1 倍做空英伟达 ETF - Direxion

三星证券：超大规模云厂商将在 2026 年第二季度至 2028 年第三季度经历短暂的自由现金流（FCF）赤字期，随后在 2029 年至 2030 年间迎来 FCF 的大幅扩张。

> 资本支出增长是合理的投资：资本支出的增加由剩余履约义务（RPO，即长期签署的合同）的快速增长驱动，需要前置资本支出以履行未来的收入承诺。

> 未来能见度强劲：例如，亚马逊强调其 2027 年新增产能的大部分已签约，2028 年产能也有相当部分被提前预订。

> 盈亏平衡与回报时间表：服务器和网络投资的平均盈亏平衡时间在 3 年以内，从而为随后的 2 至 3 年产生有意义的自由现金流。

$Meta(META.US) $亚马逊(AMZN.US) $戴尔科技-C(DELL.US) $英伟达(NVDA.US) $微软(MSFT.US) $甲骨文(ORCL.US) $谷歌-A(GOOGL.US)

📢 𝗝𝗨𝗦𝗧 𝗜𝗡: CoreWeave 将多机架 NVIDIA Vera Rubin NVL72 集群引入其 AI 云 - $Coreweave(CRWV.US) $英伟达(NVDA.US)

👉 𝗞𝗲𝘆 𝗛𝗶𝗴𝗵𝗹𝗶𝗴𝗵𝘁𝘀:

➤ 𝗖𝗼𝗿𝗲𝗪𝗲𝗮𝘃𝗲将其𝗡𝗩𝗜𝗗𝗜𝗔 𝗩𝗲𝗿𝗮 𝗥𝘂𝗯𝗶𝗻 𝗡𝗩𝟳𝟮部署至云端。

➤ 集群连接了数百个𝗥𝘂𝗯𝗶𝗻 𝗚𝗣𝗨，以支持𝗮𝗴𝗲𝗻𝘁𝗶𝗰 𝗔𝗜工作负载。

➤ 每个 NVL72 机架将𝟳𝟮个𝗥𝘂𝗯𝗶𝗻 𝗚𝗣𝗨与𝟯𝟲个𝗩𝗲𝗿𝗮 𝗖𝗣𝗨相结合。

➤ 𝗡𝗩𝗜𝗗𝗜𝗔 𝗦𝗽𝗲𝗰𝘁𝗿𝘂𝗺-𝗫以太网将多个机架连接为扩展式集群。

➤ 每个 Rubin GPU 可获得高达𝟭.𝟲 𝗧𝗯/𝘀的扩展连接速度。

➤ 𝗖𝗼𝗿𝗲𝗪𝗲𝗮𝘃𝗲 𝗠𝗶𝘀𝘀𝗶𝗼𝗻 𝗖𝗼𝗻𝘁𝗿𝗼𝗹自动化了机架设置、验证、供电和冷却流程。

➤ LOTA 提供本地 NVMe 级读取速度，单 GPU 可达𝟳 𝗚𝗕/𝘀。

➤ 与传统存储集群读取相比，LOTA 将延迟降低了𝟴倍。

➤ 新的𝗰𝗿𝗼𝘀𝘀-𝗿𝗲𝗴𝗶𝗼𝗻 𝘄𝗿𝗶𝘁𝗲 𝗮𝗰𝗰𝗲𝗹𝗲𝗿𝗮𝘁𝗶𝗼𝗻最大限度地减少了 AI 检查点延迟。

➤ 新的𝗔𝗿𝗰𝗵𝗶𝘃𝗲层级旨在降低长期 AI 数据存储成本。

👉 𝗪𝗵𝘆 𝗧𝗵𝗶𝘀 𝗠𝗮𝘁𝘁𝗲𝗿𝘀:

➤ 扩大了 CoreWeave 进行大规模𝗮𝗴𝗲𝗻𝘁𝗶𝗰 𝗔𝗜训练和推理的能力。

➤ 更快的存储访问可以减少 GPU 空闲时间并提高利用率。

➤ 多机架 Rubin 支持更大规模的模型和𝗿𝗲𝗶𝗻𝗳𝗼𝗿𝗰𝗲𝗺𝗲𝗻𝘁 𝗹𝗲𝗮𝗿𝗻𝗶𝗻𝗴规模化应用。

➤ 跨区域加速解决了分布式 AI 基础设施中的一个关键瓶颈。

👉 𝗘𝘅𝗽𝗲𝗿𝘁 𝗦𝘁𝗮𝘁𝗲𝗺𝗲𝗻𝘁𝘀:

𝗖𝗵𝗲𝗻 𝗚𝗼𝗹𝗱𝗯𝗲𝗿𝗴, CoreWeave 产品与工程执行副总裁：

“CoreWeave 是首家验证并上线 Vera Rubin NVL72 的 AI 云服务提供商，证明了这种先进的机架级架构可以作为可靠的高性能云服务运行。通过多机架 Vera Rubin，我们将数百个 Rubin GPU 连接为一个单一的扩展集群。对于构建 Agentic AI 的客户而言，这意味着更大的规模、更快的迭代以及更高的生产力，因为模型和智能体在不断学习和改进。”

𝗖𝗲́𝗰𝗶𝗹𝗲 𝗥𝗼𝗯𝗲𝗿𝘁-𝗠𝗶𝗰𝗵𝗼𝗻, Cohere 内部基础设施总监：

“我们的数据集跨越多个区域，我们无法承受因跨区域检索延迟而打乱训练计划。CoreWeave AI 对象存储为我们提供了跨区域的统一数据集足迹，并在本地缓存读取数据，因此没有任何内容会等待网络传输。这是在围绕数据进行规划与直接进行训练之间的区别。”

皮夹克重返华盛顿特区。👀

2026 年 12 月 1 日。

🔗

来源：NVIDIA_X