看懂 NVIDIA 所处的 AI 产业链：从上游的制造瓶颈、NVIDIA 的平台优势，到把算力建成「AI 工厂」所需的系统配套，再到谁在买单、需求是否健康。你会掌握沿着产业链逐环追问「钱从哪来、谁卡住谁、谁能向谁要价」的方法，并把它沉淀成一套可复用的判断框架。课程只讲不会过时的产业结构与推理方法，不推荐个股，也不预测买卖时点。
已阅读 0 / 10 · 已练习 0 / 10
先看 NVIDIA 平台背后的硬供给：先进晶圆制造、CoWoS/3D 封装和 HBM。这里决定了 AI 加速器能不能交付、毛利能不能维持，以及紧缺溢价是结构性的还是周期性的。
能判断先进代工与封装的利润来自结构壁垒还是阶段性紧缺，并知道该跟踪哪些产能与良率变量。
能判断 HBM 供应商的高利润来自产品代差、客户认证和堆叠良率，还是来自 DRAM 周期中的阶段性短缺。
NVIDIA 的核心不是单颗 GPU，而是硬件架构、软件栈和网络互联共同构成的 AI 工厂平台。这里决定它为什么能捕获超额利润，也决定竞争者从哪里切入。
能判断 NVIDIA 加速器的定价权来自性能领先、系统整合还是供给短缺，并识别路线图风险。
能判断 NVIDIA 软件生态如何转化为切换成本、部署效率和平台利润，而不是把它误读成单独的软件收入故事。
能判断 AI 集群网络的利润来自低延迟、高利用率和系统绑定，而不是单纯交换机出货量。
AI 工厂落地还需要整机制造、整柜集成、电力、液冷、光模块和数据中心工程。这里通常不是最高毛利，但决定交付速度和扩产上限。
能判断服务器集成商的机会来自交付规模和工程能力，但议价权通常弱于芯片、封装和 HBM。
能判断物理基础设施的机会来自功率密度和网络带宽升级，而不是简单的数据中心面积扩张。
下游需求决定 NVIDIA 产业链的天花板。云厂商、AI 云、主权 AI、企业和边缘场景的购买逻辑不同，不能用一个需求故事解释全部。
能判断云厂商资本开支对 NVIDIA 订单的拉动是否可持续，并识别利用率、折旧和自研 ASIC 的压力。
能判断非超大云需求的真实落地难度、预算来源和利润质量，而不是把所有 AI 叙事混在一起。
把供给瓶颈、平台护城河、整机基础设施和下游需求合成一个可复用判断框架，明确什么能结构性看强，什么只是周期性放大。
能对 NVIDIA 相关产业链给出有依据的结构性判断，并列出会改变判断的关键证据。
课程阅读完成
你仍可回到任意单元完成判断训练与综合产出