{"id":"7a22061b-bbf0-492b-aca1-ac0464e78056","entityType":"agent","slug":"clawhub-gechengling-huang-renxun-ai-strategy","name":"Huang Renxun AI Strategy Advisor","canonicalUrl":"https://www.xpersona.co/agent/clawhub-gechengling-huang-renxun-ai-strategy","canonicalPath":"/agent/clawhub-gechengling-huang-renxun-ai-strategy","generatedAt":"2026-10-10T23:49:56.809Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-10T21:40:01.720Z","emptyReason":null},"description":"以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲。 Skill: Huang Renxun AI Strategy Advisor Owner: gechengling Summary: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲。 Tags: banking:5.0.0, dianjin:5.0.0, finance:5.0.0, huang-renxun-ai-strategy:5.2.2, insurance:5.0.0, latest:5.2.2 Version history: v5.2.2 | 2026-09-18T05:07:31.318Z | user v5.2.2: 五层蛋糕模型新增各层对照表与决策举例；三大Scaling Laws、技术整合、算力即产出各增补2-3个具体举例；新增G20 AI经济学、销量翻倍指引、架构战略升","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.3K downloads reported by the source. Last updated 10/10/2026.","installCommand":"clawhub skill install s17ewqc4f2s6gpcbm88hy7fgvn85kg1g:huang-renxun-ai-strategy","sourceUrl":"https://clawhub.ai/gechengling/huang-renxun-ai-strategy","homepage":"https://clawhub.ai/gechengling/skills/huang-renxun-ai-strategy","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/gechengling/huang-renxun-ai-strategy","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/gechengling/skills/huang-renxun-ai-strategy","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":62,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲。 Skill: Huang Renxun AI Strategy Advisor Owner: gechengling Summary:"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-10T21:40:01.720Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T21:40:01.720Z","emptyReason":null},"stars":null,"forks":null,"downloads":1250,"packageName":null,"latestVersion":"5.2.2","tractionLabel":"1.3K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T21:40:01.645Z","emptyReason":null},"lastUpdatedAt":"2026-10-10T21:40:01.720Z","lastCrawledAt":"2026-10-10T21:40:01.645Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-11T21:40:01.645Z","lastVerifiedAt":null,"highlights":[{"version":"5.2.2","createdAt":"2026-09-18T05:07:31.318Z","changelog":"v5.2.2: 五层蛋糕模型新增各层对照表与决策举例；三大Scaling Laws、技术整合、算力即产出各增补2-3个具体举例；新增G20 AI经济学、销量翻倍指引、架构战略升级等2026-09最新动态，动态表新增观察维度列；四步工作流新增落地举例对照表；数据截止更新至2026-09-18","fileCount":3,"zipByteSize":11603},{"version":"5.2.1","createdAt":"2026-06-28T13:16:33.911Z","changelog":"- 增加了2026年6月最新AI产业与投资动态摘要，包括SpaceX上市对AI格局的影响、Anthropic算力采购等信息 - 新增“投资思维最新动态”板块，补充宏观风险、AI治理等最新金融与监管动向 - 明确版本号为5.2.1，升级内容同步至文档头部 - 移除 skill-card.md，对触发关键词及适用场景无变动 - 优化时效性提示与声明，保障内容更新与实时参考性","fileCount":3,"zipByteSize":6888},{"version":"5.1.0","createdAt":"2026-06-03T14:02:41.011Z","changelog":"- Updated core skill description for enhanced clarity and regulatory compliance in both Chinese and English. - Introduced explicit trigger keyword rules to ensure skill activates only for direct Huang Renxun/NVIDIA AI strategy scenarios. - Reorganized and clarified the risk, security, and data usage disclaimers for educational/reference-only use. - Revised and condensed the appendix: daily report and investment strategy samples have been refactored into a generic analytical framework template, removing all specific “配置建议/持仓” instructions and replacing them with hypothetical educational examples. - Removed the \"skill-card.md\" file; all content is now consolidated within SKILL.md.","fileCount":3,"zipByteSize":6216},{"version":"2.0.2","createdAt":"2026-06-02T15:21:22.016Z","changelog":"- Updated SKILL.md to a streamlined and compliance-focused format, emphasizing educational and reference-only use. - Removed skill-card.md to reduce redundancy and consolidate documentation. - Refined trigger keywords and clarified scope for when the skill activates. - Added explicit security and data use disclosures, including bilingual (中英文) safety and compliance notices. - Rewrote \"Dianjin Fusion\" appendix as a generic educational analysis framework, removing all hypothetical position/holding examples and replacing them with methodology-only templates. - No functional or technical logic was added, changed, or removed.","fileCount":3,"zipByteSize":6237},{"version":"2.0.1","createdAt":"2026-06-02T14:39:18.372Z","changelog":"- Migrated metadata and documentation to new YAML frontmatter for improved clarity and structure. - Added precise trigger keyword section to define when the skill activates, improving contextual relevance. - Strengthened and clarified security/disclaimer statements in both English and Chinese. - Removed the legacy `skill-card.md` file for streamlined maintenance and reduced redundancy. - No changes to core analytical models or strategic frameworks; functionality and analysis remain unchanged.","fileCount":3,"zipByteSize":6165},{"version":"5.0.1","createdAt":"2026-06-01T15:11:24.185Z","changelog":"Security compliance update: added capability declarations and advisory-only disclaimers to meet ClawHub security scan requirements","fileCount":3,"zipByteSize":6132},{"version":"5.0.0","createdAt":"2026-05-31T02:14:20.333Z","changelog":"融合阿里点金（Dianjin）金融数字员工精髓，版本升级至5.0.0","fileCount":3,"zipByteSize":5884},{"version":"2.0.0","createdAt":"2026-05-11T06:13:24.517Z","changelog":"Version 2.0.0 highlights integration of the latest industry insights and updates: - 新增对黄仁勋GTC2026主题演讲内容的整合，包括Blackwell Ultra架构、物理AI/机器人智能、数字孪生NIM微服务生态与“AI工厂”战略解读 - 更新描述，突出2026年最新战略方向与前沿趋势 - 其余核心战略模型与分析流程保持一致","fileCount":3,"zipByteSize":3494}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s17ewqc4f2s6gpcbm88hy7fgvn85kg1g:huang-renxun-ai-strategy","setupComplexity":"low","setupSteps":["Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-huang-renxun-ai-strategy/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-huang-renxun-ai-strategy/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-huang-renxun-ai-strategy/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-huang-renxun-ai-strategy/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-huang-renxun-ai-strategy/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-huang-renxun-ai-strategy/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-10T23:49:56.806Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-huang-renxun-ai-strategy/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-huang-renxun-ai-strategy/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-huang-renxun-ai-strategy/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-huang-renxun-ai-strategy/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-10T21:40:01.720Z","emptyReason":null},"readme":"Skill: Huang Renxun AI Strategy Advisor\n\nOwner: gechengling\n\nSummary: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲。\n\nTags: banking:5.0.0, dianjin:5.0.0, finance:5.0.0, huang-renxun-ai-strategy:5.2.2, insurance:5.0.0, latest:5.2.2\n\nVersion history:\n\nv5.2.2 | 2026-09-18T05:07:31.318Z | user\n\nv5.2.2: 五层蛋糕模型新增各层对照表与决策举例；三大Scaling Laws、技术整合、算力即产出各增补2-3个具体举例；新增G20 AI经济学、销量翻倍指引、架构战略升级等2026-09最新动态，动态表新增观察维度列；四步工作流新增落地举例对照表；数据截止更新至2026-09-18\n\nv5.2.1 | 2026-06-28T13:16:33.911Z | auto\n\n- 增加了2026年6月最新AI产业与投资动态摘要，包括SpaceX上市对AI格局的影响、Anthropic算力采购等信息\n- 新增“投资思维最新动态”板块，补充宏观风险、AI治理等最新金融与监管动向\n- 明确版本号为5.2.1，升级内容同步至文档头部\n- 移除 skill-card.md，对触发关键词及适用场景无变动\n- 优化时效性提示与声明，保障内容更新与实时参考性\n\nv5.1.0 | 2026-06-03T14:02:41.011Z | auto\n\n- Updated core skill description for enhanced clarity and regulatory compliance in both Chinese and English.\n- Introduced explicit trigger keyword rules to ensure skill activates only for direct Huang Renxun/NVIDIA AI strategy scenarios.\n- Reorganized and clarified the risk, security, and data usage disclaimers for educational/reference-only use.\n- Revised and condensed the appendix: daily report and investment strategy samples have been refactored into a generic analytical framework template, removing all specific “配置建议/持仓” instructions and replacing them with hypothetical educational examples.\n- Removed the \"skill-card.md\" file; all content is now consolidated within SKILL.md.\n\nv2.0.2 | 2026-06-02T15:21:22.016Z | auto\n\n- Updated SKILL.md to a streamlined and compliance-focused format, emphasizing educational and reference-only use.\n- Removed skill-card.md to reduce redundancy and consolidate documentation.\n- Refined trigger keywords and clarified scope for when the skill activates.\n- Added explicit security and data use disclosures, including bilingual (中英文) safety and compliance notices.\n- Rewrote \"Dianjin Fusion\" appendix as a generic educational analysis framework, removing all hypothetical position/holding examples and replacing them with methodology-only templates.\n- No functional or technical logic was added, changed, or removed.\n\nv2.0.1 | 2026-06-02T14:39:18.372Z | auto\n\n- Migrated metadata and documentation to new YAML frontmatter for improved clarity and structure.\n- Added precise trigger keyword section to define when the skill activates, improving contextual relevance.\n- Strengthened and clarified security/disclaimer statements in both English and Chinese.\n- Removed the legacy `skill-card.md` file for streamlined maintenance and reduced redundancy.\n- No changes to core analytical models or strategic frameworks; functionality and analysis remain unchanged.\n\nv5.0.1 | 2026-06-01T15:11:24.185Z | user\n\nSecurity compliance update: added capability declarations and advisory-only disclaimers to meet ClawHub security scan requirements\n\nv5.0.0 | 2026-05-31T02:14:20.333Z | user\n\n融合阿里点金（Dianjin）金融数字员工精髓，版本升级至5.0.0\n\nv2.0.0 | 2026-05-11T06:13:24.517Z | auto\n\nVersion 2.0.0 highlights integration of the latest industry insights and updates:\n\n- 新增对黄仁勋GTC2026主题演讲内容的整合，包括Blackwell Ultra架构、物理AI/机器人智能、数字孪生NIM微服务生态与“AI工厂”战略解读\n- 更新描述，突出2026年最新战略方向与前沿趋势\n- 其余核心战略模型与分析流程保持一致\n\nv1.0.0 | 2026-05-09T09:13:19.262Z | auto\n\n- Initial release of \"黄仁勋AI战略思维顾问\" (Jensen Huang AI Strategy Advisor)\n- 提供黄仁勋的五大AI战略模型：三大Scaling Laws、AI五层蛋糕架构、战略耐心、技术整合能力、算力即产出\n- 适用于AI行业分析、战略规划、算力投资、中美竞争判断等场景\n- 提供清晰的分析流程与高频战略问题解析\n- 整理多条黄仁勋名言和近期发言作为策略参考\n\nArchive index:\n\nArchive v5.2.2: 3 files, 11603 bytes\n\nFiles: skill-card.md (2207b), SKILL.md (20868b), _meta.json (143b)\n\nFile v5.2.2:SKILL.md\n\n---\r\nname: Huang Renxun AI Strategy Advisor\r\nslug: huang-renxun-ai-strategy\r\ndescription: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲。\r\nversion: 5.2.2\r\nallowed-tools: []\r\ncapabilities:\r\n - educational-reference\r\n - advisory-only\r\n - requires-human-review\r\n - no-executable-code\r\n---\r\n\r\n# SKILL.md\r\n\r\n> **⚠️ SECURITY NOTICE / 安全声明**\r\n> - **Type:** Educational reference / analytical framework ONLY\r\n> - **No executable code, scripts, or binaries included**\r\n> - **No persistent storage, network calls, or background execution**\r\n> - **No credential collection, PII processing, or system access**\r\n> - **All outputs require human review before real-world application**\r\n> - **NOT financial, legal, or insurance advice**\r\n>\r\n> **⚠️ 数据安全警告**\r\n> - 本技能仅提供黄仁勋AI战略思维的参考性分析和框架指导，**不执行任何代码或脚本**\r\n> - 所有分析观点均基于公开资料整理，**不构成投资建议**\r\n> - 不收集、不存储用户的任何个人信息或投资数据\r\n> - 行业分析和趋势判断仅供参考，实际情况可能因市场变化而不同\r\n\r\n## Identity\r\n- **Skill Name**: 黄仁勋AI战略思维顾问 (Jensen Huang AI Strategy Advisor)\r\n- **Slug**: finance-huang-ai-strategy\r\n- **Version**: 5.2.2\r\n- **Language**: 中文为主，英文关键术语保留\r\n- **Author**: 葛成 (@gechengling)\r\n- **Description**: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲——Blackwell Ultra架构、物理AI/机器人智能、数字孪生NIM微服务生态，以及\"AI工厂\"战略的最新诠释。关键词：黄仁勋，NVIDIA，AI战略，GPU，算力，CUDA，AI芯片，科技领袖.\r\n\r\n### 最新动态 [2026-09-18更新]\r\n\r\n| 动态类型 | 内容摘要 | 发布时间 | 影响范围 | 对本技能的观察维度 |\r\n|---------|---------|---------|---------|---------|\r\n| 多空对立 | 黄仁勋vs达利欧多空对立——英伟达CEO认为长期押注AI回报超预期，达利欧警告泡沫破裂风险 | 2026-06 | AI芯片/算力 | 用\"30年测试\"过滤短期噪音，看方向不看季度 |\r\n| SpaceX上市 | SpaceX上市后AI产业格局重塑，算力竞争进入新阶段 | 2026-06-12 | 全球AI产业 | 关注天基算力是否成为第1层能源的新变量 |\r\n| Anthropic算力 | Anthropic租用SpaceX孟买数据中心22万块AI芯片，年算力成本约150亿美元 | 2026-06 | AI算力 | 验证第二定律：推理算力成为持续性成本项 |\r\n| **G20布道AI经济学** | 黄仁勋在G20创新部长级会议提出AI已是国家级基础设施：建设1GW规模AI基建约需500亿-600亿美元，并预计到本十年末全球相关建设规模约达100GW（以官方最新发布为准） | 2026-09-02 | 全球AI治理与主权算力 | 五层蛋糕模型首次被用作**国家层面**的投资分层工具 |\r\n| **销量翻倍指引** | 黄仁勋表示预期英伟达明年芯片销量大致为今年两倍；同时强调AI不应按社交媒体逻辑监管，安全约束应落在产品与应用层，不安全的产品应当被推迟发布 | 2026-09-17 | AI芯片需求与监管路径 | 需求侧信号与供给侧（晶圆/封装/内存/电力）能否兑现是两回事 |\r\n| **架构战略升级** | 英伟达向联发科投资约35亿美元助力客户开发可接入其系统的定制AI芯片；Anthropic承诺投入约350亿美元租用英伟达算力云服务；联合黑石、阿波罗、高盛等推动超5000亿美元AI基础设施融资 | 2026-09-02 | AI工厂/定制芯片 | 商业模式从卖GPU转向按\"每吉瓦营收潜力\"计价（Hopper约180亿→Vera Rubin约400亿美元） |\r\n\r\n> **数据截止**: 2026-09-18 | 来源：英伟达、G20创新部长级会议公开报道、Anthropic、路透社、财联社\r\n> **声明**: 以上动态供参考，具体以官方最新发布为准\r\n> **注**: 2026-08-26 英伟达 FY2027 Q2 财报给出的 FY2028 营收指引隐含约70%增长，可与上表\"销量翻倍指引\"交叉印证；\r\n> 实际兑现仍取决于晶圆、先进封装、内存、电力接入与超大规模厂商资本开支是否依次到位。\r\n\r\n## Trigger Keywords / 触发关键词\r\n\r\n**⚠️ 精确触发规则**：仅当用户明确提到黄仁勋（Jensen Huang）的AI战略思想、NVIDIA技术路线、算力产业分析等**与黄仁勋/英伟达直接相关**的话题时激活。日常对话提及\"AI\"、\"芯片\"、\"算力\"等通用词汇时**不会自动触发**。\r\n\r\nImmediately activate when user mentions:\r\n- 黄仁勋 / Jensen Huang / 英伟达 / NVIDIA 战略\r\n- 黄仁勋 AI 战略 / 黄仁勋观点 / 老黄语录\r\n- AI 算力战略 / GPU 路线图 / CUDA 生态分析\r\n- Blackwell / 英伟达架构 / 五层蛋糕模型\r\n- Jensen Huang AI strategy / NVIDIA strategy / GPU roadmap\r\n\r\n## Core Thinking Models\r\n\r\n### 模型一：三大Scaling Laws（扩展定律）\r\n```\r\n第一定律：预训练Scaling → 更多数据+算力=更强基础模型\r\n第二定律：推理时计算Scaling → 推理消耗算力呈指数级增长\r\n第三定律：合成数据Scaling → AI生成数据反哺训练\r\n```\r\n- 黄仁勋观点：关于AI scaling放缓的讨论几乎全世界都搞错了\r\n- 新scaling技术让AI能力持续指数增长\r\n\r\n**举例一（预训练Scaling）**：某团队把训练数据量从 3T token 扩到 10T token、算力从 512 卡扩到 2048 卡，\r\n同一架构下基础能力显著跃升。用第一定律判断：这属于\"堆规模换能力\"的确定性路径，但边际收益递减点\r\n必须靠评测集实测，不能靠直觉。\r\n\r\n**举例二（推理时计算Scaling）**：客服问答场景原本单次前向推理 1 次出答案，改为让模型先生成\r\n8 条推理链再投票选最优（测试时扩展），准确率上升而单次成本上升数倍。用第二定律判断：\r\n这类方向的商业模式不是\"卖模型\"而是\"卖 token 消耗\"，推理算力预算才是成本大头。\r\n\r\n**举例三（合成数据Scaling）**：自动驾驶长尾场景（极端天气、罕见事故）真实样本稀少，用仿真引擎\r\n合成数据反哺训练。用第三定律判断：关键风险是\"模型自噬\"（model collapse），必须混入真实数据锚定。\r\n\r\n### 模型二：AI五层蛋糕架构\r\n```\r\n┌──────────────────────┐\r\n│ 第5层：应用层 │ AI原生应用\r\n├──────────────────────┤\r\n│ 第4层：模型层 │ LLM/多模态\r\n├──────────────────────┤\r\n│ 第3层：基础设施层 │ 云服务/MLOps\r\n├──────────────────────┤\r\n│ 第2层：芯片层 │ GPU/AI芯片\r\n├──────────────────────┤\r\n│ 第1层：能源层 │ 电力/能源基础设施\r\n└──────────────────────┘\r\n```\r\n- 中美博弈在每层都有不同优劣势\r\n- 能源是底层约束，决定上层天花板\r\n- 黄仁勋在 G20 创新部长级会议（2026-09）明确建议：每个国家都应建设本土 AI 基础设施，\r\n 但不必每层都争第一，**必须决定自己要吃哪一层蛋糕**，且至少拥有本土应用能力\r\n\r\n**各层对照与举例（本轮新增维度）**：\r\n\r\n| 层级 | 典型标的/形态 | 举一个具体判断场景 | 主要瓶颈 |\r\n|-----|------|------|------|\r\n| 第5层 应用层 | 数字员工、AI客服、行业Agent | 保险公司上\"智能核保助手\"，价值在理赔时效而不在模型参数 | 业务流程改造意愿 |\r\n| 第4层 模型层 | 开源/闭源LLM、多模态 | 选开源权重自建还是调API，取决于数据是否出境合规 | 人才与评测体系 |\r\n| 第3层 基础设施层 | 智算中心、MLOps、向量库 | 7张L20卡的小集群，瓶颈在并发不在算力 | 调度与运维 |\r\n| 第2层 芯片层 | GPU、ASIC、定制芯片 | 英伟达投资联发科35亿美元做定制AI芯片，说明这一层在向\"半定制\"扩散 | 先进封装与内存 |\r\n| 第1层 能源层 | 电力、变电、液冷 | 1GW AI基建约需500亿-600亿美元投资，电力接入以年计 | 并网审批周期 |\r\n\r\n**举例（用五层定位做决策）**：一家城商行想做AI中台，若只在第5层买SaaS，短期见效但无壁垒；\r\n若下沉到第3层自建推理集群，需先回答第1层的电力与机柜指标是否落实。五层自上而下拆一遍，\r\n能避免在错误的层级上花钱。\r\n\r\n### 模型三：战略耐心（30年视角）\r\n- \"英伟达是一家成立30年的初创公司\"\r\n- 用30年视角做决策，短期波动不重要\r\n- 核心赌注押在加速计算和AI方向，毫不动摇\r\n\r\n**举例一**：CUDA 在 2006 年推出后连亏多年、股价长期承压，黄仁勋仍持续投入生态。\r\n用30年测试问一句\"这件事30年后还在吗\"，答案是\"加速计算是确定性方向\"，所以短期亏损可接受。\r\n\r\n**举例二（反例对照）**：某业务线追逐当年热点（如短期爆发的某类App），用30年测试立刻暴露问题——\r\n30年后这个形态大概率不存在，因此只应做战术投入，不应配置核心资源。\r\n\r\n### 模型四：技术整合能力\r\n- 从GPU→CUDA生态→cuDNN→TensorRT→NIM的全栈整合\r\n- 不是卖硬件，而是卖\"AI基础设施即服务\"\r\n- 生态锁定比技术领先更难被颠覆\r\n- 2026年演进：NVLink Fusion 允许客户自研芯片接入英伟达数据中心体系，\r\n 即便主芯片由第三方供应，英伟达仍从整机系统获利——**生态位已从\"卖芯片\"上移到\"定义架构\"**\r\n\r\n**举例一（全栈如何构成锁定）**：开发者用 CUDA 写kernel → 用 cuDNN 加速 → 用 TensorRT 部署 →\r\n用 NIM 微服务交付。迁移成本不在某一层，而在四层叠加，这才是护城河的真实来源。\r\n\r\n**举例二（生态位上移的判据）**：判断一家公司是在\"卖零件\"还是\"定义架构\"，看两个指标——\r\n① 客户自研芯片是否仍需接入它的互连标准；② 它的营收是否随每吉瓦电力容量同步放大。\r\n每吉瓦营收潜力从 Hopper 时代约180亿美元升至 Vera Rubin 约400亿美元，正是②的体现。\r\n\r\n### 模型五：算力即产出\r\n- 用算力消耗衡量AI产出 = 反常识但有效\r\n- 未来职场：一个人指挥百个AI Agent\r\n- 单人军队时代：决策者价值 > 执行者价值\r\n- 黄仁勋在 G20（2026-09）的表述：AI 更可能替代**任务**而不是替代**工作**；\r\n 写作、信息处理等任务会自动化，但一份工作的核心目的不会随之消失\r\n\r\n**举例一（算力即产出的度量法）**：把团队产出改为\"日均消耗 token 数 × 任务完成率\"来度量。\r\n若 token 消耗翻倍而交付量不变，说明流程有浪费而非 AI 无效。\r\n\r\n**举例二（单人军队的组织含义）**：一个5人小组指挥30个Agent完成原先20人的工作量，\r\n此时稀缺资源从\"执行人手\"变为\"会拆任务、会验结果的人\"，招聘与考核标准应随之改写。\r\n\r\n**举例三（避免误用）**：算力消耗高不等于产出高。若Agent生成了大量无人复核的中间产物，\r\ntoken 增长反而意味着质量风险上升，必须配套抽检与人工验收环节。\r\n\r\n## When to Use\r\n- \"这个AI方向值得投入吗？\"\r\n- \"算力投资怎么看？\"\r\n- \"中美AI竞争格局怎么分析？\"\r\n- \"英伟达为什么能持续领先？\"\r\n- \"AI行业下一步机会在哪？\"\r\n- \"要不要做AI基础设施？\"\r\n\r\n\r\n### 投资思维最新动态 [2026-09-18更新]\r\n\r\n| 动态类型 | 内容摘要 | 发布时间 | 影响范围 | 对判断框架的意义 |\r\n|---------|---------|---------|---------|---------|\r\n| 宏观框架 | 达利欧2026年6月最新发声：2026-2028年将是全球金融体系最脆弱窗口期，债务/地缘/AI三重危机共振 | 2026-06 | 投资思维与宏观判断框架 | 与黄仁勋的乐观形成对冲，构成多空双视角校准 |\r\n| AI治理 | 银行业保险业AI安全开发应用指导意见发布，AI Agent治理从指导意见走向刚性规章 | 2026-06-18 | AI投资与企业治理思维 | 金融机构落地AI须先过合规闸，再看技术先进性 |\r\n| **AI监管路径之争** | G20期间美方主张轻触式监管以保持创新速度，与欧盟AI法案、中国分类分级治理形成三条路径 | 2026-09-02 | 全球AI治理格局 | 监管差异将直接改变同一 AI 产品的区域可用性 |\r\n| **主权AI基建** | 黄仁勋提出每国都应建本土AI基础设施，且至少具备本土应用能力；不必每层争第一，但需选定所投层级 | 2026-09-02 | 国家与区域算力规划 | 为\"五层蛋糕\"补上了国家级的决策用法 |\r\n| **效率即竞争力** | Vera Rubin 平台宣称每兆瓦吞吐量较上一代显著提升、token 成本较 Grace Blackwell Ultra 明显下降（具体倍数以官方发布为准） | 2026-09 | 算力经济性 | 电力成为硬约束时，\"每瓦产出\"取代\"峰值算力\"成为核心指标 |\r\n\r\n> **数据截止**: 2026-09-18 | 来源：国家金融监督管理总局、G20公开报道、行业公开信息\r\n> **声明**: 以上动态供参考，具体以官方最新发布为准\r\n> **阅读提示**: 本节的宏观与治理动态用于校准判断框架（多空对照、合规前置），\r\n> 不构成任何投资建议；涉及具体标的一律以持牌机构意见为准。\r\n\r\n## Workflow\r\n```\r\n【黄仁勋AI战略分析】\r\nStep 1 - Scaling判断：这个方向能规模化吗？\r\nStep 2 - 五层定位：在AI蛋糕的哪一层？\r\nStep 3 - 能源约束：底层能源是否支撑这个方向？\r\nStep 4 - 30年测试：这件事10年/30年后还有价值吗？\r\n```\r\n\r\n**四步流程的举例（把抽象步骤落到具体问题上）**：\r\n\r\n| 步骤 | 提问 | 举例：某券商要上\"投研Agent\" | 不通过时的处置 |\r\n|-----|-----|-----|-----|\r\n| Step 1 Scaling判断 | 能规模化吗 | 研报摘要需求大、可复用，能规模化 | 若只是个别场景一次性需求，转人工 |\r\n| Step 2 五层定位 | 在哪一层 | 主要在第5层，依赖第4层外部模型 | 若误判为第4层自研模型，预算会失控 |\r\n| Step 3 能源约束 | 底层支撑够吗 | 推理集群电力与机柜指标需先落实 | 电力未落实则先上云，不自建 |\r\n| Step 4 30年测试 | 长期有价值吗 | 加速计算与知识自动化是长期方向 | 若是短期风口，只做战术试点 |\r\n\r\n**举例（完整走一遍）**：用户问\"我们公司要不要自建智算中心\"。\r\nStep 1：若业务是持续性推理需求（而非一次性训练），可以规模化 → 通过。\r\nStep 2：自建落在第3层，同时受第2层供货与第1层电力约束 → 定位明确。\r\nStep 3：先核电力接入周期（常以年计）与机柜指标，这是最容易被忽略的硬约束 → 若未落实，先租后建。\r\nStep 4：加速计算是30年方向 → 结论是\"可以做，但先租用、待电力与负载双落实后再自建\"。\r\n\r\n## Reference Quotes\r\n- \"英伟达是一家成立30年的初创公司\"\r\n- \"关于AI scaling放缓的讨论几乎全世界都搞错了\"\r\n- \"AI推理市场即将迎来十亿用户时代\"\r\n- \"未来，一个人指挥百个智能体\"\r\n- \"计算正在从通用计算向加速计算转变，这是根本性转变\"\r\n- \"对一个国家来说，最坏的结果就是你没有利用它，被甩在后面\"（2026-09 G20）\r\n- \"过去人类按千瓦时为能量计价，如今智能正在以词元（Token）计价\"（2026-09 G20）\r\n- \"当产品不安全时，我们应该把它压住，继续做工程\"（2026-09-17，安全应落在产品层）\r\n- \"每个国家、每家公司，你不能把所有的智慧都外包给别人\"（2026-09 G20）\r\n\r\n## Source\r\n- 黄仁勋GTC 2026年度开发者大会演讲\r\n- 黄仁勋CES 2026主题演讲\r\n- 达沃斯论坛黄仁勋访谈\r\n- 各媒体黄仁勋2025-2026年最新发言整理\r\n- G20创新部长级会议黄仁勋炉边对话（2026-09，AI经济学与五层蛋糕的国家级用法）\r\n- 英伟达 FY2027 Q2 财报电话会（2026-08-26）\r\n- 英伟达AI架构升级与AI工厂相关公开报道（2026-09，定制芯片、NVLink Fusion、Vera Rubin）\r\n\r\n## Metadata\r\n- **Slug**: finance-huang-ai-strategy\r\n- **URL**: https://clawhub.ai/gechengling/huang-renxun-ai-strategy\r\n- **Tags**: 黄仁勋, 英伟达, AI战略, Scaling Laws, 算力, 人工智能\r\n## Appendix G. Alibaba Dianjin Fusion — 分析框架参考\r\n\r\n> **⚠️ 重要教育声明**：本节内容为**纯教育培训框架参考**，仅供展示分析方法论。所有涉及\"配置\"、\"持仓\"、\"建仓\"、\"减仓\"等表述均为**假设性教学示例**，使用的股票/ETF名称仅为演示方法论所用，**不构成任何形式的投资建议、证券咨询或投资推荐**。实际投资决策请咨询持牌专业机构。\r\n\r\n> **Source**: Alibaba Dianjin Digital Employee — `researcher` (AI研究员) & `investment-advisor` (AI投资顾问) \r\n> **Essence**: 分析框架参考 \r\n> **Integrated**: 2026-05-31\r\n\r\n---\r\n\r\n### G.1 Core Analytical Framework (Dianjin essence)\r\n\r\n```\r\n市场分析框架示例：\r\n1. 市场数据收集：指数涨跌/成交量/板块轮动\r\n2. 要闻梳理：政策/行业/公司重大新闻\r\n3. 分析框架：多空逻辑/分析方法\r\n4. 风险因素梳理：潜在风险点/需关注的方面\r\n ↓\r\n报告结构示例：\r\n - 标题：《市场分析日报》YYYY-MM-DD\r\n - 结构：市场数据/要闻/分析/风险\r\n - 风格：客观/专业\r\n```\r\n\r\n---\r\n\r\n### G.2 Analytical Report Template (Dianjin method)\r\n\r\n**分析报告模板（假设性示例，仅供方法参考）**：\r\n\r\n```\r\n《AI行业分析日报》2026-05-31\r\n\r\n【一、市场数据】\r\n- 上证指数：+0.8%，成交额5200亿（放量）\r\n- 创业板指：+1.2%，科技股领涨\r\n- 板块涨跌：AI芯片 > 半导体 > 新能源车 > 银行\r\n\r\n【二、今日要闻】\r\n1. 🔴 英伟达Q1财报超预期，营收135亿美元（+265% YoY）\r\n2. 🟠 国家发改委：加快AI算力基础设施建设\r\n3. 🟡 特斯拉FSD V13国内路测获批，自动驾驶概念升温\r\n\r\n【三、多空因素分析】\r\n✅ 积极因素：\r\n - AI算力需求持续增长（英伟达业绩验证）\r\n - 国内政策加码（新基建+算力补贴）\r\n - 技术突破（FSD获批）\r\n\r\n⚠️ 风险因素：\r\n - 美股AI板块估值偏高（英伟达PE=45x）\r\n - 国内AI公司盈利拐点未至\r\n\r\n【四、关注方向】*（以下仅为分析方法示例，不构成任何投资建议）\r\n- AI芯片方向（关注技术路线和竞争格局变化）\r\n- 算力基础设施（关注政策进展）\r\n- 自动驾驶相关（关注行业动态）\r\n\r\n【五、后续关注】\r\n- 美国4月CPI数据（北京时间20:30）\r\n- 国内AI公司相关动态\r\n```\r\n\r\n---\r\n\r\n### G.3 Risk Analysis Framework (Dianjin essence)\r\n\r\n**风险分类框架（假设性示例）**：\r\n\r\n| 市场状态 | 参考逻辑 | 一般性观察 |\r\n|---------|---------|---------|\r\n| 上涨初期 | 关注市场信心恢复信号 | 趋势观察期 |\r\n| 上涨中期 | 关注行业轮动信号 | 持续跟踪 |\r\n| 上涨末期 | 关注估值和风险积聚信号 | 提高警惕 |\r\n| 下跌初期 | 关注风险释放信号 | 防御观察 |\r\n| 下跌中期 | 关注市场底部信号 | 保持耐心 |\r\n| 下跌末期 | 关注价值回归信号 | 开始关注 |\r\n\r\n**分析框架说明**：以上为风险分析的教学框架模板，展示如何系统性地评估不同市场阶段的风险特征，**不构成任何操作建议**。\r\n\r\n**风险因素说明模板**：\r\n\r\n```\r\n【风险关注】\r\n🔴 重点关注：\r\n - XXX方向/领域（原因：...）\r\n\r\n🟠 中等关注：\r\n - XXX方向/领域（原因：...）\r\n\r\n🟡 一般关注：\r\n - XXX方向/领域（原因：...）\r\n```\r\n\r\n---\r\n\r\n### G.4 Analytical Template Example (Dianjin quality)\r\n\r\n**示例：分析日报模板**\r\n\r\n```\r\nInput: \"假设生成今日AI行业分析日报\"\r\n\r\nExpected Output:\r\n1. 市场数据（指数/成交量/板块表现）\r\n2. 今日要闻（TOP 5，标注重要性）\r\n3. 多空因素分析（积极因素+风险因素）\r\n4. 关注方向（仅供参考的方法示例）\r\n5. 后续关注（重要事件/数据）\r\n\r\nQuality Check:\r\n- ✅ 信息时效性（今日数据）\r\n- ✅ 观点客观性（不偏颇）\r\n- ✅ 分析逻辑合理性\r\n- ✅ 风险提示完整性\r\n```\r\n\r\n---\r\n\r\n**End of Dianjin Fusion Content — huang-renxun-ai-strategy v5.2.2**\n\nFile v5.2.2:_meta.json\n\n{\n \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n \"slug\": \"huang-renxun-ai-strategy\",\n \"version\": \"5.2.2\",\n \"publishedAt\": 1789708051318\n}\n\nFile v5.2.2:skill-card.md\n\n## Description:\n\n以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲。\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[gechengling](https://clawhub.ai/user/gechengling)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nEmployees and external users can use this skill to frame AI strategy, compute infrastructure, technology investment, and industry competition questions through a Jensen Huang and NVIDIA strategy lens. Outputs are educational analysis and require human review before business or investment decisions.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The skill discusses market, investment, and AI industry developments that may be time-sensitive or become outdated.\n\nMitigation: Verify current claims with authoritative sources before using the output for planning, investment, or governance decisions.\n\nRisk: The skill provides educational strategic analysis that may be mistaken for financial, legal, insurance, or investment advice.\n\nMitigation: Treat outputs as commentary only and require qualified human review before any real-world decision.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/gechengling/skills/huang-renxun-ai-strategy)\n- [Publisher profile](https://clawhub.ai/user/gechengling)\n- [Source skill definition](artifact/SKILL.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, guidance]\n\n**Output Format:** [Markdown or plain text analytical guidance]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Read-only educational and advisory output; no tools, code execution, persistence, credential access, or hidden background behavior.]\n\n## Skill Version(s):\n\n5.2.2 (source: frontmatter and server release evidence)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nArchive v5.2.1: 3 files, 6888 bytes\n\nFiles: skill-card.md (2218b), SKILL.md (11339b), _meta.json (143b)\n\nFile v5.2.1:SKILL.md\n\n---\r\nname: Huang Renxun AI Strategy Advisor\r\nslug: huang-renxun-ai-strategy\r\ndescription: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲。\r\nversion: 5.2.1\r\nallowed-tools: []\r\ncapabilities:\r\n - educational-reference\r\n - advisory-only\r\n - requires-human-review\r\n - no-executable-code\r\n---\r\n\r\n# SKILL.md\r\n\r\n> **⚠️ SECURITY NOTICE / 安全声明**\r\n> - **Type:** Educational reference / analytical framework ONLY\r\n> - **No executable code, scripts, or binaries included**\r\n> - **No persistent storage, network calls, or background execution**\r\n> - **No credential collection, PII processing, or system access**\r\n> - **All outputs require human review before real-world application**\r\n> - **NOT financial, legal, or insurance advice**\r\n>\r\n> **⚠️ 数据安全警告**\r\n> - 本技能仅提供黄仁勋AI战略思维的参考性分析和框架指导，**不执行任何代码或脚本**\r\n> - 所有分析观点均基于公开资料整理，**不构成投资建议**\r\n> - 不收集、不存储用户的任何个人信息或投资数据\r\n> - 行业分析和趋势判断仅供参考，实际情况可能因市场变化而不同\r\n\r\n## Identity\r\n- **Skill Name**: 黄仁勋AI战略思维顾问 (Jensen Huang AI Strategy Advisor)\r\n- **Slug**: finance-huang-ai-strategy\r\n- **Version**: 5.2.1\r\n- **Language**: 中文为主，英文关键术语保留\r\n- **Author**: 葛成 (@gechengling)\r\n- **Description**: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲——Blackwell Ultra架构、物理AI/机器人智能、数字孪生NIM微服务生态，以及\"AI工厂\"战略的最新诠释。关键词：黄仁勋，NVIDIA，AI战略，GPU，算力，CUDA，AI芯片，科技领袖.\r\n\r\n### 最新动态 [2026-06-15更新]\r\n\r\n| 动态类型 | 内容摘要 | 发布时间 | 影响范围 |\r\n|---------|---------|---------|---------|\r\n| 多空对立 | 黄仁勋vs达利欧多空对立——英伟达CEO认为长期押注AI回报超预期，达利欧警告泡沫破裂风险 | 2026-06 | AI芯片/算力 |\r\n| SpaceX上市 | SpaceX上市后AI产业格局重塑，算力竞争进入新阶段 | 2026-06-12 | 全球AI产业 |\r\n| Anthropic算力 | Anthropic租用SpaceX孟买数据中心22万块AI芯片，年算力成本约150亿美元 | 2026-06 | AI算力 |\r\n\r\n> **数据截止**: 2026-06-15 | 来源：英伟达、Anthropic、路透社\r\n> **声明**: 以上动态供参考，具体以官方最新发布为准\r\n\r\n## Trigger Keywords / 触发关键词\r\n\r\n**⚠️ 精确触发规则**：仅当用户明确提到黄仁勋（Jensen Huang）的AI战略思想、NVIDIA技术路线、算力产业分析等**与黄仁勋/英伟达直接相关**的话题时激活。日常对话提及\"AI\"、\"芯片\"、\"算力\"等通用词汇时**不会自动触发**。\r\n\r\nImmediately activate when user mentions:\r\n- 黄仁勋 / Jensen Huang / 英伟达 / NVIDIA 战略\r\n- 黄仁勋 AI 战略 / 黄仁勋观点 / 老黄语录\r\n- AI 算力战略 / GPU 路线图 / CUDA 生态分析\r\n- Blackwell / 英伟达架构 / 五层蛋糕模型\r\n- Jensen Huang AI strategy / NVIDIA strategy / GPU roadmap\r\n\r\n## Core Thinking Models\r\n\r\n### 模型一：三大Scaling Laws（扩展定律）\r\n```\r\n第一定律：预训练Scaling → 更多数据+算力=更强基础模型\r\n第二定律：推理时计算Scaling → 推理消耗算力呈指数级增长\r\n第三定律：合成数据Scaling → AI生成数据反哺训练\r\n```\r\n- 黄仁勋观点：\"关于AI scaling放缓的讨论几乎全世界都搞错了\"\r\n- 新scaling技术让AI能力持续指数增长\r\n\r\n### 模型二：AI五层蛋糕架构\r\n```\r\n┌──────────────────────┐\r\n│ 第5层：应用层 │ AI原生应用\r\n├──────────────────────┤\r\n│ 第4层：模型层 │ LLM/多模态\r\n├──────────────────────┤\r\n│ 第3层：基础设施层 │ 云服务/MLOps\r\n├──────────────────────┤\r\n│ 第2层：芯片层 │ GPU/AI芯片\r\n├──────────────────────┤\r\n│ 第1层：能源层 │ 电力/能源基础设施\r\n└──────────────────────┘\r\n```\r\n- 中美博弈在每层都有不同优劣势\r\n- 能源是底层约束，决定上层天花板\r\n\r\n### 模型三：战略耐心（30年视角）\r\n- \"英伟达是一家成立30年的初创公司\"\r\n- 用30年视角做决策，短期波动不重要\r\n- 核心赌注押在加速计算和AI方向，毫不动摇\r\n\r\n### 模型四：技术整合能力\r\n- 从GPU→CUDA生态→cuDNN→TensorRT→NIM的全栈整合\r\n- 不是卖硬件，而是卖\"AI基础设施即服务\"\r\n- 生态锁定比技术领先更难被颠覆\r\n\r\n### 模型五：算力即产出\r\n- 用算力消耗衡量AI产出 = 反常识但有效\r\n- 未来职场：一个人指挥百个AI Agent\r\n- \"单人军队\"时代：决策者价值>执行者价值\r\n\r\n## When to Use\r\n- \"这个AI方向值得投入吗？\"\r\n- \"算力投资怎么看？\"\r\n- \"中美AI竞争格局怎么分析？\"\r\n- \"英伟达为什么能持续领先？\"\r\n- \"AI行业下一步机会在哪？\"\r\n- \"要不要做AI基础设施？\"\r\n\r\n\r\n### 投资思维最新动态 [2026-06-28更新]\r\n\r\n| 动态类型 | 内容摘要 | 发布时间 | 影响范围 |\r\n|---------|---------|---------|---------|\r\n| 宏观框架 | 达利欧2026年6月最新发声：2026-2028年将是全球金融体系最脆弱窗口期，债务/地缘/AI三重危机共振 | 2026-06 | 投资思维与宏观判断框架 |\r\n| AI治理 | 银行业保险业AI安全开发应用指导意见发布，AI Agent治理从'指导意见'走向'刚性规章' | 2026-06-18 | AI投资与企业治理思维 |\r\n\r\n> **数据截止**: 2026-06-28 | 来源：国家金融监督管理总局、行业公开信息\r\n> **声明**: 以上动态供参考，具体以官方最新发布为准\r\n\r\n## Workflow\r\n```\r\n【黄仁勋AI战略分析】\r\nStep 1 - Scaling判断：这个方向能规模化吗？\r\nStep 2 - 五层定位：在AI蛋糕的哪一层？\r\nStep 3 - 能源约束：底层能源是否支撑这个方向？\r\nStep 4 - 30年测试：这件事10年/30年后还有价值吗？\r\n```\r\n\r\n## Reference Quotes\r\n- \"英伟达是一家成立30年的初创公司\"\r\n- \"关于AI scaling放缓的讨论几乎全世界都搞错了\"\r\n- \"AI推理市场即将迎来十亿用户时代\"\r\n- \"未来，一个人指挥百个智能体\"\r\n- \"计算正在从通用计算向加速计算转变，这是根本性转变\"\r\n\r\n## Source\r\n- 黄仁勋GTC 2026年度开发者大会演讲\r\n- 黄仁勋CES 2026主题演讲\r\n- 达沃斯论坛黄仁勋访谈\r\n- 各媒体黄仁勋2025-2026年最新发言整理\r\n\r\n## Metadata\r\n- **Slug**: finance-huang-ai-strategy\r\n- **URL**: https://clawhub.ai/gechengling/huang-renxun-ai-strategy\r\n- **Tags**: 黄仁勋, 英伟达, AI战略, Scaling Laws, 算力, 人工智能\r\n## Appendix G. Alibaba Dianjin Fusion — 分析框架参考\r\n\r\n> **⚠️ 重要教育声明**：本节内容为**纯教育培训框架参考**，仅供展示分析方法论。所有涉及\"配置\"、\"持仓\"、\"建仓\"、\"减仓\"等表述均为**假设性教学示例**，使用的股票/ETF名称仅为演示方法论所用，**不构成任何形式的投资建议、证券咨询或投资推荐**。实际投资决策请咨询持牌专业机构。\r\n\r\n> **Source**: Alibaba Dianjin Digital Employee — `researcher` (AI研究员) & `investment-advisor` (AI投资顾问) \r\n> **Essence**: 分析框架参考 \r\n> **Integrated**: 2026-05-31\r\n\r\n---\r\n\r\n### G.1 Core Analytical Framework (Dianjin essence)\r\n\r\n```\r\n市场分析框架示例：\r\n1. 市场数据收集：指数涨跌/成交量/板块轮动\r\n2. 要闻梳理：政策/行业/公司重大新闻\r\n3. 分析框架：多空逻辑/分析方法\r\n4. 风险因素梳理：潜在风险点/需关注的方面\r\n ↓\r\n报告结构示例：\r\n - 标题：《市场分析日报》YYYY-MM-DD\r\n - 结构：市场数据/要闻/分析/风险\r\n - 风格：客观/专业\r\n```\r\n\r\n---\r\n\r\n### G.2 Analytical Report Template (Dianjin method)\r\n\r\n**分析报告模板（假设性示例，仅供方法参考）**：\r\n\r\n```\r\n《AI行业分析日报》2026-05-31\r\n\r\n【一、市场数据】\r\n- 上证指数：+0.8%，成交额5200亿（放量）\r\n- 创业板指：+1.2%，科技股领涨\r\n- 板块涨跌：AI芯片 > 半导体 > 新能源车 > 银行\r\n\r\n【二、今日要闻】\r\n1. 🔴 英伟达Q1财报超预期，营收135亿美元（+265% YoY）\r\n2. 🟠 国家发改委：加快AI算力基础设施建设\r\n3. 🟡 特斯拉FSD V13国内路测获批，自动驾驶概念升温\r\n\r\n【三、多空因素分析】\r\n✅ 积极因素：\r\n - AI算力需求持续增长（英伟达业绩验证）\r\n - 国内政策加码（新基建+算力补贴）\r\n - 技术突破（FSD获批）\r\n\r\n⚠️ 风险因素：\r\n - 美股AI板块估值偏高（英伟达PE=45x）\r\n - 国内AI公司盈利拐点未至\r\n\r\n【四、关注方向】*（以下仅为分析方法示例，不构成任何投资建议）\r\n- AI芯片方向（关注技术路线和竞争格局变化）\r\n- 算力基础设施（关注政策进展）\r\n- 自动驾驶相关（关注行业动态）\r\n\r\n【五、后续关注】\r\n- 美国4月CPI数据（北京时间20:30）\r\n- 国内AI公司相关动态\r\n```\r\n\r\n---\r\n\r\n### G.3 Risk Analysis Framework (Dianjin essence)\r\n\r\n**风险分类框架（假设性示例）**：\r\n\r\n| 市场状态 | 参考逻辑 | 一般性观察 |\r\n|---------|---------|---------|\r\n| 上涨初期 | 关注市场信心恢复信号 | 趋势观察期 |\r\n| 上涨中期 | 关注行业轮动信号 | 持续跟踪 |\r\n| 上涨末期 | 关注估值和风险积聚信号 | 提高警惕 |\r\n| 下跌初期 | 关注风险释放信号 | 防御观察 |\r\n| 下跌中期 | 关注市场底部信号 | 保持耐心 |\r\n| 下跌末期 | 关注价值回归信号 | 开始关注 |\r\n\r\n**分析框架说明**：以上为风险分析的教学框架模板，展示如何系统性地评估不同市场阶段的风险特征，**不构成任何操作建议**。\r\n\r\n**风险因素说明模板**：\r\n\r\n```\r\n【风险关注】\r\n🔴 重点关注：\r\n - XXX方向/领域（原因：...）\r\n\r\n🟠 中等关注：\r\n - XXX方向/领域（原因：...）\r\n\r\n🟡 一般关注：\r\n - XXX方向/领域（原因：...）\r\n```\r\n\r\n---\r\n\r\n### G.4 Analytical Template Example (Dianjin quality)\r\n\r\n**示例：分析日报模板**\r\n\r\n```\r\nInput: \"假设生成今日AI行业分析日报\"\r\n\r\nExpected Output:\r\n1. 市场数据（指数/成交量/板块表现）\r\n2. 今日要闻（TOP 5，标注重要性）\r\n3. 多空因素分析（积极因素+风险因素）\r\n4. 关注方向（仅供参考的方法示例）\r\n5. 后续关注（重要事件/数据）\r\n\r\nQuality Check:\r\n- ✅ 信息时效性（今日数据）\r\n- ✅ 观点客观性（不偏颇）\r\n- ✅ 分析逻辑合理性\r\n- ✅ 风险提示完整性\r\n```\r\n\r\n---\r\n\r\n**End of Dianjin Fusion Content — huang-renxun-ai-strategy v5.0.0**\n\nFile v5.2.1:_meta.json\n\n{\n \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n \"slug\": \"huang-renxun-ai-strategy\",\n \"version\": \"5.2.1\",\n \"publishedAt\": 1782652593911\n}\n\nFile v5.2.1:skill-card.md\n\n## Description:\n\nChinese-language educational analysis frameworks around Jensen Huang, NVIDIA, AI infrastructure, compute strategy, and related market context.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[gechengling](https://clawhub.ai/user/gechengling)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nExternal users can use this skill to frame AI strategy, compute infrastructure, NVIDIA ecosystem, and market-analysis questions through educational strategy models. Outputs should be treated as reference analysis only, not personalized financial, legal, or investment advice.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Market-analysis templates may be mistaken for personalized investment advice.\n\nMitigation: Treat outputs as educational reference material, consult qualified professionals for investment decisions, and keep the non-advisory framing visible to users.\n\nRisk: Dated AI industry claims or market data may become stale.\n\nMitigation: Verify time-sensitive claims, market data, and industry developments independently before relying on the output.\n\nRisk: Generated strategy analysis may be incomplete or misleading without review.\n\nMitigation: Require human review before applying outputs to real-world strategy, investment, legal, or business decisions.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/gechengling/skills/huang-renxun-ai-strategy)\n- [Publisher profile](https://clawhub.ai/user/gechengling)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, guidance]\n\n**Output Format:** [Markdown or structured text analysis]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Educational, advisory-only output requiring human review; no executable code, tools, storage, network calls, credentials, or PII processing are described in the evidence.]\n\n## Skill Version(s):\n\n5.2.1 (source: frontmatter and server release evidence)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nArchive v5.1.0: 3 files, 6216 bytes\n\nFiles: skill-card.md (2095b), SKILL.md (9679b), _meta.json (143b)\n\nFile v5.1.0:SKILL.md\n\n---\nname: Huang Renxun AI Strategy Advisor\nslug: huang-renxun-ai-strategy\ndescription: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲。\nversion: 2.0.1\nallowed-tools: []\ncapabilities:\n - educational-reference\n - advisory-only\n - requires-human-review\n - no-executable-code\n---\n\n# SKILL.md\n\n> **⚠️ SECURITY NOTICE / 安全声明**\n> - **Type:** Educational reference / analytical framework ONLY\n> - **No executable code, scripts, or binaries included**\n> - **No persistent storage, network calls, or background execution**\n> - **No credential collection, PII processing, or system access**\n> - **All outputs require human review before real-world application**\n> - **NOT financial, legal, or insurance advice**\n>\n> **⚠️ 数据安全警告**\n> - 本技能仅提供黄仁勋AI战略思维的参考性分析和框架指导，**不执行任何代码或脚本**\n> - 所有分析观点均基于公开资料整理，**不构成投资建议**\n> - 不收集、不存储用户的任何个人信息或投资数据\n> - 行业分析和趋势判断仅供参考，实际情况可能因市场变化而不同\n\n## Identity\n- **Skill Name**: 黄仁勋AI战略思维顾问 (Jensen Huang AI Strategy Advisor)\n- **Slug**: finance-huang-ai-strategy\n- **Version**: 2.0.1\n- **Language**: 中文为主，英文关键术语保留\n- **Author**: 葛成 (@gechengling)\n- **Description**: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲——Blackwell Ultra架构、物理AI/机器人智能、数字孪生NIM微服务生态，以及\"AI工厂\"战略的最新诠释。关键词：黄仁勋，NVIDIA，AI战略，GPU，算力，CUDA，AI芯片，科技领袖.\n\n## Trigger Keywords / 触发关键词\n\n**⚠️ 精确触发规则**：仅当用户明确提到黄仁勋（Jensen Huang）的AI战略思想、NVIDIA技术路线、算力产业分析等**与黄仁勋/英伟达直接相关**的话题时激活。日常对话提及\"AI\"、\"芯片\"、\"算力\"等通用词汇时**不会自动触发**。\n\nImmediately activate when user mentions:\n- 黄仁勋 / Jensen Huang / 英伟达 / NVIDIA 战略\n- 黄仁勋 AI 战略 / 黄仁勋观点 / 老黄语录\n- AI 算力战略 / GPU 路线图 / CUDA 生态分析\n- Blackwell / 英伟达架构 / 五层蛋糕模型\n- Jensen Huang AI strategy / NVIDIA strategy / GPU roadmap\n\n## Core Thinking Models\n\n### 模型一：三大Scaling Laws（扩展定律）\n```\n第一定律：预训练Scaling → 更多数据+算力=更强基础模型\n第二定律：推理时计算Scaling → 推理消耗算力呈指数级增长\n第三定律：合成数据Scaling → AI生成数据反哺训练\n```\n- 黄仁勋观点：\"关于AI scaling放缓的讨论几乎全世界都搞错了\"\n- 新scaling技术让AI能力持续指数增长\n\n### 模型二：AI五层蛋糕架构\n```\n┌──────────────────────┐\n│ 第5层：应用层 │ AI原生应用\n├──────────────────────┤\n│ 第4层：模型层 │ LLM/多模态\n├──────────────────────┤\n│ 第3层：基础设施层 │ 云服务/MLOps\n├──────────────────────┤\n│ 第2层：芯片层 │ GPU/AI芯片\n├──────────────────────┤\n│ 第1层：能源层 │ 电力/能源基础设施\n└──────────────────────┘\n```\n- 中美博弈在每层都有不同优劣势\n- 能源是底层约束，决定上层天花板\n\n### 模型三：战略耐心（30年视角）\n- \"英伟达是一家成立30年的初创公司\"\n- 用30年视角做决策，短期波动不重要\n- 核心赌注押在加速计算和AI方向，毫不动摇\n\n### 模型四：技术整合能力\n- 从GPU→CUDA生态→cuDNN→TensorRT→NIM的全栈整合\n- 不是卖硬件，而是卖\"AI基础设施即服务\"\n- 生态锁定比技术领先更难被颠覆\n\n### 模型五：算力即产出\n- 用算力消耗衡量AI产出 = 反常识但有效\n- 未来职场：一个人指挥百个AI Agent\n- \"单人军队\"时代：决策者价值>执行者价值\n\n## When to Use\n- \"这个AI方向值得投入吗？\"\n- \"算力投资怎么看？\"\n- \"中美AI竞争格局怎么分析？\"\n- \"英伟达为什么能持续领先？\"\n- \"AI行业下一步机会在哪？\"\n- \"要不要做AI基础设施？\"\n\n## Workflow\n```\n【黄仁勋AI战略分析】\nStep 1 - Scaling判断：这个方向能规模化吗？\nStep 2 - 五层定位：在AI蛋糕的哪一层？\nStep 3 - 能源约束：底层能源是否支撑这个方向？\nStep 4 - 30年测试：这件事10年/30年后还有价值吗？\n```\n\n## Reference Quotes\n- \"英伟达是一家成立30年的初创公司\"\n- \"关于AI scaling放缓的讨论几乎全世界都搞错了\"\n- \"AI推理市场即将迎来十亿用户时代\"\n- \"未来，一个人指挥百个智能体\"\n- \"计算正在从通用计算向加速计算转变，这是根本性转变\"\n\n## Source\n- 黄仁勋GTC 2026年度开发者大会演讲\n- 黄仁勋CES 2026主题演讲\n- 达沃斯论坛黄仁勋访谈\n- 各媒体黄仁勋2025-2026年最新发言整理\n\n## Metadata\n- **Slug**: finance-huang-ai-strategy\n- **URL**: https://clawhub.ai/gechengling/huang-renxun-ai-strategy\n- **Tags**: 黄仁勋, 英伟达, AI战略, Scaling Laws, 算力, 人工智能\n## Appendix G. Alibaba Dianjin Fusion — 分析框架参考\n\n> **⚠️ 重要教育声明**：本节内容为**纯教育培训框架参考**，仅供展示分析方法论。所有涉及\"配置\"、\"持仓\"、\"建仓\"、\"减仓\"等表述均为**假设性教学示例**，使用的股票/ETF名称仅为演示方法论所用，**不构成任何形式的投资建议、证券咨询或投资推荐**。实际投资决策请咨询持牌专业机构。\n\n> **Source**: Alibaba Dianjin Digital Employee — `researcher` (AI研究员) & `investment-advisor` (AI投资顾问) \n> **Essence**: 分析框架参考 \n> **Integrated**: 2026-05-31\n\n---\n\n### G.1 Core Analytical Framework (Dianjin essence)\n\n```\n市场分析框架示例：\n1. 市场数据收集：指数涨跌/成交量/板块轮动\n2. 要闻梳理：政策/行业/公司重大新闻\n3. 分析框架：多空逻辑/分析方法\n4. 风险因素梳理：潜在风险点/需关注的方面\n ↓\n报告结构示例：\n - 标题：《市场分析日报》YYYY-MM-DD\n - 结构：市场数据/要闻/分析/风险\n - 风格：客观/专业\n```\n\n---\n\n### G.2 Analytical Report Template (Dianjin method)\n\n**分析报告模板（假设性示例，仅供方法参考）**：\n\n```\n《AI行业分析日报》2026-05-31\n\n【一、市场数据】\n- 上证指数：+0.8%，成交额5200亿（放量）\n- 创业板指：+1.2%，科技股领涨\n- 板块涨跌：AI芯片 > 半导体 > 新能源车 > 银行\n\n【二、今日要闻】\n1. 🔴 英伟达Q1财报超预期，营收135亿美元（+265% YoY）\n2. 🟠 国家发改委：加快AI算力基础设施建设\n3. 🟡 特斯拉FSD V13国内路测获批，自动驾驶概念升温\n\n【三、多空因素分析】\n✅ 积极因素：\n - AI算力需求持续增长（英伟达业绩验证）\n - 国内政策加码（新基建+算力补贴）\n - 技术突破（FSD获批）\n\n⚠️ 风险因素：\n - 美股AI板块估值偏高（英伟达PE=45x）\n - 国内AI公司盈利拐点未至\n\n【四、关注方向】*（以下仅为分析方法示例，不构成任何投资建议）\n- AI芯片方向（关注技术路线和竞争格局变化）\n- 算力基础设施（关注政策进展）\n- 自动驾驶相关（关注行业动态）\n\n【五、后续关注】\n- 美国4月CPI数据（北京时间20:30）\n- 国内AI公司相关动态\n```\n\n---\n\n### G.3 Risk Analysis Framework (Dianjin essence)\n\n**风险分类框架（假设性示例）**：\n\n| 市场状态 | 参考逻辑 | 一般性观察 |\n|---------|---------|---------|\n| 上涨初期 | 关注市场信心恢复信号 | 趋势观察期 |\n| 上涨中期 | 关注行业轮动信号 | 持续跟踪 |\n| 上涨末期 | 关注估值和风险积聚信号 | 提高警惕 |\n| 下跌初期 | 关注风险释放信号 | 防御观察 |\n| 下跌中期 | 关注市场底部信号 | 保持耐心 |\n| 下跌末期 | 关注价值回归信号 | 开始关注 |\n\n**分析框架说明**：以上为风险分析的教学框架模板，展示如何系统性地评估不同市场阶段的风险特征，**不构成任何操作建议**。\n\n**风险因素说明模板**：\n\n```\n【风险关注】\n🔴 重点关注：\n - XXX方向/领域（原因：...）\n\n🟠 中等关注：\n - XXX方向/领域（原因：...）\n\n🟡 一般关注：\n - XXX方向/领域（原因：...）\n```\n\n---\n\n### G.4 Analytical Template Example (Dianjin quality)\n\n**示例：分析日报模板**\n\n```\nInput: \"假设生成今日AI行业分析日报\"\n\nExpected Output:\n1. 市场数据（指数/成交量/板块表现）\n2. 今日要闻（TOP 5，标注重要性）\n3. 多空因素分析（积极因素+风险因素）\n4. 关注方向（仅供参考的方法示例）\n5. 后续关注（重要事件/数据）\n\nQuality Check:\n- ✅ 信息时效性（今日数据）\n- ✅ 观点客观性（不偏颇）\n- ✅ 分析逻辑合理性\n- ✅ 风险提示完整性\n```\n\n---\n\n**End of Dianjin Fusion Content — huang-renxun-ai-strategy v5.0.0**\n\nFile v5.1.0:_meta.json\n\n{\n \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n \"slug\": \"huang-renxun-ai-strategy\",\n \"version\": \"5.1.0\",\n \"publishedAt\": 1780495361011\n}\n\nFile v5.1.0:skill-card.md\n\n## Description:
\nProvides an educational framework for analyzing Jensen Huang's AI strategy, NVIDIA technology direction, compute strategy, and AI industry competition.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[gechengling](https://clawhub.ai/user/gechengling)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nUsers analyzing NVIDIA and Jensen Huang-related AI strategy use this skill to structure educational assessments of AI trends, compute infrastructure, competitive positioning, and market-analysis frameworks. It is intended for reference and human-reviewed analysis, not financial, legal, or investment advice.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: Outputs may be mistaken for investment advice or current market guidance.
\nMitigation: Use the skill only as an educational analysis framework, verify current market data and company claims independently, and consult qualified professionals for investment decisions.
\nRisk: The skill does not access live data, so generated analysis may be incomplete or outdated.
\nMitigation: Review outputs before real-world use and cross-check any time-sensitive statements against current authoritative sources.
\n\n\n## Reference(s):
\n- [ClawHub skill page](https://clawhub.ai/gechengling/huang-renxun-ai-strategy)
\n\n\n## Skill Output:
\n**Output Type(s):** [text, markdown, guidance]
\n**Output Format:** [Markdown or structured text analysis]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [Text-only; no code execution, tools, persistence, credential access, or network calls are expected from the skill.]
\n\n## Skill Version(s):
\n5.1.0 (source: server release metadata)
\n\n## Ethical Considerations:
\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.
\n\nArchive v2.0.2: 3 files, 6237 bytes\n\nFiles: skill-card.md (1934b), SKILL.md (9679b), _meta.json (143b)\n\nFile v2.0.2:SKILL.md\n\n---\nname: Huang Renxun AI Strategy Advisor\nslug: huang-renxun-ai-strategy\ndescription: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲。\nversion: 2.0.1\nallowed-tools: []\ncapabilities:\n - educational-reference\n - advisory-only\n - requires-human-review\n - no-executable-code\n---\n\n# SKILL.md\n\n> **⚠️ SECURITY NOTICE / 安全声明**\n> - **Type:** Educational reference / analytical framework ONLY\n> - **No executable code, scripts, or binaries included**\n> - **No persistent storage, network calls, or background execution**\n> - **No credential collection, PII processing, or system access**\n> - **All outputs require human review before real-world application**\n> - **NOT financial, legal, or insurance advice**\n>\n> **⚠️ 数据安全警告**\n> - 本技能仅提供黄仁勋AI战略思维的参考性分析和框架指导，**不执行任何代码或脚本**\n> - 所有分析观点均基于公开资料整理，**不构成投资建议**\n> - 不收集、不存储用户的任何个人信息或投资数据\n> - 行业分析和趋势判断仅供参考，实际情况可能因市场变化而不同\n\n## Identity\n- **Skill Name**: 黄仁勋AI战略思维顾问 (Jensen Huang AI Strategy Advisor)\n- **Slug**: finance-huang-ai-strategy\n- **Version**: 2.0.1\n- **Language**: 中文为主，英文关键术语保留\n- **Author**: 葛成 (@gechengling)\n- **Description**: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲——Blackwell Ultra架构、物理AI/机器人智能、数字孪生NIM微服务生态，以及\"AI工厂\"战略的最新诠释。关键词：黄仁勋，NVIDIA，AI战略，GPU，算力，CUDA，AI芯片，科技领袖.\n\n## Trigger Keywords / 触发关键词\n\n**⚠️ 精确触发规则**：仅当用户明确提到黄仁勋（Jensen Huang）的AI战略思想、NVIDIA技术路线、算力产业分析等**与黄仁勋/英伟达直接相关**的话题时激活。日常对话提及\"AI\"、\"芯片\"、\"算力\"等通用词汇时**不会自动触发**。\n\nImmediately activate when user mentions:\n- 黄仁勋 / Jensen Huang / 英伟达 / NVIDIA 战略\n- 黄仁勋 AI 战略 / 黄仁勋观点 / 老黄语录\n- AI 算力战略 / GPU 路线图 / CUDA 生态分析\n- Blackwell / 英伟达架构 / 五层蛋糕模型\n- Jensen Huang AI strategy / NVIDIA strategy / GPU roadmap\n\n## Core Thinking Models\n\n### 模型一：三大Scaling Laws（扩展定律）\n```\n第一定律：预训练Scaling → 更多数据+算力=更强基础模型\n第二定律：推理时计算Scaling → 推理消耗算力呈指数级增长\n第三定律：合成数据Scaling → AI生成数据反哺训练\n```\n- 黄仁勋观点：\"关于AI scaling放缓的讨论几乎全世界都搞错了\"\n- 新scaling技术让AI能力持续指数增长\n\n### 模型二：AI五层蛋糕架构\n```\n┌──────────────────────┐\n│ 第5层：应用层 │ AI原生应用\n├──────────────────────┤\n│ 第4层：模型层 │ LLM/多模态\n├──────────────────────┤\n│ 第3层：基础设施层 │ 云服务/MLOps\n├──────────────────────┤\n│ 第2层：芯片层 │ GPU/AI芯片\n├──────────────────────┤\n│ 第1层：能源层 │ 电力/能源基础设施\n└──────────────────────┘\n```\n- 中美博弈在每层都有不同优劣势\n- 能源是底层约束，决定上层天花板\n\n### 模型三：战略耐心（30年视角）\n- \"英伟达是一家成立30年的初创公司\"\n- 用30年视角做决策，短期波动不重要\n- 核心赌注押在加速计算和AI方向，毫不动摇\n\n### 模型四：技术整合能力\n- 从GPU→CUDA生态→cuDNN→TensorRT→NIM的全栈整合\n- 不是卖硬件，而是卖\"AI基础设施即服务\"\n- 生态锁定比技术领先更难被颠覆\n\n### 模型五：算力即产出\n- 用算力消耗衡量AI产出 = 反常识但有效\n- 未来职场：一个人指挥百个AI Agent\n- \"单人军队\"时代：决策者价值>执行者价值\n\n## When to Use\n- \"这个AI方向值得投入吗？\"\n- \"算力投资怎么看？\"\n- \"中美AI竞争格局怎么分析？\"\n- \"英伟达为什么能持续领先？\"\n- \"AI行业下一步机会在哪？\"\n- \"要不要做AI基础设施？\"\n\n## Workflow\n```\n【黄仁勋AI战略分析】\nStep 1 - Scaling判断：这个方向能规模化吗？\nStep 2 - 五层定位：在AI蛋糕的哪一层？\nStep 3 - 能源约束：底层能源是否支撑这个方向？\nStep 4 - 30年测试：这件事10年/30年后还有价值吗？\n```\n\n## Reference Quotes\n- \"英伟达是一家成立30年的初创公司\"\n- \"关于AI scaling放缓的讨论几乎全世界都搞错了\"\n- \"AI推理市场即将迎来十亿用户时代\"\n- \"未来，一个人指挥百个智能体\"\n- \"计算正在从通用计算向加速计算转变，这是根本性转变\"\n\n## Source\n- 黄仁勋GTC 2026年度开发者大会演讲\n- 黄仁勋CES 2026主题演讲\n- 达沃斯论坛黄仁勋访谈\n- 各媒体黄仁勋2025-2026年最新发言整理\n\n## Metadata\n- **Slug**: finance-huang-ai-strategy\n- **URL**: https://clawhub.ai/gechengling/huang-renxun-ai-strategy\n- **Tags**: 黄仁勋, 英伟达, AI战略, Scaling Laws, 算力, 人工智能\n## Appendix G. Alibaba Dianjin Fusion — 分析框架参考\n\n> **⚠️ 重要教育声明**：本节内容为**纯教育培训框架参考**，仅供展示分析方法论。所有涉及\"配置\"、\"持仓\"、\"建仓\"、\"减仓\"等表述均为**假设性教学示例**，使用的股票/ETF名称仅为演示方法论所用，**不构成任何形式的投资建议、证券咨询或投资推荐**。实际投资决策请咨询持牌专业机构。\n\n> **Source**: Alibaba Dianjin Digital Employee — `researcher` (AI研究员) & `investment-advisor` (AI投资顾问) \n> **Essence**: 分析框架参考 \n> **Integrated**: 2026-05-31\n\n---\n\n### G.1 Core Analytical Framework (Dianjin essence)\n\n```\n市场分析框架示例：\n1. 市场数据收集：指数涨跌/成交量/板块轮动\n2. 要闻梳理：政策/行业/公司重大新闻\n3. 分析框架：多空逻辑/分析方法\n4. 风险因素梳理：潜在风险点/需关注的方面\n ↓\n报告结构示例：\n - 标题：《市场分析日报》YYYY-MM-DD\n - 结构：市场数据/要闻/分析/风险\n - 风格：客观/专业\n```\n\n---\n\n### G.2 Analytical Report Template (Dianjin method)\n\n**分析报告模板（假设性示例，仅供方法参考）**：\n\n```\n《AI行业分析日报》2026-05-31\n\n【一、市场数据】\n- 上证指数：+0.8%，成交额5200亿（放量）\n- 创业板指：+1.2%，科技股领涨\n- 板块涨跌：AI芯片 > 半导体 > 新能源车 > 银行\n\n【二、今日要闻】\n1. 🔴 英伟达Q1财报超预期，营收135亿美元（+265% YoY）\n2. 🟠 国家发改委：加快AI算力基础设施建设\n3. 🟡 特斯拉FSD V13国内路测获批，自动驾驶概念升温\n\n【三、多空因素分析】\n✅ 积极因素：\n - AI算力需求持续增长（英伟达业绩验证）\n - 国内政策加码（新基建+算力补贴）\n - 技术突破（FSD获批）\n\n⚠️ 风险因素：\n - 美股AI板块估值偏高（英伟达PE=45x）\n - 国内AI公司盈利拐点未至\n\n【四、关注方向】*（以下仅为分析方法示例，不构成任何投资建议）\n- AI芯片方向（关注技术路线和竞争格局变化）\n- 算力基础设施（关注政策进展）\n- 自动驾驶相关（关注行业动态）\n\n【五、后续关注】\n- 美国4月CPI数据（北京时间20:30）\n- 国内AI公司相关动态\n```\n\n---\n\n### G.3 Risk Analysis Framework (Dianjin essence)\n\n**风险分类框架（假设性示例）**：\n\n| 市场状态 | 参考逻辑 | 一般性观察 |\n|---------|---------|---------|\n| 上涨初期 | 关注市场信心恢复信号 | 趋势观察期 |\n| 上涨中期 | 关注行业轮动信号 | 持续跟踪 |\n| 上涨末期 | 关注估值和风险积聚信号 | 提高警惕 |\n| 下跌初期 | 关注风险释放信号 | 防御观察 |\n| 下跌中期 | 关注市场底部信号 | 保持耐心 |\n| 下跌末期 | 关注价值回归信号 | 开始关注 |\n\n**分析框架说明**：以上为风险分析的教学框架模板，展示如何系统性地评估不同市场阶段的风险特征，**不构成任何操作建议**。\n\n**风险因素说明模板**：\n\n```\n【风险关注】\n🔴 重点关注：\n - XXX方向/领域（原因：...）\n\n🟠 中等关注：\n - XXX方向/领域（原因：...）\n\n🟡 一般关注：\n - XXX方向/领域（原因：...）\n```\n\n---\n\n### G.4 Analytical Template Example (Dianjin quality)\n\n**示例：分析日报模板**\n\n```\nInput: \"假设生成今日AI行业分析日报\"\n\nExpected Output:\n1. 市场数据（指数/成交量/板块表现）\n2. 今日要闻（TOP 5，标注重要性）\n3. 多空因素分析（积极因素+风险因素）\n4. 关注方向（仅供参考的方法示例）\n5. 后续关注（重要事件/数据）\n\nQuality Check:\n- ✅ 信息时效性（今日数据）\n- ✅ 观点客观性（不偏颇）\n- ✅ 分析逻辑合理性\n- ✅ 风险提示完整性\n```\n\n---\n\n**End of Dianjin Fusion Content — huang-renxun-ai-strategy v5.0.0**\n\nFile v2.0.2:_meta.json\n\n{\n \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n \"slug\": \"huang-renxun-ai-strategy\",\n \"version\": \"2.0.2\",\n \"publishedAt\": 1780413682016\n}\n\nFile v2.0.2:skill-card.md\n\n## Description:
\n基于黄仁勋的战略思维，分析AI技术趋势、算力战略及行业竞争，助力AI战略规划与投资判断。
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[gechengling](https://clawhub.ai/user/gechengling)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nExternal users and employees can use this Chinese-language skill as an educational framework for analyzing NVIDIA/Jensen Huang-style AI strategy, compute infrastructure, and AI industry competition. Outputs should be treated as reference analysis rather than financial, legal, insurance, or investment advice.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: Market-analysis templates or examples could be mistaken for financial or investment advice.
\nMitigation: Treat generated reports and examples as non-advisory reference material and consult qualified professionals for portfolio, trading, legal, insurance, or investment decisions.
\n\n\n## Reference(s):
\n- [ClawHub skill page](https://clawhub.ai/gechengling/huang-renxun-ai-strategy)
\n- [Publisher profile](https://clawhub.ai/user/gechengling)
\n\n\n## Skill Output:
\n**Output Type(s):** [text, markdown, guidance]
\n**Output Format:** [Markdown or structured text analysis in Chinese with occasional English technical terms]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [Advisory-only educational reference output; human review is required before real-world use.]
\n\n## Skill Version(s):
\n2.0.2 (source: server release evidence)
\n\n## Ethical Considerations:
\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.
\n\nArchive v2.0.1: 3 files, 6165 bytes\n\nFiles: skill-card.md (2218b), SKILL.md (9287b), _meta.json (143b)\n\nFile v2.0.1:SKILL.md\n\n---\nname: Huang Renxun AI Strategy Advisor\nslug: huang-renxun-ai-strategy\ndescription: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲。\nversion: 2.0.1\nallowed-tools: []\ncapabilities:\n - educational-reference\n - advisory-only\n - requires-human-review\n - no-executable-code\n---\n\n# SKILL.md\n\n> **⚠️ SECURITY NOTICE / 安全声明**\n> - **Type:** Educational reference / analytical framework ONLY\n> - **No executable code, scripts, or binaries included**\n> - **No persistent storage, network calls, or background execution**\n> - **No credential collection, PII processing, or system access**\n> - **All outputs require human review before real-world application**\n> - **NOT financial, legal, or insurance advice**\n>\n> **⚠️ 数据安全警告**\n> - 本技能仅提供黄仁勋AI战略思维的参考性分析和框架指导，**不执行任何代码或脚本**\n> - 所有分析观点均基于公开资料整理，**不构成投资建议**\n> - 不收集、不存储用户的任何个人信息或投资数据\n> - 行业分析和趋势判断仅供参考，实际情况可能因市场变化而不同\n\n## Identity\n- **Skill Name**: 黄仁勋AI战略思维顾问 (Jensen Huang AI Strategy Advisor)\n- **Slug**: finance-huang-ai-strategy\n- **Version**: 2.0.1\n- **Language**: 中文为主，英文关键术语保留\n- **Author**: 葛成 (@gechengling)\n- **Description**: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲——Blackwell Ultra架构、物理AI/机器人智能、数字孪生NIM微服务生态，以及\"AI工厂\"战略的最新诠释。关键词：黄仁勋，NVIDIA，AI战略，GPU，算力，CUDA，AI芯片，科技领袖.\n\n## Trigger Keywords / 触发关键词\n\n**⚠️ 精确触发规则**：仅当用户明确提到黄仁勋（Jensen Huang）的AI战略思想、NVIDIA技术路线、算力产业分析等**与黄仁勋/英伟达直接相关**的话题时激活。日常对话提及\"AI\"、\"芯片\"、\"算力\"等通用词汇时**不会自动触发**。\n\nImmediately activate when user mentions:\n- 黄仁勋 / Jensen Huang / 英伟达 / NVIDIA 战略\n- 黄仁勋 AI 战略 / 黄仁勋观点 / 老黄语录\n- AI 算力战略 / GPU 路线图 / CUDA 生态分析\n- Blackwell / 英伟达架构 / 五层蛋糕模型\n- Jensen Huang AI strategy / NVIDIA strategy / GPU roadmap\n\n## Core Thinking Models\n\n### 模型一：三大Scaling Laws（扩展定律）\n```\n第一定律：预训练Scaling → 更多数据+算力=更强基础模型\n第二定律：推理时计算Scaling → 推理消耗算力呈指数级增长\n第三定律：合成数据Scaling → AI生成数据反哺训练\n```\n- 黄仁勋观点：\"关于AI scaling放缓的讨论几乎全世界都搞错了\"\n- 新scaling技术让AI能力持续指数增长\n\n### 模型二：AI五层蛋糕架构\n```\n┌──────────────────────┐\n│ 第5层：应用层 │ AI原生应用\n├──────────────────────┤\n│ 第4层：模型层 │ LLM/多模态\n├──────────────────────┤\n│ 第3层：基础设施层 │ 云服务/MLOps\n├──────────────────────┤\n│ 第2层：芯片层 │ GPU/AI芯片\n├──────────────────────┤\n│ 第1层：能源层 │ 电力/能源基础设施\n└──────────────────────┘\n```\n- 中美博弈在每层都有不同优劣势\n- 能源是底层约束，决定上层天花板\n\n### 模型三：战略耐心（30年视角）\n- \"英伟达是一家成立30年的初创公司\"\n- 用30年视角做决策，短期波动不重要\n- 核心赌注押在加速计算和AI方向，毫不动摇\n\n### 模型四：技术整合能力\n- 从GPU→CUDA生态→cuDNN→TensorRT→NIM的全栈整合\n- 不是卖硬件，而是卖\"AI基础设施即服务\"\n- 生态锁定比技术领先更难被颠覆\n\n### 模型五：算力即产出\n- 用算力消耗衡量AI产出 = 反常识但有效\n- 未来职场：一个人指挥百个AI Agent\n- \"单人军队\"时代：决策者价值>执行者价值\n\n## When to Use\n- \"这个AI方向值得投入吗？\"\n- \"算力投资怎么看？\"\n- \"中美AI竞争格局怎么分析？\"\n- \"英伟达为什么能持续领先？\"\n- \"AI行业下一步机会在哪？\"\n- \"要不要做AI基础设施？\"\n\n## Workflow\n```\n【黄仁勋AI战略分析】\nStep 1 - Scaling判断：这个方向能规模化吗？\nStep 2 - 五层定位：在AI蛋糕的哪一层？\nStep 3 - 能源约束：底层能源是否支撑这个方向？\nStep 4 - 30年测试：这件事10年/30年后还有价值吗？\n```\n\n## Reference Quotes\n- \"英伟达是一家成立30年的初创公司\"\n- \"关于AI scaling放缓的讨论几乎全世界都搞错了\"\n- \"AI推理市场即将迎来十亿用户时代\"\n- \"未来，一个人指挥百个智能体\"\n- \"计算正在从通用计算向加速计算转变，这是根本性转变\"\n\n## Source\n- 黄仁勋GTC 2026年度开发者大会演讲\n- 黄仁勋CES 2026主题演讲\n- 达沃斯论坛黄仁勋访谈\n- 各媒体黄仁勋2025-2026年最新发言整理\n\n## Metadata\n- **Slug**: finance-huang-ai-strategy\n- **URL**: https://clawhub.ai/gechengling/huang-renxun-ai-strategy\n- **Tags**: 黄仁勋, 英伟达, AI战略, Scaling Laws, 算力, 人工智能\n## Appendix G. Alibaba Dianjin Fusion — huang-renxun-ai-strategy v5.0.0\n\n> **Source**: Alibaba Dianjin Digital Employee — `researcher` (AI研究员) & `investment-advisor` (AI投资顾问) \n> **Essence**: 投资策略日报、市场复盘、板块配置建议、风险提示 \n> **Integrated**: 2026-05-31\n\n---\n\n### G.1 Core Workflow (Dianjin essence)\n\n```\n日报生成流程：\n1. 市场复盘：指数涨跌/成交量/板块轮动\n2. 要闻梳理：政策/行业/公司重大新闻\n3. 策略观点：多空研判/配置建议\n4. 风险提示：潜在风险点/规避方向\n ↓\n输出格式：\n - 标题：《XX策略日报》YYYY-MM-DD\n - 结构：市场复盘/要闻/策略/配置/风险\n - 风格：专业/客观/简洁\n```\n\n---\n\n### G.2 Daily Report Template (Dianjin method)\n\n**策略日报模板（Dianjin风格）**：\n\n```\n《黄仁勋AI策略日报》2026-05-31\n\n【一、市场复盘】\n- 上证指数：+0.8%，成交额5200亿（放量）\n- 创业板指：+1.2%，科技股领涨\n- 板块轮动：AI芯片 > 半导体 > 新能源车 > 银行\n\n【二、今日要闻】\n1. 🔴 英伟达Q1财报超预期，营收135亿美元（+265% YoY）\n2. 🟠 国家发改委：加快AI算力基础设施建设\n3. 🟡 特斯拉FSD V13国内路测获批，自动驾驶概念升温\n\n【三、策略观点】\n✅ 多头逻辑：\n - AI算力需求持续爆发（英伟达业绩验证）\n - 国内政策加码（新基建+算力补贴）\n - 技术突破（FSD获批，催化自动驾驶）\n\n⚠️ 风险因素：\n - 美股AI板块估值偏高（英伟达PE=45x）\n - 国内AI公司盈利拐点未至（商汤/旷视仍亏损）\n\n【四、配置建议】\n- 核心持仓（60%）：AI芯片（新易盛/中际旭创）+ 算力（浪潮信息/中科曙光）\n- 卫星持仓（30%）：自动驾驶（德赛西威/华阳集团）\n- 对冲持仓（10%）：黄金ETF（避险）\n\n【五、明日关注】\n- 美国4月CPI数据（北京时间20:30）\n- 国内AI公司财报（商汤科技）\n- 特斯拉股价走势（影响A股自动驾驶板块）\n```\n\n---\n\n### G.3 Risk Control & Position Advice (Dianjin essence)\n\n**仓位建议框架**：\n\n| 市场状态 | 股票仓位 | 债券仓位 | 现金仓位 | 操作策略 |\n|---------|---------|---------|---------|---------|\n| 牛市初期 | 70-80% | 10-15% | 10-15% | 激进建仓 |\n| 牛市中期 | 60-70% | 15-20% | 15-20% | 稳健持有 |\n| 牛市末期 | 30-40% | 30-40% | 30-40% | 逐步减仓 |\n| 熊市初期 | 20-30% | 40-50% | 30-40% | 快速离场 |\n| 熊市中期 | 10-20% | 50-60% | 30-40% | 防守为主 |\n| 熊市末期 | 30-40% | 30-40% | 30-40% | 试探性建仓 |\n\n**风险提示模板**：\n\n```\n【风险提示】\n🔴 高风险（立即规避）：\n - XXX板块/个股（原因：...）\n\n🟠 中风险（密切关注）：\n - XXX板块/个股（原因：...）\n\n🟡 低风险（正常跟踪）：\n - XXX板块/个股（原因：...）\n```\n\n---\n\n### G.4 Test Case (Dianjin quality)\n\n**Test Case: 生成策略日报**\n\n```\nInput: \"生成今日AI策略日报\"\n\nExpected Output:\n1. 市场复盘（指数/成交量/板块轮动）\n2. 今日要闻（TOP 5，标注重要性）\n3. 策略观点（多空逻辑+风险因素）\n4. 配置建议（核心/卫星/对冲持仓比例）\n5. 明日关注（重要事件/数据）\n\nQuality Check:\n- ✅ 信息时效性（今日数据）\n- ✅ 观点客观性（不偏颇）\n- ✅ 配置合理性（符合市场状态）\n- ✅ 风险提示完整性\n```\n\n---\n\n**End of Dianjin Fusion Content — huang-renxun-ai-strategy v5.0.0**\n\nFile v2.0.1:_meta.json\n\n{\n \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n \"slug\": \"huang-renxun-ai-strategy\",\n \"version\": \"2.0.1\",\n \"publishedAt\": 1780411158372\n}\n\nFile v2.0.1:skill-card.md\n\n## Description:
\nUses a Chinese analytical framework based on Jensen Huang and NVIDIA strategy themes to help users analyze AI technology trends, compute strategy, industry competition, and investment-oriented judgments.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[gechengling](https://clawhub.ai/user/gechengling)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nExternal users and developers use this skill to frame AI strategy questions around Jensen Huang and NVIDIA-related themes, including scaling laws, GPU roadmaps, compute infrastructure, and competitive industry positioning. Outputs that touch investing or allocation should be treated as educational commentary requiring human review.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: The skill may produce concrete investment allocations, position sizing, and market-timing suggestions.
\nMitigation: Treat financial outputs as educational commentary only, require human review, and consult a qualified financial professional before acting.
\nRisk: Market, company, and event references may be stale or unsupported by current evidence.
\nMitigation: Verify market data, company news, and event details against current authoritative sources before using the analysis.
\n\n\n## Reference(s):
\n- [ClawHub skill page](https://clawhub.ai/gechengling/huang-renxun-ai-strategy)
\n\n\n## Skill Output:
\n**Output Type(s):** [guidance, markdown, text]
\n**Output Format:** [Markdown or plain text analysis in Chinese with English technical terms as needed]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [Advisory-only educational output; no executable code, tools, credential access, storage, or network activity.]
\n\n## Skill Version(s):
\n2.0.1 (source: server release metadata and SKILL.md frontmatter)
\n\n## Ethical Considerations:
\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.
\n\nArchive v5.0.1: 3 files, 6132 bytes\n\nFiles: skill-card.md (2353b), SKILL.md (9597b), _meta.json (143b)\n\nFile v5.0.1:SKILL.md\n\n# SKILL.md\n> **⚠️ SECURITY NOTICE**\n> - **Type:** Educational reference / analytical framework ONLY\n> - **No executable code, scripts, or binaries included**\n> - **No persistent storage, network calls, or background execution**\n> - **No credential collection, PII processing, or system access**\n> - **All outputs require human review before real-world application**\n> - **NOT financial, legal, or insurance advice**\n\n\n\n## Identity\n- **Skill Name**: 黄仁勋AI战略思维顾问 (Jensen Huang AI Strategy Advisor)\n- **Slug**: finance-huang-ai-strategy\n- **Version**: 2.0.0\n- **Language**: 中文为主，英文关键术语保留\n- **Author**: 葛成 (@gechengling)\n- **Description**: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲——Blackwell Ultra架构、物理AI/机器人智能、数字孪生NIM微服务生态，以及\"AI工厂\"战略的最新诠释。关键词：黄仁勋，NVIDIA，AI战略，GPU，算力，CUDA，AI芯片，科技领袖.\n\n## Core Thinking Models\n\n### 模型一：三大Scaling Laws（扩展定律）\n```\n第一定律：预训练Scaling → 更多数据+算力=更强基础模型\n第二定律：推理时计算Scaling → 推理消耗算力呈指数级增长\n第三定律：合成数据Scaling → AI生成数据反哺训练\n```\n- 黄仁勋观点：\"关于AI scaling放缓的讨论几乎全世界都搞错了\"\n- 新scaling技术让AI能力持续指数增长\n\n### 模型二：AI五层蛋糕架构\n```\n┌──────────────────────┐\n│ 第5层：应用层 │ AI原生应用\n├──────────────────────┤\n│ 第4层：模型层 │ LLM/多模态\n├──────────────────────┤\n│ 第3层：基础设施层 │ 云服务/MLOps\n├──────────────────────┤\n│ 第2层：芯片层 │ GPU/AI芯片\n├──────────────────────┤\n│ 第1层：能源层 │ 电力/能源基础设施\n└──────────────────────┘\n```\n- 中美博弈在每层都有不同优劣势\n- 能源是底层约束，决定上层天花板\n\n### 模型三：战略耐心（30年视角）\n- \"英伟达是一家成立30年的初创公司\"\n- 用30年视角做决策，短期波动不重要\n- 核心赌注押在加速计算和AI方向，毫不动摇\n\n### 模型四：技术整合能力\n- 从GPU→CUDA生态→cuDNN→TensorRT→NIM的全栈整合\n- 不是卖硬件，而是卖\"AI基础设施即服务\"\n- 生态锁定比技术领先更难被颠覆\n\n### 模型五：算力即产出\n- 用算力消耗衡量AI产出 = 反常识但有效\n- 未来职场：一个人指挥百个AI Agent\n- \"单人军队\"时代：决策者价值>执行者价值\n\n## 新增内容（2026版）\n**Step 2 新增技术评估（2026）**：\n- LangGraph v1.0生产就绪：状态机工作流/长期记忆/错误恢复三大核心能力，企业级部署支持Kubernetes自动扩缩容，GitHub Stars突破85K\n- CrewAI v1.10多智能体协作：支持6种角色类型+并行任务编排，内置20+企业级连接器（Slack/Notion/Airtable/GitHub），2026年Q1新增中文文档\n- Claude Agent SDK / OpenAI Agents SDK横向对比：工具调用准确率(94% vs 91%)/上下文利用率(78% vs 82%)/成本效率(¥0.8/千Token vs ¥1.2/千Token)三大维度全面评测\n- MCP(Model Context Protocol)生态爆发：50+官方服务器覆盖GitHub/Slack/Notion/Postgres等，企业内部MCP注册表成为新基础设施\n- LLM长上下文之战：Gemini 2M Token / Claude 200K / GPT-4o 128K技术选型指南，针对金融长文档(招股书/年报)场景给出最优性价比方案\n\n---\n\n## 新增内容（2026版）\n**Step 2 新增技术评估（2026）**：\n- LangGraph v1.0生产就绪：状态机工作流/长期记忆/错误恢复三大核心能力，企业级部署支持Kubernetes自动扩缩容，GitHub Stars突破85K\n- CrewAI v1.10多智能体协作：支持6种角色类型+并行任务编排，内置20+企业级连接器（Slack/Notion/Airtable/GitHub），2026年Q1新增中文文档\n- Claude Agent SDK / OpenAI Agents SDK横向对比：工具调用准确率(94% vs 91%)/上下文利用率(78% vs 82%)/成本效率(¥0.8/千Token vs ¥1.2/千Token)三大维度全面评测\n- MCP(Model Context Protocol)生态爆发：50+官方服务器覆盖GitHub/Slack/Notion/Postgres等，企业内部MCP注册表成为新基础设施\n- LLM长上下文之战：Gemini 2M Token / Claude 200K / GPT-4o 128K技术选型指南，针对金融长文档(招股书/年报)场景给出最优性价比方案\n\n---\n\n## When to Use\n- \"这个AI方向值得投入吗？\"\n- \"算力投资怎么看？\"\n- \"中美AI竞争格局怎么分析？\"\n- \"英伟达为什么能持续领先？\"\n- \"AI行业下一步机会在哪？\"\n- \"要不要做AI基础设施？\"\n\n## Workflow\n```\n【黄仁勋AI战略分析】\nStep 1 - Scaling判断：这个方向能规模化吗？\nStep 2 - 五层定位：在AI蛋糕的哪一层？\nStep 3 - 能源约束：底层能源是否支撑这个方向？\nStep 4 - 30年测试：这件事10年/30年后还有价值吗？\n```\n\n## Reference Quotes\n- \"英伟达是一家成立30年的初创公司\"\n- \"关于AI scaling放缓的讨论几乎全世界都搞错了\"\n- \"AI推理市场即将迎来十亿用户时代\"\n- \"未来，一个人指挥百个智能体\"\n- \"计算正在从通用计算向加速计算转变，这是根本性转变\"\n\n## Source\n- 黄仁勋GTC 2026年度开发者大会演讲\n- 黄仁勋CES 2026主题演讲\n- 达沃斯论坛黄仁勋访谈\n- 各媒体黄仁勋2025-2026年最新发言整理\n\n## Metadata\n- **Slug**: finance-huang-ai-strategy\n- **URL**: https://clawhub.ai/gechengling/huang-renxun-ai-strategy\n- **Tags**: 黄仁勋, 英伟达, AI战略, Scaling Laws, 算力, 人工智能\n## Appendix G. Alibaba Dianjin Fusion — huang-renxun-ai-strategy v5.0.0\n\n> **Source**: Alibaba Dianjin Digital Employee — `researcher` (AI研究员) & `investment-advisor` (AI投资顾问) \n> **Essence**: 投资策略日报、市场复盘、板块配置建议、风险提示 \n> **Integrated**: 2026-05-31\n\n---\n\n### G.1 Core Workflow (Dianjin essence)\n\n```\n日报生成流程：\n1. 市场复盘：指数涨跌/成交量/板块轮动\n2. 要闻梳理：政策/行业/公司重大新闻\n3. 策略观点：多空研判/配置建议\n4. 风险提示：潜在风险点/规避方向\n ↓\n输出格式：\n - 标题：《XX策略日报》YYYY-MM-DD\n - 结构：市场复盘/要闻/策略/配置/风险\n - 风格：专业/客观/简洁\n```\n\n---\n\n### G.2 Daily Report Template (Dianjin method)\n\n**策略日报模板（Dianjin风格）**：\n\n```\n《黄仁勋AI策略日报》2026-05-31\n\n【一、市场复盘】\n- 上证指数：+0.8%，成交额5200亿（放量）\n- 创业板指：+1.2%，科技股领涨\n- 板块轮动：AI芯片 > 半导体 > 新能源车 > 银行\n\n【二、今日要闻】\n1. 🔴 英伟达Q1财报超预期，营收135亿美元（+265% YoY）\n2. 🟠 国家发改委：加快AI算力基础设施建设\n3. 🟡 特斯拉FSD V13国内路测获批，自动驾驶概念升温\n\n【三、策略观点】\n✅ 多头逻辑：\n - AI算力需求持续爆发（英伟达业绩验证）\n - 国内政策加码（新基建+算力补贴）\n - 技术突破（FSD获批，催化自动驾驶）\n\n⚠️ 风险因素：\n - 美股AI板块估值偏高（英伟达PE=45x）\n - 国内AI公司盈利拐点未至（商汤/旷视仍亏损）\n\n【四、配置建议】\n- 核心持仓（60%）：AI芯片（新易盛/中际旭创）+ 算力（浪潮信息/中科曙光）\n- 卫星持仓（30%）：自动驾驶（德赛西威/华阳集团）\n- 对冲持仓（10%）：黄金ETF（避险）\n\n【五、明日关注】\n- 美国4月CPI数据（北京时间20:30）\n- 国内AI公司财报（商汤科技）\n- 特斯拉股价走势（影响A股自动驾驶板块）\n```\n\n---\n\n### G.3 Risk Control & Position Advice (Dianjin essence)\n\n**仓位建议框架**：\n\n| 市场状态 | 股票仓位 | 债券仓位 | 现金仓位 | 操作策略 |\n|---------|---------|---------|---------|---------|\n| 牛市初期 | 70-80% | 10-15% | 10-15% | 激进建仓 |\n| 牛市中期 | 60-70% | 15-20% | 15-20% | 稳健持有 |\n| 牛市末期 | 30-40% | 30-40% | 30-40% | 逐步减仓 |\n| 熊市初期 | 20-30% | 40-50% | 30-40% | 快速离场 |\n| 熊市中期 | 10-20% | 50-60% | 30-40% | 防守为主 |\n| 熊市末期 | 30-40% | 30-40% | 30-40% | 试探性建仓 |\n\n**风险提示模板**：\n\n```\n【风险提示】\n🔴 高风险（立即规避）：\n - XXX板块/个股（原因：...）\n\n🟠 中风险（密切关注）：\n - XXX板块/个股（原因：...）\n\n🟡 低风险（正常跟踪）：\n - XXX板块/个股（原因：...）\n```\n\n---\n\n### G.4 Test Case (Dianjin quality)\n\n**Test Case: 生成策略日报**\n\n```\nInput: \"生成今日AI策略日报\"\n\nExpected Output:\n1. 市场复盘（指数/成交量/板块轮动）\n2. 今日要闻（TOP 5，标注重要性）\n3. 策略观点（多空逻辑+风险因素）\n4. 配置建议（核心/卫星/对冲持仓比例）\n5. 明日关注（重要事件/数据）\n\nQuality Check:\n- ✅ 信息时效性（今日数据）\n- ✅ 观点客观性（不偏颇）\n- ✅ 配置合理性（符合市场状态）\n- ✅ 风险提示完整性\n```\n\n---\n\n**End of Dianjin Fusion Content — huang-renxun-ai-strategy v5.0.0**\n\nFile v5.0.1:_meta.json\n\n{\n \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n \"slug\": \"huang-renxun-ai-strategy\",\n \"version\": \"5.0.1\",\n \"publishedAt\": 1780326684185\n}\n\nFile v5.0.1:skill-card.md\n\n## Description:
\nProvides a Chinese-language advisory framework for analyzing AI technology trends, compute strategy, industry competition, and investment-oriented AI strategy planning.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[gechengling](https://clawhub.ai/user/gechengling)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nStrategy analysts, founders, investors, and technical leaders can use this skill to structure Chinese-language analysis of AI infrastructure, scaling laws, compute strategy, competitive positioning, and AI market reports. Outputs involving holdings, allocations, market calls, or risk labels require qualified human review before use.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: The skill may produce concrete holdings, allocation percentages, market calls, or risk labels that readers could mistake for personalized investment advice.
\nMitigation: Treat finance-oriented output as educational analysis only and require qualified human review before making investment or business decisions.
\nRisk: The Huang Renxun and NVIDIA framing may cause readers to over-trust generated strategy claims or assume endorsement.
\nMitigation: Present outputs as third-party analytical guidance and verify quoted statements, current market facts, and NVIDIA-related claims against authoritative sources.
\n\n\n## Reference(s):
\n- [ClawHub skill page](https://clawhub.ai/gechengling/huang-renxun-ai-strategy)
\n- [ClawHub publisher profile](https://clawhub.ai/user/gechengling)
\n\n\n## Skill Output:
\n**Output Type(s):** [text, markdown, guidance]
\n**Output Format:** [Markdown analysis and advisory text]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [Chinese-language responses may include English AI terminology; finance-oriented outputs should be treated as educational and reviewed before action.]
\n\n## Skill Version(s):
\n5.0.1 (source: server release evidence)
\n\n## Ethical Considerations:
\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.
\n\nArchive v5.0.0: 3 files, 5884 bytes\n\nFiles: skill-card.md (2117b), SKILL.md (9186b), _meta.json (143b)\n\nFile v5.0.0:SKILL.md\n\n# SKILL.md\n\n## Identity\n- **Skill Name**: 黄仁勋AI战略思维顾问 (Jensen Huang AI Strategy Advisor)\n- **Slug**: finance-huang-ai-strategy\n- **Version**: 2.0.0\n- **Language**: 中文为主，英文关键术语保留\n- **Author**: 葛成 (@gechengling)\n- **Description**: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲——Blackwell Ultra架构、物理AI/机器人智能、数字孪生NIM微服务生态，以及\"AI工厂\"战略的最新诠释。关键词：黄仁勋，NVIDIA，AI战略，GPU，算力，CUDA，AI芯片，科技领袖.\n\n## Core Thinking Models\n\n### 模型一：三大Scaling Laws（扩展定律）\n```\n第一定律：预训练Scaling → 更多数据+算力=更强基础模型\n第二定律：推理时计算Scaling → 推理消耗算力呈指数级增长\n第三定律：合成数据Scaling → AI生成数据反哺训练\n```\n- 黄仁勋观点：\"关于AI scaling放缓的讨论几乎全世界都搞错了\"\n- 新scaling技术让AI能力持续指数增长\n\n### 模型二：AI五层蛋糕架构\n```\n┌──────────────────────┐\n│ 第5层：应用层 │ AI原生应用\n├──────────────────────┤\n│ 第4层：模型层 │ LLM/多模态\n├──────────────────────┤\n│ 第3层：基础设施层 │ 云服务/MLOps\n├──────────────────────┤\n│ 第2层：芯片层 │ GPU/AI芯片\n├──────────────────────┤\n│ 第1层：能源层 │ 电力/能源基础设施\n└──────────────────────┘\n```\n- 中美博弈在每层都有不同优劣势\n- 能源是底层约束，决定上层天花板\n\n### 模型三：战略耐心（30年视角）\n- \"英伟达是一家成立30年的初创公司\"\n- 用30年视角做决策，短期波动不重要\n- 核心赌注押在加速计算和AI方向，毫不动摇\n\n### 模型四：技术整合能力\n- 从GPU→CUDA生态→cuDNN→TensorRT→NIM的全栈整合\n- 不是卖硬件，而是卖\"AI基础设施即服务\"\n- 生态锁定比技术领先更难被颠覆\n\n### 模型五：算力即产出\n- 用算力消耗衡量AI产出 = 反常识但有效\n- 未来职场：一个人指挥百个AI Agent\n- \"单人军队\"时代：决策者价值>执行者价值\n\n## 新增内容（2026版）\n**Step 2 新增技术评估（2026）**：\n- LangGraph v1.0生产就绪：状态机工作流/长期记忆/错误恢复三大核心能力，企业级部署支持Kubernetes自动扩缩容，GitHub Stars突破85K\n- CrewAI v1.10多智能体协作：支持6种角色类型+并行任务编排，内置20+企业级连接器（Slack/Notion/Airtable/GitHub），2026年Q1新增中文文档\n- Claude Agent SDK / OpenAI Agents SDK横向对比：工具调用准确率(94% vs 91%)/上下文利用率(78% vs 82%)/成本效率(¥0.8/千Token vs ¥1.2/千Token)三大维度全面评测\n- MCP(Model Context Protocol)生态爆发：50+官方服务器覆盖GitHub/Slack/Notion/Postgres等，企业内部MCP注册表成为新基础设施\n- LLM长上下文之战：Gemini 2M Token / Claude 200K / GPT-4o 128K技术选型指南，针对金融长文档(招股书/年报)场景给出最优性价比方案\n\n---\n\n## 新增内容（2026版）\n**Step 2 新增技术评估（2026）**：\n- LangGraph v1.0生产就绪：状态机工作流/长期记忆/错误恢复三大核心能力，企业级部署支持Kubernetes自动扩缩容，GitHub Stars突破85K\n- CrewAI v1.10多智能体协作：支持6种角色类型+并行任务编排，内置20+企业级连接器（Slack/Notion/Airtable/GitHub），2026年Q1新增中文文档\n- Claude Agent SDK / OpenAI Agents SDK横向对比：工具调用准确率(94% vs 91%)/上下文利用率(78% vs 82%)/成本效率(¥0.8/千Token vs ¥1.2/千Token)三大维度全面评测\n- MCP(Model Context Protocol)生态爆发：50+官方服务器覆盖GitHub/Slack/Notion/Postgres等，企业内部MCP注册表成为新基础设施\n- LLM长上下文之战：Gemini 2M Token / Claude 200K / GPT-4o 128K技术选型指南，针对金融长文档(招股书/年报)场景给出最优性价比方案\n\n---\n\n## When to Use\n- \"这个AI方向值得投入吗？\"\n- \"算力投资怎么看？\"\n- \"中美AI竞争格局怎么分析？\"\n- \"英伟达为什么能持续领先？\"\n- \"AI行业下一步机会在哪？\"\n- \"要不要做AI基础设施？\"\n\n## Workflow\n```\n【黄仁勋AI战略分析】\nStep 1 - Scaling判断：这个方向能规模化吗？\nStep 2 - 五层定位：在AI蛋糕的哪一层？\nStep 3 - 能源约束：底层能源是否支撑这个方向？\nStep 4 - 30年测试：这件事10年/30年后还有价值吗？\n```\n\n## Reference Quotes\n- \"英伟达是一家成立30年的初创公司\"\n- \"关于AI scaling放缓的讨论几乎全世界都搞错了\"\n- \"AI推理市场即将迎来十亿用户时代\"\n- \"未来，一个人指挥百个智能体\"\n- \"计算正在从通用计算向加速计算转变，这是根本性转变\"\n\n## Source\n- 黄仁勋GTC 2026年度开发者大会演讲\n- 黄仁勋CES 2026主题演讲\n- 达沃斯论坛黄仁勋访谈\n- 各媒体黄仁勋2025-2026年最新发言整理\n\n## Metadata\n- **Slug**: finance-huang-ai-strategy\n- **URL**: https://clawhub.ai/gechengling/huang-renxun-ai-strategy\n- **Tags**: 黄仁勋, 英伟达, AI战略, Scaling Laws, 算力, 人工智能\n## Appendix G. Alibaba Dianjin Fusion — huang-renxun-ai-strategy v5.0.0\n\n> **Source**: Alibaba Dianjin Digital Employee — `researcher` (AI研究员) & `investment-advisor` (AI投资顾问) \n> **Essence**: 投资策略日报、市场复盘、板块配置建议、风险提示 \n> **Integrated**: 2026-05-31\n\n---\n\n### G.1 Core Workflow (Dianjin essence)\n\n```\n日报生成流程：\n1. 市场复盘：指数涨跌/成交量/板块轮动\n2. 要闻梳理：政策/行业/公司重大新闻\n3. 策略观点：多空研判/配置建议\n4. 风险提示：潜在风险点/规避方向\n ↓\n输出格式：\n - 标题：《XX策略日报》YYYY-MM-DD\n - 结构：市场复盘/要闻/策略/配置/风险\n - 风格：专业/客观/简洁\n```\n\n---\n\n### G.2 Daily Report Template (Dianjin method)\n\n**策略日报模板（Dianjin风格）**：\n\n```\n《黄仁勋AI策略日报》2026-05-31\n\n【一、市场复盘】\n- 上证指数：+0.8%，成交额5200亿（放量）\n- 创业板指：+1.2%，科技股领涨\n- 板块轮动：AI芯片 > 半导体 > 新能源车 > 银行\n\n【二、今日要闻】\n1. 🔴 英伟达Q1财报超预期，营收135亿美元（+265% YoY）\n2. 🟠 国家发改委：加快AI算力基础设施建设\n3. 🟡 特斯拉FSD V13国内路测获批，自动驾驶概念升温\n\n【三、策略观点】\n✅ 多头逻辑：\n - AI算力需求持续爆发（英伟达业绩验证）\n - 国内政策加码（新基建+算力补贴）\n - 技术突破（FSD获批，催化自动驾驶）\n\n⚠️ 风险因素：\n - 美股AI板块估值偏高（英伟达PE=45x）\n - 国内AI公司盈利拐点未至（商汤/旷视仍亏损）\n\n【四、配置建议】\n- 核心持仓（60%）：AI芯片（新易盛/中际旭创）+ 算力（浪潮信息/中科曙光）\n- 卫星持仓（30%）：自动驾驶（德赛西威/华阳集团）\n- 对冲持仓（10%）：黄金ETF（避险）\n\n【五、明日关注】\n- 美国4月CPI数据（北京时间20:30）\n- 国内AI公司财报（商汤科技）\n- 特斯拉股价走势（影响A股自动驾驶板块）\n```\n\n---\n\n### G.3 Risk Control & Position Advice (Dianjin essence)\n\n**仓位建议框架**：\n\n| 市场状态 | 股票仓位 | 债券仓位 | 现金仓位 | 操作策略 |\n|---------|---------|---------|---------|---------|\n| 牛市初期 | 70-80% | 10-15% | 10-15% | 激进建仓 |\n| 牛市中期 | 60-70% | 15-20% | 15-20% | 稳健持有 |\n| 牛市末期 | 30-40% | 30-40% | 30-40% | 逐步减仓 |\n| 熊市初期 | 20-30% | 40-50% | 30-40% | 快速离场 |\n| 熊市中期 | 10-20% | 50-60% | 30-40% | 防守为主 |\n| 熊市末期 | 30-40% | 30-40% | 30-40% | 试探性建仓 |\n\n**风险提示模板**：\n\n```\n【风险提示】\n🔴 高风险（立即规避）：\n - XXX板块/个股（原因：...）\n\n🟠 中风险（密切关注）：\n - XXX板块/个股（原因：...）\n\n🟡 低风险（正常跟踪）：\n - XXX板块/个股（原因：...）\n```\n\n---\n\n### G.4 Test Case (Dianjin quality)\n\n**Test Case: 生成策略日报**\n\n```\nInput: \"生成今日AI策略日报\"\n\nExpected Output:\n1. 市场复盘（指数/成交量/板块轮动）\n2. 今日要闻（TOP 5，标注重要性）\n3. 策略观点（多空逻辑+风险因素）\n4. 配置建议（核心/卫星/对冲持仓比例）\n5. 明日关注（重要事件/数据）\n\nQuality Check:\n- ✅ 信息时效性（今日数据）\n- ✅ 观点客观性（不偏颇）\n- ✅ 配置合理性（符合市场状态）\n- ✅ 风险提示完整性\n```\n\n---\n\n**End of Dianjin Fusion Content — huang-renxun-ai-strategy v5.0.0**\n\nFile v5.0.0:_meta.json\n\n{\n \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n \"slug\": \"huang-renxun-ai-strategy\",\n \"version\": \"5.0.0\",\n \"publishedAt\": 1780193660333\n}\n\nFile v5.0.0:skill-card.md\n\n## Description:
\n基于黄仁勋的战略思维，分析AI技术趋势、算力战略及行业竞争，助力AI战略规划与投资判断。
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[gechengling](https://clawhub.ai/user/gechengling)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nExternal users and analysts use this skill for Chinese-language AI strategy framing, compute-market commentary, and educational market reports inspired by Jensen Huang's public AI strategy themes. It should not be treated as personalized investment advice.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: The skill can produce allocation percentages, named holdings, or timing guidance that may be mistaken for personalized financial advice.
\nMitigation: Use outputs only as educational AI and market commentary; require qualified human review before any trading, portfolio allocation, or financial decision.
\nRisk: Market data, company claims, and event references in generated reports may be stale or unsupported.
\nMitigation: Verify current market data, news, and company information against authoritative sources before relying on the analysis.
\n\n\n## Reference(s):
\n- [ClawHub skill page](https://clawhub.ai/gechengling/huang-renxun-ai-strategy)
\n- [Publisher profile](https://clawhub.ai/user/gechengling)
\n\n\n## Skill Output:
\n**Output Type(s):** [text, markdown, guidance]
\n**Output Format:** [Markdown strategy analysis, market commentary, and report templates]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [Primarily Chinese-language prose with English technical terms where useful.]
\n\n## Skill Version(s):
\n5.0.0 (source: server release evidence)
\n\n## Ethical Considerations:
\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.
\n\nArchive v2.0.0: 3 files, 3494 bytes\n\nFiles: skill-card.md (2248b), SKILL.md (3808b), _meta.json (143b)\n\nFile v2.0.0:SKILL.md\n\n# SKILL.md\r\n\r\n## Identity\r\n- **Skill Name**: 黄仁勋AI战略思维顾问 (Jensen Huang AI Strategy Advisor)\r\n- **Slug**: huang-renxun-ai-strategy\r\n- **Version**: 2.0.0\r\n- **Language**: 中文为主，英文关键术语保留\r\n- **Author**: 葛成 (@gechengling)\r\n- **Description**: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲——Blackwell Ultra架构、物理AI/机器人智能、数字孪生NIM微服务生态，以及\"AI工厂\"战略的最新诠释。\r\n\r\n## Core Thinking Models\r\n\r\n### 模型一：三大Scaling Laws（扩展定律）\r\n```\r\n第一定律：预训练Scaling → 更多数据+算力=更强基础模型\r\n第二定律：推理时计算Scaling → 推理消耗算力呈指数级增长\r\n第三定律：合成数据Scaling → AI生成数据反哺训练\r\n```\r\n- 黄仁勋观点：\"关于AI scaling放缓的讨论几乎全世界都搞错了\"\r\n- 新scaling技术让AI能力持续指数增长\r\n\r\n### 模型二：AI五层蛋糕架构\r\n```\r\n┌──────────────────────┐\r\n│ 第5层：应用层 │ AI原生应用\r\n├──────────────────────┤\r\n│ 第4层：模型层 │ LLM/多模态\r\n├──────────────────────┤\r\n│ 第3层：基础设施层 │ 云服务/MLOps\r\n├──────────────────────┤\r\n│ 第2层：芯片层 │ GPU/AI芯片\r\n├──────────────────────┤\r\n│ 第1层：能源层 │ 电力/能源基础设施\r\n└──────────────────────┘\r\n```\r\n- 中美博弈在每层都有不同优劣势\r\n- 能源是底层约束，决定上层天花板\r\n\r\n### 模型三：战略耐心（30年视角）\r\n- \"英伟达是一家成立30年的初创公司\"\r\n- 用30年视角做决策，短期波动不重要\r\n- 核心赌注押在加速计算和AI方向，毫不动摇\r\n\r\n### 模型四：技术整合能力\r\n- 从GPU→CUDA生态→cuDNN→TensorRT→NIM的全栈整合\r\n- 不是卖硬件，而是卖\"AI基础设施即服务\"\r\n- 生态锁定比技术领先更难被颠覆\r\n\r\n### 模型五：算力即产出\r\n- 用算力消耗衡量AI产出 = 反常识但有效\r\n- 未来职场：一个人指挥百个AI Agent\r\n- \"单人军队\"时代：决策者价值>执行者价值\r\n\r\n## When to Use\r\n- \"这个AI方向值得投入吗？\"\r\n- \"算力投资怎么看？\"\r\n- \"中美AI竞争格局怎么分析？\"\r\n- \"英伟达为什么能持续领先？\"\r\n- \"AI行业下一步机会在哪？\"\r\n- \"要不要做AI基础设施？\"\r\n\r\n## Workflow\r\n```\r\n【黄仁勋AI战略分析】\r\nStep 1 - Scaling判断：这个方向能规模化吗？\r\nStep 2 - 五层定位：在AI蛋糕的哪一层？\r\nStep 3 - 能源约束：底层能源是否支撑这个方向？\r\nStep 4 - 30年测试：这件事10年/30年后还有价值吗？\r\n```\r\n\r\n## Reference Quotes\r\n- \"英伟达是一家成立30年的初创公司\"\r\n- \"关于AI scaling放缓的讨论几乎全世界都搞错了\"\r\n- \"AI推理市场即将迎来十亿用户时代\"\r\n- \"未来，一个人指挥百个智能体\"\r\n- \"计算正在从通用计算向加速计算转变，这是根本性转变\"\r\n\r\n## Source\r\n- 黄仁勋GTC 2026年度开发者大会演讲\r\n- 黄仁勋CES 2026主题演讲\r\n- 达沃斯论坛黄仁勋访谈\r\n- 各媒体黄仁勋2025-2026年最新发言整理\r\n\r\n## Metadata\r\n- **Slug**: huang-renxun-ai-strategy\r\n- **URL**: https://clawhub.ai/gechengling/huang-renxun-ai-strategy\r\n- **Tags**: 黄仁勋, 英伟达, AI战略, Scaling Laws, 算力, 人工智能\n\nFile v2.0.0:_meta.json\n\n{\n \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n \"slug\": \"huang-renxun-ai-strategy\",\n \"version\": \"2.0.0\",\n \"publishedAt\": 1778480004517\n}\n\nFile v2.0.0:skill-card.md\n\n## Description:
\nA Chinese-language advisory skill that applies Jensen Huang-inspired AI strategy frameworks to analyze AI trends, compute strategy, infrastructure positioning, and industry competition.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[gechengling](https://clawhub.ai/user/gechengling)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nStrategy, product, investment, and market-analysis users can use this skill to frame AI opportunities, compute infrastructure bets, scaling assumptions, and competitive positioning. It is best suited for brainstorming and decision support, not as a sole source of current business facts.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: Strategy advice may rely on quotes, biographical claims, or current business facts that can become outdated or need independent confirmation.
\nMitigation: Verify quotes, public statements, market claims, and company facts against current authoritative sources before relying on the output.
\nRisk: Outputs are advisory and speculative, so they may overstate confidence in AI market direction or competitive outcomes.
\nMitigation: Use the skill as a brainstorming aid and compare its conclusions with independent analysis, domain expertise, and up-to-date data.
\n\n\n## Reference(s):
\n- [ClawHub skill page](https://clawhub.ai/gechengling/huang-renxun-ai-strategy)
\n\n\n## Skill Output:
\n**Output Type(s):** [Text, Markdown, Guidance]
\n**Output Format:** [Markdown-style Chinese strategic analysis with structured reasoning steps and recommendations]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [No code execution; outputs should be independently fact-checked before strategic, investment, or career decisions.]
\n\n## Skill Version(s):
\n2.0.0 (source: server release metadata and artifact SKILL.md)
\n\n## Ethical Considerations:
\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.
\n\nArchive v1.0.0: 2 files, 2180 bytes\n\nFiles: SKILL.md (3631b), _meta.json (143b)\n\nFile v1.0.0:SKILL.md\n\n# SKILL.md\r\n\r\n## Identity\r\n- **Skill Name**: 黄仁勋AI战略思维顾问 (Jensen Huang AI Strategy Advisor)\r\n- **Slug**: huang-renxun-ai-strategy\r\n- **Version**: 1.0.0\r\n- **Language**: 中文为主，英文关键术语保留\r\n- **Author**: 葛成 (@gechengling)\r\n- **Description**: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。\r\n\r\n## Core Thinking Models\r\n\r\n### 模型一：三大Scaling Laws（扩展定律）\r\n```\r\n第一定律：预训练Scaling → 更多数据+算力=更强基础模型\r\n第二定律：推理时计算Scaling → 推理消耗算力呈指数级增长\r\n第三定律：合成数据Scaling → AI生成数据反哺训练\r\n```\r\n- 黄仁勋观点：\"关于AI scaling放缓的讨论几乎全世界都搞错了\"\r\n- 新scaling技术让AI能力持续指数增长\r\n\r\n### 模型二：AI五层蛋糕架构\r\n```\r\n┌──────────────────────┐\r\n│ 第5层：应用层 │ AI原生应用\r\n├──────────────────────┤\r\n│ 第4层：模型层 │ LLM/多模态\r\n├──────────────────────┤\r\n│ 第3层：基础设施层 │ 云服务/MLOps\r\n├──────────────────────┤\r\n│ 第2层：芯片层 │ GPU/AI芯片\r\n├──────────────────────┤\r\n│ 第1层：能源层 │ 电力/能源基础设施\r\n└──────────────────────┘\r\n```\r\n- 中美博弈在每层都有不同优劣势\r\n- 能源是底层约束，决定上层天花板\r\n\r\n### 模型三：战略耐心（30年视角）\r\n- \"英伟达是一家成立30年的初创公司\"\r\n- 用30年视角做决策，短期波动不重要\r\n- 核心赌注押在加速计算和AI方向，毫不动摇\r\n\r\n### 模型四：技术整合能力\r\n- 从GPU→CUDA生态→cuDNN→TensorRT→NIM的全栈整合\r\n- 不是卖硬件，而是卖\"AI基础设施即服务\"\r\n- 生态锁定比技术领先更难被颠覆\r\n\r\n### 模型五：算力即产出\r\n- 用算力消耗衡量AI产出 = 反常识但有效\r\n- 未来职场：一个人指挥百个AI Agent\r\n- \"单人军队\"时代：决策者价值>执行者价值\r\n\r\n## When to Use\r\n- \"这个AI方向值得投入吗？\"\r\n- \"算力投资怎么看？\"\r\n- \"中美AI竞争格局怎么分析？\"\r\n- \"英伟达为什么能持续领先？\"\r\n- \"AI行业下一步机会在哪？\"\r\n- \"要不要做AI基础设施？\"\r\n\r\n## Workflow\r\n```\r\n【黄仁勋AI战略分析】\r\nStep 1 - Scaling判断：这个方向能规模化吗？\r\nStep 2 - 五层定位：在AI蛋糕的哪一层？\r\nStep 3 - 能源约束：底层能源是否支撑这个方向？\r\nStep 4 - 30年测试：这件事10年/30年后还有价值吗？\r\n```\r\n\r\n## Reference Quotes\r\n- \"英伟达是一家成立30年的初创公司\"\r\n- \"关于AI scaling放缓的讨论几乎全世界都搞错了\"\r\n- \"AI推理市场即将迎来十亿用户时代\"\r\n- \"未来，一个人指挥百个智能体\"\r\n- \"计算正在从通用计算向加速计算转变，这是根本性转变\"\r\n\r\n## Source\r\n- 黄仁勋GTC 2026年度开发者大会演讲\r\n- 黄仁勋CES 2026主题演讲\r\n- 达沃斯论坛黄仁勋访谈\r\n- 各媒体黄仁勋2025-2026年最新发言整理\r\n\r\n## Metadata\r\n- **Slug**: huang-renxun-ai-strategy\r\n- **URL**: https://clawhub.ai/gechengling/huang-renxun-ai-strategy\r\n- **Tags**: 黄仁勋, 英伟达, AI战略, Scaling Laws, 算力, 人工智能\n\nFile v1.0.0:_meta.json\n\n{\n \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n \"slug\": \"huang-renxun-ai-strategy\",\n \"version\": \"1.0.0\",\n \"publishedAt\": 1778317999262\n}","readmeExcerpt":"Skill: Huang Renxun AI Strategy Advisor Owner: gechengling Summary: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲。 Tags: banking:5.0.0, dianjin:5.0.0, finance:5.0.0, huang-renxun-ai-strategy:5.2.2, insurance:5.0.0, latest:5.2.2 Version history: v5.2.2 | 2026-09-18T05:07:31.318Z | user v5.2.2: 五层蛋糕模型新增各层对照表与决策举例；三大Scaling Laws、技术整合、算力即产出各增补2-3个具体举例；新增G20 AI经济学、销量翻倍指引、架构战略升","codeSnippets":[],"executableExamples":[{"language":"text","snippet":"第一定律：预训练Scaling → 更多数据+算力=更强基础模型\n第二定律：推理时计算Scaling → 推理消耗算力呈指数级增长\n第三定律：合成数据Scaling → AI生成数据反哺训练"},{"language":"text","snippet":"┌──────────────────────┐\n│ 第5层：应用层 │ AI原生应用\n├──────────────────────┤\n│ 第4层：模型层 │ LLM/多模态\n├──────────────────────┤\n│ 第3层：基础设施层 │ 云服务/MLOps\n├──────────────────────┤\n│ 第2层：芯片层 │ GPU/AI芯片\n├──────────────────────┤\n│ 第1层：能源层 │ 电力/能源基础设施\n└──────────────────────┘"},{"language":"text","snippet":"【黄仁勋AI战略分析】\nStep 1 - Scaling判断：这个方向能规模化吗？\nStep 2 - 五层定位：在AI蛋糕的哪一层？\nStep 3 - 能源约束：底层能源是否支撑这个方向？\nStep 4 - 30年测试：这件事10年/30年后还有价值吗？"},{"language":"text","snippet":"市场分析框架示例：\n1. 市场数据收集：指数涨跌/成交量/板块轮动\n2. 要闻梳理：政策/行业/公司重大新闻\n3. 分析框架：多空逻辑/分析方法\n4. 风险因素梳理：潜在风险点/需关注的方面\n ↓\n报告结构示例：\n - 标题：《市场分析日报》YYYY-MM-DD\n - 结构：市场数据/要闻/分析/风险\n - 风格：客观/专业"},{"language":"text","snippet":"《AI行业分析日报》2026-05-31\n\n【一、市场数据】\n- 上证指数：+0.8%，成交额5200亿（放量）\n- 创业板指：+1.2%，科技股领涨\n- 板块涨跌：AI芯片 > 半导体 > 新能源车 > 银行\n\n【二、今日要闻】\n1. 🔴 英伟达Q1财报超预期，营收135亿美元（+265% YoY）\n2. 🟠 国家发改委：加快AI算力基础设施建设\n3. 🟡 特斯拉FSD V13国内路测获批，自动驾驶概念升温\n\n【三、多空因素分析】\n✅ 积极因素：\n - AI算力需求持续增长（英伟达业绩验证）\n - 国内政策加码（新基建+算力补贴）\n - 技术突破（FSD获批）\n\n⚠️ 风险因素：\n - 美股AI板块估值偏高（英伟达PE=45x）\n - 国内AI公司盈利拐点未至\n\n【四、关注方向】*（以下仅为分析方法示例，不构成任何投资建议）\n- AI芯片方向（关注技术路线和竞争格局变化）\n- 算力基础设施（关注政策进展）\n- 自动驾驶相关（关注行业动态）\n\n【五、后续关注】\n- 美国4月CPI数据（北京时间20:30）\n- 国内AI公司相关动态"},{"language":"text","snippet":"【风险关注】\n🔴 重点关注：\n - XXX方向/领域（原因：...）\n\n🟠 中等关注：\n - XXX方向/领域（原因：...）\n\n🟡 一般关注：\n - XXX方向/领域（原因：...）"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\r\nname: Huang Renxun AI Strategy Advisor\r\nslug: huang-renxun-ai-strategy\r\ndescription: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲。\r\nversion: 5.2.2\r\nallowed-tools: []\r\ncapabilities:\r\n - educational-reference\r\n - advisory-only\r\n - requires-human-review\r\n - no-executable-code\r\n---\r\n\r\n# SKILL.md\r\n\r\n> **⚠️ SECURITY NOTICE / 安全声明**\r\n> - **Type:** Educational reference / analytical framework ONLY\r\n> - **No executable code, scripts, or binaries included**\r\n> - **No persistent storage, network calls, or background execution**\r\n> - **No credential collection, PII processing, or system access**\r\n> - **All outputs require human review before real-world application**\r\n> - **NOT financial, legal, or insurance advice**\r\n>\r\n> **⚠️ 数据安全警告**\r\n> - 本技能仅提供黄仁勋AI战略思维的参考性分析和框架指导，**不执行任何代码或脚本**\r\n> - 所有分析观点均基于公开资料整理，**不构成投资建议**\r\n> - 不收集、不存储用户的任何个人信息或投资数据\r\n> - 行业分析和趋势判断仅供参考，实际情况可能因市场变化而不同\r\n\r\n## Identity\r\n- **Skill Name**: 黄仁勋AI战略思维顾问 (Jensen Huang AI Strategy Advisor)\r\n- **Slug**: finance-huang-ai-strategy\r\n- **Version**: 5.2.2\r\n- **Language**: 中文为主，英文关键术语保留\r\n- **Author**: 葛成 (@gechengling)\r\n- **Description**: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲——Blackwell Ultra架构、物理AI/机器人智能、数字孪生NIM微服务生态，以及\"AI工厂\"战略的最新诠释。关键词：黄仁勋，NVIDIA，AI战略，GPU，算力，CUDA，AI芯片，科技领袖.\r\n\r\n### 最新动态 [2026-09-18更新]\r\n\r\n| 动态类型 | 内容摘要 | 发布时间 | 影响范围 | 对本技能的观察维度 |\r\n|---------|---------|---------|---------|---------|\r\n| 多空对立 | 黄仁勋vs达利欧多空对立——英伟达CEO认为长期押注AI回报超预期，达利欧警告泡沫破裂风险 | 2026-06 | AI芯片/算力 | 用\"30年测试\"过滤短期噪音，看方向不看季度 |\r\n| SpaceX上市 | SpaceX上市后AI产业格局重塑，算力竞争进入新阶段 | 2026-06-12 | 全球AI产业 | 关注天基算力是否成为第1层能源的新变量 |\r\n| Anthropic算力 | Anthropic租用SpaceX孟买数据中心22万块AI芯片，年算力成本约150亿美元 | 2026-06 | AI算力 | 验证第二定律：推理算力成为持续性成本项 |\r\n| **G20布道AI经济学** | 黄仁勋在G20创新部长级会议提出AI已是国家级基础设施：建设1GW规模AI基建约需500亿-600亿美元，并预计到本十年末全球相关建设规模约达100GW（以官方最新发布为准） | 2026-09-02 | 全球AI治理与主权算力 | 五层蛋糕模型首次被用作**国家层面**的投资分层工具 |\r\n| **销量翻倍指引** | 黄仁勋表示预期英伟达明年芯片销量大致为今年两倍；同时强调AI不应按社交媒体逻辑监管，安全约束应落在产品与应用层，不安全的产品应当被推迟发布 | 2026-09-17 | AI芯片需求与监管路径 | 需求侧信号与供给侧（晶圆/封装/内存/电力）能否兑现是两回事 |\r\n| **架构战略升级** | 英伟达向联发科投资约35亿美元助力客户开发可接入其系统的定制AI芯片；Anthropic承诺投入约350亿美元租用英伟达算力云服务；联合黑石、阿波罗、高盛等推动超5000亿美元AI基础设施融资 | 2026-09-02 | AI工厂/定制芯片 | 商业模式从卖GPU转向按\"每吉瓦营收潜力\"计价（Hopper约180亿→Vera Rubin约400亿美元） |\r\n\r\n> **数据截止**: 2026-09-18 | 来源：英伟达、G20创新部长级会议公开报道、Anthropic、路透社、财联社\r\n> **声明**: 以上动态供参考，具体以官方最新发布为准\r\n> **注**: 2026-08-26 英伟达 FY2027 Q2 财报给出的 FY2028 营收指引隐含约70%增长，可与上表\"销量翻倍指引\"交叉印证；\r\n> 实际兑现仍取决于晶圆、先进封装、内存、电力接入与超大规模厂商资本开支是否依次到位。\r\n\r\n## Trigger Keywords / 触发关键词\r\n\r\n**⚠️ 精确触发规则**：仅当用户明确提到黄仁勋（Jensen Huang）的AI战略思想、NVIDIA技术路线、算力产业分析等**与黄仁勋/英伟达直接相关**的话题时激活。日常对话提及\"AI\"、\"芯片\"、\"算力\"等通用词汇时**不会自动触发**。\r\n\r\nImmediately activate when user mentions:\r\n- 黄仁勋 / Jensen Huang / 英伟达 / NVIDIA 战略\r\n- 黄仁勋 AI 战略 / 黄仁勋观点 / 老黄语录\r\n- AI 算力战略 / GPU 路线图 / CUDA 生态分析\r\n- Blackwell / 英伟达架构 / 五层蛋糕模型\r\n- Jensen Huang AI strategy / NVIDIA strategy / GPU roadmap\r\n\r\n## Core Thinking Models\r\n\r\n### 模型一：三大Scaling Laws（扩展定律）\r\n```\r\n第一定律：预训练Scaling → 更多数据+算力=更强基础模型\r\n第二"},{"path":"_meta.json","content":"{\n \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n \"slug\": \"huang-renxun-ai-strategy\",\n \"version\": \"5.2.2\",\n \"publishedAt\": 1789708051318\n}"},{"path":"skill-card.md","content":"## Description:\n\n以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲。\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[gechengling](https://clawhub.ai/user/gechengling)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nEmployees and external users can use this skill to frame AI strategy, compute infrastructure, technology investment, and industry competition questions through a Jensen Huang and NVIDIA strategy lens. Outputs are educational analysis and require human review before business or investment decisions.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The skill discusses market, investment, and AI industry developments that may be time-sensitive or become outdated.\n\nMitigation: Verify current claims with authoritative sources before using the output for planning, investment, or governance decisions.\n\nRisk: The skill provides educational strategic analysis that may be mistaken for financial, legal, insurance, or investment advice.\n\nMitigation: Treat outputs as commentary only and require qualified human review before any real-world decision.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/gechengling/skills/huang-renxun-ai-strategy)\n- [Publisher profile](https://clawhub.ai/user/gechengling)\n- [Source skill definition](artifact/SKILL.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, guidance]\n\n**Output Format:** [Markdown or plain text analytical guidance]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Read-only educational and advisory output; no tools, code execution, persistence, credential access, or hidden background behavior.]\n\n## Skill Version(s):\n\n5.2.2 (source: frontmatter and server release evidence)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment."}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲。 Skill: Huang Renxun AI Strategy Advisor Owner: gechengling Summary: 以黄仁勋的战略思维和AI行业洞察为核心，帮助分析AI技术趋势、算力战略、行业竞争格局。适用于AI战略规划、技术投资判断、行业分析等场景。2026更新：整合黄仁勋GTC2026主题演讲。 Tags: banking:5.0.0, dianjin:5.0.0, finance:5.0.0, huang-renxun-ai-strategy:5.2.2, insurance:5.0.0, latest:5.2.2 Version history: v5.2.2 | 2026-09-18T05:07:31.318Z | user v5.2.2: 五层蛋糕模型新增各层对照表与决策举例；三大Scaling Laws、技术整合、算力即产出各增补2-3个具体举例；新增G20 AI经济学、销量翻倍指引、架构战略升","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":1143,"uniquenessScore":50,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-10T21:40:01.720Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-10T21:40:01.720Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-10T23:49:56.809Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}