跳到主要内容

AI Compute Cards Wiki Editorial

Industry Research Team
查看所有作者

Hot Chips 2026 全景总结：Rubin、MI455X、Crescent Island 同台，AI 算力交付进入"系统级"时代

· 阅读需 8 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

2026年8月23日至25日，第38届 Hot Chips（HC38）在斯坦福纪念礼堂举行。作为全球高性能芯片架构的风向标，本届大会恰好撞上 AI 算力军备竞赛最焦灼的时刻——官方议程共 48 个条目，其中 AI 加速器 7 个、存储教程 6 个、CPU 6 个、GPU 与网络各 4 个。如果把各家演讲摆在一起，一个共识浮出水面：AI 算力的竞争单位，已经从"单颗芯片"变成了"整机柜 / 整个系统"。

1. 概览：三天议程，几乎就是 2027 年 AI 机柜市场的预演​

周一（8/24）下午的 GPU 专场是全场焦点，四家演讲几乎是 2027 年 AI 机架市场的对撞：

  • NVIDIA Rubin GPU（"Driving the Era of Agentic AI"）：首个 chiplet 架构 GPU，288GB HBM4、FP4 约 50 PFLOPS，搭配 88 核 Arm 架构 Vera CPU 组成 NVL72 / NVL144 机柜，2026 下半年量产。
  • AMD Instinct MI400 连讲两场（架构 + 系统架构）：把"机架级"故事讲透。
  • Intel Crescent Island：专为 Agentic AI 推理设计的 350W 风冷卡。

周二（8/25）下午的 AI 专场，则几乎是"超算厂商去 NVIDIA 化"的阅兵式：Google 第八代 TPU、OpenAI 首颗自研芯片、微软 Maia 200、Meta MTIA、Cerebras 晶圆级机架同台。

每一个登台厂商，都在开场两页 PPT 内用到了 "Agentic AI"（智能体 AI）这个词——这不是巧合，而是 2026 年 AI 负载设计目标的集体转向。

2. NVIDIA Rubin：一个机柜，就是一台超级计算机​

英伟达在 Hot Chips 上主讲的不是单颗 GPU，而是 Vera Rubin NVL72 整机柜——72 颗 Rubin GPU + 36 颗 Vera CPU，18 个计算托盘 + 9 个 NVLink 交换托盘，约 130 万颗组件、近 1300 颗芯片，整柜重约 4000 磅（约 1.8 吨）。

单颗 Rubin GPU 的规格同样惊人：

指标Rubin GPU对比 Blackwell
晶体管3360 亿（TSMC 3nm 双 die）2080 亿（+61.5%）
显存288GB HBM4—
带宽22 TB/sBlackwell 的 2.8 倍
NVFP4 推理50 PFLOPSGB200 的 5 倍
训练算力35 PFLOPS3.5 倍

最颠覆性的设计在计算托盘：无电缆、无软管、无风扇，全部通过 PCB 背板互联。英伟达称组装时间从近 2 小时压缩到 5 分钟（快 20 倍），同时提升可维护性。

英伟达这次卖的不是 FLOPS，而是 tokens per megawatt（每兆瓦 token 数）。 其引用 SemiAnalysis 基于 DeepSeek-v4-PRO（140K+ 上下文、AgentX 负载）的基准称：Vera Rubin NVL72 在交互强度上升时，较 GB300 NVL72 提供 10× 至最高 30× 的 tokens/MW。单柜提供 3.6 EFLOPS 推理算力，整柜功耗 190–230kW；远期产能目标为 每天 1000 个 NVL72 机柜。

3. AMD MI455X + Helios：显存反超与开放互联​

AMD 的答案是与英伟达正面硬刚的 MI455X + Helios 机架。MI455X 采用 CDNA 5 架构，8 个 N2 制程加速器 die + N3P 制程互联 die，256 个工作组处理器、192MB 全局 L2。

指标MI455X对比 Rubin
显存432GB HBM4（12 层堆叠）比 Rubin 288GB 高 50%
带宽23.3 TB/s略胜一筹
MXFP4 算力40.26 PFLOPS—
系统（Helios 72 卡）FP4 推理 2.9 ExaFLOPS—
报价约 525 万美元/柜—

系统层面，AMD 押注 UALoE（以太网上的超加速器互联） 开放标准：每颗 GPU 提供 3.6 TB/s 双向互联带宽，交换托盘内两颗 512 端口 200G UALoE 交换芯片合计 10.8 TB/s——对标 NVLink 的同时把互联协议开放给整个产业。

量产节奏：AMD 计划 2026 下半年交付工程样品与小批量系统，2027 年 Q2 大规模放量。此前市场曾传出 Helios 因散热问题延期，AMD 官方未予确认。

4. Intel Crescent Island：风冷大显存的"性价比异类"​

英特尔给出一条完全不同的路：Crescent Island——一颗 350W、风冷、标准 PCIe 槽位的推理 GPU，专为 Agentic AI 设计，核心指标是 tokens per watt。

指标Crescent Island说明
架构Xe3P，32 个 Xe 核心，32MB 统一 L2Hot Chips 披露
内存Intel 自牌卡 160GB / ODM 最高 480GB LPDDR5X比 Rubin 288GB HBM4 还多
形态350W 风冷 PCIe直插标准机架，免液冷改造
RASECC、动态页离线、硬封装修复、PCIe 高级错误上报回应"静默数据损坏"

英特尔的逻辑很清晰：推理场景对显存容量的需求远大于带宽，用低成本 LPDDR5X 堆容量、用风冷省掉液冷基础设施，就能把单位 token 成本打下来。配合 Diamond Rapids 至强（256 性能核、1.28GB 缓存、128 条 PCIe Gen6），英特尔试图用"CPU + 推理 GPU + 开放软件栈"从边缘到数据中心全场景围堵。

5. 自研 ASIC 大集结：Google、OpenAI、微软、Meta 同台​

周二下午的 AI 专场，是本届最有历史意义的一场——"超算厂商去 NVIDIA 化"的阅兵：

芯片厂商 / 合作定位关键规格 / 进度
TPU 8t（Sunfish）Google × Broadcom训练单 pod 9600 卡、121 FP4 ExaFLOPS、2PB 共享 HBM
TPU 8i（Zebrafish）Google × MediaTek推理288GB HBM、384MB 片上 SRAM（3× 上代）、ICI 19.2 Tb/s
JalapeñoOpenAI × Broadcom推理9 个月端到端设计，目标 token 成本降 ~50%，2026 底商用
Maia 200微软（TSMC 3nm）推理1400 亿+ 晶体管、10+ PFLOPS FP4、216GB HBM3E，已在得梅因数据中心服务 GPT-5.2
MTIA 300–500Meta（RISC-V）× Broadcom训推双使命最高 25× 算力增益，2027 前每 6 个月一款

Google 首次将 TPU 拆分为训练（8t）与推理（8i）两款专用架构，是其十年来最大的架构转向。Norm Jouppi 亲自登台主讲 TPU v8。

6. 存储与网络两条暗线：HBM4 元年 + AI 工厂操作系统​

除 GPU/ASIC 外，两场暗线同样关键：

  • 存储：三星 HBM Base Die（逻辑工艺做基础裸片）与 SK 海力士先进封装同台，HBM4 时代"基础裸片代工化"产业变局开启；HBF（高带宽闪存）、LPDDR5X-PIM、3D DRAM、CXL 计算存储集中展示"存算一体"从论文走向产品。
  • 网络：NVIDIA BlueField-4（DPU）与 Spectrum-X Multiplane 架构（Gilad Shainer 主讲）——网络正成为 gigascale AI 的决定性架构，规模从数十万卡向百万卡迈进；博通 Thor Ultra 以太网 NIC 持续进逼；Mojo Vision 展示芯片级光 I/O。

7. 三条路线，一个共识​

同一场大会上，三家给出了三种截然不同的 AI 算力交付哲学：

  1. 英伟达：全栈封闭整合——GPU、CPU、DPU、交换芯片全部自研，用极致软硬件协同把系统性能推到极致，代价是客户被深度绑定。
  2. AMD：开放标准追赶——用更大 HBM4 容量 + UALoE 开放互联打"性价比 + 开放"牌，配合 Meta、OpenAI 的 12GW 级订单撕开推理缺口。
  3. 英特尔：风冷性价比——放弃液冷、放弃 HBM，用 LPDDR5X 大显存 + 标准 PCIe 切入，赌"大多数推理不需要 200kW 机柜"。

但三家的共同结论是：竞争的单位不再是芯片，而是协同设计的系统（rack / system）。对采购方而言，2027 年的算力规划，要比对的不是"单卡 PFLOPS"，而是"每兆瓦 token 数、时延、可用性与全周期成本"。

相关链接​

参考资料​

本文基于 Hot Chips 2026（8月23-25日）官方演讲与 ServeTheHome、SemiAnalysis、TechPowerUp 等现场报道整理。性能数据均为厂商公布口径，实际表现以量产产品为准。

云巨头自研芯片浪潮 2026：OpenAI Jalapeño、Maia 200、MTIA、TPU v8 集体"去英伟达化"

· 阅读需 6 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

2026 年 8 月 Hot Chips 的周二下午 AI 专场，是本届最有历史意义的一场——不是因为某颗芯片多强，而是因为登台的几乎全是"超算厂商去 NVIDIA 化"的自研 ASIC：Google 第八代 TPU、OpenAI 首颗自研芯片、微软 Maia、Meta MTIA、Cerebras 晶圆级机架同台。当全球最大的 AI 算力买家开始把 GPU 当作"可选项之一"，AI 硬件的权力结构正在松动。

1. OpenAI Jalapeño：9 个月造出一颗芯片​

OpenAI 于 2026 年 6 月 24 日联合博通发布首款自研推理 ASIC Jalapeño，是"自研推理芯片俱乐部"的第五个成员。

维度Jalapeño
合作方博通（Broadcom）+ 台积电制造
定位推理专用 ASIC
设计周期端到端 9 个月（Greg Brockman 称借助 OpenAI 自有模型辅助设计）
成本目标较通用 GPU 栈 token 成本降约 50%
商用时间2026 年底首批部署，长期目标 10GW 自研芯片
合作规模与博通最高 100 亿美元战略合作（2029 年前部署加速器与网络）

演讲标题"You Can Just Build Things … Chips"本身就是信号：最大的 AI 算力买家不再默认 GPU 是唯一路径。

2. Google TPU v8：十年来最大架构转向——训练/推理分芯​

Google 拥有最悠久的自研芯片历史（2016 至今），第八代 TPU 首次将产品线一分为二：

型号代号合作方定位关键规格
TPU 8tSunfishBroadcom训练单 pod 9600 卡、121 FP4 ExaFLOPS、2PB 共享 HBM、ICI 带宽翻倍
TPU 8iZebrafishMediaTek推理288GB HBM、384MB 片上 SRAM（3× 上代）、ICI 19.2 Tb/s

产能方面，摩根士丹利基于供应链访谈估算 2026 年 Google TPU 产量可能超 300 万颗（券商预测，非官方目标）。Google 也是唯一实现自研芯片大规模部署并对外销售算力的厂商（Gemini 跑在 TPU 上）。

3. Meta MTIA：从推荐系统到 GenAI 双使命​

Meta 的自研之路起点最清晰——MTIA 最初为推荐排序硬件而生，正被生成式 AI 拉向双使命。

  • MTIA 300 已部署；400 / 450 / 500 计划在 2027 年前约每 6 个月推出一款；
  • 基于 RISC-V，Meta 称最高 25× 算力增益；
  • 节点沿行业节奏演进：100（7nm）→ 200（5nm）→ 300 系列（3nm + CoWoS）；
  • 与 博通合作，据称另一颗代号 Iris 的芯片已于 2026 年 7 月通过测试；
  • Meta 计划 2026 年 9 月启动其中一款的量产，以将其整体算力翻倍。

4. 微软 Maia 200/300：部署最领先​

微软 Maia 200 于 2026 年 1 月 26 日发布，是四家中部署最先进的：

维度Maia 200
制程台积电 3nm，1400 亿+ 晶体管
算力10+ PFLOPS FP4 / 5 PFLOPS FP8
显存216GB HBM3E，7 TB/s
功耗750W
部署已在得梅因（Des Moines）数据中心运行，服务 OpenAI GPT-5.2 与 Microsoft 365 Copilot

微软称其在特定基准上约 3× 亚马逊 Trainium 性能。短期策略是"自研 Maia + 外购英伟达"双路线并行——自研芯片从设计到量产需要时间，英伟达成熟生态短期内无法替代。

5. 亚马逊 Trainium 3 与 Anthropic 自建团队​

  • 亚马逊：Trainium 系列已商用，累计部署 140 万颗（官方披露），是数十亿美元业务；优势在 AWS 客户基数——企业可在英伟达 GPU 与自研芯片间选择。Trainium 3 延续这一路线。
  • Anthropic：2026 年 8 月宣布组建自建芯片团队，尚无 tape-out 或量产时间表，初期定位为补充（而非取代）与 NVIDIA/AMD/AWS/Google Cloud 的现有合作，目标是为 Claude 架构量身打造、摆脱对单一 GPU 的依赖。

6. NVIDIA 的回应：不是更快的 GPU，而是全栈​

容易把叙事简化成"四家造芯片、英伟达防守 GPU"。但 NVIDIA 在 Hot Chips 拿了 6 个 slot：RISC-V 教程、Vera CPU、Rubin GPU、BlueField-4 DPU、Spectrum-X 多平面网络、以及 LPU 加速器。

一颗 hyperscaler ASIC 只替换了这五个支柱中的一个。如果 CPU、NIC、交换 fabric 与软件都来自同一家供应商，把加速器换掉省下的，比加速器那一行账单暗示的要少得多。Rubin 的打法是一个横跨七颗芯片、五种机柜的全栈 AI 工厂平台——竞争回应是"全栈位置"，而非"更快的一颗芯"。

7. 趋势判断：推理去 GPU 化，训练仍 GPU 主导​

  • 推理侧：CUDA 护城河明显变浅。推理在端点层面可并行、可替换，自研 ASIC 通过剪掉通用性税（只实现 LLM 实际执行的操作）换取更低 cost/token。Groq LPU、Cerebras、各家 TPU/ASIC 都在同一指标上竞争。
  • 训练侧：Foundation model 仍用 GPU 训练，短期内无人认真挑战。NVIDIA 在训练的三道护城河（最快硅 + NVLink + CUDA）依旧牢固。
  • 结论：自研芯片不是"替代英伟达"，而是在推理这一最大、增长最快的战场上，给买家一个可信的谈判外部选项——这本身就足以重塑 AI 基础设施的经济学。

相关链接​

参考资料​

本文基于 2026 年 8 月 Hot Chips 现场报道、企业公告与行业分析整理。部分产能与性能为券商估算或厂商公布口径，实际以量产产品为准。

HBM4 量产元年：三星良率突破80%、三巨头齐过英伟达认证，AI 算力供给的最后一道瓶颈

· 阅读需 6 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

如果说 2025 年是 HBM3E 的产能爬坡年，那么 2026 年就是 HBM4 的量产元年。NVIDIA Vera Rubin 与 AMD MI400 两代旗舰同时押注 HBM4，让这块"AI 芯片上的内存"第一次成为决定整机柜交付节奏的战略物资。而 8 月密集披露的良率与认证数据，正在重写全球 HBM 供应版图。

1. 黄金良率突破：三星六个月从不足六成冲上 80%​

据韩国《首尔经济日报》8 月 9 日披露，三星电子 HBM4 良率已于 8 月初正式跨过 80% 的"黄金良率"门槛——较其原定年底达成的目标提前了四个多月。

时间节点三星 HBM4 良率备注
2026 年 2 月（量产启动）不足 60%产线爬坡期
2026 年 8 月初约 80%跨过规模量产 / 稳定盈利分水岭

半导体行业素有"80% 良率为黄金良率"之说——它既是晶圆厂竞争力的标尺，也被视为大规模商业化供给的财务转正点。推动这一跃迁的关键，是三星在 热压非导电薄膜（TC-NCF）键合工艺 上的突破，以及底层 1c DRAM 良率早已站上 80% 所提供的稳定基底。同期，三星 HBM4E 可靠性测试良率也已突破 70%。

业界评估，SK 海力士的 HBM4 良率同样迈入 80% 区间。两大巨头在量产品质上的差距正被快速抹平。

2. 供应版图：SK 海力士握有 Rubin 六至七成分配​

黄仁勋 6 月 5 日在首尔公开确认：三星、SK 海力士、美光三家均已通过 Vera Rubin 的 HBM4 认证——这是三大存储厂首次同时获得同一平台的公开认证。

但认证只是"进门券"，分配份额才是话语权：

厂商2026 年 Rubin HBM4 分配（估算）备注
SK 海力士60%–70%凭借 HBM3/3E 世代积累的客户关系与 MR-MUF 封装工艺
三星25%–30%良率跃迁后份额快速提升
美光剩余部分HBM4 曝光有限，份额相对稳定

Counterpoint Research 预测 2026 年 HBM4 市场格局为 SK 海力士 54% / 三星 28% / 美光 18%。三星已设定阶梯式追赶目标：Q3 HBM4 营收环比三倍增长、下半年 HBM4 占 HBM 总营收超 60%、年底 HBM 整体市占率向 38% 靠拢。

3. 真正的瓶颈：从晶圆转向"后端堆叠"​

随着前端良率企稳，AI 加速器供应链的节奏，不再取决于"能产多少晶圆"，而取决于后端堆叠、键合、测试、出货的速度。

  • 行业分析师将 HBM 堆叠列为 AI 芯片供应链第二严重的瓶颈，仅次于 TSMC 的 CoWoS 先进封装产能。
  • HBM 占 2026 年 DRAM 晶圆产量的约 25%；每片 HBM 晶圆消耗约 3–4 倍于普通 DRAM 晶圆的资源（额外 TSV 与堆叠步骤），每redirect一片晶圆就等于从现货市场抽走 3–4 单位商品内存。
  • 三星正考虑将部分传统内存后端产线（天安、温阳）迁往越南以释放 HBM 后端产能——侧面印证后端吞吐已是整条链最紧的环节。

4. HBM4 规格速览：带宽与能效的代际跃迁​

规格HBM4（12-Hi / 16-Hi）HBM4E
单栈容量36 GB / 48 GB—
引脚速率11.7–13.0 Gbps16 Gbps
单栈带宽最高 3.3 TB/s最高 3.6 TB/s
总线位宽2048-bit—
能效较 HBM3E 提升 40%—
热阻 / 散热改善 10% / 提升 30%—

三星 HBM4 于 2026 年 2 月量产，11.7 Gbps 的引脚速率已超出 Vera Rubin 兼容所需的 8 Gbps 行业基线；HBM4E 样品则于 5 月 29 日率先发往主要客户。

5. 价格权力延续至 2027：供给仍将是紧平衡​

TrendForce 判断，HBM 供应商的定价权将贯穿 2027 年，原因是供给持续受限：

  • 2027 年 HBM bit 出货量预计年增 50%–60%，但仍跟不上需求增速，市场维持紧缺；
  • 行业已预期显著涨价；
  • 对 NVIDIA 与 AMD 而言，一个更强的三星意味着更多供货选择与更从容的交期——在内存成为 AI 服务器最紧一环的市场里，第二、第三供应商的存在本身就是缓冲。

对整机柜而言，HBM 成本已是最大推手：Rubin Ultra 机柜预估售价高达 2100 万美元，HBM 占其中相当比重。

6. 对中国的启示：HBM 出口管制加速国产迭代​

HBM 是当前 AI 芯片管制的核心环节之一。在海外 HBM4 军备竞赛白热化的同时，国产 HBM 技术迭代被同步推快——华为昇腾路线图已明确将"推动国产 HBM 技术迭代"写入产品节奏（950 系列推进国产 HBM 配套，960/970 系列规划于 2027–2028 年陆续推出）。

短期看，HBM4 的紧缺会直接传导到 Rubin / MI400 的交付节奏；长期看，谁能锁定稳定的 HBM4 供给，谁就握住了 2027 年 AI 算力扩张的阀门。

相关链接​

参考资料​

本文基于 TrendForce、Seoul Economic Daily、TechTimes 等 2026 年 8 月公开报道整理。HBM 分配份额与市占率为第三方机构估算，非厂商官方确认数据。

国产三强 2026 H2：国产化率突破40%向60%迈进，昇腾960路线图、MLU690与S5000生态齐发力

· 阅读需 6 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

2026 年，中国 AI 芯片市场格局已从"英伟达单极主导"转向"海外厂商领先、国产多路线追赶"。据产业研究数据，2025 年中国 AI 加速卡整体市场约 400 万张，其中国产出货 165 万张，份额首次突破 40%；随着产品迭代与晶圆厂配套跟进，2027 年国产化率有望提升至 60%–70%。本文聚焦华为昇腾、寒武纪、摩尔线程"国产三强"的 2026 下半年最新进展。

1. 华为昇腾：950 产能排满，960 路线图亮相​

昇腾以"架构 + 生态全栈协同"为核心优势，2025 年出货约 80 万颗，占国产厂商总份额 50%。产品迭代节奏清晰：

时间产品说明
2025 Q1昇腾 910C主力过渡型号
2026 Q1昇腾 950PR推理旗舰
2026 Q4（计划）昇腾 950DT训练旗舰，推动国产 HBM 迭代
2027–2028昇腾 960 / 970路线图产品

950 系列产能已进入"排满"状态：950PR 于 2026 年 4 月量产，6 月月产能跳升至 50–60 万片（环比近 10 倍），全年目标 120 万片、确定性 100%；字节跳动以 56 亿美元锁定 35 万片，腾讯 / 阿里 / 百度合计锁定 40 万片。

昇腾 960 路线图规格（据路线图披露）：

指标昇腾 960
架构昇腾第六代（Da Vinci v6）
FP8 算力约 4 PFLOPS
显存288GB
显存带宽9.6 TB/s
超节点Atlas 960 SuperPoD，15,488 张卡，灵衢光电融合总线
首发2027 Q4（路线图）

上一代昇腾 384 超节点已累计商用超 750 套，落地互联网、运营商、金融、教育、医疗等 20 多个行业——华为称其为"国内唯一训练出 SOTA 模型的超节点"。

2. 寒武纪 MLU690：下半年量产，切入字节招标窗口​

寒武纪是昇腾未上市背景下的核心国产算力龙头，技术代差持续缩小：

  • 思元 590（7nm）：性能等效 A100 的 80%，已支持 DeepSeek，持续适配千问 3、GLM 等主流大模型；
  • 思元 690 系列：将于 2026 下半年正式量产，有望在下半年字节招投标窗口期实现订单放量；
  • 业绩确定性：股权激励目标显示未来 3 年营收增速均超 100%，2026 年营收目标 135 亿元、2027 年 270 亿元、2028 年 600 亿元。

寒武纪充分受益于"国产 CSP 资本开支 + 国产大模型与国芯全面适配"的行业红利，是国产化率提升最直接的弹性标的。

3. 摩尔线程 MTT S5000：全功能 GPU + 生态突围​

摩尔线程走"全功能 GPU"差异化路线，旗舰 MTT S5000 基于第四代"平湖"MUSA 架构：

指标MTT S5000
稠密 AI 算力1000 TFLOPS
显存80GB
显存带宽1.6 TB/s
卡间互联784 GB/s
精度FP8 到 FP64 全精度（训推一体）
安全可靠首批通过国家《安全可靠测评》（I 级）

其工程化能力已获验证：基于 S5000 的夸娥（KUAE）智算集群训练线性扩展效率达 95%，万卡扩展计算效率损耗控制在 5% 以内；已支持断点续训，有效训练时长占比超 90%；并从零完整训练出语料超 25 万亿 Token 的 MoE-236B 基础大模型。

生态是摩尔线程最深的护城河：MUSA 已实现 100% 核心数学库兼容、3000+ PyTorch 算子兼容、覆盖 55 类核心 AI 算子，获 vLLM 与 SGLang 官方支持，主流模型 Day-0 适配，开发者突破 80 万人。其 PD 异构分离方案以 2:1 比例实现 S5000 对国际高端 GPU 的等效替代，显著降低推理成本。

第五代"花港"架构（2025-12 发布）支持 FP4 到 FP64 全精度，算力密度较上一代提升 50%、能效提升 10 倍，可支持十万卡以上集群；基于该架构的"华山"（训推一体）与"庐山"（图形渲染）新芯片研发累计投入已超 9 亿元。

4. 软件生态决胜：Day-0 适配常态化​

硬件之外，软件生态的兑现是 2026 年国产算力的分水岭：

  • 华为 CANN 异构计算架构与 MindSeries 套件已全面开源，社区孵化 67 个项目、超 1244 万行代码，月活开发者超 3500 人；
  • 国产大模型与国产芯片"发布即适配"闭环基本成型：腾讯混元 T3（295B）、DeepSeek-V4、GLM-5.2 均完成 Day-0 适配；
  • 2026 年被视为"国产超节点元年"，华泰证券测算 2028 年中国超节点架构市场规模有望达 3414 亿元，2026–2028 年复合增长率 194%。

5. 产业判断：从"能不能做出来"到"能不能用得好"​

国产三强正沿三条路径收敛：

  1. 华为：以超节点系统级能力 + 全栈软件锁定政企与互联网大客户；
  2. 寒武纪：以训练侧代差缩小 + 大客户招标放量冲击营收拐点；
  3. 摩尔线程：以全功能 GPU 通用性 + 成熟 CUDA 兼容生态覆盖云边端全场景。

三家的共同短板仍在于高端制程与 HBM 供给——这恰是海外管制的核心环节。但随着国产 HBM 迭代与晶圆厂配套跟进，2027 年国产化率向 60%–70% 迈进具备现实路径。

相关链接​

参考资料​

本文基于 2026 年 8 月公开产业研究、券商观点与企业公告整理。部分出货量与市占率为第三方估算，非官方确认数据。

推理加速卡市场 2026：占加速器市场60%-70%，GPU 与 ASIC 份额反转，五大流派混战

· 阅读需 5 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

过去三年，整个 AI 硬件故事都是"训练"：谁有最多 H100、谁能把十万卡连成集群。这场竞赛基本尘埃落定——NVIDIA 赢了。但下一战场"推理"正在完全不同的规则下开打：衡量标准不是峰值 FLOPS，而是 cost-per-token（每 token 成本）、时延与功耗。2026 年，推理芯片第一次在规模上压倒训练，成为 AI 加速器的主战场。

1. 推理成为主战场：80%–90% 的算力花在推理上​

训练一个大模型要花数亿美元——一次。但模型上线后，它要日复一日回答数十亿次查询。一个热门消费级模型可能需要上万颗加速器 7×24 小时运行才能跟上需求。因此：

  • 推理约占一个模型生命周期算力的 80%–90%；
  • 推理芯片将占 2026 年约 $400B AI 加速器市场的 60%–70%，而 2023 年这一比例仅约 40%；
  • 推理芯片增速（预计年增 52.7%）显著高于训练芯片（28.4%），推理侧算力需求占比 2026 年首次超过训练侧，达 54%（约 $1010B）。

推理的经济学很直接：训练成本被摊销到微不足道，推理成本成为整张账单。每降低 1% 推理成本，都直接流向利润——对 OpenAI 这种推理流量达 hyperscale 体量的公司，Half 的账单是后面跟着一堆零的数字。

2. 市场规模：结构性增长拐点已至​

市场2026 规模增速备注
全球推理专用芯片$412.7B+38.4%较训练芯片增速高 14.2 pct
中国推理专用芯片$118.6B（占全球 28.7%）+44.1%亚太增速最强单一市场
全球 AI 训练/推理芯片（含 GPU/NPU）突破 $1850B+40.2%GPU 占约 62%

中国市场国产化替代加速，国产推理芯片出货占比达 34.6%，较 2025 年提升 9.8 pct。

3. 技术路线份额反转：GPU 放缓，ASIC 飙升​

路线2026 出货份额趋势
GPU52.6%仍居首，但增速放缓至 22.7%
ASIC 定制芯片41.3%从 2022 年 17.8% 大幅攀升
FPGA稳定特定低时延场景

GPU 凭借生态成熟度仍是主力，但 NPU/ASIC 在能效比上已实现对同代 GPU 1.8 倍的优势，推动其在边缘与端侧采用率快速攀升。专为推理优化的 ASIC 出货量预计达 1150 万颗，单位成本较 GPU 降低约 35%。

4. 五大流派混战​

流派代表产品核心优势适用场景
通用 GPUNVIDIA Rubin / B200 / H200生态成熟、训推一体前沿训练 + 高交互推理
LPU（语言处理单元）Groq LPU极低时延、确定性吞吐实时对话、高并发推理
TPU（推理专用）Google TPU 8i（Zebrafish）288GB HBM、384MB 片上 SRAM、ICI 19.2 Tb/sGoogle 规模化推理
自研 ASICOpenAI Jalapeño、微软 Maia 200、Meta MTIA针对自家模型剪掉通用性税，cost/token 降 ~50%hyperscaler 自有负载
风冷推理卡Intel Crescent Island350W 风冷、480GB LPDDR5X、tokens/watt成本敏感中长尾推理

OpenAI 与博通合作的 Jalapeño 目标将推理 token 成本较通用 GPU 栈降低约 50%——这是第五个加入"自研推理芯片俱乐部"的成员（前有 Google TPU、亚马逊 Inferentia/Trainium、微软 Maia、Meta MTIA）。

5. 核心指标转向：cost-per-token 与 tokens/watt​

推理竞赛与训练竞赛的根本不同在于切换成本低：

  • 训练需要 10 万卡集群 + NVLink + CUDA，迁移成本极高；
  • 推理在端点层面" embarrassingly parallel"——不需要百万卡集群，一个能快速便宜出 token 的节点即可，per-endpoint 可替换。

这意味着 NVIDIA 的三道护城河（最快硅、NVLink 扩展、CUDA）在推理侧都不再绝对。当最大的 AI 买家（OpenAI）开始把 GPU 当作"可选项之一"，GPU 溢价就开始消蚀——定价权依赖稀缺性，而自研芯片从两个方向同时攻击稀缺性：既减少商户芯片需求，又给买家一个可信的谈判外部选项。

6. 边缘与端侧爆发：长尾化信号​

需求端呈现显著长尾化与碎片化：

场景2026 需求规模增速
云端推理$198.2B（占 48%）+24.5%（放缓）
边缘推理$126.5B（占 30.7%）+52.3%
端侧推理$88.0B（占 21.3%）+68.9%
智能驾驶推理$67.3B+58.2%
工业质检 / 机器人推理$42.1B+63.7%

推理负载的时延敏感性与功耗约束正在重塑芯片架构设计优先级——这也解释了为何 Crescent Island 这类"风冷大显存"方案能找到生存空间。

相关链接​

参考资料​

本文基于 2026 年公开市场研究、券商报告与行业分析整理。市场规模与份额为第三方机构测算，口径不一，仅供参考。

WAIC 2026回顾：华为Atlas 950 SuperPoD真机斩获SAIL大奖，国产算力进入"系统级"决战

· 阅读需 6 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

2026世界人工智能大会（WAIC） 于 2026年7月17日至20日 在上海世博中心举行，主题"智能伙伴 共创未来"。本届大会 1100余家企业 集中展出 3000余项展品，超300款产品全球首发。对计算卡行业而言，这场国产算力的集中检阅传递出一个清晰信号：竞争主线正从"单芯片峰值算力"转向"超节点系统级有效算力"。

1. 华为Atlas 950 SuperPoD：真机首秀，斩获SAIL最高奖​

华为 Atlas 950 SuperPoD 真机 在 WAIC 2026 首次公开亮相，现场搭载 16 台计算柜、共计 1024 张昇腾算力卡，凭"超大带宽、超低时延、统一内存编址"三大系统级创新，从数百项海内外参评项目中脱颖而出，荣膺大会最高荣誉 SAIL（卓越人工智能引领者）大奖。

核心参数（WAIC 现场确认）​

指标Atlas 950 SuperPoD
展出规模16 计算柜 / 1024 张昇腾卡
最大互联规模8,192 张昇腾 NPU 卡 全互联（满配）
互联协议华为自研"灵衢"（UnifiedBus）2.0
总算力1 EFLOPS FP8 / 2 EFLOPS FP4（1024卡）；满配 8192 卡约 8 EFLOPS FP8
统一内存256 TB 全局统一内存编址空间
互联时延3 μs 超低 RTT；TB 级 NPU 互联带宽
满配形态128 计算柜 + 32 互联柜 = 160 机柜，占地约 1000 ㎡，搭载 8192 颗昇腾 950DT
上市时间满配版本计划 2026 年 Q4 上市
散热全液冷盲插架构

华为首次披露：上一代 昇腾 384 超节点已累计商用超 750 套，落地互联网、运营商、金融、教育、医疗、交通、制造等 20 多个行业，并称其为"国内唯一训练出 SOTA 模型的超节点"。

2. 软件生态：CANN 全开源，开发者规模化​

硬件之外，华为重点展示开源软件生态进展：

  • CANN 异构计算架构与 MindSeries 基础软件套件已于 2025 年底全面开源；
  • CANN 开源社区已孵化 67 个项目、超 1244 万行代码，月活开发者 超 3500 人；
  • 华为已与 超 3000 家行业伙伴 联合开发 7000+ 解决方案，服务 2000+ 核心政企客户；
  • WAIC 现场展出 60+ 真实业务场景、20+ 标杆案例，覆盖从技术突破到规模商业落地的全链条。

3. 国产芯片 Day-0 适配常态化​

2026年7月6日 腾讯发布混合专家模型 混元 T3（295B 参数、256K 上下文），国产芯片迅速完成 Day-0 适配：

厂商芯片适配情况
摩尔线程MTT S5000完成混元 T3 极速适配（此前已适配 DeepSeek-V4、GLM-5.2）
沐曦股份曦云 C 系列自研 MXMACA 软件栈率先全链路 Day-0 适配，支持零代码部署

摩尔线程在 WAIC 还展示了 MTT C256 超节点（首创一层 Scale-up 256 卡全互联、亚微秒级时延）与"模型训练工厂 / 词元生产工厂 / 智能体生产工厂"三大 AI 工厂方案。

4. 更多国产算力首发看点​

厂商 / 产品亮点
东方算芯 DF1000全球首颗"软件定义 + 近存计算"3D 芯片，互连间距压缩至亚微米级
中昊芯英"须臾"国产全自研新一代 TPU 架构 AI 专用芯片，配套泰则 2.0 服务器
燧原科技 × 天数智芯基于 OEX+dOCS 架构的国产高性能 Matrix 超节点，入围大会"卓越 AI 引领者奖"
镕铭微电子推进下一代 VPU，从视频处理向"视觉智能体算力基座"演进

参展国产 AI 芯片阵容还包括：摩尔线程、沐曦、燧原科技、后摩智能、此芯科技、算能、芯驰科技、飞腾、爱芯元智、瀚博半导体、天数智芯等。

产业解读：从"能不能做出来"到"能不能用得好"​

WAIC 2026 折射出国产 AI 芯片竞争阶段的根本转变：

  1. 超节点成为主战场：单芯片性能之外，"卡间互联 + 集群规模 + 散热"的系统级能力成为突围关键。华为灵衢、燧原/天数 OEX 均在此发力。华泰证券将 2026 年定义为"国产超节点元年"，测算 2028 年中国超节点架构市场规模有望达 3414 亿元，2026–2028 年复合增长率 194%。
  2. 软件生态兑现：Day-0 适配从口号变为常态，国产大模型（DeepSeek-V4、GLM-5.2、混元 T3）与国产芯片"发布即适配"闭环基本成型。
  3. 需求侧背书：中国移动此前发布 2026–2027 年 AI 超节点集采公告，规模约 6208 卡、金额超 20 亿元，国产超节点规模化商用提速。

相关链接​

参考资料​

本文基于 WAIC 2026（7月17-20日）现场与官方披露整理，将持续跟踪 950 超节点 Q4 上市进展。

国产GPU上市潮：四小龙资本市场集结，摩尔线程MTT S5000对标H100

· 阅读需 5 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

从 2025 年 12 月到 2026 年 7 月，短短半年，至少 6 家 AI 芯片企业登陆或即将登陆资本市场。加上已上市的寒武纪、海光信息、天数智芯，国产 GPU 军团总市值正逼近 2 万亿元。这标志着国产 GPU 从"能用"迈向"好用"的关键爬坡期。

1. "四小龙"资本市场集结​

企业上市状态拟募资 / 发行价保荐机构
摩尔线程已上市（科创板 sh688795，2025-12-05）发行价 114.28 元，募资 80 亿元中信证券
沐曦股份IPO 受理（2026-06-30）39.04 亿元（投资总额 50 亿元）华泰联合
燧原科技过会（2026-06-15）60 亿元—
壁仞科技港股 / 冲刺中——

已上市阵营：寒武纪（sh688256，2020-07-20 科创板）、海光信息、天数智芯（港股）。摩尔线程一季度实现账面盈利 2,935 万元，沐曦亏损收窄 57.7% 并给出 2026 年盈亏平衡时间表。

2. 摩尔线程 MTT S5000：对标 H100​

摩尔线程宣布旗舰 AI 训推一体 GPU MTT S5000 成功完成智谱新一代大模型 GLM-5 全流程适配验证，实测性能"突破国产算力天花板"：

指标MTT S5000
架构第四代"平湖"架构
FP8 算力1 PFLOPS（1,000 TFLOPS）
显存带宽1.6 TB/s
定位训推一体全功能 GPU，对标 NVIDIA H100
量产状态已规模量产，集群已上线支持万亿参数训练

落地验证：联合智源研究院完成具身大脑模型 RoboBrain 2.5 全流程训练；联手硅基流动实现 DeepSeek-V3 高性能推理，单卡速度接近国际顶尖产品。募投资金投向三大方向：新一代 AI 训推一体芯片、新一代图形芯片、新一代 AI SoC 芯片。

WAIC 2026 新进展：摩尔线程展出 MTT C256 超节点（首创一层 Scale-up 256 卡全互联、亚微秒级时延）与"模型训练工厂 / 词元生产工厂 / 智能体生产工厂"三大 AI 工厂方案；公司预告 2026 年上半年营收 16.5–17.5 亿元，同比增 135%–149%。

3. 寒武纪：思元590/690 双旗舰​

芯片制程算力显存客户 / 状态
思元590（MLU590）7nm ChipletINT8 512 TOPS / FP16 345 TFLOPS96 GB HBM2e字节推理主力，综合性能约 A100 的 80%，2026 初规模出货
思元690（MLU690）5nm 级（中芯 N+2）FP16 700+ TFLOPS / INT8 2800+ TOPS196 GB HBM3（带宽 3.35 TB/s）双 die 封装、MLU-Link 890 Gbps；对标 H100 约 70%（纯推理 80–90%）；字节为最大客户，2026 初量产

寒武纪是国内唯一"端边云统一架构"AI 芯片厂商，统一 MLU 指令集覆盖思元 220（端）→ 370（边）→ 590/690（云），同一套 NeuWare 工具链跨算力层级部署。

资本与业绩双爆发：寒武纪 2026 年 6 月 30 日总市值突破万亿元，成为科创板首支"万亿股"，年内涨幅超 75%。业绩层面，2026 Q1 营收 28.85 亿元（同比 +160%）、扣非净利 9.34 亿元；2025 全年营收 64.97 亿元（同比 +453%）、归母净利 20.59 亿元，终结长期亏损。字节跳动累计部署超 10 万张思元 590/690，为最大客户。

4. DeepSeek-V4 效应：改变预期坐标系​

2026 年 4 月 24 日，DeepSeek 发布万亿参数旗舰 DeepSeek-V4。与一年前 V3 发布时"国产芯片能不能跑大模型"的争论不同，这次华为昇腾、寒武纪、海光、沐曦、摩尔线程、昆仑芯、平头哥、天数智芯等多家国产芯片在发布当天即完成适配。

评判坐标系正在改变：从"性能达到英伟达同代产品的百分之多少"，转向"能不能承接头部大模型的真实工作负载"。

产业解读​

  1. 资本弹药到位：密集 IPO 为国产 GPU 的研发迭代与产能扩张提供充足资金，从"技术突破"迈向"商业正循环"。
  2. 训推一体成主流路线：摩尔线程走全功能 GPU 路线（图形+AI+通用计算），与华为昇腾"专注 AI"形成差异化。
  3. 软件生态是胜负手：Day-0 适配、统一软件栈（MUSA / NeuWare / MXMACA）的成熟度，正取代单纯的峰值算力，成为国产 GPU"好用"的核心标尺。

相关链接​

参考资料​

本文持续跟踪国产 GPU 上市进程与产品迭代。

华为昇腾950系列产能与订单深度：950PR月产能跳升10倍，字节56亿美元锁定35万片

· 阅读需 5 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

昇腾 950 系列（950PR 推理 / 950DT 训练）已成为国产 AI 算力的核心供给。据多家券商与行业调研，950 系列产能已 100% 排满、现货稀缺，全年 120 万片目标"确定性 100%"，并存在上调至 150 万片的预期。本文汇总截至 2026 年 7 月的产能与订单数据。

1. 产能节奏：6月环比近10倍跳升​

时间950PR 月产能备注
2026年5月5–6 万片基本满产
2026年6月50–60 万片环比接近 10 倍；中芯、华虹一供全线加班
2026年 Q3（预计）70–80 万片单月
2026 全年目标120 万片有上调至 150 万片预期

产业链交付吃紧：高速背板、液冷连接器交货周期从 2 周拉长至 6–8 周，订单已排至 2027 年。

2. 订单结构：头部云厂 + 运营商 + 海外​

客户锁定量金额 / 备注
字节跳动35 万片 950PR56 亿美元，2026 Q3 起集中交付
腾讯 / 阿里 / 百度约 25 万片 950PR + 15 万片 950DT合计约 40 万片
三大运营商超 20 万片集采，用于智算中心与 AI 专网
海外韩国 2,000 片、马来西亚 3,000 台服务器、俄罗斯万卡级集群从试点转向商用

3. 出货预测：稳居国产第一​

据科智咨询测算：

指标20252026（预测）
华为昇腾总出货量81.2 万张102.6 万张
其中 950PR—约 80 万片
其中 950DT—约 10–20 万片

华为已完成由 910 系列向 950 系列的产品切换。互联网行业已成为昇腾最大应用市场，竞争优势正由单一硬件性能延伸至软件生态与系统能力。

4. 出海：Q4 正式入韩​

据韩媒 ETNews 报道，华为计划 2026 Q4 以昇腾系列及 Atlas 950 SuperPod 正式进入韩国市场：

  • 已完成本土分销商协议，选定 SK Shieldus 等两家渠道伙伴；
  • 主力产品为 950PR（4 月已量产交付） 与 950DT（Q4 同步推出）；
  • 官方口径：950PR 推理性能达 H20 的 2.87 倍，定价约为其 1/4。

5. WAIC 2026：1024 卡真机首秀确认​

WAIC 2026（7月17–20日上海）上，华为 Atlas 950 SuperPoD 真机首次公开亮相，现场展出 16 台计算柜、1024 张昇腾卡 规模，并斩获大会最高荣誉 SAIL 大奖：

  • 核心指标：总算力 1 EFLOPS FP8 / 2 EFLOPS FP4，256 TB 全局统一内存编址，灵衢 2.0 互联、3 μs 超低 RTT 时延；
  • 满配形态：128 计算柜 + 32 互联柜 = 160 机柜、占地约 1000 ㎡，搭载 8192 颗昇腾 950DT，计划 2026 年 Q4 上市；
  • 商用基础：上一代 384 超节点已累计商用超 750 套，落地 20+ 行业；
  • 软件生态：CANN 已于 2025 年底全面开源，社区孵化 67 个项目、超 1244 万行代码，月活开发者超 3500 人。

WAIC 首秀确认了 950 系列"超节点优先"的产品逻辑：单卡算力之外，系统级有效算力（互联带宽 + 统一内存 + 低时延）才是国产算力对标国际旗舰的关键维度。

昇腾路线图回顾​

产品定位关键指标（官方路线图）
950PR推理1 PFLOPS（FP8）/ 2 PFLOPS（FP4），互联 2 TB/s
950DT训练超节点核心，Q4 推出
960训练/推理2 PFLOPS（FP8）/ 4 PFLOPS
970下一代规划中

产业解读​

  1. 国产替代从推理迈向训练：950PR（推理）率先放量，950DT（训练）Q4 跟进，配合 Atlas 950 SuperPoD 万卡互联，国产算力首次具备"训练替代"完整拼图。
  2. 产能是最大变量：订单确定性极高，但中芯/华虹先进制程产能、HBM 供应、先进封装仍是放量瓶颈——这也是"现货稀缺"的根源。
  3. 出海打开第二曲线：韩国、马来西亚、俄罗斯、拉美的批量采购，标志国产算力从"内循环"走向"外循环"。

相关链接​

参考资料​

本文数据以官方与主流券商调研为准，产能/订单为动态数字，将持续更新。

NVIDIA Vera Rubin正式出货：首台VR200 NVL72交付，三星HBM4量产，Rubin Ultra机柜天价

· 阅读需 5 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

2026年7月，NVIDIA 下一代 AI 计算平台 Vera Rubin 正式启动首批出货，接替 Blackwell 架构，并计划在 2026 年下半年进入大规模量产。首批客户包括微软、谷歌、亚马逊、Meta、Oracle 等大型云服务商。

1. 全球首台 VR200 NVL72 交付（里程碑）​

CoreWeave 联合 Dell 宣布，全球首台 NVIDIA Vera Rubin VR200 NVL72 机柜已正式交付，并一次性通过 L11 全机柜级硬件诊断测试。这标志着 Rubin 从路线图走向实物，供应链核心环节（HBM4、先进封装、液冷、超高功率电源）未出现重大卡点。

VR200 NVL72 核心配置​

指标Vera Rubin VR200 NVL72
机柜代号Oberon
GPU72 块 Rubin GPU
CPU36 颗 Vera CPU
单 GPU 显存288 GB HBM4
单 CPU 内存1.5 TB LPDDR5X
整柜 HBM420.7 TB（20,736 GB）
整柜 LPDDR5X54 TB
互联NVLink 6 全互联
推理性能~3.6 exaFLOPS 级别
散热液冷
代际提升单 GPU 计算约 3.5×、内存带宽约 2.8×（对比 Blackwell）

Vera CPU 集成 88 个定制 Olympus ARM 核心，与 GPU 间互联带宽 1.8 TB/s，可作为 GPU 显存扩展池。NVIDIA 已于 5 月完成对 Anthropic、OpenAI、xAI 及 Oracle Cloud 的首批 Vera CPU 交付。

2. 三星 HBM4 量产：关键瓶颈松动​

2026年7月8日，三星电子正式启动面向 Vera Rubin 平台的 HBM4 量产，据报道其 HBM4 量产良率达到 70%（超出 60–65% 的初始预期）。这一关键供应链环节的确认，为 Rubin 大规模部署扫清障碍。

HBM 供应格局（2026 Q1）份额
SK 海力士45%
三星40%
美光15%

HBM4 采用 8 层堆叠（12 层设计计划 2028 年），价格约为 HBM3e 的 2.8 倍。TrendForce 预测 HBM 供给将年增 65%，到 2027 Q4 HBM4 占总产出的 35%。

3. Rubin Ultra 天价：HBM 成本主导​

据美国银行全球研究（BofA Global Research）测算，Rubin 一代将把单台服务器成本推向历史新高：

成本项Rubin VR200（Oberon）对比
单柜 HBM4 用量20,736 GB—
HBM4 单价~$18.40 / GBBlackwell（HBM3e）~$11.26 / GB
仅 HBM4 成本~$38.2 万尚未计入 LPDDR5X
Rubin Ultra 机柜预估售价~$2,100 万IT 之家 / BofA 估算

4. Rubin Ultra 设计调整：原 4 芯片方案取消（据 SemiAnalysis）​

半导体研究机构 SemiAnalysis（2026-06-30） 披露，GTC 2026 发布的原版 4 芯片 Rubin Ultra GPU 已被取消，2027 年实际出货的版本规模与性能均缩减约一半：

  • 取消原因：原版在单一 CoWoS-L 封装内集成 4 颗计算 die + 16 颗 HBM4E，基板在 4 die 配置下出现翘曲（warpage），导致计算 die 与基板接触失效、良率崩塌；替代方案 CoPoS 量产要等到 2028 年底以后，赶不上 2027 节点。
  • 新方案：改为 双 die（与标准 Rubin 同构）+ HBM4E，单 GPU 约 384 GB HBM4E（高于标准 Rubin 的 288 GB），但总算力与带宽仅为原版一半；为逼近原设计的聚合算力，NVIDIA 预计在 Kyber 机架内以"2+2"板级配置 拼出四 die 等效规模。
  • Kyber 机架延迟：配套 Kyber NVL144 机架因中板 PCB 制造难题推迟 12 个月以上至 2028 年，800V 直流供电方案同样推迟至 2028 年。

⚠️ 口径提示：NVIDIA 未就上述设计调整发表官方评论；X 平台亦有声音认为"芯片数量并未改变、属旧闻翻炒"。本段基于 SemiAnalysis 公开报告整理，最终以 NVIDIA 官方披露为准。我们已在 Rubin Ultra 预览卡 中标注"规格待官方确认"。

产业解读​

  1. "Never doubt"时刻兑现：Rubin 首发交付一次性通过 L11，打消了市场对"Rubin 延期"的疑虑，2026 H2 AI 算力供应确定性提前锁定。
  2. 专为 Agentic AI 设计：Rubin 面向智能体工作流、超长上下文推理，将进一步压低万亿参数模型的训练/推理成本曲线。
  3. HBM 是全链条赢家：单机柜 20.7 TB HBM4 用量巨大，SK 海力士、三星、美光及先进封装（CoWoS-L）、液冷、电力改造全链条受益，同时也成为成本与产能的最大约束。

相关链接​

参考资料​

本文持续跟踪 Vera Rubin 量产爬坡与 HBM4 供应链动态。

2026年H1 AI芯片行业复盘：Blackwell Ultra、国产三强与推理新时代

· 阅读需 12 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

2026年上半年，AI芯片产业发生了历史性转折——产业重心从"训练竞赛"转向"推理效率"，国产芯片市场份额首次突破40%，NVIDIA以Blackwell Ultra筑高壁垒，推理专用芯片赛道百花齐放。

一、算力再翻番：NVIDIA Blackwell Ultra 发布（6月1日）​

2026年6月1日，NVIDIA CEO黄仁勋在**台北国际电脑展（Computex 2026）**上揭晓新一代AI芯片 Blackwell Ultra，为未来两年的AI基础设施竞赛划定新起跑线。

关键规格​

指标Blackwell UltraB200提升
FP8算力20 petaFLOPS~10 petaFLOPS100%
架构Blackwell UltraBlackwell升级
预计交付2027年Q12026年Q1—
定位超大规模训练+推理训练+推理旗舰

产业意义​

  1. 算力翻倍的直接影响：20 petaFLOPS FP8意味着千亿参数模型训练时间大幅缩短，万亿参数模型训练从"科学实验"走向"工程常态"
  2. 系统级平衡：Blackwell Ultra不仅是芯片，更是NVLink、HBM、散热、供电的系统级工程突破
  3. 路线图确定性：2027年Q1交付时间表，让云厂商和AI实验室可以提前18个月规划基础设施预算

挑战​

  • 能耗危机：性能翻倍伴随功耗大幅上升，数据中心供电和冷却设计面临极限挑战
  • 可及性问题：顶级算力优先供应顶级云厂商，中小开发者和研究机构如何通过云服务以合理成本触达算力
  • 软件栈适配：新硬件需要匹配的CUDA版本和框架支持，软件生态成熟度成为算力转化的关键瓶颈

二、国产AI芯片：从"可用"到"好用"的临界点​

2026年6月16日，信创世界发布**《2026中国国产AI芯片厂商能力象限》**，清晰勾勒出国产AI芯片的整体格局。

2.1 能力象限排名​

象限代表厂商
领导者象限华为昇腾、海光信息、寒武纪、阿里平头哥、摩尔线程
远见者象限百度昆仑芯、壁仞科技、燧原科技、沐曦股份、瀚博半导体
竞争者象限清微智能、黑芝麻智能、芯驰科技、砺算科技、后摩智能
挑战者象限登临科技、知存科技、芯原股份、瑞芯微、云天励飞

2.2 华为昇腾：国产算力的定海神针​

市场地位​

  • 2025年昇腾系列出货 81.2万张，占国产AI加速卡 49% 份额，稳居国产第一
  • 昇腾950PR单卡FP8算力达 1P（PetaFLOPS）、FP4算力达 2P
  • 推理性能约为NVIDIA H20的 2.87倍，定价仅 7.2-7.5万元，性价比优势显著

全栈优势​

华为"端管云芯"一体化战略是昇腾的核心壁垒：

  • 芯片设计：Da Vinci 3.0架构持续迭代
  • 操作系统：鸿蒙/欧拉OS深度优化
  • 网络通信：欧拉网络协议栈
  • 云服务：华为云ModelArts平台无缝集成

最新进展​

  • 2026年6月5日，深圳河套学院联合哈工大（深圳）、华为团队，依托昇腾910C集群完成 1.6万亿参数DeepSeek V4 Pro大模型全参数后训练
  • 这是国产AI芯片首次完成万亿参数级大模型训练，标志着"国产替代"从推理迈向训练

2.3 寒武纪：率先盈利的国产AI芯片标杆​

业绩爆发​

指标2025年全年2026年Q1同比增长
营收64.97亿元28.85亿元+453% / +160%
净利润20.59亿元（首次年度盈利）10.13亿元— / +185%

核心产品：思元590​

  • 在DeepSeek R1推理场景下，TPS可达 942，比H20高出约 50%
  • 与字节跳动多年联合优化，具备短期最强的云端推理部署能力
  • 2026年Q1营收28.85亿元中，思元590贡献超过70%

潜在风险​

在2026年第2号《安全可靠测评结果公告》中缺席，原因尚未明确，将对其国内政企市场表现产生影响。

2.4 清微智能：可重构芯片的"第三路线"​

技术路线​

清微智能采用与Groq LPU同源的可重构数据流架构，在GPU通用性与ASIC极致效率之间找到了平衡点。

指标清微智能 TX81传统GPU方案优势
推理成本基准+100%降低50%
能效比基准基准提升3倍
架构可重构数据流SIMT/SIMD更适合推理

落地进展​

  • 可重构芯片累计出货量已超 3000万颗
  • 在全国十余座千卡规模智算中心实现规模化落地
  • 已启动A股IPO辅导，有望成为"可重构芯片第一股"

三、推理芯片赛道：产业重心转移的核心信号​

2026年6月4日，TrendForce发布深度报告**《推理经济时代来临：AI芯片的规则正被重写》，指出AI产业的算力竞争重心正在从训练转向推理**。

3.1 为什么是现在？​

成本结构改变​

  • 训练是一次性成本：模型训练完成后，边际成本趋近于零
  • 推理是持续性成本：每一次API调用、每一个生成token，都代表算力消耗与毛利压力
  • 单位推理成本与能效表现将直接影响毛利率与规模扩张能力

模型精简技术成熟​

  • 1.58-bit量化技术与权重剪枝，使模型可在极低内存占用下维持推理准确度
  • MoE（混合专家）架构通过"部分唤醒"机制，每次推理仅激活少数专家子网络，大幅降低实际运算量
  • 精简模型的崛起，为硬式编码推理芯片提供了商业可行性

3.2 NVIDIA的百亿押注：收购Groq（2025年12月）​

2025年12月24日，NVIDIA以 200亿美元取得Groq的Inference技术授权与核心团队，这是NVIDIA历史上最大规模的并购/技术收购之一。

战略意图：

  1. 补全推理短板：NVIDIA GPU在训练领域无可撼动，但推理效率一直不是最强
  2. 对抗专用推理芯片：Cerebras、Taalas、SambaNova等初创公司正在蚕食推理市场
  3. 布局Agentic AI：Agentic AI需要极低延迟、极高吞吐的推理能力

3.3 Taalas HC1：硬式编码推理的概念验证​

2026年2月20日，加拿大AI芯片初创公司Taalas发布推理芯片 Taalas HC1，将Meta的开源AI模型Llama 3.1 8B直接刻印在芯片中。

关键指标​

指标Taalas HC1NVIDIA B200（throughput optimized）优势
推理速率16,960 tokens/s/user基准~4-5x
每百万tokens成本0.75 cents3.79 cents降低80%
功耗~250W~700W降低64%
制程TSMC N6TSMC 4nm更成熟
HBM❌ 不使用✅ HBM3e成本更低

技术原理​

Taalas HC1采用**存储内运算（Computing-in-Memory, CIM）**的激进实现：

  • 将模型权重直接固化于Mask ROM中（完全硬体定义）
  • 以片上SRAM处理动态资料（KV cache和LoRA微调权重）
  • 仅需修改2层光罩就能产出另一个AI模型的专用芯片，将一个AI模型转化为实体芯片仅需2个月

局限性​

  • 缺乏弹性：硬式编码无法应对快速迭代的模型更新
  • 生态壁垒：当前云端市场仍依赖通用平台，客户可能更偏好可随模型升级的弹性方案
  • NRE成本：一次性工程费用高，需要足够大规模的部署才能摊薄

3.4 Cerebras：晶圆级整合的上市之路​

2026年5月14日，Cerebras Systems正式在纳斯达克挂牌上市，成为首家上市的晶圆级AI芯片公司。

核心技术：Wafer-Scale Integration（WSI）​

  • WSE-3（第三代晶圆级引擎）：整片12英寸晶圆做成单一芯片
  • 44GB片上SRAM：无需外部HBM，彻底消除内存带宽瓶颈
  • 21 PB/s带宽：片上通信带宽，是GPU的千倍级别
  • 与OpenAI合作：已签署逾200亿美元、规模750MW的三年算力合作协议

上市意义​

Cerebras的上市是推理专用芯片赛道成熟的标志：

  1. 资本市场开始为这类公司定价
  2. 证明"非GPU"技术路线具备商业可行性
  3. 为其他推理芯片初创公司（Groq、SambaNova、Taalas等）提供了估值参照

3.5 推理芯片格局：多元技术路线并存​

公司技术路线核心优势代表产品
Taalas硬式编码（Mask ROM）极致推理效率、低成本HC1
Cerebras晶圆级整合（WSI）超高带宽、大模型推理WSE-3
GroqSRAM-first架构确定性延迟、高吞吐LPU（已被NVIDIA收购）
d-Matrix数字存储内运算（DIMC）灵活性强于硬式编码Corsair
EtchedHard-wired Transformer所有Transformer模型适用Sohu
Axelera AI数字存储内运算（D-IMC）+ RISC-V高能效比Metis AIPU

TrendForce预测：

  • 通用GPU仍主导训练与多模型环境
  • 但在成熟、可预测场景中，通用GPU的利润空间将受到压缩
  • 产业格局从通用算力垄断，走向通用与专用并行的双轨结构

四、2026年H1国产AI芯片整体格局​

4.1 行业进入放量期​

指标2025年2026年Q1趋势
国产AI加速卡出货量165万张（占比41%）—持续上升
中国AI加速卡总出货量~400万张——
海光信息营收增速—翻倍增长↑
寒武纪营收增速—+160%↑
摩尔线程营收增速—翻倍增长↑

头部厂商集体进入业绩兑现通道，行业从"技术验证"迈向"规模商用"。

4.2 三大核心发展趋势​

趋势一：资本化浪潮重塑格局​

  • 2025年底至2026年初，摩尔线程、沐曦股份登陆科创板
  • 壁仞科技登陆港股
  • 燧原科技科创板IPO获受理
  • 昆仑芯、平头哥启动上市进程
  • 清微智能、瀚博半导体等推进IPO

资本化带来双重效应：

  • ✅ 正面：为研发和生态建设提供支撑
  • ⚠️ 负面：估值泡沫和业绩兑现压力

趋势二：产能成为最大制约变量​

国产AI芯片爆发式需求与有限先进制程产能的矛盾日益尖锐：

厂商先进制程产能需求实际获得
华为昇腾每月1.5万片（7nm级）优先保障
中芯国际总产能每月约2万片（7nm级）—
其他厂商合计约5000片/月极度紧张

能否拿到稳定晶圆产能直接决定厂商生死。寒武纪75.4%的营收占比存货，本质是对产能的锁定。

趋势三：竞争从"可用"转向"好用"​

早期竞争聚焦"能否跑通模型"，当前升级为"运行效率、部署成本"的比拼：

竞争维度"可用"时代"好用"时代
硬件性能能否跑通模型运行效率、能效比
软件栈基本适配成熟度、框架广度
生态有无开发者社区活跃度
部署成本不敏感核心竞争要素

五、2026年H2展望​

5.1 即将到来的关键事件​

时间事件影响
2026年Q3NVIDIA Rubin架构详情公布下一代旗舰规格揭晓
2026年Q3华为昇腾950PR/950DT正式发布国产推理芯片新标杆
2026年Q4AMD MI350X规模化交付NVIDIA Blackwell竞品
2026年Q4寒武纪思元690发布（推测）新一代训练芯片
2027年Q1NVIDIA Blackwell Ultra交付算力新标杆落地

5.2 未来三年关键竞争要素​

  1. 晶圆产能获取能力：先进制程产能是稀缺资源，绑定中芯国际、TSMC的厂商具备先天优势
  2. 资本运作效率：IPO窗口期有限，能否在资本市场上融到足够资金决定研发持续性
  3. 软件生态建设深度：硬件性能只是入场券，软件栈成熟度、框架适配广度、开发者社区活跃度才是核心壁垒

六、结语：多元生态终将形成​

2026年H1，AI芯片产业正在经历从"一家独大"到"多元并存"的历史性转变。

  • NVIDIA以Blackwell Ultra筑高训练壁垒，同时以收购Groq布局推理效率
  • 华为昇腾以全栈能力守住国产算力的基本盘，950PR在推理性能上开始超越H20
  • 寒武纪以率先盈利证明国产AI芯片的商业化可行性，思元590在特定场景超越国际竞品
  • Cerebras、Taalas等推理专用芯片公司开辟了"非GPU"的第三路线
  • 清微智能的可重构架构为中国AI芯片提供了技术路线的多元化选择

未来三年，国产AI芯片终局将形成GPU、ASIC、可重构计算三大技术路线并存，云端与边缘协同发展的多元生态。"国产替代"不再是口号，而是正在发生的产业现实。

数据来源：

  • 信创世界《2026中国国产AI芯片厂商能力象限》（2026-06-16）
  • TrendForce《推理经济时代来临：AI芯片的规则正被重写》（2026-06-04）
  • RayByte《算力再翻番！英伟达Blackwell Ultra芯片发布》（2026-06-02）
  • 各公司官方财报和公告

相关阅读：