AI Compute Cards Wiki Editorial

2026 H2 是 AI 算力市场最丰富的时代：NVIDIA Rubin R200、AMD MI400、Trainium 3、TPU 8t/8i、Ascend 920、Groq 3 LPX 全部就位。本文提供完整选型树，帮助你根据模型规模、训练/推理、延迟要求、预算、地区选择最合适的产品。

2026 年 AI 算力增长遇到了硬约束——电力。当 NVIDIA Rubin NVL576 单机柜功耗 1 MW、xAI Colossus 集群 200 MW、OpenAI 计划中的 Stargate 园区 5 GW 时，电力供应正在成为 AI 发展的最大瓶颈。本文深入分析这场「电力危机」与应对方案。

2026 年 AI 芯片市场进入「赢家通吃」阶段。NVIDIA 占据 90%+ 份额，AMD 10% 挣扎，Google/AWS/Huawei/Cerebras 各占细分市场。但还有一批 AI 芯片创业公司在夹缝中求生——本文分析 Tenstorrent、SambaNova、Graphcore、Cambricon、Moore Threads、Biren、Iluvatar 的 2026 现状与未来。

AI 算力的瓶颈已经从算力本身转向了内存带宽和容量。HBM（High Bandwidth Memory） 作为 AI 芯片的核心组件，2026 年市场规模达 $80B+，但全球只有 3 家供应商——SK Hynix、Samsung、Micron。本文深入分析这场「内存三国杀」。

2026 年 AI 算力进入"机柜级"时代。单芯片对标已退潮，整机柜方案成为主战场。本文将深度对比 NVIDIA Rubin NVL72/NVL576、AMD Helios、Groq 3 LPX、AWS Trn3 UltraServer、Google TPU 8t pod 五大机柜级方案。

2026 年 5 月 14 日，Intel 在 Q1 财报披露中正式取消 Falcon Shores 单芯片 GPU 计划，并确认新的机柜级 AI 系统项目 Jaguar Shores 将在 2027-2028 年推出。这是 Intel AI 战略的重大调整，本文深入分析其原因和未来。

LLM 推理性能 = 算法 + 软件 + 硬件。硬件（H100、B300、Rubin）只决定了理论上限。实际推理性能可以通过算法优化提升 5-30 倍。本文深度解析 PagedAttention、FlashAttention、Speculative Decoding 三大推理优化技术。

Apple Silicon 在 AI 时代正在经历逆袭。M3 Ultra 单台 Mac Studio 配备 192GB 统一内存（UMA） 和 80 核 GPU，可以本地运行 70B-200B 参数 LLM 而无需量化。这是消费级 / 工作站级 AI 推理的革命。本文深入分析 Apple Silicon 的 AI 优势、当前生态和未来。

2026 年 AMD 推出 MI400（CDNA Next） + Helios 72-GPU 机柜，这是 AMD 对标 NVIDIA NVL72 的旗舰方案。本文将分析 MI400 的关键规格、Helios 机柜的开放互联（UALoF）战略，以及与 Rubin R200 的对比。

2026 年 4 月 22 日，Google 在 Cloud Next 大会上公布了 TPU 8t + TPU 8i——首次将 TPU 拆分为训练/推理两条独立产品线。TPU 8t 专注训练，TPU 8i 专注推理。这是 Google 应对 AI 推理时代的关键产品调整。