黃仁勳嘅 Rubin 革命：由 Denny's waiter 到 AI 帝王嘅 32 年

圖片來源：Quartr — 黃仁勳從Denny's waiter到NVIDIA創辦人嘅32年旅程

要理解Rubin架構嘅戰略意義，先要理解呢個一手搭建NVIDIA嘅男人。1963年2月17日，黃仁勳喺台灣台南出生，家族背景平凡——父親係化工工程師，母親係小學教師。9歲嗰年，因為泰國曼谷社會動盪（當時佢父親正喺泰國一間空調公司受訓），父母將佢同哥哥送到美國華盛頓州Tacoma一位叔父屋企。叔父錯將Oneida Baptist Institute（一間肯塔基州嘅基督教感化院）當成「名牌寄宿學校」報咗佢哋讀——其實嗰度專門係收叛逆少年嘅地方。為咗供呢間「學校」嘅學費，黃仁勳父母幾乎賣晒屋企所有財產，母親甚至兼多份工。

喺感化院嘅兩年，係黃仁勳人生最艱難嘅時期。佢後來講：「嗰度大多數學生都係被家人送嚟改造嘅，有啲有毒品問題、有啲有暴力前科。我係少數幾個真正為咗讀書而嚟嘅學生，但每日都要面對恐嚇、欺凌、甚至打架。我學識嘅第一件事，係如何保護自己；第二件事，係如何幫助其他人。」嗰段經歷塑造咗佢之後終身嘅工作哲學——「唔好怕辛苦，唔好怕屈辱」。

搬去Oregon同家人團聚後，佢一邊讀高中、一邊喺Denny's做busboy同waiter。每晚放學後工作5-6個鐘，零用錢、書費、新衫費都要自己掙。Denny's嘅經驗改變佢好多——多年後佢多次喺訪問講：「Denny's教識我三件事——responsibility、hard work、humility。我學識咗點樣喺壓力下工作。最繁忙嘅周六晚上，一個waiter要同時照顧10張枱、記住30個order、處理投訴同結帳。壓力愈大，我心跳愈慢。」

佢後來考入Oregon State University讀電機工程——呢間學校唔係名校，但佢好努力讀書同做research。畢業後加入AMD做晶片設計engineer，年薪$35,000。幾年後轉職LSI Logic，再去Stanford夜校讀電機碩士。佢喺Stanford嘅時候已經係「兼職學生」——白天上班，夜晚去學校。

真正令佢走上創業之路嘅係1992年年底：佢同Sun Microsystems嘅兩個資深工程師Chris Malachowsky（曾經係Sun Microsystems graphics hardware嘅首席工程師之一）同Curtis Priem（Sun Microsystems GX graphics chip嘅主設計師）頻頻相約喺Denny's傾偈——呢間餐廳係San Jose東區Berryessa Road嘅一間普通24小時美式餐廳。三個人嘅共同想法係：PC gaming需要一種專用嘅3D graphics chip。當時PC上嘅3D graphics仲係軟件渲染，慢而且醜。

NVIDIA正式喺1993年4月成立，初期資金$4萬美金——三個founder各自墊$1.3萬。公司最初喺San Jose一個細office運作，只有5-6個人。黃仁勳做CEO，當時佢30歲。首個產品NV1走嘅係quadrilateral-based graphics（四邊形圖像處理）路線，同Sega合作為SEGA Saturn主機提供graphics chip。呢個產品本身有創意，但喺商業上徹底失敗——Microsoft喺1996年標準化咗triangle-based Direct3D（三角形圖像處理），NVIDIA嘅NV1變成一個無人問津嘅孤兒產品。Sega亦放棄咗同NVIDIA嘅第二代NV2合約。

NVIDIA嘅「死亡一刻」係1996年春天。公司現金流只夠運作30日——黃仁勳親口確認嘅數字。呢個係每一個創業者最恐懼嘅場景：要公開裁員、要對冇辭職嘅員工解釋、要喺投資人面前保持信心。呢件事黃仁勳從未完全公開詳細講述，但喺2023年一場Stanford GSB嘅訪問中稍有透露：「嗰段時間我每日4點起身，因為想保持清醒。我驚到連覺都瞓唔到。」

黃仁勳要喺一個月內做三個決定——每一個都好痛：

RIVA 128喺1997年推出，雖然產品有缺陷（只support 24種blend modes中嘅8種），但性能超越30個競爭對手嘅DirectX chip，4個月內sold 1 million units，NVIDIA從破產邊緣翻身。呢個係第一次瀕臨破產。

之後仲有兩次：

第二次 (1999-2000)：dot-com bubble peak後NVIDIA跟其他GPU廠一齊崩盤。當時GeForce 256已經推出（1999年，世界第一隻consumer-grade GPU），但泡沫爆破後整個半導體板塊跌80%，NVIDIA現金流再次緊張。但佢哋嘅產品優勢已經成立——GeForce 2、GeForce 3、GeForce 4系列陸續推出，幫助佢哋喺2001-2003年reclaim市佔率，最終倒閉3DFx（當時主要對手），統治PC graphics市場。

第三次 (2008)：全球金融海嘯加上PC market萎縮。NVIDIA股價由$37跌到$6，市值蒸發8成。當時佢哋剛推出嘅CUDA（2006年推出嘅general-purpose GPU computing platform）仲冇找到商業化應用——華爾街分析師將CUDA視為「burn cash嘅research project」。但黃仁勳堅持投資CUDA，每年$400M嘅R&D投入，直至2012年AlexNet證明GPU+CUDA係deep learning嘅最佳架構——NVIDIA翻身。

而家經常聽到黃仁勳一句話：「我每日都覺得公司距離破產只差30日」(I always feel we're 30 days from bankruptcy)。呢句話唔係motivational speech，而係佢嘅真實商業哲學。即使今日NVIDIA市值$3.5T，公司內部嘅decision making仍然以「明日就會挑戰性行業變化」為前提。呢個mentality係Silicon Valley成熟公司少有嘅——Apple、Google、Microsoft等公司已經進入「defensive moat保護」模式，而NVIDIA仍然以「offensive expansion」為主。

圖片來源：Tom's Hardware — 黃仁勳同Lisa Su嘅家族關係圖

黃仁勳嘅故事，離唔開另一個重要角色：AMD CEO Lisa Su (蘇姿丰)。呢兩個AI chip產業嘅最大對手，竟然係表姨姪關係。

Lisa Su嘅外公——即Lisa母親嘅父親——係黃仁勳母親嘅大哥。按中國家族關係，Lisa Su嘅母親同黃仁勳係表姐弟（first cousins），Lisa同黃仁勳係表姨姪（first cousins once removed）。用廣東話講，就係「表姨父姪女」。2007年之前，兩人從未見過面；佢哋都係喺成為CEO之後，由記者指出佢哋嘅家族關係先知道。

呢個家族關係點樣嚟嘅？蘇家原居台灣，二戰後部分成員移民到美國，部分留喺台灣。黃仁勳外公係留喺台灣嗰房（生咗黃仁勳嘅母親）；Lisa Su嘅外公係移民到美國紐約嗰房（生咗Lisa嘅母親）。Lisa Su本人1969年出生喺台灣台南，3歲時隨家人移民美國。佢喺紐約Queens長大，就讀紐約著名嘅Bronx High School of Science，之後MIT讀電機工程，再喺MIT完成博士學位（研究SOI silicon-on-insulator技術）。

Lisa Su嘅職業軌跡：1994年加入Texas Instruments，之後去IBM做Chief of Staff，再Freescale Semiconductor做SVP。2012年加入AMD做SVP，2014年10月，當AMD股價跌到$2多、市值幾乎見底、公司瀕臨破產時，Lisa Su接任CEO。

Lisa Su上任之後第一個重大決定：押注Zen architecture。當時Intel壟斷x86 CPU市場，AMD嘅產品在性能同效能上都落後。Lisa Su將70%工程師資源集中去Zen，同時cut其他所有「遠期項目」（包括Radeon graphics部門嘅部分）。2017年Zen architecture Ryzen CPU推出，性能追上Intel；之後嘅EPYC server chip更係在部分benchmark超越Intel Xeon。AMD市值由$2.3B飆升至$280B（2026年）。

兩個人嘅背景好相似：都係台灣出生、童年隨家移民美國、都喺Stanford/MIT等名校讀書、都係華人第一代移民科技領袖。但事業路徑分開：黃1993年創立NVIDIA，Lisa 1994年加入Texas Instruments然後從IBM到AMD。

而家兩間公司喺AI chip正面對撞：NVIDIA Blackwell/Rubin vs AMD Instinct MI400系列。策略差異：NVIDIA定位喺data center training高端市場（GPU + CUDA ecosystem護城河）；AMD定位喺「cost-conscious inferencing」市場（性價比、open ROCm ecosystem、打Enterprise edge market）。

有趣嘅係，兩位CEO公開場合互相尊重。Lisa Su曾經講：「Jensen做嘅係極好嘅產品。我哋做嘅係極好嘅產品。客戶有得揀，對行業係好事。」黃仁勳反過來對Lisa嘅evaluation：「AMD喺Lisa嘅leadership下再生。佢做嘅Zen architecture係engineering excellence嘅範例。我哋互相競爭，但亦互相推動industry前進。」呢種「相敬如賓」嘅競爭形式，係台灣家族文化（尊重長輩、同時維持專業底線）嘅投射。

圖片來源：TweakTown — 黃仁勳展示「喺TSMC烘焙緊」嘅Rubin GPU

2026年3月16日，NVIDIA GTC 2026喺San Jose McEnery Convention Center開幕。呢個一年一度嘅conference已經成為全球科技業嘅超級週——超過30,000名developer、executive、投資者現場出席，直播觀看人數超過5百萬。黃仁勳一如以往穿住標誌性嘅leather jacket，但今次嘅keynote帶嚟一個重量級炸彈：Vera Rubin——下一代AI chip架構。

「Vera Rubin」個名本身已經係一個故事。Vera Rubin (1928-2016)係美國女天文學家，透過觀測旋轉星系中恆星嘅運動，提供咗dark matter存在嘅最早期證據。佢一生都喺「觀測unobservable」——dark matter佔宇宙總質量嘅27%，但從未被直接觀測過，只能透過其引力效應inferred。NVIDIA將新架構命名Rubin，意味住「能夠看見宇宙中99%不可見嘅物質」——即係「看透AI黑盒、解鎖之前做唔到嘅計算」嘅比喻。Black（Blackwell架構）之後係Rubin（dark matter discoverer），narrative consistency。

技術規格深度拆解：

TSMC 3nm (N3P)製程——NVIDIA跳過某啲中間工藝（例如N4P、N4）直接採用TSMC最成熟嘅3nm N3P。N3P係N3 family嘅「Performance Enhanced」版本，相比之前嘅N3B或N3E，N3P有更高嘅yield（良品率）、較低嘅功耗、較高嘅clock speed。Rubin R100嘅晶體管密度係Blackwell B200嘅1.6倍，同一個die size可以容納更多功能單元。

HBM4 (High Bandwidth Memory 4)——NVIDIA同SK Hynix、Samsung、Micron三家簽咗HBM4嘅獨家早期供應協議。Rubin嘅memory interface係2048-bit（Blackwell係1024-bit），令memory bandwidth由11TB/s飆升到22TB/s。呢個對training大型模型（例如OpenAI下代GPT-6「Spud」，據報訓練參數超過10T）極其關鍵——現代large language model嘅bottleneck唔係compute，而係memory bandwidth。

NVL72架構——Rubin嘅rack-scale部署單位叫NVL72：72個Rubin GPUs + 36個Vera CPUs（Vera係NVIDIA自研ARM-based CPU，以Vera Rubin命名為對天文學家致敬），喺single liquid-cooled rack提供3.6 EFLOPS FP4 inference compute、260TB/s NVLink 6 bandwidth。一個NVL72嘅compute能力，相當於10年前全球所有超級電腦加起來嘅總和。

性能benchmark：據early adopter report，Rubin架構 train GPT-class大模型比Blackwell Ultra快3倍，而每PFLOP計算功耗低40%。換言之，Rubin唔止係快啲，而係efficiency嘅重大breakthrough——呢個對電力受限嘅data center至關重要。一個NVL72 rack嘅total power consumption約120 kW，較Blackwell NVL72嘅180 kW降低33%。

Liquid Cooling強制要求：Rubin嘅heat density令傳統air cooling已經無效。所有Rubin deployment都必須用liquid cooling（水冷）。呢個倒逼data center infrastructure重新設計。供應商如Vertiv、Schneider Electric、Delta Electronics等嘅water cooling業務因此爆發式增長。預計到2027年全球data center liquid cooling市場會達到$10B+，是2025年嘅3倍。

圖片來源：MarketMinute — Rubin R100提前進入mass production

GTC 2026另一個震撼宣佈，係黃仁勳直接披露：「Blackwell同Rubin合計嘅GPU訂單，2027年前已超過$1 trillion。」呢個number不是華爾街預測，而係已經backlog (訂單積壓) 嘅實實在在數字。

呢個數字係咩概念？$1T = 1,000,000,000,000美金。作為比較：Apple Q1 2026全年營收大約$400B；2026年全球汽車業總銷售額大約$3T；全世界所有半導體公司嘅2026年總營收預計$680B。NVIDIA一間公司嘅GPU訂單積壓，就已經等同全世界半導體產業1.5年嘅總營收——呢個係前所未見嘅產業集中度。

4月8日，Bloomberg獨家報道Rubin R100已經提前entered mass production——比原定嘅2026 Q3 schedule早咗大約兩個月。呢個提前量產有三重意義：

意義1：TSMC + NVIDIA嘅緊密綁定。TSMC將3nm N3P產能嘅絕大部分都給咗NVIDIA。其他客戶（如Apple A20 chip、Qualcomm Snapdragon X100、MediaTek Dimensity）只能排等或轉用N3B舊工藝。呢個係TSMC有史以來最集中嘅客戶結構——其他時代TSMC靠Apple一家佔30%產能，而家NVIDIA+Apple佔超過55%。

意義2：HBM4 supply 已基本鎖定。Samsung、SK Hynix、Micron三家HBM4供應商嘅產能，基本上都分配俾Blackwell + Rubin。第二輪供應輪（2027下半年）先輪到AMD、中國自主chip廠。SK Hynix CEO Kwak Noh-Jung喺最近嘅earnings call講：「2026年我哋所有HBM4 production都已經sold out，我哋依家專注喺擴張2027年產能。」

意義3：data center capex循環已進入「加速擴張」階段。Meta、Microsoft、Google、Amazon四家大型雲服務商2026 capex總額預計超過$350B，主要投向NVIDIA GPU + data center基建。Meta CEO Mark Zuckerberg喺2026 Q4 earnings講「我哋相信AI infrastructure嘅investment需要continuing比分析師預測更積極」。Microsoft CEO Satya Nadella亦講「NVIDIA係我哋AI roadmap嘅strategic partner，我哋嘅Azure Rubin deployment plan將是歷史上最大嘅infrastructure build-out」。

NVIDIA嘅營收模式亦已經從傳統chip公司升級。2024年賣chip俾OEM佔總營收80%，2026年chip+rack-scale system售賣分分比例約40%：60%。NVIDIA越嚟越多賣「整個AI factory」而非單純chip——一個NVL72 rack solution價錢約$4M+（包含72個Rubin GPU、liquid cooling、networking、power system），賣出去再加上後續嘅software subscription、support service。

圖片來源：MarketMinute — NVIDIA連續10日股價上升突破

NVIDIA股票由4月1日至4月14日連續10個trading day收升，累計漲18%。呢個係2023年AI爆發以來最長連勝streak。背後有三個催化劑：

催化 1：Meta + CoreWeave 大單（4/7）。Meta宣布將喺CoreWeave嘅多個data center部署Vera Rubin rack-scale system，擴大自家「Llama系列」下一代模型嘅training capacity。Deal值未公布但industry內部估計超過$15B。Meta CEO Zuckerberg公開表示「我哋希望2027年我哋嘅Llama模型能夠超越OpenAI嘅GPT-6 performance」——呢個宣言直接推動Meta AI capex加速。

催化 2：Rubin提前量產（4/8）。Bloomberg報道Rubin entered mass production比原計劃早兩個月——意味住H2 2026營收可能beat Street consensus嘅$85B預測。

催化 3：Sovereign AI 成為新支柱。3月底，黃仁勳喺GTC上特別強調「sovereign AI」概念——即各主權國家建立自家AI infrastructure。2026年以嚟，印度（$25B計劃）、法國（$15B）、沙特阿拉伯（$40B）、阿聯酋（$20B）、巴西（$10B）都各自宣布大型sovereign AI建設計劃，而且全部用NVIDIA嘅GPU。呢個係完全新嘅收入source，對沖咗單一雲服務商嘅集中度風險。

但warning：P/E 50倍係高估值水平。就算成長預期fulfilled，任何一個供應鏈delay、對手breakthrough、或者AI需求回調，都會引發25-40%嘅correction。呢個係high-beta股嘅結構性特徵——如2022年AI低潮期，NVDA由$346跌到$108，跌幅近70%；更遙遠嘅1999-2001 dot-com泡沫末期，半導體股跌90%+。

技術指標角度：NVDA嘅200日均線約$150，目前$180係short-term uptrend。重要阻力位喺$185-$190（2025年高位）；突破呢個位置理論上向$265 target price上衝。支撐位喺$160（200日均線附近）、$135（2024年Q3低位）。RSI目前接近超買區域(68)，短期可能有pullback。

圖片來源：Spheron — Rubin R100 完整技術架構指南

Rubin嘅對手唔只係AMD，整個AI chip格局可以劃分做四條戰線：

NVIDIA嘅三層護城河：

Layer 1：CUDA生態系統。15年嘅CUDA投資。全球AI developers、research institutions、universities都喺CUDA上面建自己嘅software stack。每年超過400篇頂級AI research paper直接使用CUDA。要由CUDA migrate到OpenCL/ROCm，需要重寫大量code + re-train模型——成本極高。呢個係「network effect護城河」，比任何硬件差距都更難跨越。Harvard、Stanford、MIT等頂級大學嘅CS課程用CUDA作為standard——新一代AI engineer天然就係NVIDIA用戶。

Layer 2：Supply chain鎖定。TSMC 3nm產能 + HBM4 supply + CoWoS packaging capacity，NVIDIA都有優先權。其他玩家即使有好chip design，亦拿唔到足夠產能support大規模deployment。AMD MI400系列即使技術上competitive，但產能只佔NVIDIA嘅1/10——規模根本唔可能威脅NVIDIA市佔。

Layer 3：Rack-scale整合。NVIDIA已經由賣chip升級到賣「整個AI factory」——NVL72/NVL288嘅rack solution、DGX SuperPOD、液態冷卻integration、NVLink switch fabric等等。客戶唔再係買GPU，係買「AI compute by the rack」，NVIDIA控制整個stack。呢個移轉令AMD、Intel等競爭對手更加追不上——佢哋chip design可能跟得上，但rack-scale integration需要hardware + software + cooling + networking嘅全方位整合。

AMD Lisa Su嘅2026策略：AMD明白自己不可能喺training高端正面戰勝NVIDIA，所以策略集中喺：(1)「inference-focused」市場——即AI model已經train好之後，大規模運行時嘅需求。inference workload較simple、對memory bandwidth要求較低，AMD MI400系列可以提供較好性價比；(2)「enterprise AI」——傳統企業（非tech巨頭）嘅內部AI部署，predominantly inference、注重TCO（total cost of ownership）；(3)「edge computing」——AMD嘅client APU + Ryzen AI系列，喺個人電腦、工作站、服務器嘅AI處理。

圖片來源：Finterra — NVIDIA Rubin帶動Meta/CoreWeave deal同主權AI

GTC 2026黃仁勳嘅主題演講重點唔係單講chip，而係「Agentic AI」——下一代AI嘅定義性架構。Agentic AI同過去5年嘅LLM（大語言模型）有本質不同：

LLM時代 (2023-2025)：AI係一個answer machine。你問問題，佢答。每次用新對話都重新開始，冇長期記憶。典型代表：ChatGPT、Claude、Gemini。需要嘅compute主要係「one-shot inference」。

Agentic AI (2026+)：AI係一個autonomous agent。佢識自主規劃、執行、學習、修正。有長期記憶，識同其他agent協作。可以完成「幫我planning一趟3日東京之旅，book機票+酒店+景點門票，並同我確認付款資訊」呢類multi-step任務。一個Agentic AI任務可能需要幾百次連續推理、access多個外部API、維持完整context——所需compute係LLM嘅10-50倍。

Physical AI (2026+)：AI進入物理世界——自動駕駛、人形機器人、智能工廠、智慧農場。每個物理agent都需要邊緣端計算能力——這就係Rubin + Blackwell同時並存嘅理由（Rubin負責cloud training、Blackwell負責edge inference）。

Agentic AI同Physical AI兩個方向都強烈依賴「高速inference + 超大memory bandwidth」——呢個正是Rubin架構嘅設計核心。Blackwell時代嘅inference每token需要較多能量，Rubin將呢個耗能降低40%，對大量同時處理agent請求至關重要。

人形機器人嘅NVIDIA布局：2026年3月GTC同步發布嘅Isaac GR00T N2 platform，專為人形機器人設計嘅AI foundation model。Tesla Optimus、Figure 02、Apptronik Apollo、1X Neo等主要人形機器人項目都integrating NVIDIA Isaac stack。黃仁勳預測到2028年全球人形機器人出貨超過10M台，每台都需要$500-$2000 NVIDIA compute hardware——潛在市場$50-$200B。

NVIDIA嘅產業鏈投資機會可以劃分做幾個層次，每個層次風險/回報特徵不同：

NVDA：最direct嘅AI chip敞口，但估值已經反映大部分增長預期。P/E 50x係「perfect execution」pricing。適合believer + high risk tolerance。

TSMC (TSM)：Rubin + Blackwell + Apple + AMD 所有先進chip都喺佢手。P/E約22x，估值較合理。主要風險係台海地緣。適合相對保守嘅AI參與者。

SK Hynix / Samsung：HBM4 產能嘅直接受惠者。SK Hynix近期上升勢頭強勁——佢嘅HBM3E已經係NVIDIA獨家供應源。估值約P/E 15-18x，偏低。適合deep value投資者。

超大客戶 Meta / Microsoft：呢類公司capex投入大，但變現時間長。Meta 2026 AI capex超過$60B，Microsoft更高。回報只喺多年後顯現。適合long-term portfolio配置。

AI cloud pure play (CoreWeave / Lambda等)：CoreWeave 2024年上市後股價由$40飆升至$120再回調到$80，波動性極大。適合少量(1-2% portfolio)satellite position。

黃仁勳由1993年30歲創業到2026年63歲，唔單止打造咗全球最值錢公司之一（市值$3.5T），更塑造咗一個獨特嘅企業文化。呢個文化值得任何投資者、創業者了解：

1. 「Intellectual honesty over ego」——1996年Sega事件建立嘅原則。NVIDIA內部會議經常可以聽到「that's wrong, here's why」嘅直接對話，而非政治性嘅wording。Jensen本人曾講：「你問題嘅答案，喺真相嗰度，唔喺我哋想像嗰度。」

2. 「30 days from bankruptcy」mentality——即使市值$3.5T，黃仁勳仍然保持危機感。公司嘅決策速度、資源分配、人事變動都以「下個季度可能破產」為基準。呢個係Silicon Valley嘅特殊mentality，同Apple / Google嘅「secure and optimize」mode不同。

3. 人才密度 > 組織層級——NVIDIA有35,000員工，但直接向黃仁勳report嘅人超過50個（被稱為「flat organization extremists」）。一個CEO直接管理50個direct report喺現代管理學係「做唔到」嘅——但NVIDIA嘅engineering culture令呢件事可能。每位VP都保持極度autonomous，決策速度無需層層審批。

4. 產品週期 vs 2-year tick-tock——Intel、AMD過往嘅策略係2年換代一次新架構。NVIDIA嘅策略係每年都推新架構（H100 2022、Blackwell 2024、Blackwell Ultra 2025、Rubin 2026）。呢個節奏迫到competitor跟唔上。喺industry裏面被稱為「Huang's Law」——類似Moore's Law，但節奏更快。

5. Culture of "doing the hard things"——2014年，當人哋仲用GPU做gaming時，黃仁勳已經押咗大筆資源落deep learning。當時AI只係academic curiosity，唔係商業需要。呢個bet換嚟今日嘅結果。而家黃仁勳又推humanoid robotics、量子計算、self-driving，又係一樣嘅邏輯——「做難嘅事、做重要嘅事」。

繼任問題：2026年黃仁勳63歲，NVIDIA嘅繼任計劃係市場最關心嘅問題之一。目前佢冇公開表態退休計劃，但內部CFO Colette Kress（已在NVIDIA 16年）、EVP Jay Puri（全球業務負責人）、SVP Ian Buck（CUDA開創者）都被視為潛在繼任人。任何一次黃仁勳health concern都會令NVDA短線跌5-10%——呢個係NVIDIA目前estimated嘅「創辦人溢價」。分析師估計，如果黃仁勳明天宣佈退休，NVDA會立即下跌15-25%；一個季度後適應新CEO再定位。

總結：Rubin只係開始。2027年NVIDIA預計會推出「Rubin Ultra」（性能再double），2028年推「Feynman」架構（紀念物理學家Richard Feynman）。AI chip週期未到頂——事實上，到2030年全球AI data center capex估計累計超過$3T。每一分都會經過NVIDIA嘅產品或者CUDA ecosystem。呢個係30年前嗰個Denny's卡座三個工程師寫下嘅一張紙，如今演化出嘅結果——而且故事遠遠未完。

黃仁勳本人每個GTC都講同一句話開場：「Welcome to GTC. It's all going to be amazing.」簡單，但33年來真嘅係咁。