“上个季度，我们与客户就多年期供应合作展开了讨论——我们称之为"新商业模式"（NBM）。

我很高兴地告诉大家，这些讨论已取得实质性进展，目前已签署了五项多年期合作协议。

这些合作协议旨在确保客户的稳定供货，同时也为闪迪公司锁定可靠的财务收益。我们对客户的承诺得到了坚实的财务保障。

这些合作伙伴关系为闪迪公司带来了持久且结构性更高的收益，使业务更具可预测性，并显著降低了周期性波动。

我们相信，这标志着我们业务的一次根本性演进，其核心在于与客户更紧密的协同、更高的业务透明度以及长期价值的创造。

在此模式下，我们全面掌控整个产业链——从前端制造、芯片及系统级设计，到最终的后端封装与测试。”

“得益于微软云业务的持续强劲表现，本季度创下了历史新高，营收超过540亿美元，同比增长29%。我们的AI业务年度经常性收入（ARR）突破370亿美元，同比增长123%。

随着智能代理的普及并逐渐成为主导工作负载，我们正处于一场最具深远影响的平台变革的起点，这场变革将重塑整个技术栈。这将推动总潜在市场规模（TAM）的扩张，并改变整个经济体的价值创造模式。

为了把握这一机遇，我们正围绕两大优先事项采取行动。

首先，我们正在构建面向智能代理计算时代的全球领先云和AI基础设施。

其次，我们在生产力、编程和安全等核心领域构建高价值的代理系统。这两大层级相互强化，我们致力于在每个领域为客户创造竞争优势和差异化价值。”

“如果我们的芯片业务作为独立业务运营，并像其他领先芯片公司那样将今年生产的芯片出售给 AWS 及其他第三方，我们的年化营收将达到 500 亿美元。据我们所知，我们的定制芯片业务现已成为全球前三的数据中心芯片业务之一，我们达到这一成就的速度堪称非凡。而且我们正势头正盛。

关于我们的定制 AI 芯片，我们最近公布了全球两大顶尖 AI 实验室——Anthropic 和 OpenAI——对 Trainium 做出的多年期、数吉瓦级的大额采购承诺，此外，像 Uber 这样押注 Trainium 的公司也在不断增加。目前，Trainium 的收入承诺总额已超过 2250 亿美元。

我们的 Trainium2 芯片在性价比方面比同类 GPU 高出约 30%，目前已基本售罄。Trainium3 于 2026 年初开始发货，其性价比比 Trainium2 高出 30%至 40%，目前订单量已接近满额。而距离大规模上市还有约 18 个月的 Trainium4，其大部分产能也已被预订。

拥有超过 12.5 万名用户的 Amazon Bedrock 广泛部署于 Trainium 平台，其大部分推理任务均在 Trainium 上运行；此外，近 80%的《财富》100 强企业都在使用 Bedrock。

我们刚刚宣布，Meta 承诺将采用数千万个 Graviton 核心。Graviton 是我们业界领先的 CPU 芯片，它使 Meta 能够以所需的性能和效率，在当前规模下运行代理式 AI 背后的 CPU 密集型工作负载。

人们通常认为 AI 主要依赖 GPU，但代理式工作负载、实时推理、代码生成、强化学习以及多步骤任务协调的兴起，也正在推动巨大的 CPU 需求。随着 AI 系统从回答问题转向采取行动，以及训练后处理和推理规模的扩大，所需的计算能力对 CPU 提出了严峻挑战。

正因如此，Meta 选择了 Graviton——它比任何其他 x86 处理器都具备高达 40%的性能价格比优势，目前已被 EC2 前 1000 大客户中的 98%所采用。

在 AI 和 CPU 工作负载领域，没有任何一家公司的芯片组合能比拥有 Trainium 和 Graviton 的 AWS 更出色，而我们正处于 AI 发展的转折点初期，在此背景下，我们占据了得天独厚的优势地位。

虽然我们引进的 AI 芯片中数量最多的是 Trainium，但我们与英伟达（NVIDIA）仍保持着深度合作。我们对英伟达充满敬意，并继续向其订购大量产品。就我所预见的未来而言，我们将始终是合作伙伴；总会有客户希望在 AWS 上运行英伟达的产品，而我们自身也将拥有规模庞大的芯片业务。客户总是希望有选择权。这一点过去如此，将来也依然如此。”

“谷歌云的独特之处在于，我们是唯一一家在整个企业级人工智能技术栈中提供第一方解决方案的供应商。我们的营收增长，营业利润率和未完成订单量凸显了这一差异。

我们的企业级人工智能解决方案首次成为云业务的主要增长动力。第一季度，基于这些产品构建的业务收入我们的通用人工智能模型的规模同比增长了近800%。

我们正在更快地吸引新客户，新客户获取量较去年同期翻了一番。

我们正见证强劲的交易势头，1亿美元至10亿美元规模的交易数量同比翻了一番，并已签署多笔超过10亿美元的交易。

此外，我们正在深化与现有客户的关系。客户实际采购量已超过其最初的承诺，增幅达45%，较上季度增速加快。”

智能小巨人内部研发心得：开发真正适应复杂工作流的内部Agent，很像一次强化学习的过程！
未来智能体如果能够不断进化，AI原生组织的爆发力才会真正显现出来！

“如今，AI已居于几乎所有客户需求对话的核心。

希捷认为，行业正身处一场推理拐点之中：计算基础设施正从周期性训练，转变为持续生成海量数据的引擎。

领先的AI聊天机器人如今每天处理数十亿条用户提示，每条提示都在消耗并生成多模态输出，驱动数据创造的前所未有的浪潮。

代理式AI将这一趋势推向更深层次。它将零散交互转化为自主工作流，持续摄入输入、生成推理，并存储持久性输出，大幅提升数据密集度和长期存储需求。

AI还在放大现有应用的存储需求。以视频为例，大型云服务提供商正将AI融入平台，以提升用户参与度和商业价值，驱动新视频内容的生成及存储需求。

随着AI应用从数据中心走向物理世界，赋能制造系统、自动驾驶汽车和机器人，需求将进一步加速。这些物理AI部署从传感器、摄像头和遥测系统产生海量数据流。

单辆自动驾驶汽车每小时最多可产生4TB数据。其中部分数据将被用于仿真、验证和再训练，留存要求长达5至10年，以满足合规标准。”

本周末，CPU又开始成为街上令人瞩目的靓仔了～～

证监会规范董秘监管规则，董秘须专业化，不得兼任财务负责人！

“关于长期CPU需求增长的建模框架，我们关注的一个指标是CPU与GPU的比例。

如果观察训练方案，通常是7到8个GPU配1个CPU。而在推理场景中，这个比例可能降至3到4:1左右。至于代理模型和多代理模型，比例甚至可能进一步向相反方向倾斜。这是一种思考方式。

当您展望未来的增长率时，这将成为人工智能潜在市场规模（TAM）中一个重要的组成部分。

此外，还请记住，虽然数据中心显然是我们讨论的重点，但AI CPU在许多不同领域都将存在机遇——客户端领域正以更具实质性的方式向AI PC转型，还有边缘计算以及专门的物理人工智能。我认为，鉴于功耗与性能的特性，所有这些领域都能从CPU中获益良多。

因此，这些领域的增长甚至可能比数据中心领域更为迅猛。”