明显：斯柯达同比大涨26.5%，成为最大亮点；而大众品牌自身却同比下滑2.1%。 ◎ 德系豪华三强中，宝马基本持平，而奔驰（-9.9%）和奥迪（-2.3%）均跑输市场，显示高端需求承压。 ◎ 反而是欧宝（+44.4%）和菲亚特（+113.2%）等性价比品牌

芝能智芯出品 美国这几年一直在喊一件事：制造业回流。 芯片是最关键的一环。钱已经砸下去了：芯片法案几百亿美元的补贴，几座在建的晶圆厂，政策也写得很清楚。 但到今天为止，美国本土真正能打的先进制程产能，好像除了台积电慢慢做起来，能打的并不多。 问题出在哪？像是一个很微妙的生态环境，芯片制造工厂运转需要的支持体系不够。 芯片制造体系是这样：同样的光刻机在不同公司手里，产出结果差距很大——在亚洲能稳定量产，但是在美国的良率和效率一直并不高，你很难再把问题归结为技术。 这时候，一个不太“半导体”的名字开始被反复提起——埃隆·马斯克。 马斯克宣布启动代号TERAFAB的超大规模芯片制造计划，年产能目标定为1太瓦（TW）算力芯片——约为当前全球芯片年产能的50倍，其中约80%产能将直接服务于太空任务。 项目由特斯拉、SpaceX与xAI三家公司联合主导，选址德克萨斯州奥斯汀，是迄今人类历史上规模最大的公开制造业计划。 全球当前芯片年产能约20吉瓦（GW），仅为其目标需求的约2%；现有供应商——包括台积电与美光科技——已无法满足特斯拉在机器人、自动驾驶与AI领域的需求增速。 "要么建TERAFAB，要么就没有芯片，"马斯克说。他计划率先在奥斯汀Giga Texas厂区附近建设一座先进工厂，将逻辑芯片、内存芯片与先进封装整合于同一设施，并配备光刻掩膜版制造设备，形成设计、生产、测试的全链路闭环。 TERAFAB是特斯拉、SpaceX与xAI三家公司首次以联合主体形式宣布的统一战略项目，发布时机恰在SpaceX计划今年夏季大规模IPO之前。 Part 1 英特尔的问题，不在技术 很多人愿意把美国半导体的困境解释成“被台积电技术碾压”。这说法听起来合理，也安全。 但细看英特尔这几年，你会发现事情没这么简单。先进制程一再延期，产品节奏混乱，资本开支和回购规模几乎对等。2024年亏了近190亿美元

芝能汽车出品 油价飙涨，换购新能源汽车又成了很多油车车主的热门话题。 坚持到现在还在用油车的，基本上是对新能源汽车始终存有疑虑。 而且最近，“8年是二手新能源车斩杀线”这个话题突然爆了。这是一个情绪很重的结论：车开到第八年，卖不掉、修不起、没人收，像被市场直接判了“死刑”。 把视角从二手车市场往后推一步，能看到这个所谓的“斩杀线”，是技术体系与商业体系错位的集中爆发。“电池—质保—残值—流通机制”这一整套系统，在第八年同时失效了。 消费者该怎么办？ Part 1 所谓“斩杀线”， 核心是电池责任的断点 很多人会以为，8年是一个技术极限，但其实它首先是一个制度边界。 在现行规则下，动力电池普遍执行“8年或12万公里”的质保周期，这个数字并不是随意设定的，是过往车企根据产品设计的情况和推演的数据估算的，然后慢慢形成了车企采用的策略。 当然从2015年-2020年，基于主流三元锂与磷酸铁锂体系在工程上的可靠寿命区间，这个质保时间是成立的。 问题在于，这个周期一旦结束，责任主体就发生了变化：从车企，转移到车主。 这件事在一手车市场几乎不可见，因为绝大多数用户在质保期内就完成了换车，但一旦进入二手市场，这个“责任转移”会被无限放大。 车商不愿意收8年以上的车，并不是因为它一定坏，而是因为它一旦坏了，没有人兜底。 还有一个现实的问题：电池状态并不像发动机那样可以被简单判断。 传统燃油车的残值评估，本质是围绕机械磨损建立的一套经验体系，而动力电池则是一个高度复杂的电化学系统，其衰减路径受温度、充放电策略、使用习惯等多因素影响，同样是8年车龄，有的电池还能保持80%以上健康度，有的却已经跌到70%以下。这种不确定性，使得“评估”本身变成了一种风险。 当风险无法定价时，市场的选择要么是拒绝交易，要么是尽量压低价格来减少风险损失。 Part 2 真正的问题， 不是衰减，而是

芝能科技出品 宇树要上市了。3月20日，上海证券交易所正式受理宇树科技的科创板申请。 这是“预先审阅机制”下的第二单项目，也被不少人当作一个信号：人形机器人这条线，开始进入资本市场的主舞台。 故事本身不复杂。一家做四足机器人的公司，用七年时间做到全球第一；然后在两年前转向人形机器人，又用两年时间，把出货量做到全球第一。春晚、翻跟头、武术表演，这家公司从实验室走到了大众视野。 如果只看这些节点，路径几乎完美。这家公司现在很强，但它到底强在哪？更关键的——它接下来要靠什么继续往前走？ 01 卖了5500台， 但真正的客户是谁 先看最直观的一组数据：5500台。这是宇树2025年的人形机器人出货量，全球第一。听起来很像一个拐点。 但把收入结构拆开，会有一点落差。科研教育，占73.6%；商业消费，占17.4%；行业应用，占9%。 再往里看，“行业应用”这一项里，有一半以上是展厅导览。也就是说，这5500台机器人大部分在哪里？实验室、展厅、学校、比赛现场，还有舞台。 真正进入生产线、替代人类劳动的比例，很低。这件事不算坏消息，但需要说清楚，人形机器人还没有形成稳定需求。行业现在的状态，更接近“展示能力”，而不是“交付价值”。 你可以把今天的人形机器人，类比到十几年前的自动驾驶，可以跑，可以演示，也能在特定场景工作，但离大规模商业化还有一段距离。问题不在宇树，而在整个行业。 但这也揭示出一个风险：出货量的领先，并不等于商业模式的成立。 02 42亿募资， 85%投向“还没跑通的方向” 第二组数字，是钱。宇树这次IPO，计划募资42亿元。其中大约85%投向研发，接近一半给了“模型”。它把未来押在“机器人会变聪明”这件事上。 如果只看毛利率，这个选择甚至有点反常。一家毛利率接近60%、已经做到出货量第一的公司，理论上可以把钱更多投向产能、渠道，或者直接扩大市场。 但宇树没有这么做。它反过来

芝能汽车出品 这几天有个很具体的变化，随着油价上涨，加油站开始排队了，而且不是那种顺路加一下，是专门绕过去把油箱加满。很多人说是“提前囤一箱”，其实心里很清楚，这不是最后一次涨。 92号接近9元，95号往10元走，这个价格本身倒不是第一次见，但这次的感觉不太一样。过去油价涨，大家会抱怨两句，然后照样开车；现在很多人开始算账，一年油钱到底要花多少，这车还要不要继续开。 粗略估算一下，一辆普通家用车，一年多花三四千块油费，其实不算小数。问题也不只是钱，而是这种不确定感：你不知道它什么时候会再涨一轮。 这才是关键。油价变得不稳定，才开始真正影响汽车行业。 Part 1 油价上涨，先动的是车企的账， 而不是车主的情绪 很多讨论都停留在消费者层面，比如“加满一箱油贵了多少”。但如果把视角往上一点，会发现最先感到压力的，其实是整车厂。 原因很简单：石油价格会影响车企的整体成本。 ◎ 油价一涨，首先动的是一整条成本链。原油价格上去之后，橡胶、塑料这些材料跟着涨，轮胎、内饰、线束这些零部件成本都会被带上去。这些变化看起来不大，但叠加在一辆车上，影响就很直接了。 ◎ 更麻烦的是运输。现在整车出海本来就依赖海运，油价上涨，运费和保险一起涨。如果再碰上中东局势不稳定，航线绕行，这些成本很难不落在车企头上。 问题在于，车价并不能随便涨。现在市场竞争太激烈，价格基本是被“锁死”的。你成本涨了，但终端价格不敢动，结果只能自己消化。利润被压缩，是必然的。 所以很多人会看到一个现象：油价上涨，不一定马上影响销量，但会先影响车企的利润表。 而当利润开始吃紧的时候，企业不会只做一件事，削成本。 从现在的产品策略来看，2026年插电混动的需求可能会更多一些。燃油车在购置税退坡带来的售价优势会被抵消掉。 Part 2 谁更难受， 其实已经分出来了 油价上涨不会平均打击所有车

芝能汽车出品 2026年2月，北欧五国汽车市场呈现出明显的“电动化”与“结构性调整”特征。五国总销量约为4.4万辆，整体同比微跌5.2%。 在这片全球最超前的电动市场，中国品牌销量为1,756辆。 Part 1 五国对比一览： 挪威的“纯电奇迹” ● 挪威： 纯电动汽车（EV）渗透率达到惊人的98%，持续领跑全球。 ● 市场规模： 瑞典依然是北欧最大的市场（1.93万辆），其次是丹麦（1.19万辆）。 ● 中国力量： 15个中国品牌在五国合计销售1,756辆。 领跑品牌： 名爵（888辆）与小鹏（815辆）表现最强，其次是比亚迪（513辆）、极氪（369辆）及新势力深蓝（271辆）。 Part 2 核心数据观察 ● 瑞典（销量19,341辆）： 市场相对平稳。沃尔沃作为本土之王，占据19.2%的份额。 ● 挪威（销量7,272辆）： 市场下滑18.7%，但特斯拉逆势增长，稳坐头把交椅。 ● 丹麦（销量11,933辆）： 丰田爆发，旗下纯电车型bZ4X成为当地最受欢迎的单品。 ● 芬兰（销量4,820辆）： 丰田份额最大，但特斯拉Model Y拿下了单一车型销量冠军。 ● 冰岛（销量815辆）： 市场规模最小但增速最快（+25%），达契亚成为最大赢家。 瑞典市场：沃尔沃主场统治力瑞典市场2月销售1.93万辆。最震撼的表现是沃尔沃时隔3年首次包揽车型领奖台前三名： ◎ 前三杰： 沃尔沃 EX/XC40、XC60 以及全新的 EX30。 ◎ 中国品牌动态： 比亚迪增长80.6%，极氪和领克也实现了高速增长，零跑本月实现零的突破。 挪威市场：特斯拉回归与小鹏突围 虽然挪威市场

芝能科技出品 NVIDIA GTC 2026 上，英伟达和吉利深度合作，很容易被理解成一次常规操作：车企提供场景，芯片公司提供算力，双方各取所需。 过去几年的“智能化”是在一台汽车上不断打补丁。语音助手是一个补丁，辅助驾驶是另一个补丁，可以同时存在，但彼此之间并不真正理解对方，车上有很多AI，但车本身，并不是一个AI系统。 吉利联合阶跃星辰、千里科技，推出基于WAM世界行为模型的超级智能体Eva，搭配千里浩瀚G-ASD 4.0智驾系统，实现座舱、智驾、数字生态三位一体。 01 从“打补丁”到“换大脑”： 全域 AI 到底在全什么？ 汽车行业对智能化的路径依赖很强：先搞座舱，再搞智驾。 结果导致现在的智能车更像是一个“器官捐献者拼接出来的怪兽”：视觉是视觉，听觉是听觉，彼此之间甚至不共用一套底层逻辑。 吉利提出“全域 AI 2.0”是对这种路径的倒戈，最核心的中枢，叫 WAM（World Action Model，世界行为模型）。很多人把它误解成那种只会对话的大语言模型，但 WAM 实际上更像是一个“整车操作系统的大脑”。 它分三层： ◎ 上层： 负责多模态理解，也就是听懂、看懂你的真实意图； ◎ 中层： 负责任务规划，决定怎么拆解这个意图； ◎ 下层： 直接下达指令给底盘、电控和执行器。 最关键的一点是，WAM 引入了“预演—判断—修正”的闭环。 传统的规则驱动系统是“死板执行”，前方有障碍物就刹车，而 WAM 是在执行动作之前，先在虚拟世界里疯狂“推演”几百遍。 它会预判如果我左转，侧方的车流会如何反应；如果我加速，后方的空位是否安全。 这种从“按章办事”到“先推演后执行”的跨越，就是自动化和智能的分水岭。 这套复杂的推演极其吃算力。英伟达给的不是几颗 Thor 芯片，而是一整套生产工具。 从 DRIVE Thor 的车端执行，到 Cosmo

芝能智芯出品 机器人圈子芯片现在正紧锣密鼓的跑马圈地，尤其希望和英伟达的合作，看看如何围绕英伟达的方案把自家的芯片完善进去。 最近恩智浦（NXP）和英伟达凑成组合。2026年3月16日双方官宣联合推出面向物理AI/人形机器人的解决方案。 英伟达负责AI大脑（感知、决策、算力）；恩智浦负责可靠身体（实时控制、通信、安全）。将英伟达 Holoscan Sensor Bridge 与恩智浦 i.MX 93W/95 等SoC深度整合。解决机器人“大脑—身体”的低延迟、高可靠通信问题。相关方案预计2026年上半年推出。 过去两年，所有行业都在谈“具身智能”和“大模型上车”，当这股热潮落地到工厂、医院甚至家庭场景时，很快就发现瓶颈不在模型聪明不聪明，也不完全在算力够不够。 大脑（AI 模型）发出的指令，怎么才能不出差错、不打折扣地传导给身体（执行器）？这次恩智浦和英伟达联合推出的机器人方案，是在解决这个“脑干”断裂的问题。 Part 1 为什么懂机器人的公司， 是做汽车芯片的？ 在机器人这个赛道上，恩智浦以往并不算是一个“显眼包”。 如果按舆论热度和发布会频率排，它肯定不在第一梯队。但如果按“对复杂实时系统的理解力”来排，它可能是最接近标准答案的那类公司。 人形机器人，本质上就是一台长了四肢、复杂度放大了一倍的智能汽车。 汽车是一个极其硬核的分布式实时系统：上百个 ECU 节点、密布的雷达和摄像头、严苛到近乎变态的功能安全标准（ISO 26262），以及必须分秒不差的硬实时通信（CAN/TSN）。 当你把这套逻辑平移到机器人身上，你会发现两者高度重合。机器人不是“长了腿的手机”，它对延迟的容忍度极低。 手机死机了可以重启，但机器人如果在大脑计算和手臂动作之间卡顿了半秒，那可能就是一场物理级别的碰撞事故。 恩智浦之所以能在这个点上切进来，是因为它手里握着三张汽车行业的“老牌”： ◎&nb