AI Compute Cards Wiki Editorial

当算力的计量单位从"多少张卡"变成"多少吉瓦"，AI竞争的本质已经改变：大模型公司正在变成"能源公司+基建公司+模型公司"的三位一体。

5GW与10GW：新计量单位的诞生​

2026年9月的行业报道显示，AI算力竞赛进入了一个全新的量级：Anthropic的目标是在今年年底拥有约5GW的可用算力，而OpenAI明年的规划则是约10GW。

这两个数字意味着什么？5GW大致相当于数百万张高性能GPU同时满负荷运转所需的电力，而10GW已经接近一座大型核电站的装机容量。就在一年前，行业讨论的还是"十万卡集群"；如今，头部玩家谈论的是吉瓦级园区。算力竞赛的计量单位，已经从GPU的数量彻底转向了电力的功率。

从"买卡"到"买电厂"​

这种变迁背后，是AI产业价值链的整体上移：

• 能源成为第一约束。先进AI芯片供应在改善，但变电站、输电线路和发电容量的建设周期以年计。谁拿到电力指标，谁就拿到训练下一代模型的入场券。
• 基建能力成为核心竞争力。数据中心不再是租用IDC机房那么简单，而是涉及选址、并网、冷却系统乃至自有发电能力的系统工程。
• 模型公司与芯片公司深度绑定。OpenAI与博通合作开发Jalapeño自研芯片，并规划多吉瓦级部署，这已经不是"采购算力"，而是"定制算力供应链"。

20-30MW小数据中心为何成为抢手货​

一个耐人寻味的细节是：Anthropic和OpenAI两家还在争抢20-30MW级别的小型数据中心，Anthropic甚至向SpaceX租用算力。

原因很直接——大容量数据中心从规划到投运周期太长，而模型训练和推理需求等不起。20-30MW的小站点虽然容量有限，但胜在可快速拿容量：现有楼宇改造、电力接口现成、数月内即可上线。对于急需算力缺口的大模型公司，这批"小快灵"资源成了战略物资，甚至在二级市场上被反复转租、溢价争夺。向SpaceX租算力则更为激进——当地面电力不够快时，头部玩家已经开始评估包括星载算力在内的非常规选项。

算力军备竞赛的经济账​

这场竞赛的规模有多大？根据Bain 2026技术报告的口径，AI硬件市场2025年约为312.1亿美元，2026年预计达到384.9亿美元。而吉瓦级算力园区背后，是单笔动辄数十亿美元级别的芯片采购与多年期电力合约。

算力的本质正在从"IT设备"变成"重资产基础设施"——它的融资方式（项目融资、长期租约）、回报模型（算力利用率、每token成本）都越来越像电厂和通信网络，而不是服务器机房。

对AI芯片厂商意味着什么​

吉瓦级竞赛重塑了芯片厂商的客户结构，谁绑定大客户谁受益的格局愈发清晰：

厂商	核心绑定关系	算力绑定规模
NVIDIA	微软 / OpenAI	深度绑定OpenAI，吉瓦级部署主力供应商
AMD	OpenAI / Meta / Anthropic	OpenAI 6GW、Meta 6GW、Anthropic（多年期协议）
OpenAI（自研）	博通合作Jalapeño	多吉瓦级部署规划
云厂商自研	AWS Trainium、Google TPU等	服务自有平台负载

对芯片厂商而言，这带来两个深远影响：其一，订单变得极度集中，一张吉瓦级订单足以改变一家芯片公司的营收曲线，NVIDIA与AMD过去一年股价的分化某种程度上就是绑定关系的映射；其二，芯片设计开始围绕客户的电力预算优化，每瓦性能取代峰值算力成为核心指标——因为客户的稀缺资源不是芯片，而是那几吉瓦的电。

小结​

5GW和10GW不只是两个数字，它们标志着AI竞争进入了"基建时代"：电力取代芯片成为第一约束，20-30MW小数据中心成为快速补位的战略资源，大模型公司集能源、基建、模型三重身份于一身。对AI芯片产业来说，这意味着订单向深度绑定大客户的产品集中、设计向每瓦性能倾斜。算力军备竞赛的下半场，比的不是谁的芯片跑分更高，而是谁能先把电厂建起来、把电接进来。

华为全联接大会2026给出明确时间表：昇腾950智算集群云服务9月30日国内商用、11月30日全球商用，全球首个NPO超节点昇腾960同步亮相。

HUAWEI CONNECT 2026：商用时间表落定​

2026年9月17日，华为全联接大会在上海举行。大会上，华为披露了昇腾950智算集群云服务的商用节奏：9月30日国内商用，11月30日全球商用。从大会披露到国内上线仅半个月，节奏之紧，说明昇腾950超节点的规模化交付已经就绪。

关键节点	时间/地点
华为全联接大会2026	2026年9月17日（上海）
昇腾950智算集群云服务国内商用	2026年9月30日
昇腾950智算集群云服务全球商用	2026年11月30日

"国内先行、两月后推向全球"的节奏也传递出另一个信号：昇腾不再只盯着国内市场，智算集群云服务将作为中国AI算力方案走出去的载体，参与全球算力供给的竞争。

昇腾960超节点：全球首个NPO超节点​

同期发布的昇腾960超节点，是全球首个NPO超节点（近封装光学超节点），关键规格如下：

指标	数值
卡规模	4096卡
算力	8 EFLOPS FP8 / 16 EFLOPS FP4
显存	1PB HBM
光互联方案	5500个Hi-ONE光引擎，替代4.8万颗800G光模块
降功耗	550kW
可用度	99.8%
Hi-ONE单引擎传输容量	7.2T

这组数字的核心看点在于光互联的代际切换：用5500个Hi-ONE光引擎替代4.8万颗800G光模块，降低550kW功耗，同时做到99.8%的可用度。NPO（近封装光学）路线在超节点规模下的价值被直观呈现——光模块数量下降一个数量级，意味着故障点、功耗与运维复杂度同步大幅收敛。在4096卡这种规模的系统里，互联可靠性直接决定训练任务的连续性。

昇腾950超节点：规模商用与SOTA背书​

昇腾950超节点已规模商用1000多套，落地行业覆盖互联网、运营商、金融、教育、医疗、交通、制造等。规模数字之外，更关键的背书是：昇腾950超节点是国内唯一训练出SOTA模型的超节点。

"能训练出SOTA模型"是对训练集群最硬核的检验——它证明的不仅是硬件规格，而是"集群规模+互联效率+软件栈"的组合在大规模训练中真实可用。对于正在选型的行业客户而言，这比任何纸面参数都更有说服力。

芯片路线图：960提前就绪，970/980排期明确​

华为还更新了昇腾芯片的推进节奏：

• 昇腾960DT较原计划提前三个季度就绪；
• 昇腾960PR提前一个季度就绪；
• 2028年推出昇腾970，2029年推出昇腾980。

"提前就绪"在当前的供应链环境下格外难得——在全球先进制造资源紧张、HBM紧缺的背景下，按时甚至提前交付，本身就是工程与供应链能力的体现。而970/980排期明确到年份，则给生态伙伴与客户提供了可规划的长期预期。

CANN全面开源：生态数据盘点​

软件生态方面，昇腾的进展可以用一组数据概括——CANN已全面开源：

• 外部开发者占比61%，月活跃开发者超5200名；
• 40+模型实现原生训练；
• 支持PyTorch、Triton、vLLM、veRL等90+开源项目；
• 成为PyTorch官网首个中国算力平台。

其中"PyTorch官网首个中国算力平台"具有标志性意义：主流框架的原生适配，意味着开发者迁移成本大幅降低，而61%的外部开发者占比说明社区已经超出华为体系自身，形成外部贡献的正循环。

全栈协同：TaiShan 950与OceanStor M900​

硬件侧的配套升级同样值得关注。TaiShan 950超节点完成升级：支持4096节点、256TB统一内存池——统一内存池让CPU侧内存资源可以按需调度，与超节点的算力规模相匹配。存储侧，OceanStor M900上下文内存存储提供PB级KV Cache能力，直击大模型推理场景的上下文缓存需求：推理热门场景下，KV Cache的存取效率直接决定吞吐与首字延迟。

芯片（昇腾950/960）、CPU（TaiShan 950）、存储（OceanStor M900）、软件栈（CANN）四层同步演进，华为走的是典型的全栈协同路线。

小结​

从昇腾950智算集群云服务"9月30日国内、11月30日全球"的商用时间表，到昇腾960超节点"4096卡、8 EFLOPS FP8、16 EFLOPS FP4、1PB HBM、5500个Hi-ONE光引擎"的规格突破，再到昇腾950超节点规模商用1000多套、成为国内唯一训练出SOTA模型的超节点，以及CANN全面开源、外部开发者占比61%的生态进展，华为正以"芯片-超节点-云服务-开源生态"的全栈节奏推进昇腾路线图。昇腾970（2028）、昇腾980（2029）的排期已经明确——昇腾的追赶不再只是单点突破，而是体系化的持续推进。

在Agentic AI重塑算力需求结构的当下，平头哥首次公开倚天服务器CPU发展蓝图——全自研微架构与ICN总线直连，是这份路线图最值得关注的两个关键词。

云栖大会：倚天蓝图首次公开​

2026年9月22日的云栖大会上，平头哥首次公开倚天系列服务器CPU的发展蓝图：2027年将推出倚天720与倚天730两款服务器CPU。这是平头哥第一次以路线图的形式，系统性地向外界展示倚天CPU的演进节奏——从"发布单点产品"到"公布多代路线"，意味着倚天系列的研发与规划已经形成了清晰的代际滚动机制。

型号	推出时间	核心亮点
倚天710	已商用	现役主力，后续产品的性能基准
倚天720	2027年	单核性能、核密度与能效全面提升
倚天730	2027年	首次基于平头哥全自研CPU微架构设计，单核SPECint2017/GHz性能最高提升至倚天710的1.4倍
倚天750	时间未公开	基于第二代自研核，支持平头哥自研ICN片间互联总线协议

倚天720与倚天730：差异化分工​

两款2027年的新品各有侧重。倚天720走的是"全面均衡"路线：单核性能、核密度与能效三项指标同步提升，面向通用算力场景的规模化部署——在数据中心机柜功率与空间约束日益收紧的背景下，核密度与能效的提升直接决定了单位机柜可承载的算力上限。

倚天730则是更具突破意义的一代：它首次基于平头哥全自研CPU微架构设计，单核SPECint2017/GHz性能最高提升至倚天710的1.4倍。SPECint2017/GHz衡量的是单位频率下的整数性能（即IPC水平），1.4倍意味着微架构层面的显著优化，而非单纯依靠频率或制程红利。从"基于授权架构"到"全自研微架构"，这是服务器CPU自研道路上最关键的一次跨越——它决定了后续每一代产品能否摆脱外部授权的节奏约束。

ICN总线：CPU与AI芯片的直连时代​

路线图中另一个关键角色是ICN片间互联总线协议。根据蓝图，基于第二代自研核的倚天750将支持平头哥自研的ICN总线协议，倚天CPU与真武AI芯片之间可通过ICN总线直接互联，进一步提升CPU与AI芯片的协同效率。

这一设计直指传统架构的痛点：在现有体系中，CPU与AI加速卡之间通常通过PCIe等通用互联通信，带宽与延迟都存在损耗，而这些损耗恰恰发生在数据预处理、梯度同步、通信协同等高频环节。ICN总线让CPU与AI芯片"原生对话"，相当于把CPU纳入AI集群的整体互联拓扑，而非让它们停留在AI芯片的"外围"。

Agentic AI时代的CPU需求分化​

平头哥此时公布CPU路线图，并非偶然。其背景是Agentic AI正在驱动CPU需求分化：智能体应用大规模兴起后，CPU不再是AI服务器里"配平"的角色——Agent的调度、编排、数据处理与轻量推理，对CPU的核密度、能效与协同能力都提出了新要求。通用CPU与AI算力的配比、互联方式，都在被重新设计。

同期发布的真武V900构成了这套蓝图的全栈拼图：216GB显存、1200GB/s片间互联、支持50万卡集群。叠加倚天CPU经ICN总线直连的能力，阿里云正在构建"AI芯片+CPU+网络"的全栈算力体系——芯片自研、互联自研、CPU自研，三层能力的耦合度越高，系统的整体效率上限就越高。

小结​

倚天720/730定档2027年、倚天730首次采用全自研微架构、单核SPECint2017/GHz性能最高提升至倚天710的1.4倍，再加上ICN总线与真武AI芯片直连的规划、真武V900（216GB显存、1200GB/s片间互联、50万卡集群）的全栈拼图，平头哥给出了一条清晰且野心不小的CPU自研路线。在Agentic AI驱动的算力变革中，"AI芯片+CPU+网络"的全栈协同能力，或将成为云厂商竞争的下一个分水岭。

据路透社报道，出口管制推高HBM成本，华为、寒武纪等国产AI芯片厂商集体上调价格——正如戴尔CEO所言，"比涨价更糟的是没货"。

路透社爆料：三位知情人士描绘的涨价全景​

据路透社2026年9月10日援引三位知情人士的报道，因出口管制导致HBM成本飙升，华为、寒武纪等中国AI芯片厂商已大幅上调现有及下一代AI处理器的价格。这不是单一产品的调价，而是一轮覆盖多代产品线的系统性涨价。

产品	年初价格	当前价格	涨幅
华为昇腾950DT加速卡	未公开	指示性价格25万元人民币以上（约37255美元）	两个月内报价最多上涨50%
华为昇腾950PR	约6万元/单卡	突破8万元	约30%
华为昇腾910C板卡（老款）	约9万元	11万元以上	—
寒武纪下一代芯片（暂称690）	未公开	未公开	较两个月前上涨20%-30%

其中最引人注目的是昇腾950DT：其指示性价格已调高至25万元人民币以上（约37255美元），两个月内报价最多上涨50%。年初单卡约6万元的昇腾950PR，现已突破8万元；老款昇腾910C板卡也从年初的约9万元涨至11万元以上——连上一代产品都在涨价，说明短缺是全方位的，而非某一型号的局部现象。

寒武纪官方回应与厂商动态​

在涨价消息流传之际，寒武纪董秘办作出回应："不要听信市场消息，一切以官方公告为准。"这一表态既未证实也未否认。据上述报道，寒武纪下一代芯片（暂称690）已重新定价，较两个月前上涨20%-30%。

与此同时，涨价并非华为与寒武纪的"专属"：沐曦、天数智芯亦有类似的涨价动作。也就是说，这轮价格上行已经从头部厂商扩散至更多国产AI芯片公司，成为行业性现象。对采购方而言，"再等等看会不会降"的观望策略，正在面临价格持续上行的反向风险。

涨价根源：HBM短缺与出口管制双重挤压​

这轮涨价的逻辑链条并不复杂，可以拆成三层：

1. 需求侧：AI算力需求持续爆发，国产AI芯片订单饱满，供不应求是常态；
2. 供给侧：全球HBM持续紧缺，高带宽显存作为AI加速卡最关键的物料，产能增量远远跟不上需求增量；
3. 成本侧：出口限制卡住了国产芯片的上游供应，HBM获取成本大幅飙升，直接推高单卡物料成本。

上游成本抬升叠加供不应求，价格上调几乎是必然结果。对厂商而言，涨价既是转嫁成本的被动选择，也是在新的供需格局下重新校准产品定价的主动机会——毕竟在"有货就能卖掉"的市场里，定价权掌握在供给方手中。

戴尔CEO的警告：2027年可能更严重​

需求侧的信号同样值得警惕。戴尔CEO在高盛大会上表态：半导体结构性短缺短期难以缓解，2027年可能更严重；并且留下一句点睛之语——"比涨价更糟的是没货"。

这句话道破了当前AI算力市场的真实状态：价格上行尚可通过预算调整来消化，而拿不到货则直接卡死算力建设进度，延误的是整个AI战略的落地节奏。HBM作为AI加速卡的瓶颈物料，其短缺正在向上传导为加速卡、服务器乃至智算中心建设层面的系统性不确定性。

对采购决策的影响​

对于正在规划AI算力建设的企业来说，这轮涨价潮至少意味着三件事：

• 预算规划要留弹性：单卡成本模型需要动态更新，参考昇腾950PR两个月上涨约30%的斜率，静态预算很容易失真；
• 交期比价格更关键：昇腾910C这类老款产品都在涨价，说明现货稀缺，早锁定意味着早交付、早形成算力；
• 多供应商组合价值凸显：华为、寒武纪、沐曦、天数智芯全线涨价的环境下，国产+海外、多品牌组合的采购策略更有抗风险能力。

小结​

HBM短缺与出口管制双重压力下，国产AI芯片正在经历一轮罕见的全线上调：华为昇腾950DT报价突破25万元（约37255美元）、两个月最多涨50%，昇腾950PR突破8万元，昇腾910C板卡涨至11万元以上，寒武纪下一代芯片690较两个月前上涨20%-30%，沐曦、天数智芯跟进调价。戴尔CEO"2027年可能更严重"的判断提示我们：这场短缺或许不是短期波动，而是未来数年的行业常态。对采购方而言，与其等待价格回落，不如尽早锁定供货。

开盘暴涨188.37%、市值1764.44亿元——燧原科技的科创板首秀，为国产AI芯片的资本化浪潮再添一把火。

首日表现：高开高走​

2026年9月11日，上海燧原科技股份有限公司正式在上海证券交易所科创板挂牌上市，股票代码688801.SH。开盘价410元/股，较发行价暴涨188.37%，市值达到1764.44亿元；盘中股价最高触及468元/股，涨幅超过229%。

对于一家AI芯片公司而言，这样的首日表现并不常见。它反映的是二级市场对国产AI算力标的的稀缺性定价：在AI算力需求爆发、国产替代加速的双重叙事下，能够提供训练+推理完整产品线的芯片公司，几乎是科创板最炙手可热的资产类别。

指标	数值
上市日期	2026年9月11日
股票代码	688801.SH
上市板块	上交所科创板
开盘价	410元/股
开盘涨幅	188.37%
盘中最高价	468元/股（涨幅超229%）
上市初期市值	1764.44亿元
重要股东	腾讯（浮盈超300亿元）

腾讯作为燧原科技的重要股东，在这场上市中浮盈超过300亿元。从早期一路陪跑到科创板敲钟，腾讯对燧原的持续投入，是互联网大厂深度绑定国产AI芯片公司的典型案例，也印证了一级市场对国产算力赛道的长期押注。

产品底色：云燧训练/推理卡与集群方案​

资本故事之外，燧原的产品线是其估值的底色。燧原科技的核心产品围绕"邃思"DTU芯片展开，基于该芯片打造云燧系列训练加速卡与推理加速卡，并延伸出数据中心级集群方案，覆盖从单卡到大规模部署的完整需求链条。

以燧原T21为例，该卡搭载64GB HBM2E显存，面向大模型时代的显存密集型负载。在HBM容量与带宽成为AI加速卡竞争焦点的当下，大容量HBM配置是衡量产品竞争力的硬指标之一。而集群方案的完整度——从单卡、整机到组网调度——则决定了芯片公司能否真正承接云厂商与行业客户的数据中心级订单。

国产AI芯片的集体资本化​

燧原上市并非孤立事件，而是国产AI芯片企业批量登陆资本市场的最新一站。在此之前，板块格局已经初步成形：

公司	上市地/代码
寒武纪	科创板
摩尔线程	科创板
沐曦	科创板（688802.SH）
天数智芯	港股（09903.HK）
燧原科技	科创板（688801.SH，2026年9月11日）

从训练芯片到推理芯片，从GPU路线到GPGPU、DTU等多技术路线，国产AI芯片公司正在以"科创板为主阵地、港股为补充"的格局完成集体资本化。燧原开盘188%的涨幅，某种程度上是市场对整个板块稀缺性与成长性的集中定价——每一个新上市标的，都在为后来者校准估值坐标。

"融资-流片-上市-再投入"的飞轮​

AI芯片是典型的重资产、长周期行业：一次先进制程流片动辄数亿美元级投入（行业内公认的成本结构），大规模量产还需要持续的产能保障与人员扩张。没有持续的资本供给，技术追赶很难维持节奏。

此番IPO募资，燧原将投向研发与产能两个方向：前者保证下一代芯片的技术迭代与追平能力，后者保证规模交付能力。由此，国产AI芯片行业正在形成一个清晰的飞轮：

1. 融资：一级市场资金支撑芯片流片与团队建设；
2. 流片与量产：产品落地，进入云厂商与行业客户供应链；
3. 上市：借助资本市场完成价值发现与再融资通道建设；
4. 再投入：募资投向下一代研发与产能，进一步缩小与海外厂商的差距。

寒武纪、摩尔线程、沐曦、天数智芯与燧原的接连上市，让这个飞轮转得越来越快。资本市场的持续输血，正在成为国产AI芯片追赶进程中不可或缺的助推器。

小结​

燧原科技科创板首日开盘暴涨188.37%、市值1764.44亿元、盘中最高涨幅超229%，腾讯浮盈超300亿元——这既是资本市场对国产AI芯片稀缺标的的热烈回应，也是"融资-流片-上市-再投入"产业飞轮加速运转的缩影。在HBM紧缺与AI算力需求爆发的双重背景下，国产AI芯片的资本化窗口仍在敞开。后续燧原能否将高估值转化为持续的营收与利润，将是检验这场资本盛宴成色的关键。

当全球最大云计算服务商选择与一家手机SoC巨头联手开发定制AI芯片，数据中心算力市场的竞争逻辑正在被改写。

一场跨多代的战略牵手​

当地时间2026年9月8日，高通技术公司与亚马逊AWS正式宣布达成一项跨多代产品的战略合作。双方将围绕大规模AI数据中心展开两个方向的深度协同：其一是联合开发多代定制AI芯片，其二是共同推进高速光互联解决方案，其中明确包含1.6T光连接方案。

这份协议最值得注意的不是"合作"本身，而是"跨多代"三个字。云厂商与芯片供应商之间的合作，通常以单颗芯片的流片项目为单位；而跨多代的框架式合作，意味着双方在芯片定义、迭代节奏、互联演进路线上都建立了长期协同机制。对高通而言，这是其在数据中心AI芯片市场战略布局上获得的、来自全球最大云计算服务商的关键背书。

合作要点一览​

合作维度	具体内容
合作双方	高通技术公司 × 亚马逊AWS
宣布时间	当地时间2026年9月8日
合作性质	跨多代产品的战略合作
定制芯片	面向大规模AI数据中心联合开发多代定制AI芯片
光互联	联合推进高速光互联解决方案，包含1.6T光连接方案

芯片与光互联并举，是这份协议的另一个信号。在超大规模AI集群中，互联带宽早已成为与算力同等重要的瓶颈，1.6T光连接代表的正是下一代集群网络的带宽量级。芯片设计能力与光互联能力的组合输出，让这桩合作超出了单纯的"定制ASIC"范畴。

高通的第二次冲锋​

对高通而言，数据中心并不陌生，但此前的探索主要集中在推理侧。高通此前已推出AI100、AI200、AI250等推理加速卡产品线，试图将自己在低功耗计算、SoC集成上的多年积累迁移到数据中心场景。

产品线	定位	具体规格
AI100	推理加速卡	未公开
AI200	推理加速卡	未公开
AI250	推理加速卡	未公开

从手机SoC转向数据中心AI芯片，是高通的第二次冲锋。第一次冲锋（AI100/AI200/AI250推理卡）走的是标准产品路线；而这一次的不同之处在于：它不再只是卖标准推理卡，而是直接切入头部云厂商的定制芯片供应链——这恰恰是博通（Broadcom）、Marvell等定制芯片玩家长期占据、且利润丰厚的位置。

这个转变的产业逻辑并不难理解。AI推理需求的爆发让云厂商迫切需要"够用、便宜、可定制"的算力方案，而高通在低功耗设计、异构集成上的基因，恰好与推理场景的诉求契合。借助AWS这个锚点客户，高通有望把定制芯片业务从"试水"升级为"主业"。

AWS的双轨算力战略​

AWS是业内少数坚持自研芯片路线的云计算巨头。其Annapurna Labs团队打造了Trainium训练芯片与Inferentia推理芯片两条自研产品线，支撑起自家大规模算力底座，也是AWS在算力成本上对抗NVIDIA溢价的核心筹码。

此番与高通合作，可以视为AWS在"自研 + 外部定制"双轨战略上的进一步加码：

• 自研线：Trainium/Inferentia保证核心架构可控与成本优化；
• 外部定制线：引入高通等外部设计力量，扩充设计带宽与供应链弹性，应对爆发式的AI算力需求。

两条腿走路的本质是风险对冲：自研芯片的迭代周期难以无限压缩，而外部定制伙伴可以在关键代际上补充产能与设计资源。全球最大云厂商选择加码双轨，本身就说明单一供给模式已经无法满足AI算力的需求曲线。

对行业格局的影响​

这笔合作最直接冲击的，是数据中心定制芯片与互联方案的既有格局：

• 对NVIDIA：头部云厂商在旗舰GPU之外扩充定制AI芯片选项，算力采购组合将更加多元，NVIDIA在数据中心市场的议价空间面临新的边际压力；
• 对Marvell、博通：高通携AWS背书进入定制芯片赛道，定制ASIC设计服务的竞争者又多了一家重量级玩家，客户资源与设计人才的争夺将更激烈；
• 对光互联生态：1.6T光连接的联合推进，意味着超大规模集群的互联带宽军备竞赛继续提速，光模块、光引擎、CPO/NPO相关供应链都将受益于这一代际切换。

更长远地看，"云厂商深度参与芯片定义"正在成为AI基础设施的主流范式。当芯片规格越来越贴近具体业务负载，通用GPU与定制ASIC之间的边界会被不断重画。

小结​

高通与AWS的跨多代合作，是"云厂商定制芯片"趋势下的标志性事件：手机SoC巨头以定制芯片+1.6T光互联的组合拳向数据中心发起第二次冲锋，全球最大云厂商则以"自研+外部定制"双轨强化供应链弹性。对NVIDIA、Marvell、博通而言，一个新的强敌已经入场；对整个AI基础设施行业而言，竞争的维度正在从"单点芯片性能"转向"芯片+互联+云"的全栈博弈。这是2026年下半年最值得持续跟踪的合作之一。

本文基于 Bloomberg Intelligence 与 Bernstein 2026 年 9 月发布的市场分析及公开报道整理；市场份额与营收为分析师预测口径，非官方披露。

9 月 28 日，两份华尔街报告同时描摹出一个戏剧性的画面：中国 AI 算力市场的份额天平，在 12 个月内完成了几乎彻底的翻转。

一、份额翻转：40% → 8%，昇腾 → 50%​

Bernstein 最新预测：

• 英伟达在中国 AI 芯片市场的份额，将从约 40% 跌至今年年底的约 8%
• 华为昇腾升至接近 50%
• 直接导火索：9 月中国对英伟达 H20 新订单的禁令，关上了英伟达重返中国市场的最后通道
• 字节跳动、阿里、腾讯均已下出大额昇腾订单

时间线上看，这不是一次突变，而是出口管制三年收紧的累积结果：英伟达在中国 AI 芯片市场的份额一度高达 95%，随着高端芯片断供，中国超大规模云厂商整体转向华为与国产替代；即便 2026 年 1 月华盛顿放开 H200 对华销售，转向的齿轮已经咬合，回不去了。

二、昇腾 950PR：分析师眼里的「中国版 H200」​

支撑这份份额数据的，是产品力本身：

• 昇腾 950PR 今年 3 月量产，FP4 算力最高 2 PFLOPS，搭载 128GB 国产 HBM
• 分析师将其评为大致对标英伟达 H200
• 华为 AI 芯片营收预计今年达 120 亿美元，较 2025 年的 75 亿美元增长 60%

950 系列的完整规格可参考我们此前的深度文章：昇腾 950PR/950DT 双配置解析 与 昇腾 960 官宣发布——960 已提前三个季度就绪，确认一年一代节奏。

三、模型侧：中国开源模型拿下 OpenRouter token 大盘​

芯片份额翻转的同时，模型使用侧的数据同样惊人（OpenRouter 平台统计）：

指标	数据
DeepSeek token 份额（6 月）	16.3%，超过 Google、Anthropic、OpenAI 各自单独份额，居第一
中国开放权重模型合计 token 份额（5 月）	约 61%（DeepSeek、Qwen、MiniMax、腾讯混元等）
中国模型周 token 消耗	约 18 万亿，美国模型约 5.5 万亿，3 倍以上差距且一年内完成反超
中美前沿模型性能差距（6 月）	收窄至 6%，创历史新低（5 月为 9%）

算力与模型形成正循环：买不到的卡倒逼国产算力放量，放量的国产算力养出便宜的 token，便宜的 token 让中国开源模型吃下全球推理流量的大头。

四、但股票市场没有买单​

Bloomberg Intelligence 同期指出一个矛盾：中国科技八巨头（China Tech 8）相对美股「七巨头」（Magnificent Seven）的估值折价达到年内最宽的 超过 50%，BI 认为只有「真正的 AI 突破」才能弥合。个股年内表现：阿里约 -7%、腾讯约 -23%，而美国 AI 基础设施龙头普涨 15% 以上。

这种背离有两种解读：要么市场低估了中国 AI 基本面，要么盈利执行（阿里上季 EPS 低于预期 17.3%、百度低 36%）拖累了 AI 叙事的兑现。对产业观察者而言，值得注意的是：算力侧的数据（份额、营收、出货）已经先行，应用侧的变现仍在路上。

五、对算力采购者的三点提示​

1. 在华部署，昇腾生态已是默认选项。 从 CUDA 迁移到 CANN 的成本是一次性的，而供给不确定性是持续性的；9 月禁令后，新采购英伟达卡在中国市场已无合规路径。
2. 国产算力「对标 H200」是分水岭。 过去国产替代的隐含假设是「性能打折、价格打折」；当单卡性能追平 H200 世代，采购决策就回归纯粹的 TCO 与供应安全计算——建议用 TCO 计算器 把电费、折旧、利用率放进同一张表里算。
3. token 成本曲线决定应用格局。 中国模型 61% 的 OpenRouter token 份额说明：算力自主 → token 降价 → 应用繁荣的链条已经跑通第一段，接下来看推理成本能否继续下探。

小结​

40% 到 8%，不是一句口号，而是一个由禁令、产品力与模型生态共同驱动的市场重排。对中国市场而言，昇腾 950/960 的量产节奏与 CANN 生态成熟度，将决定这份份额能否守住；对全球市场而言，中国算力「内循环 + 开源模型出海」的组合，正在改写推理流量的地理分布。

（市场份额与营收预测来自 Bernstein / Bloomberg Intelligence 分析师报告，实际数字以各公司财报为准。）

本文基于工信部《信息通信行业发展「十五五」规划》（2026 年 9 月印发）及《人民邮电》报、澎湃新闻、华夏时报等官方解读整理。

9 月上旬，工信部印发《信息通信行业发展「十五五」规划》，用 13 个主要指标、26 项重点任务给未来五年的信息通信业画了路线图。对 AI 算力行业来说，这是含金量最高的一份政策文件——我们挑出五个硬指标，逐个拆解产业含义。

指标一：智能算力 1590 → 9800 EFLOPS，五年增长超 5 倍​

这是整份规划最亮眼的数字。作为参照系：

• 截至 2026 年 6 月底，全国智能算力规模已达 2185 EFLOPS，同比增长 177%——上半年就超额完成了对 2025 年底（1590 EFLOPS）的跨越
• 全国已建成 42 个万卡级智算集群；2026 年 7 月，首个全国产十万卡级 AI 算力集群曙光 8000 在郑州落成
• 华为轮值董事长汪涛的判断：10 万卡以上超节点集群到 2027 年将成为基础配置

从 2185 到 9800，意味着未来四年还要再造 3.5 倍于当前存量的智算设施。规划同步要求「有序部署万卡、十万卡及以上智算集群」「加大力度适配国产算力芯片」——这是国产 AI 芯片未来五年最确定的需求底座。

指标二：信息基础设施累计投资 3.8 万亿元​

有观点拿「十四五」3.7 万亿对比，得出「投资见顶」的结论。官方解读明确反对这一说法：增量资金正从「规模铺量」转向「质效跃升」，精准投向智能算力基础设施、万兆光网、6G 等新赛道。产业链拉动效应也随之变化——AI 服务器、高速光互联、国产算力芯片、新型智能终端被点名为全链条受益方向。

指标三：新建大型算力设施 PUE 降至 1.2 以下​

「十四五」末这一数字是 1.25，五年内再降 0.05——听着不多，但在 AI 服务器常年高负荷、单机柜功率密度普遍超过 20kW 的今天，PUE 每降一点都是硬仗。规划给出的技术路径非常明确：液冷。

• 《信息通信行业发展「十五五」规划》：引导算力设施采用高效节能设备以及液冷等先进技术
• 《电子信息制造业发展「十五五」规划》（9 月 15 日由工信部、国家发改委联合印发）：把液冷散热与高带宽内存池、全光交换并列为要突破的关键技术

产业侧的数据也在验证：据 Omdia 统计，液冷在全球数据中心冷却市场的占比从 2024 年约 20% 攀升至 2025 年约 37%，预计 2029 年渗透率超过 45%。算力扩张的上限正在从芯片供给转向电力供给，「算力向上、能耗向下」的能效约束会是未来五年的常态。

指标四：先进存力 1700 EB，增长超 2 倍​

智能算力翻 5 倍的同时，先进存力翻 2 倍——存算协同被放在同等重要的位置。逻辑在于：大模型训练的检查点、智能体推理的中间状态和上下文记忆，都分层存放在高性能存储中。截至 6 月底，全国存力总规模约 2021 EB，其中先进存力占比约 32%；到 2030 年 1700 EB 的先进存力目标，意味着结构升级比总量增长更重要。

对芯片选型的直接提示：KV cache 与长上下文正在吃掉内存预算，评估 AI 服务器时显存容量与内存带宽的权重应该高于峰值算力。

指标五：智能体互联网络首次写入规划​

这是本份规划最具前瞻性的部分：「智能体互联网络」占据独立专栏，部署四方面内容——构建智能体网络标识体系、加快智能体网络设施建设应用、推动全球互联互通、建设空间管控体系。同时明确「适时启动 6G 商用」。

AI 从「人的应用」变成「智能体基础设施」，通信网的角色从连接人升级为连接智能体——这为推理算力的分布式部署（边缘推理、算力调度）提供了国家级叙事。

对算力从业者的三点判断​

判断	依据
国产算力需求确定性强	规划明文「加大力度适配国产算力芯片」+ 十万卡集群建设周期启动
能效指标成为选址硬约束	PUE 1.2 以下 + 液冷关键技术点名，高密度液冷方案优先
推理算力按需下沉	「面向场景按需部署推理算力设施」，边缘与区域算力中心有政策窗口

算力规模翻 5 倍的目标之下，真正稀缺的从来不是规划，而是芯片、电力和交付能力。 对采购方来说，供给窗口期依然紧张；对方案选型而言，建议直接用 TCO 计算器 把 PUE 差异折算成电费成本——1.25 与 1.2 的差距，在万卡集群的电费账单上是千万级的。

小结​

「十五五」规划把智能算力写成了国家级工程：5 倍算力、2 倍存力、3.8 万亿投资、PUE 1.2、智能体互联网。五年后回看，2026 年下半年的国产十万卡集群潮，很可能就是这条曲线的起点。

（规划数据引自工信部文件及官方媒体解读；市场数据引自信通院、Omdia 等机构统计。）

本文基于 NVIDIA 官方产品页、2026 年 3 月 GTC 架构博客及第三方基准数据整理；性能口径为厂商架构对比，实际收益需以自测为准。

英伟达确认，Groq 3 LPX——Vera Rubin 平台的「第七颗芯片」——已进入全面量产，由三星平泽园区代工。这是继 2025 年 12 月英伟达斥资约 200 亿美元获得 Groq 非独占 IP 授权与核心工程团队之后，这笔交易第一次以量产硅的形式落地。

对推理硬件格局而言，这是一次范式级事件：英伟达第一次把「别家定义的专用推理架构」纳入自家旗舰平台，且不是外挂销售，而是深度协同设计。

一、Groq 3 LPU 芯片与 LPX 机架：规格速览​

单颗 Groq 3 LPU（4nm，三星代工）：

项目	数值
编译器管理的片上 SRAM	500 MB
SRAM 带宽	150 TB/s
片间 scale-up 带宽	2.5 TB/s（96 条 chip-to-chip 链路，每条 112 Gbps）

单个 LPX 机架（32 个 1U 液冷托盘，每托盘 8 颗 LPU）：

项目	数值
LPU 总数	256 颗
FP8 算力	315 PFLOPS
片上 SRAM 总量	128 GB
SRAM 聚合带宽	40 PB/s
机架内 scale-up 带宽	640 TB/s
DDR5 内存	12 TB（承载大模型权重）

每颗 LPU 500MB 的 SRAM 看起来不大，但乘上 256 颗、再叠加 40PB/s 的聚合带宽，构成了「确定性低延迟解码」的物理基础——LPU 的设计哲学正是用编译器静态调度片上 SRAM，彻底消除推理解码阶段的内存取数停顿，而这恰恰是 GPU 推理最典型的瓶颈。

二、AFD：注意力与 FFN 分家，GPU 和 LPU 各干各的​

LPX 不是替代 GPU，而是与 Vera Rubin NVL72 组成异构系统，核心是 AFD（Attention-FFN Disaggregation，注意力-前馈解耦）：

1. Rubin GPU 负责 prefill 与 attention——在大上下文上构建 KV cache、执行注意力层，吃 HBM 容量与高吞吐；
2. Groq 3 LPU 负责 FFN / MoE 专家层解码——延迟敏感、模式可预测，恰好是 SRAM 确定性调度的主场；
3. 中间激活在两个引擎间逐 token 交换，由 NVIDIA Dynamo 编排路由，GPU 算每一层注意力，LPU 算每一层前馈，协同完成每个输出 token。

这套分工的逻辑很清晰：智能体应用消耗的 token 量可达传统 AI 应用的 15 倍，瓶颈从「能不能算完」变成「能不能以稳定低延迟持续吐 token」。让 HBM 大容器去跑 attention、让 SRAM 确定性引擎去跑 decode，各取所长。

三、实测与官方口径​

• 第三方实测（Artificial Analysis）：Gemma 4 31B、100K token 上下文下，LPX 输出约 3400 tokens/s——单 token 间隔低于 1 毫秒，长上下文智能体场景的交互感质变
• 官方架构对比：与 LPX 组合后，Vera Rubin NVL72 对万亿参数模型的每兆瓦吞吐最高提升 35 倍；「高价值 token」场景下每瓦收入机会最高 10 倍
• 首发客户：Nebius 率先部署 LPX 机架扩展其 token 产能；CoreWeave 已在生产环境用 Spectrum-X Multiplane 连接 Vera Rubin 机架

需要强调：35 倍/10 倍是特定高交互工作点的架构对比数字，不是普适结论。训练、大吞吐批量推理、需要 CUDA 生态灵活性的负载，GPU 仍是正解；LPX 的主场是「单用户交互延迟即产品」的场景——智能体循环、实时编码助手、长上下文对话。

四、三个行业信号​

1. 专用推理芯片被收编，而非对抗。 过去 LPU 是「GPU 挑战者」的叙事，现在变成了 Vera Rubin 的组成部分。推理硬件的终局可能不是一种架构赢，而是「GPU + 专用解码引擎」的异构组合成为标配。对其他推理芯片创业公司（Cerebras、Etched 等），这既是天花板抬高的证明，也是「要么被集成、要么找差异化」的警示。

2. 三星代工拿到高端 AI 订单。 在台积电几乎垄断 AI 主芯片的背景下，三星 4nm 承接 LPX 量产意义重大——叠加此前特斯拉 AI6 的 2nm 订单，三星代工有望在 2027 年重回全年盈利。

3. 推理经济性进入「按 MW 定价」时代。 当厂商开始用 tokens/MW 和每瓦收入讲故事，算力选型的核心 KPI 已经从峰值算力（TFLOPS）彻底转向单位能耗的 token 产出。这与我们在 TCO 计算器 里内置的功耗-电费模型逻辑一致：峰值参数好看的芯片，未必是每 token 成本最低的芯片。

小结​

Groq 3 LPX 量产标志着推理硬件进入「GPU 管吞吐、LPU 管延迟」的异构时代。对于正在选型推理集群的团队，建议把工作负载拆开评估：批量离线推理留在 GPU，交互式长上下文智能体值得单独测算 LPX 类方案的单位成本。拿不准的话，先用 TCO 计算器 跑一遍两种架构的 3 年持有成本再拍板。

（本文性能数据来自 NVIDIA 官方架构对比与 Artificial Analysis 第三方实测，实际部署请以自测为准。）

据芯智讯 9 月下旬报道，Nebius 宣布10 月 1 日起 H100 / H200 / B200 随需（on-demand）租金平均上调约 20%。同月，财联社报道 CoreWeave 截至 8 月 11 日已签约电力增至 4.2 GW，并将"继续以更高价格签约新算力"。这是本轮 AI 周期里租赁市场连续第 N 次提价——对采购方来说，自建与租用的 TCO 天平正在移动。本文用站内 TCO 计算器的口径拆解这笔账。

---

1. 涨价的三个推手​

• agentic 推理需求爆发：从 MLPerf v6.1 到 SemiAnalysis AgentX，agentic 负载成为推理增长主引擎——token 消耗量级远超聊天场景，推理算力从"够用"变成"永远不够"；
• 新一代平台的供给溢价：Vera Rubin NVL72 已在 CoreWeave 首发上线，新平台早期产能爬坡期定价天然偏高，同时抬高上一代卡（H100/H200/B200）的续租价格锚点；
• 电力成为硬约束：CoreWeave 4.2GW 签约电力的表述说明——数据中心供给瓶颈已从 GPU 转向电力与机架，电力在手的企业没有理由降价。

2. 租金上涨 20% 对 TCO 意味着什么​

站内 TCO 计算器把总拥有成本拆成采购 + 能耗 + 运维 + 网络 + 折现五段。租金上涨不直接进入这个模型，但它改变了"租用基准线"——即自建方案要击败的机会成本：

场景	租金涨 20% 前	涨 20% 后
短期弹性负载（不足 1 年）	租用占优	租用仍占优（自建部署周期追不上）
稳定推理负载（2-3 年）	临界区	自建开始占优（机会成本抬高）
训练集群（3 年+）	自建占优	自建优势扩大

直觉化判断：

• 24/7 满载跑 2 年以上的负载，租金上调 20% 通常足以让自建（哪怕按 1.5 倍采购溢价、含 PUE 1.3 能耗模型）在 30 个月内反超；
• 潮汐型负载（白天高峰、夜间空闲）仍应租用——自建方案按 15% 空闲功耗持续付费的假设下，利用率低于约 50% 时自建几乎不可能回本；
• 混合策略（自建基线 + 租用峰值）对租金上涨的敏感度最低，是当前利率与电价环境下的稳健解。

上述结论可在 TCO 计算器中自行复算：把"云租用单价"按 +20% 输入，对比采购价、电价与 PUE 两个情景。折现率默认 8%，采购成本不折现、逐年电费按 1.08^-y 折现。

3. 国产算力的定价含义​

租金上涨对国产 AI 芯片的采购决策有一层容易被忽略的影响：

• 国产卡的租用市场尚未成熟：昇腾 / 寒武纪 / 摩尔线程的算力主要以一体机、整机柜和智算中心配额形式交付，公开随需租价稀缺——采购对比天然偏向"自建/整机"模型；
• 相对 TCO 变化：NVIDIA 租金上涨 20% 等于抬高了所有国产替代方案的"相对吸引力"，尤其是推理负载（910C / 950PR / P800 一级市场的实际成交价未公开，但整机报价对美元卡的价格差在扩大）；
• 供给节奏：DeepSeek 押注昇腾训练、16 万颗 950DT 采购传闻——头部需求先吃掉产能，后来者的排队周期在拉长，早决策本身有价值。

4. 小结​

• Nebius 10 月起 H100/H200/B200 随需租金 +20%；CoreWeave 签约电力 4.2GW 且继续高价锁量——租赁市场供需仍紧；
• agentic 推理 + Rubin 供给溢价 + 电力约束，三力推高租金，且短期难回头；
• 决策口径：稳定负载 2 年+ → 自建窗口打开；潮汐负载 → 继续租用；混合策略最抗涨价；
• 看什么：其他云厂商是否跟进调价、Rubin 租赁的正式定价、国产算力是否出现公开租用市场。

---

相关阅读​

• TCO 计算器（本站交互工具，支持采购/能耗/折现全参数）
• Vera Rubin NVL72 MLPerf v6.1 首秀
• DeepSeek 确认押注华为芯片训练大模型

参考资料​

• 芯智讯：Nebius 上调 AI 芯片租用价格，10 月 1 日起 H100/H200/B200 随需租金平均上涨约 20%（2026-09-21）
• 财联社 / 东方财富：CoreWeave 推出多机架 Vera Rubin NVL72 集群，已签约电力增至 4.2 吉瓦（2026-09）

本文基于公开报道整理；TCO 结论依赖利用率、电价、折现率等假设，请以 TCO 计算器按自身参数复算为准。