搜索“AI芯片”

匹配字段标题、摘要、正文

上、负责把热量"吸"进液体里的部件。液冷产业链里有一个价值规律： 离GPU越近的地方，越难做，价值也越高。 这也是为什么，冷板的价值，占了整个液冷系统成本的 32%-40%，是最大的一块蛋糕。而冷板难做的原因，其实不在那块“板子”的材料，而在于热量能不能快速从材料表面传给液体， 因为固体壁面把热量传给液体的热阻，是固体之间热量传导的几十倍，甚至上百倍——高端AI芯片用的冷板是微通道结构，内部有密密麻麻的，比头发丝还细的水道（0.2mm级别），一块冷板的加工良率，直接决定了成本。 再者就是CDU——冷却液分配单元 这部分，相当于是液冷系统的"心脏和大脑"， 分配流量、调节温度、保证冗余。 没有CDU，液冷只是一堆水管：CDU负责把冷却液按精确比例分配到每个机柜、每个节点，流量控制精度要求 ±2%。偏差大一点，某个节点就可能过热宕机。 因为CDU要实时采集温度、压力、流量、电导率这些数据，所以不能用机械泵，而要带AI算法的流体控制系统。 这里的难点在于：这些变化不是瞬时同步的。 温度变化有热惯性，压力波在管路里传播有水锤效应，CDU需要动态调节泵速、阀门开度，还要在漏液时毫秒级切断故障回路

匹配字段正文

5. 市场裂口揭示后来者机会在产能之外 早期融资占比仅12.5%，大钱已买断关键产能，对后来者极不友好；中国机会不在复制巨额，而在工程师密度、供应链纵深和未被美国市场定价机制覆盖的应用场景。2026-10-20 16:35资本即产能：2026年前三季度，美国头部100家VC与CVC的钱去哪了？每日天使速览 本文来自微信公众号： 每日天使 ，作者：克侠 一家AI芯片公司，26天估值翻倍；一家个人Agent公司，33天估值涨3倍；一家数据中心公司，单轮融资39亿美元。 这是2026年第三季度的硅谷。同一个季度，美联储时隔14个月首次加息，10年期美债收益率收在5.27%，FTC对OpenAI和Anthropic同时立案。 资本在狂欢，利率在收紧，巨头在推迟上市。 这场背离，就是我们做这份报告的原因。我们跟踪了美国科技投资核心圈的100家机构（70家VC/交叉基金与30家CVC/主权资本），用公开数据重建了2026年前三个季度的资金趋势。 先说结论：2026年的美国风投，钱的性质变了。它不再只是选出赢家的选票，而是直接购买算力、电力、晶圆产能与国防合同的生产资料。 一、三个季度，三种钱 2

匹配字段正文

注册/登录美国AI基建遇冷，芯片需求预期降温来源：半导纵横发布时间：2026-10-20 14:59数据中心AI芯片生成海报曾被视为“AI印钞机”的美国数据中心建设潮，正在出现第一道裂缝。 在2026年，如果你还以为AI的瓶颈只是“买不到英伟达GPU”，那么你可能已经落后于现实了。如今，美国AI基础设施的建设正在撞上一堵远比芯片短缺更为复杂的墙。 根据监管情报公司RegLayer最新发布的数据显示，今年以来美国已有至少47个大型数据中心项目被推迟、撤回或叫停。更悲观的预测来自投行伯恩斯坦（Bernstein）分析师，他指出，在美国目前规划中的数据中心项目里，真正具有落地可信度的仅约35%。在规模约10万亿美元的AI基建叙事另一面，融资成本飙升、电力供给吃紧与地方社区反对，正在共同挤压芯片需求的增量空间。 资金链先亮红灯：CoreWeave债券收益率冲上15% 本轮调整的核心矛盾在于融资端。以CoreWeave为代表的“新云”（neocloud）公司，商业模式是大举借贷购买英伟达GPU、自建数据中心，再以租赁方式供给科技巨头。一旦算力租赁价格下行或利率维持高位，这套“高杠杆+重资产”模型

匹配字段正文

度计算格式降低模型运行时的计算和内存需求；通过高速互连和AI优化网络协议，提高多芯片协同效率；通过96颗加速器组成的机架级系统，提高数据中心整体吞吐能力。 芯片之外的AI Infra才是关键 华为昇腾在布局通用AI计算平台，2019年发布了昇腾910和昇腾310两款AI处理器。随后又围绕MindSpore框架、CANN计算架构和Atlas硬件平台建立生态，使AI芯片进入云计算、工业、能源等场景。 这些企业希望建立不同于英伟达CUDA体系的国产算力路线。但随着大模型应用深入，一个新的问题开始出现：芯片有了，如何真正跑起来？ 一颗AI芯片进入商业应用，需要经过多个环节。首先是底层硬件，包括芯片架构、计算能力、内存带宽等。其次是软件生态，包括编译器、开发框架、算子优化、模型适配。最后是实际应用，企业需要能够将现有的大模型和业务系统迁移到新的计算平台上。 任何一个环节不足，都可能影响芯片的实际价值。 所以，近年来AI Infra（人工智能基础设施）成为新的关注方向。所谓AI Infra，解决的是让芯片、模型、数据和应用之间形成高效连接。芯片提供算力，软件决定效率，基础设施决定这些算力能否被真正

匹配字段正文

文 | 字母榜 在中国AI芯片市场，两个变化正在加速。英伟达的份额正在被国产厂商蚕食，非GPU加速器的出货量也在上升。 近日IDC披露的数据显示恰好印证了这个变化——2026年上半年，中国数据中心AI加速器总出货量达到200.8万颗，其中非GPU加速器出货101.6万颗，规模首次超过GPU，英伟达仍是第一，但它与华为昇腾的份额差距，只剩6个百分点。 两个变化背后，都有大厂的身影。阿里 CEO吴泳铭今年3月披露，平头哥芯片年化营收已达百亿元级；9月的云栖大会上，阿里又发布真武V900，计划于2027年一季度量产并商业化，预计AI芯片年出货量将大幅增长。百度则在推进昆仑芯分拆上市，天池超节点实现了全栈国产，昆仑芯已经完成了三代AI芯片的研发和商业化。 01 模型公司还在为盈利寻找出路，训练和推理的账单已经变成了芯片大厂们的利润。 据IDC报告显示，今年上半年，英伟达在中国数据中心AI加速芯片市场的出货量同比下降44%，份额为34%；华为占28%，平头哥和昆仑芯分别占7%和4%，加起来已经超过英伟达；华为、平头哥、昆仑芯和寒武纪占非GPU细分市场约95%的出货量。 大厂芯片出货量增加的直接原

匹配字段正文

消的，而它们正寻求在大部分债务生效之前将公司上市，诱骗散户投资者相信自己的处境要好得多，而就在铁砧砸到他们头上之前。 Anthropic对其增长轨迹如此自信，以至于在S-1文件中省略了2026年第三季度的大部分数据，只报告了第二季度——而在此之后，超过4300亿美元的不可取消算力承诺才开始生效，其增长也开始放缓。 纳斯达克100指数中有46.5%的权重集中在AI芯片制造商（如NVIDIA、AMD和Broadcom）、超大规模云服务商（Google、Amazon、Meta和Microsoft）、存储芯片公司Micron，以及负债累累的“新云”公司CoreWeave身上。这些股票的价值系于一个非常简单的理念——即AI将永续增长，每年为硬件和软件公司创造数万亿美元的新收入。根据Gartner的数据，数据中心所有者 到2030年需要创造8.5万亿美元的新AI收入，才能为其计划中的支出提供合理依据，而他们至少还差五万亿美元。 超过37%的美国家庭财富都捆绑在一个被热空气吹得膨胀起来的美国股市上，而如果你试图指出这一点，你往往会被描绘成一个怀疑论者、一个愤世嫉俗者，或者不知何故对更大的图景一无所知

匹配字段正文

片上、负责把热量"吸"进液体里的部件。液冷产业链里有一个价值规律：离GPU越近的地方，越难做，价值也越高。 这也是为什么，冷板的价值，占了整个液冷系统成本的 32%-40%，是最大的一块蛋糕。而冷板难做的原因，其实不在那块“板子”的材料，而在于热量能不能快速从材料表面传给液体， 因为固体壁面把热量传给液体的热阻，是固体之间热量传导的几十倍，甚至上百倍——高端AI芯片用的冷板是微通道结构，内部有密密麻麻的，比头发丝还细的水道（0.2mm级别），一块冷板的加工良率，直接决定了成本。 再者就是CDU——冷却液分配单元 这部分，相当于是液冷系统的"心脏和大脑"，分配流量、调节温度、保证冗余。 没有CDU，液冷只是一堆水管：CDU负责把冷却液按精确比例分配到每个机柜、每个节点，流量控制精度要求 ±2%。偏差大一点，某个节点就可能过热宕机。 因为CDU要实时采集温度、压力、流量、电导率这些数据，所以不能用机械泵，而要带AI算法的流体控制系统。 这里的难点在于：这些变化不是瞬时同步的。 温度变化有热惯性，压力波在管路里传播有水锤效应，CDU需要动态调节泵速、阀门开度，还要在漏液时毫秒级切断故障回路。

匹配字段正文

有项目都能如期落地；对于资金成本高、依赖外部融资的新兴云服务商而言，长期订单与现金流将直接影响建设速度。 基板、内存比电力更难迅速扩产 在供应链瓶颈方面，Patel将基板列为当前最关键的约束之一。日本相关供应商扩产相对谨慎，限制了加速芯片、CPU等产品的产能提升。 内存则是另一大瓶颈。Rasgon指出，生产同等容量的HBM所需晶圆数量约为DDR5的3—4倍，AI芯片需求增长因此加剧了内存产能竞争。与此同时，光学互联所需的激光器、光纤连接等组件也面临短缺，即使CPO计划在2028年前后加速量产，相关供给仍可能难以满足需求。 晶圆制造设备市场同样受到洁净室产能限制。Rasgon认为，2026年全球晶圆制造设备（WFE）市场规模超过2000亿美元的预测过于乐观。通过提高现有工厂利用率，市场规模或可从年初预期的约1200亿美元提升至约1550亿美元，但新建洁净室要到2027年才陆续投用，更多产能预计在2028—2029年释放。 相比之下，电力短缺有更多应对手段。Patel预计，2027年全球在建数据中心规模接近50吉瓦，其中美国约35吉瓦。现场燃气轮机、往复式发动机和燃料电池等方案，可以在一定

匹配字段正文

iton，其性价比比同代x86处理器高出约40%。 回到前面提到的“哑铃中段”，为什么海量传统企业的核心生产系统迟迟不接入AI？人才和组织能力是一方面，但很大一块阻碍是经济账算不过来——推理成本太高了。如果应用调用模型的边际成本下不来，企业重写老旧系统的投资回报率就会很低。现在的推理成本必须再降一个数量级，企业级应用的大爆发才会真正到来。 这就是我们开发自研AI芯片Trainium的核心原因。最新一代Trainium相比同类硬件，在性价比上同样保持了30%到40%的优势。只有把推理成本打下来，AI应用才能从实验室玩具变成无处不在的生产工具。 同时结盟Anthropic与OpenAI的底层逻辑 问：除了底层硬件，亚马逊在生态合作上也动作频频。你们向Anthropic投资了上百亿美元，近期又深化了与OpenAI的大规模合作。但在资本市场看来，云厂商既当投资人又当算力供应商的模式存在争议。亚马逊布局这两笔重量级合作的商业逻辑是什么？ 贾西：这两家公司拥有目前全球顶尖的工程技术团队，在业务增长速度上也打破了软件行业的历史记录。 我们的投资与合作基于三个清晰的维度：第一，我们确信AI代表着深远的

匹配字段正文

注册/登录变天了！英伟达在华份额骤降，国产AI芯片强势补位原创来源：半导纵横发布时间：2026-10-21 11:39作者：蔡璐GPUAI芯片生成海报GPU出货首次被非GPU反超，中国AI算力版图生变。 市场调研机构IDC最新发布的2026年上半年中国数据中心AI加速器市场报告，直接打破了业界维持近十年的市场共识。过去由GPU和英伟达主导的AI算力赛道，在今年年中迎来了出货结构的历史性转折。 2026年上半年，中国数据中心AI加速器总出货量达200.8万颗。其中，GPU出货99.1万颗，同比下降26%；非GPU架构的AI加速器出货101.6万颗，同比增长80%，出货规模首次超过GPU阵营。 与此同时，头部厂商的座次也出现了标志性变动。英伟达作为全球AI芯片的主导者，同期在华AI加速器总出货量约67.8万颗，同比下降44%，市场份额回落至33.8%。尽管仍居单一厂商第一，但与第二名华为的市场份额相比，其差距已从两年前的近60个百分点大幅收窄至个位数。 GPU的“半壁江山”没了 如果把IDC这份报告进行深入剖析，就会发现2026年上半年国内AI算力市场的整体规模，并没有出现外界预想中的爆发

匹配字段正文

模糊、风险管控不足而被取消。 一旦大量Agent项目落地不及预期，为智能体云建设的海量算力，将面临需求落空的风险。 控制硬件成本成为这场竞赛的硬性约束，国产芯片替代由此加速落地。 腾讯计划将国产芯片采购占比提升至 65% 以上，训练卡主要采购燧原产品，推理卡选用寒武纪。高盛判断，国产 AI 芯片在服务器当中部署占比有望达到 70%‑85%。 国内也将多款国产AI芯片纳入安全可靠清单，华为昇腾、阿里平头哥真武系列等7家企业共9款芯片获评最高安全等级，其中平头哥新一代训推一体芯片真武M900性能达到上代3倍。 这不只是供应链自主可控的考量，更是压低单位算力成本、改善回报水平的硬约束。 万亿账单之后：ROIC才是终极淘汰赛 既然大规模资本投入已成定局，行业胜负的核心就变成谁可以更快、更高效地把投入转化为实际回报。 摩根士丹利引入北美成熟市场ROIC分析框架，拆解自建GPU、第三方算力租赁、MaaS三类业务路径，测算得出国内云厂商ROIC处在13%‑20%区间，现金回收期约3年。报告同时指出，国内单台服务器资本开支约为美国同类配置的3倍，直接推高折旧成本。这也再次印证国产芯片替代是ROIC能否

匹配字段正文

球仿佛一夜之间进入了一场轰轰烈烈的算力军备竞赛。就在这样的热潮里，Gartner给市场泼来一盆冷水，其最新预测显示，2026年到2030年间，全球人工智能基础设施投资总额将达到7万亿美元，约合46.86万亿元人民币。可这些真金白银投下去，到2030年最多只能带来3.6万亿美元的收入，连投入的一半都收不回来。 这笔钱究竟花在了哪里。除了被反复提及的GPU与专用AI芯片，还有一长串配套投入：新建和扩建的数据中心、高负荷运转的电力系统、液冷散热、光模块与网络设备。七万亿美元是个什么体量，大致相当于全球IT行业过去十余年基础设施投入的总和还要多，相当于给整个地球重新铺一遍数字化底座。而Gartner提示的风险在于，这片热土上垒起的大部分家底，很可能在回报兑现之前就面临重新定价。 Gartner高级总监分析师Will Sommer把这笔账算得更细。他指出，如果考虑到融资成本以及12%的投资回报率要求，要与7万亿美元的投资规模相抵，行业需要的收入其实是8.5万亿美元。而按照Gartner自身的收入预测，这中间横着大约5万亿美元的缺口。换句话说，眼下每一块钱的AI基建投入，未来都要面对不小的回本压力

匹配字段正文

、面向企业级快速部署的超节点——这更符合当下企业智能体落地的真实需求。 “从2025年起，超节点竞争就很激烈，但我们认为不应该再依照惯性思维堆规模，而要从客户视角出发，把Token交互速度作为关键衡量指标，因为智能体时代‘速度就是金钱，成本即生存’。”彭震说。 近期，浪潮信息发布了元脑SD200 Ultra超节点AI服务器。元脑SD200 Ultra基于本土AI芯片，单机承载运行2.8万亿参数的Kimi K3大模型，Token生成时延首次突破5.85毫秒。 互联之战与十万卡集群 为了在单位时间内生成更多的Token，超节点还在持续寻找压缩通信时间的方式，这也让光电之间的协同变得越来越重要。 奇异摩尔创始人兼董事长田陌晨告诉《中国企业家》，超节点的竞争本质是互联技术的较量。随着单芯片算力逼近物理极限，算力瓶颈已从计算核心转移至芯片间的数据搬运效率，“内存墙”与“通信墙”效应日益凸显，互联技术由此成为决定集群真实效能的核心。 奇异摩尔创始人兼董事长田陌晨 来源：受访者 超节点的硬件链路分两层：一层是单卡封装内的存储互联，即HBM（高带宽内存），负责芯片与本地显存之间的高速数据交换，读取模型

匹配字段正文

项产品的制造技术，其规模化生产能力通常会超过全球其他地区的总和，锂电池与太阳能产业便证明了这一点。 对一个GDP两成系在半导体出口上的国家来说，这是巨大的警报。 10月12日：博通CEO说“你们在赌场里” 周一，博通CEO陈福阳（Hock Tan）在新加坡说了一段让市场不舒服的话。 这话从谁嘴里说出来都有分量，但从博通CEO嘴里说出来，分量翻倍。博通自己预测AI芯片销售额从今年580亿美元增长到2028年2300亿美元，一个正在赚得盆满钵满的人，公开警告别人别下注太重。 当天美光跌3.88%，费城半导体指数跌2.67%。 另一个信号更安静：CoreWeave，英伟达扶持的AI算力公司，股价从高点跌17%。四个月前发的债券，二级市场交易价78美分，“AI基础设施”公司的债打了八折。 10月14日：CPI补刀 美国9月CPI出炉，同比3.7%，预期3.6%，前值3.4%。核心CPI同比2.6%，也超预期。 “通胀已被驯服”的叙事，碎了。 美联储基准利率3.75%-4.00%。CPI数据出来后，10月加息概率从个位数跳到31.6%。标普500录得7月底以来最大单日跌幅，纳斯达克跌1.88%。

匹配字段正文

。这些企业的业务依赖大规模算力基础设施建设。利率上升将直接增加融资成本，也会压低部分项目的投资回报。CoreWeave的债券价格已经反映出这种压力。10月14日，其部分债券收益率升至15%左右，投资者要求更高的风险补偿。 中国市场同样经历调整。 10月14日，科创50指数下跌3.29%；科创综指下跌2.97%。科创板617只正常交易股票中，仅58只上涨。国产AI芯片公司还受益于国产替代，业务增长的驱动因素与美国芯片企业存在差异。但过去一段时间，这些公司的估值同样受到AI算力需求增长预期的推动。 随着全球AI资产调整，A股科技板块也开始承受估值和资金面的压力。 OpenAI、Anthropic等模型公司通过融资获得资金，并将资金投入GPU、数据中心和云计算服务。英伟达、服务器、存储和数据中心企业则通过这些投资获得订单。 模型公司的资本开支计划，由此成为市场预测上游企业收入的重要依据。 但这种增长关系存在一个前提：模型公司最终需要通过商业化收入承担越来越高的计算成本。 Anthropic和OpenAI最新披露的财务数据，开始使这一问题更加具体。Anthropic已经实现较高收入和调整后盈利

匹配字段正文