搜索“AI芯片”

，做实时视频生成。 第二，做世界模型，让模型不仅生成画面，还尝试理解和模拟现实世界中的环境、动作与变化。 Decart官网将这套技术称为Decart Optimization Stack，简称DOS。它的目标不是绑定某一款芯片，而是让AI工作负载能够运行在英伟达GPU、亚马逊Trainium和谷歌TPU等不同加速器上。 以芯片适配为例，AWS正在大力发展自研AI芯片Trainium，希望减少对英伟达GPU的单一依赖。 但芯片替代不只是买卖关系。客户选择英伟达，不是因为芯片本身，还有CUDA、开发工具、模型适配和工程师习惯已经形成的一套完整生态。 亚马逊如果只提供一块更便宜的芯片，Trainium就很难真正成为英伟达的替代方案。 Decart的价值，正好在这里。它可以帮助客户降低换芯片的迁移成本，也让亚马逊的自研芯片更容易进入真实的训练和推理任务。换句话说，亚马逊买的是一张通往“多芯片时代”的入场券。 国内做类似“算力中间层”的企业，也是价值不菲。 比如近期，无问芯穹完成23亿元C融资，累计融资额达43亿元，单轮融资额与累计融资额均创国内AI Infra（人工智能基础设施）行业新高。这同

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

经实现规模化落地：安防监控系列产品适配多路视频并发写入，已广泛应用用车载监控、园区监控系统；TGE408满足电力行业国标要求，已实现KK级出货；车规系列产品已进入多家整车厂及TIER1。 面向边缘AI浪潮，佰维存储不再局限标准化器件输出，转向场景化存储解决方案。针对端侧大模型带来的高频读写压力，通过固件调优，优化磨损均衡、垃圾回收策略，降低性能波动，配合端侧AI芯片，缓解算力等待问题。未来将坚持平台化加场景定制路线，在迭代产品同时保障老平台兼容性，助力工业、车规客户实现本土化落地。 大普微则是推出了双模企业级SSD，在单块SSD盘体内部集成高性能pSLC分区，实现一块硬盘同时具备高性能元数据分区与大容量数据存储分区。该架构有效解决传统方案槽位占用多、性能瓶颈固化、扩容配比复杂的痛点，在高并发业务场景之下，文件元数据操作性能实现数倍提升。该产品非常适配AI推理KV Cache分层存储、工业海量小文件读写、边缘机柜空间受限等典型场景，在有限硬件空间之内兼顾高性能与大容量，简化边缘节点硬件架构，降低运维复杂度。 驰拓科技则专注新型存储MRAM在工业方面的应用。对比传统Flash，MRAM拥有

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

须重新思考机器学习系统的诸多细节：如何进行内核级优化（kernel level optimizations），如何设计云端控制平面。甚至需要讲模型进行机器学习层面的改进、定制CUDA代码以及Torch优化，转化为达到生产级可用标准的模型。 一个实际的例子是，Reactor与AWS Neuron Science团队合作，将实时自回归扩散视频模型部署到AWS自研AI芯片Trainium上。 与普通视频生成不同，运行实时交互类视频/世界模型的系统，其瓶颈不只在算力本身，还包括视频帧位置计算、注意力计算、缓存复制、显存占用和解码等环节。 双方通过Neuron Kernel Interface对底层计算进行重写和融合：例如将原本需要约5秒的3D-RoPE位置编码计算压缩到1.8毫秒，将每层约23毫秒的缓存复制降至1.9毫秒，并把原本容易爆显存的流程控制在11GB HBM内运行。最终，团队在单颗Trainium2芯片上跑通了实时视频生成。 Reactor的平台上，已经汇集了一批可实时运行的视频模型和世界模型。其中既有实时世界模型，也有支持动作控制的世界生成模型；还提供带同步音频的实时视频模型，以及

匹配字段正文

0亿美元，已于去年启动。 然而，2026年地缘政治局势的突变，为中东的算力狂欢泼了一盆冷水。在地区冲突中，波斯湾沿岸的数座云数据中心遭到无人机与导弹袭击，部分计算服务陷入停摆。这场危机促使阿联酋官员迅速重构了其算力基建的规划逻辑： 主权级芯片豁免：凭借强大的政治博弈能力，阿联酋本土科技巨头G42及合作方（微软、OpenAI、Oracle等）获得了美国关于高端AI芯片与服务器的特殊许可，得以大规模引入顶尖算力。 阿联酋的案例提示了另一件事：当安全成本足够高时，能源成本优势可能被抵消。它证明的不是“能源不重要”，而是“能源优势有前提”。电力充足、资金充裕、审批快，这些阿联酋都有，但地缘政治风险同样可以瞬间改变投资逻辑。 风往哪里吹：中国算力出海的下一站 西班牙阿拉贡有审批速度，但没有电力制度弹性。阿联酋有资本和能源，但地缘政治风险可以瞬间改变一切。日本有制造业底子，但能源结构、芯片供应链和人才梯队都是卡点。马来西亚有土地和能源，但天花板在哪里尚不清晰。哈萨克斯坦和乌兹别克斯坦有廉价电力和地理枢纽位置，但配套和连接性还在早期。 当行业从“拼规模”转向“拼效率”时，真正留下来的，不是那些风最大

匹配字段正文

美元的订阅包，Muse 应用上线数周下载量突破 500 万并登顶苹果 App Store，面向开发者的 API 定价将“显著低于”OpenAI 与 Anthropic 的领先模型。 八、微软把 AI 推理押进自家芯片：Maia 300 2027 年冲多吉瓦级，百万颗规模 1.事件与数据：2026年10月12日微软宣布自2027年起将Azure Maia系列AI芯片系统部署扩大至多吉瓦级，并定位为主力推理系统；第三代Maia 300为“推理优先”架构，官方称每兆瓦Token吞吐较领先GPU系统高40%，96颗加速器满配机架吞吐最高达Maia 200的7倍（167千瓦、27.6TB内存、1.7PB/s带宽），媒体测算2027年部署或超100万颗。 2.战略逻辑：推理是持续性支出、训练更接近一次性投入，Copilot类应用越用越贵；微软由此从“不惜成本抢算力”切换至追求每瓦性能与每美元产出，Maia 300每瓦性能较Maia 200提升2.5倍以上、每机架加速器数量翻倍，意图以自研推理芯片改善长期利润率与对NVIDIA的议价能力。 3.产业影响与风险：Maia 300采用台积电N2P工艺，

匹配字段正文

报道，知名咨询公司IDC最新数据显示，2026年上半年英伟达在中国数据中心AI加速器市场的份额降至34%，华为以28%紧随其后。出货量上，英伟达上半年在华AI加速器出货67.8万颗，同比下降44%；华为出货57.2万颗，高于去年同期的30余万颗。 英伟达CEO黄仁勋多次公开批评出口限制，称该政策正迫使英伟达将中国价值约500亿美元（约合人民币3600亿元）的AI芯片市场拱手让给华为。截至路透社发稿，英伟达未回应置评请求。 从整体市场看，上半年中国AI加速器总出货约200.8万颗；其中GPU出货99.1万颗，同比下降26%；其他AI加速器出货101.6万颗，同比增长近80%，按出货量超过GPU。这一类芯片包括为特定AI任务设计的产品，例如运行已训练模型的推理芯片。 国产厂商并非只有华为在扩张。IDC追踪的11家中国芯片厂商中，上半年有9家出货同比增长。按出货量占整体AI加速器市场的比例来看，其余厂商按份额依次为：阿里平头哥7%（约14.1万颗）、寒武纪5%（约10.0万颗）、百度昆仑芯4%（约8.0万颗）、海光信息3%（约6.0万颗）。 华为、阿里平头哥、昆仑芯和寒武纪四家公司合计占据了

匹配字段正文

年540亿美元增至2031年1086亿美元，2.5D/3D占比由33%升至52%。华天推出HMatrix平台，整合WLP、SLP、PLP、eSinC，布局FOPLP、混合键合和玻璃基板，努力“将华天打造成为中国封测行业第一品牌”。 “探索MCU+NPU+ReRAM垂直堆叠的3D IC，用ReRAM替代DRAM/NAND、MRAM做工作内存，配合类脑架构，端侧AI芯片能耗可降约90%和80%。该方案以混合键合突破平面极限，面向低功耗、长续航的边缘AI推理。”华润微电子首席专家李少平深入解析3D IC与3D MEMS在异构集成框架下的协同创新路径。他透露，3D堆叠MEMS芯片计划2026年推出。 武汉精测电子集团半导体光学事业部总监余帅的演讲直击量产落地的核心痛点。他指出，CoWoS向CoPoS演进，封装从晶圆转向510mm以上面板，面积利用率由57%升至87%，精度从0.5μm迈向0.2μm，量检测不是设备放大而是范式变化。精测正以Dolphin、Seal、AIVIS平台覆盖检测－量测－预测－决策，构建3D闭环，支撑规模量产。 中国电子科技集团公司第二研究所技术专家马世杰解析面向先进封装

匹配字段正文

2026年MOCVD设备行业研究报告》已在爱集微官网与APP正式上线，欢迎登录爱集微官网或集微APP，在首页点击“集微报告”栏目，即可进行订购。 查看更多报告请点击 微信扫一扫分享 此内容为集微网原创，著作权归集微网所有，爱集微，爱原创 11月5日上海见！Ceva 2026技术研讨会全议程公布，携手构建智能边缘未来 6小时前; 老内存的“第二春”：DDR4暴涨背后，是一场千载难逢的国产替代窗口期 8小时前; 英伟达AI芯片，在华销量暴跌44%！ 12小时前; 燧原科技首秀国芯展：全栈算力产品集中亮相，云燧ESL64-O超节点领衔 13小时前; NTT拟为Anthropic建设日本首座专用数据中心，成本1万亿日元 45分钟前; 雅克科技：拟与投资人共同对半导体光刻胶子公司江苏雅睿增资不超过17.89亿元 3小时前; 机构：第三季度中国智能算力中心产业投资额同比增长34.4% 3小时前; 三环集团拟 2.5‑5 亿元回购股份 3小时前; 10月14日努比亚豆包手机迎来新一轮能力进化，加赠半年豆包会员 3小时前; OBZ获得2000万美元A轮融资，系企业级AI智能体部署与治理服务商 3小时前

匹配字段正文

集中涌现，是单月金额陡增的直接推手。 图2 2026年中国半导体产业融资金额，资料来源：集微咨询 JW Insights 结构：IC设计稳居首位，逻辑芯片最受关注 从行业分布看，IC设计（Fabless）、半导体零部件、光电器件位列融资数量三甲，其中IC设计共64起、占比33%。细分赛道中，逻辑芯片以33起、占比17%高居榜首。大额资金向高壁垒设计标的集中：AI芯片企业原粒半导体完成7亿元A轮，由IDG资本、英诺基金等参与；超导量子芯片企业逻辑比特完成数亿元A轮，投资方涵盖IDG资本、深创投等十余家机构。 图3 2026年7月中国半导体投资细分行业分布，资料来源：集微咨询 JW Insights 轮次与规模：A轮占四成，1亿元以下成主体 2026年7月融资事件中，A轮共79起、占比41%，种子/天使轮合计占20%，早期资金仍是绝对主力；A轮中逻辑芯片企业占比最高，共18家、占比约23%。融资规模上，192起事件全部披露金额：1亿元以下136起、占比71%；1亿-3亿元32起、占比17%；3亿元及以上24起、占比12%，头部标的单笔吸金能力突出。 图4 2026年7月中国半导体产业融资轮

匹配字段正文

核心观点 观点一、台积电以20亿美元、五年期协议引入格芯供应CoWoS硅中介层，先进封装扩产从自建产能迈向全球借力，AI算力供给瓶颈有望加速缓解。 观点二、AI芯片竞争焦点正从先进制程延伸至先进封装，在CoWoS供需缺口约20%的背景下，产业价值重心加速向封装环节迁移，封装成为新的利润高地。 观点三、硅中介层、TSV等特色工艺为成熟制程开辟高价值出口，供给扩容与成本优化将降低Chiplet异构集成门槛，推动异构集成从旗舰芯片向中端与专用芯片普及。 10月8日，格芯（GlobalFoundries）宣布与台积电达成一项多年期制造协议：格芯将在美国纽约州马耳他（Malta）工厂扩建硅中介层（Interposer）产能，为台积电CoWoS先进封装生态供货，协议总规模预计达20亿美元，初始期限为五年。据Counterpoint Research测算，2026年台积电CoWoS供需缺口维持在20%左右，随着其内部产能向每月18.5万片晶圆规模扩展，缺口预计2027年收窄至约10%。 格芯成为台积电CoWoS生态首个美国硅中介层供应方 根据双方披露的协议细节，格芯将扩大纽约州马耳他工厂产能，为台积

匹配字段正文

环生态（芯片→模型→OS→应用）和高通的开放生态（AI Hub + 多模型合作）代表了两种成功范式。国内企业应构建第三条路——"国产闭环生态"：(1) 芯片企业与DeepSeek、通义千问、智谱等大模型企业建立深度优化合作，类似高通与Meta Llama的关系；(2) 与鸿蒙/OpenHarmony等国产OS深度集成，提供系统级AI加速能力；(3) 建设国产AI芯片开发者联盟，共享模型优化经验和工具链；(4) 利用信创市场和数据安全需求，在政务、金融、能源等关键行业建立端侧AI应用标杆。 核心判断：端侧AI的竞争窗口期在2026-2028年。稀疏激活MoE、CIM存算一体、Agentic AI三大技术方向将定义下一代端侧AI芯片的竞争格局。五大巨头中，Apple以隐私架构和生态锁定构建闭环，高通以开放生态和全场景覆盖领先，联发科以CIM存算一体创新突围，Intel以x86兼容和OpenVINO生态深耕PC/边缘，AMD以超大统一内存和工作站级本地AI建立差异化。国内企业应避免在旗舰手机SoC赛道与巨头正面竞争，转而在架构创新（CIM/MoE硬件加速）、垂直场景深耕（智驾/机器人/AI眼

匹配字段正文

愿。知情人士称，已承诺为这笔交易提供资金的美国银行、花旗集团和摩根士丹利已联系其他银行，购买部分债务。 除此之外，据CNBC当地时间10月7日报道，阿波罗资本与多家银行日前正与SpaceX洽谈，以协助SpaceX完成400亿美元英伟达GPU采购。该交易将主要依赖投资级债务市场。谈判尚处初期，包括关键贷款方等细节尚未敲定。 SpaceX目前已经部署了海量英伟达AI芯片，并且计划继续扩大规模。马斯克介绍，其位于田纳西州孟菲斯的Colossus数据中心运行着23万块英伟达AI芯片，而Colossus 2有55万块。12月底前芯片数量将增加一倍以上，达到121万块，“如果我们运气好的话。” 一位信贷行业人士称，市场目前仍普遍预期GPU价值可维持约七年。算力稀缺，且预计短缺不会很快缓解，这支撑了高性能GPU的价值。 为了给AI与云扩张提供资金，Meta、亚马逊和谷歌已相继发行债券。去年10月，Meta申请其有史以来最大规模的债券发行，规模最高达300亿美元，为AI基础设施扩张提供资金。 由博通担保的融资也被视为衡量AI债务需求的风向标。近几个月来，投资者要求更高的风险溢价，才愿意贷款给那些向开发

匹配字段正文

9月21日，在智猩猩联合主办的2026全球AI芯片峰会上，沨呵智慧智算产品总监 丁阔分享了《基于精益智算的高质量Token生产实现》主题演讲。 丁阔在演讲中提到，围绕能耗、产能和售卖效率等维度，他们基于两大指标建立了Token工厂的运营指标体系。 其中 TEF（Token效率因子）用来衡量GPU集群生产Token的效率，由GPU可用率、算力占用率和有效计算效率共同决定；TFI（Token工厂指数）用于评估商用Token平台的售卖情况，将TEF与服务交付率、Token售出率、价格实现率进行结合。 通过TEF和TFI，Token工厂可以形成飞轮效应，企业能够凭借对两大指标中参数的诊断和调整，从而改善Token业务的利润，满足企业经营的目标。 沨呵智慧如今的产品交付形态已经从底层算力资源逐步走向标准化的Token产能。 以下是演讲整理： 丁阔：大家上午好，我是来自上海沨呵智慧的丁阔，非常感谢主办方的邀请。今天借这个机会，我想跟大家分享一下我们基于精益智算的高质量 Token 生产的一些思考。 根据巴克莱银行最新统计，在 OpenAI、Anthropic 等厂商每 100 美元的大模型 AI

匹配字段正文

体技术的智算中心能耗智能预测与协同调度解决方案。 “前店后厂一中心”三者分别覆盖底层算力、中间的模型服务与上层产业应用，形成从资源调度到Token生产，再到生产力转化的业务链条。 无问芯穹还有一个值得关注的特点，它采用轻资产运营模式。无问芯穹自身并不拥有实体数据中心，而是通过技术服务触达管理分布在全国各地的第三方设施中的算力，同时适配华为昇腾、摩尔线程等不同AI芯片，用更轻的资产负债表换取更快的扩张速度。 同时，独立第三方平台的价值正在显现。无问芯穹并不做模型，也不做芯片，保持中立，作为连接模型、芯片和客户需求的独立平台，将分散的模型能力和异构算力组织起来，持续优化从底层资源到AI生产力的转化效率。 纵观当下行业格局，大厂Infra以服务内部业务为主，芯片厂商Infra绑定硬件生态，模型公司自建Infra受竞争关系限制。而选择中立的独立云厂商，正在成长为Token经济的核心枢纽。 目前，无问芯穹的客户与合作伙伴覆盖头部模型企业、科研机构和产业客户。在模型服务方面，公司与Kimi、智谱等企业开展合作，Agentic MaaS平台已上线百余种大模型，支持客户按需调用。 三、融资双料第一：全

匹配字段正文

华为两周前公布新一代AI处理器和超节点计算系统，并表示预计明年其AI系统将在模型训练领域得到广泛应用。DeepSeek称，华为为编程基础设施开发提供了全面支持，双方还共同推进一套基于128颗昇腾950芯片的“超节点”方案，同时优化计算和通信能力。 DeepSeek特别提到TileLang在项目中的作用。TileLang是一种面向AI芯片的高层开源编程语言，旨在提高开发效率、简化代码逻辑。 DeepSeek表示，构建新一代自主可控的GPU软件生态，首先需要建立一种通用、易于编程，同时又能充分发挥硬件性能的高层语言；TileLang正是为此而设计，其编程模型比英伟达CUDA更简单。

匹配字段正文

动推出与飞书深度打通的 “豆包工作”，旗下智能体开发平台扣子（Coze）聚合700余款技能与插件。 组织层面同步收拢：字节跳动将飞书产品团队整体并入豆包；阿里巴巴则将QoderWork、悟空、MuleRun等多款智能体（Agent）产品技术整合至统一的“千问办公”平台。阿里巴巴集团首席执行官吴泳铭在同日举办的2026云栖大会主论坛上表示，将坚定投入AI模型、AI芯片、AI云三大机器智能时代基石。 艾媒咨询《2026年中国AI办公智能体产业发展白皮书》显示，59.1%的使用者愿意为AI办公智能体付费；中信里昂证券（CLSA，简称里昂证券）9月月度中国消费者调查报告显示，在每周至少使用一次AI工具的1235名中产受访者这一子样本中，36%按月付费使用AI相关服务，较今年6月调查结果增长4 %。 真正被改写的是竞争变量。谷歌在2026年初提出Personal Intelligence（个人智能）战略，计划在用户授权前提下打通Gmail、YouTube等个人信息入口；苹果公司首席执行官约翰·特努斯（John Ternus）在9月新品发布会上，将iPhone定位为AI时代的“个人智能中枢（Int

匹配字段正文

到了前沿AI模型开发领域。 Anthropic明确表示，这些限制并不会影响绝大多数传统人工智能、机器学习研究以及普通编程任务。只有涉及少数前沿LLM开发能力时，系统才可能触发回退机制。因此，对于普通开发者来说，Opus 5.5在日常编程、AI应用开发以及机器学习研究中的使用基本不会受到影响。 但在进一步测试之后，有用户发现，Opus 5.5似乎会特别识别部分AI芯片。根据目前公开的测试结果，这套分类器至少涉及华为昇腾950DT以及亚马逊自研的Trainium3 AI芯片。也就是说，如果开发人员使用Opus 5.5为这些芯片开发用于前沿大语言模型的底层内核，模型可能会自动切换到Opus 5。 华为芯片被纳入这一限制并不令人意外。Anthropic近年来一直在加强对中国实体获取其模型能力的防范，并将模型蒸馏视为一个重要的安全和国家安全问题。所谓模型蒸馏，是指通过大量调用一个能力更强的模型，提取其行为和能力特征，再利用这些数据训练另一个模型。Anthropic近期发布的威胁情报报告就披露，公司发现多个与中国相关的机构针对Claude的Opus系列模型开展未经授权的蒸馏活动，因此进一步加强了账

匹配字段正文

，发展AI短剧、智慧演艺、数字文博等新业态。集成应用AR／VRAR／VR，增强现实／虚拟现实、数字人、智能光影等技术，依托黄鹤楼、武当山等标志性景区打造沉浸式文旅体验项目。整合文旅、交通、气象等数据，实现客流精准预测、智能疏导，提升“一江两山”等景区智慧化运营水平。（责任单位：省文旅厅） 二、构建全要素保障体系 （一）增加高效率算力供给。构建自主可控的全栈式AI芯片供给体系，推进武汉人工智能计算中心、三峡东岳庙智算中心等设施建设，加快建设国家算力互联互通区域节点，持续壮大“武、宜、襄·十”三大算力圈。打造全省算力互联互通平台，推动跨域调度，发放“算力券”，降低中小企业用算成本。完善“云边端”算力多元供给，引导算力资源向产业园区下沉，满足工业场景低时延需求。（责任单位：省数据局、省发改委、省经信厅） （二）强化高质量数据支撑。实施“模数共振”行动，形成“数据—模型—场景应用”良性闭环。推进数据要素市场化配置改革，依托工业门类齐全优势，建设高质量中文语料库及工业、生物医药、工程建造等垂直领域数据集。搭建可信数据空间，推广隐私计算等安全技术，实现数据合规高效流通。（责任单位：省数据局、省经信

匹配字段正文