8 月底至 9 月初，国产 AI 芯片厂商半年报密集披露，加上燧原科技 9 月 2 日启动 IPO 申购，被称为"国产四小龙"的摩尔线程、沐曦、壁仞、燧原全部完成上市，加上早已在科创板的寒武纪——国产 AI 芯片的资本市场拼图就此补齐。更重要的是，财报数字第一次集体印证了一件事：国产算力正从"能用"跨向"好用"，商业化拐点已现。

---

1. 半年报成绩单：增长是主旋律，盈利是分水岭​

厂商	2026H1 营收	同比	盈利状态	技术路线
寒武纪	59.96 亿元	+108.1%	归母净利 23.11 亿	自研 MLU 指令集（DSA）
摩尔线程	17.36 亿元	+147.4%	净亏 1156 万（收窄）	全功能 GPU（兼容 CUDA 路线）
壁仞科技	12.36 亿元	+1997.6%	未盈利	通用 GPU
沐曦	13.24 亿元	+44.7%	净利 6.12 亿（首次扭亏）	通用 GPU
燧原	11.20 亿元	+279.1%	未盈利	DSA 专用架构（TopsRider）

几个值得注意的细节：

• 沐曦率先跨过盈利线：8 月 31 日披露的半年报显示净利润 6.12 亿元、同比扭亏（上年同期亏损 1.86 亿）；不过扣非净利润仍为 -4900 万（亏损收窄 75.8%）——含金量仍在爬坡。
• 壁仞低基数暴增：近 20 倍的同比增速来自上年同期极低的收入基数，但 12.36 亿的绝对体量已与燧原、沐曦同量级，第二梯队座次重新洗牌。
• 研发强度惊人：沐曦研发费用占营收 39.7%、摩尔线程 44.3%、壁仞高达 65%——高研发投入是全员未完全盈利的根本原因，也是未来竞争力的来源。
• 摩尔线程毛利率承压：从 78% 降至 57%，成本增速（+245%）远超营收增速（+147%）——大规模量产期的品控与爬坡成本开始显现。

2. 燧原登板：四小龙资本拼图补齐​

燧原科技 9 月 2 日启动公开申购，发行 4303 万股新股（约占上市后总股本 10%），募资目标 60 亿元，采用 DSA 专用架构 + 自研 TopsRider 软件平台（不兼容 CUDA）。至此：

• 科创板：寒武纪（2020 年）、摩尔线程、沐曦、壁仞（2026 年）
• 燧原：2026 年 9 月完成上市

国产 AI 芯片第一梯队全部进入公开市场，融资通道打开后，研发投入的"军备竞赛"将进一步升级。

3. 需求端：百万卡缺口，订单排到三年后​

财报爆发的另一面，是需求端的极度饥渴：

• 产能缺口：行业调研显示，2026 年国产 AI 芯片需求规模约 400 万颗，实际交付约 300 万颗，存在百万级缺口；
• 订单周期：内蒙古乌兰察布远景星河基地（规划支撑百万卡级并行算力）表示"在手订单已排到三年后"；
• 供给创新：算力紧缺催生"集装箱式算力中心"——20/40 英尺标准集装箱为载体，插电接水即可在 24 小时内完成部署，把传统"一年工期"压缩到"一天上线"；
• 市场空间：IDC 数据显示 2025 年中国 AI 加速卡出货约 400 万片，国产占约 41%（165 万片）；CIC 预测中国 AI 加速器市场 2028 年将超万亿元，其中国产方案份额约 90%。

4. 两种路线的两种赌注​

市场研究机构预测 2026 年中国高端 AI 芯片市场中，国产方案份额将接近 90%，其中华为约 62%、寒武纪约 14%，剩余由摩尔线程、沐曦、壁仞等共同占据。而寒武纪与摩尔线程这对"双龙头"，正在押注两种截然不同的未来：

寒武纪：用现金买确定性。 半年报资产负债表上，存货 82.48 亿 + 预付款 29.14 亿，两项合计 111.6 亿、占总资产 61%——在实体清单限制下"产能即订单"，提前锁定未来 12-18 个月的晶圆产能，代价是经营现金流净额同比下滑 66%，且上半年已计提存货跌价损失 3.97 亿。底气来自订单确定性：57 亿元股权激励计划的考核目标是 2026 年营收不低于 135 亿、2026-2028 年累计不低于 1000 亿。

摩尔线程：用亏损买时间。 全功能 GPU 的"大而全"路线（AI 计算 + 图形渲染 + 物理仿真 + 视频编解码）前期投入巨大，需要在现金流耗尽之前跨过规模化的门槛。上半年亏损已收窄至千万级，IPO 募资到位后，时间窗口正在变宽。

5. 软件生态：被忽视的胜负手​

需求外溢（英伟达 H20 系列在中国市场遇冷）推动 DeepSeek、智谱 GLM、月之暗面 Kimi 等头部模型纷纷适配国产加速器（昇腾、沐曦、摩尔线程等），这给了国产芯片难得的"真实负载打磨机会"。但正如行业共识：芯片可以三年一代，生态需要十年之功。寒武纪自研指令集的封闭高效、摩尔线程 MUSA 对 CUDA 生态的兼容路线、燧原 DSA 的专用极致——哪条路能沉淀出真正的开发者生态，才是决定 2030 年格局的关键变量。

---

相关链接​

• 寒武纪 MLU690 规格页
• 沐曦曦云 C600 规格页
• 壁仞 BR100 规格页
• 燧原 T21 规格页

参考资料​

• Pandaily：China's Four Domestic AI Chip Makers Near a Commercial Turning Point（2026-09）
• 央视财经 / 大湾区经济网：百万卡缺口，订单排到三年后！国产算力上演"抢芯大战"（2026-09-01）
• 钛媒体：国产芯片的两场豪赌——寒武纪买确定性，摩尔线程买时间（2026-09-03）

---

本文基于上市公司半年报、Pandaily 与央视财经等公开报道整理。财务数据为公司披露口径，市场份额为研究机构预测，不构成任何投资建议。

9 月第一周，存储行业传来三组关键信号：SK 海力士面向英伟达 Vera Rubin 平台量产交付全球首款 12 层 HBM4；三星 Q2 HBM 份额飙升至 33%、直逼王座；美光宣布年底 HBM 月产能翻倍至约 10 万片晶圆。 HBM4 的竞争，已经从"谁能造出来"变成"谁能最快量产爬坡、谁绑定的客户最深"。

---

1. 三巨头战报：领跑者、追赶者与搅局者​

维度	SK 海力士	三星电子	美光
HBM4 关键节点	2026 年中向 Vera Rubin 量产交付 12 层 HBM4（全球首款完整质量认证）	2026 年 2 月全球首家大规模量产出货	2026 Q2 量产 12 层 HBM4，批量出货
DRAM 核心裸片	1b（第五代 10nm 级）	1c（第六代）	—
Base Die 代工	台积电 12nm	自家 4nm	拟转台积电（1γ 工艺代）
2026 HBM4 份额预测	~54%	~28%	~18%
Q2 HBM 营收份额	50%（环比 -14pct）	33%（环比 +12pct）	18%
HBM 产能	~15–20 万片/月	~15–20 万片/月	年底冲刺 10 万片/月（现为 4–5 万）

三个关键读数：

• 三星的反扑是真的：从去年 Q2 份额低至 15%（落后美光 6 个百分点）到今年 Q2 的 33%，三星用一年时间把与 SK 海力士的差距缩小到 17 个百分点。三星预计 HBM4 将占其下半年 HBM 收入的 60% 以上，且现有 HBM4 产能已被客户预订售罄，2026 年 HBM 总产能计划提升约 50%；
• 美光的追赶也是真的：CEO 梅赫罗特拉透露 12 层 HBM4 爬坡速度约为 HBM3E 的两倍、累计收入已超 10 亿美元；年底若如期达成 10 万片月产能，与两强的差距将缩小一半；
• SK 海力士的护城河依然深：与英伟达签署多年期 HBM/DRAM 供应协议、率先完成 2027 年 HBM4 价格谈判，在英伟达 HBM4 采购中占比约 60%（乐观情形 70%）。

2. 变局核心：封装比 DRAM 制程更值钱​

HBM4 与 HBM3E 时代最大的不同，是胜负手从存储颗粒转向了封装与 Base Die：

• I/O 通道数从 1024 条翻倍至 2048 条，单颗 12 层封装吞吐超 2TB/s，能效较前代提升逾 40%；
• Base Die 首次引入晶圆代工厂先进逻辑工艺——SK 海力士用台积电 12nm，三星用自家 4nm，美光计划在 1γ（首次导入 EUV）世代转由台积电代工；
• 存储原厂与代工厂的协作深度，第一次成为决定出货速度的关键变量——这正是 Hot Chips 2026 上"三星 HBM Base Die 逻辑工艺化"议题的产业注脚。

SEMI 数据显示，2026 年全球 HBM 市场规模预计增长 58% 至 546 亿美元，约占 DRAM 市场四成。行业预计 HBM4 销售占比将在 2026 年 Q4 正式超越 HBM3E，成为市场主流。

3. 客户端信号：Rubin 加码，Rubin CPX 重生​

需求端同样在 9 月出现重要变化：

• Vera Rubin 全面量产（详见本站专文）：每颗 Rubin GPU 搭载 288GB HBM4、带宽 22TB/s，NVL72 整柜 75TB 快速内存——HBM4 供给直接决定 Rubin 出货上限，这也是英伟达把"先进晶圆与 HBM 供应"列为当前第一约束的原因；
• Rubin CPX 项目重启：据 CFM 闪存市场 9 月 2 日简讯，英伟达重启此前搁置的 Rubin CPX 机柜项目，内存规格由 128GB GDDR7 改为 168GB HBM4，机架改为独立 MGX ETL 设计，客户可选 64/128/192/256 颗 GPU 配置——推理专用卡也全面转向 HBM4，进一步放大了 HBM4 需求；
• 供给协议长期化：英伟达已与 SK 海力士、美光签署多年期 HBM 及 DRAM 供应协议，锁供给、锁价格、锁产能成为巨头标配动作。

4. 下半场：HBM4E 已经鸣枪​

下一代产品的竞争在 2026 年同步开启：

• SK 海力士：HBM4E 送样提前至 2026 年年中（原计划下半年），COMPUTEX 2026 已展出 12 层样品，单引脚速率最高 16Gbps、单堆栈带宽约 4TB/s，计划 2027 年量产；
• 三星：2026 年 Q2 起向头部客户交付业界首批 HBM4E 样品（48GB），目标 2027 年拿下 HBM4E 市场 50% 以上份额；
• 美光：HBM4E 预计 2027 年量产，首批样品采用 1γ 制程 DRAM。

5. 对采购方与投资观察者的启示​

• 供应商组合成为第一优先级采购变量：同样买 Rubin 平台，采用哪家 HBM 供应商的整机，交付周期可能相差数月；
• 国产链条的机会窗口：HBM 供不应求叠加出口管制，长鑫等国产存储玩家的 HBM 进展值得持续跟踪——国产 AI 芯片（昇腾 950 系列等）对 HBM 的需求同样在放量；
• 跟踪三个领先指标：头部云厂商 Rubin 机架采购量、HBM 设备供应商订单（美光已加大 PO）、HBM4E 送样→量产的时间差。

---

相关链接​

• NVIDIA Rubin 规格页
• NVIDIA Rubin CPX 规格页
• NVIDIA Rubin Ultra 规格页

参考资料​

• Electronic Times：US Micron to Double HBM Capacity, Closing Gap with Samsung and SK（2026-09-04）
• Korea Herald / News18：Samsung narrows SK hynix HBM lead as HBM4 shipments accelerate（2026-09-04）
• CFM 闪存市场：HBM4 量产爬坡竞速与 Rubin CPX 重启简讯（2026-09-02/04）
• 快科技：美光吹响反击号角！HBM4 产能翻倍直追三星海力士（2026-09-04）

---

本文基于 2026 年 9 月初 Counterpoint Research、CFM 闪存市场及韩媒报道整理。份额与产能数据均为研究机构/供应链预估口径，实际以各原厂财报为准。

2026 年 9 月初，供应链信息确认：英伟达 Vera Rubin 平台已于 8 月正式量产、9 月启动批量出货，无延期、无卡顿。与 Blackwell 迭代初期的产能波折不同，这次量产节奏异常平稳——谷歌云、微软 Azure、CoreWeave、甲骨文云等头部云厂商已启动机架部署。但真正值得产业记住的，不是"又一代 GPU 量产了"，而是 Rubin 把液冷从"可选配置"变成了"硬性前置条件"。

---

1. 量产节奏：史上最平稳的一次平台切换​

根据产业链调研与券商跟踪信息：

• 2026 年 8 月：Vera Rubin 正式量产；
• 2026 年 9 月：批量出货启动；
• 2026 下半年：CoreWeave、谷歌云、微软 Azure、甲骨文云机架部署落地；
• 2026 年：上代 GB 架构机柜出货量有望达 6 万台（同比翻倍）；
• 2027 年：GB 与 Rubin 两代平台合计出货体量有望接近 10 万台，Rubin 新机柜远期产能目标为每天 1000 个 NVL72 机柜。

需求侧同样在加码：华尔街报告披露，英伟达管理层表示 FY28 同比增长 70% 的目标并非需求上限——若供应不受限，增速可能超过 100%。当前主要约束已从需求端转向先进晶圆与 HBM 供应。

2. 单卡 2300W：风冷时代的终结​

Rubin 平台与前代最根本的差异不在算力，而在功耗密度：

指标	H100	GB300	Rubin
单 GPU TDP	700W	~1400W	2300W
机柜功耗	~40kW	~140kW	190–230kW
散热方案	风冷为主	风液混合	100% 全液冷
供电架构	48V	48V	800V 高压直流

单芯片 TDP 从 700W 升至 2300W、单机柜功率密度突破风冷物理极限——这意味着 液冷不再是高端算力的选配升级，而是运行 Rubin 服务器的先决条件。英伟达官方将 Rubin 全液冷架构定义为"数据中心历史上最重要的能效突破之一"，并已写入 DSX AI 工厂参考设计：所有跟随英伟达技术路线的云厂商和数据中心运营商，都必须采用全面液冷方案。

三个关键架构变化：

1. 无风扇整机：GPU、CPU、交换机、DPU 全部器件强制采用直接冷板式液冷，45℃ 温水冷板成为出厂标配；
2. 液冷边界延伸：散热覆盖范围从 GPU 冷板延伸至 CPU、DPU、交换机乃至光模块（液冷 Cage/鼠笼开始从"可选"变"刚需"），整套液冷系统价值量较 GB300 提升约 40%；
3. 800VDC 供电：替代传统 48V 机架配电，整机电源 BOM 价值增长 30% 以上，PSU 电源模块从 5.5kW 向 18.3kW 迭代，固态变压器、高压直流 CDU 成为数据中心新增核心设备。

3. 对产业链的三重传导​

第一重：液冷从"配套"变"主角"。 2026 下半年以小规模部署验证为主，真正的放量窗口在 2027 年——Rubin 机架大规模铺货后，冷板、快速接头、CDU、液冷泵进入业绩兑现期。台系供应链 7 月数据已率先验证：AVC 奇鋐 7 月营收 185.9 亿新台币创历史新高（同比 +57.4%），双鸿、健策 7 月同比分别 +116.7%、+91.0%。

第二重：国产液冷供应链进入核心 BOM。 国内厂商由外围冷源和代工环节逐步进入芯片平台、服务器 ODM 和海外云厂商供应体系，替代路径从 Manifold、管路推进至高可靠快接头和冷板。英维克 26H1 海外收入占比 71.4%，飞龙股份液冷泵小功率平台订单超 5 万台——液冷全核心零部件自主可控正在成为现实。

第三重：供电与散热边界融合。 800VDC 架构下，电源模块、PDB 配电单元、高速交换芯片自身发热也达到很高水平，部分电源组件同样需要液冷辅助散热——电源与温控两条产业链正在合并成一条。

4. 需求矩阵扩容：云厂商之外，太空算力入场​

Rubin 的客户矩阵已从传统云厂商扩展至三个层次：

• 全球云厂商：谷歌云、Azure、甲骨文云、CoreWeave；
• AI 科技巨头：马斯克公开披露 2027 年 8GW 超大规模 IDC 建设规划；SpaceX 将 Vera Rubin 架构定义为"最优 AI 计算架构"，计划地面与太空双向部署，支撑 "Starmind" 卫星算力项目；
• 主权与边缘：远期 Rubin Ultra 及 2027 年后更高功耗机型单机柜有望冲击 600kW+。

普华永道预计全球数据中心累计投资到 2035 年将达 31.6 万亿美元。AI 基础设施建设的确定性，已经从"是否建设"变成"多快建设"。

5. 对采购方的启示​

• 机房规划前置：2027 年起采购 Rubin 级算力，液冷改造（单千瓦改造成本较高）或按全液冷标准新建，必须在预算周期一开始就纳入；
• 看 PUE 也看水温：45℃ 温水直冷允许更高进水温度，可利用自然冷源压低 PUE——选址时人工冷源依赖度成为新的评估维度；
• 供应商组合即风险对冲：HBM 与先进封装供应是当前核心瓶颈（详见本站 HBM4 竞速分析），供应链多元化比单点性能更重要。

---

相关链接​

• NVIDIA Rubin 规格页
• NVIDIA Rubin Ultra 规格页
• NVIDIA Rubin CPX 规格页

参考资料​

• 英伟达官方博客：Rubin 全液冷架构解析
• 财联社：Rubin 全面量产，看好液冷二次侧放量（2026-09-04）
• 东方财富研报：Vera Rubin 开启量产周期，AI 算力硬件环节迎来量价齐升（2026-08-27）
• 雪球：Vera Rubin 量产交付落地，全液冷 800V 高压架构重构（2026-09-03）

---

本文基于 2026 年 9 月初供应链调研、券商研报与英伟达官方披露整理。出货量与功耗数据为产业链预估口径，实际以英伟达及客户正式披露为准。

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/s	Blackwell 的 2.8 倍
NVFP4 推理	50 PFLOPS	GB200 的 5 倍
训练算力	35 PFLOPS	3.5 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 L2	Hot 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
RAS	ECC、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
Jalapeño	OpenAI × 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 300–500	Meta（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​

• NVIDIA Rubin 规格页
• AMD MI455X 规格页
• Intel Crescent Island 规格页
• Google TPU 8t 规格页
• Google TPU 8i 规格页

参考资料​

• Hot Chips 2026 三巨头同台：Rubin 3360 亿晶体管、MI455X 432GB、Crescent Island 480GB - IC 芯片行业观察
• Hot Chips Day 2: Rubin, MI400 and Diamond Rapids Go Head-to-Head - AI2Work
• NVIDIA Vera Rubin NVL72 Rack at Hot Chips 2026 - ServeTheHome
• Hot Chips 2026: 4 Hyperscalers Put Custom AI Silicon on One Afternoon - Sean Kim

---

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。

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 8t	Sunfish	Broadcom	训练	单 pod 9600 卡、121 FP4 ExaFLOPS、2PB 共享 HBM、ICI 带宽翻倍
TPU 8i	Zebrafish	MediaTek	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​

• 推理加速卡市场 2026
• Hot Chips 2026 全景总结
• Google TPU 8t 规格页
• Google TPU 8i 规格页

参考资料​

• Hot Chips 2026: 4 Hyperscalers Put Custom AI Silicon on One Afternoon - Sean Kim
• Custom AI inference silicon: why OpenAI built Jalapeño - nexi.fund
• Anthropic Builds Custom AI Chips for Claude - Studio Global AI
• 所有大厂都在做同一件事：自己造芯片，少买英伟达的 - 今日头条

---

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。

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 Gbps	16 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​

• NVIDIA Rubin 规格页
• AMD MI455X 规格页
• Hot Chips 2026 全景总结

参考资料​

• Samsung's HBM4 Yield Hits 80% as HBM Race Heats Up - TrendForce
• Samsung HBM4 Yield Hits 80%, Boosting AI Memory Supply - PC Central
• Samsung Weighs Shipping Legacy Memory Backend to Vietnam to Unlock HBM Capacity - TechTimes
• 芯闻|六个月良率跃迁：三星HBM4突破80%黄金门槛 - 今日头条

---

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。

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。

📌 更新（2026-09-18）：华为已于 9 月 17 日全联接大会正式官宣昇腾 960（详见第 1 节），本文 960 部分已按官方披露更新。

---

1. 华为昇腾：950 产能排满，960 官宣提前发布​

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，超节点已部署超 1000 套
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 Q2	昇腾 960DT	官宣提前三个季度就绪（2027 Q1）
2027 Q3	昇腾 960PR	提前一个季度就绪
2028 / 2029	昇腾 970 / 980	一年一代路线图官宣

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 官宣规格（2026-09-17 华为全联接大会，汪涛）：

指标	昇腾 960DT（训练版）
FP8 算力	2 PFLOPS（较 950 翻倍）
FP4 算力	4 PFLOPS
显存	288GB（自研 HBM）
显存带宽	9.6 TB/s
就绪 / 上市	2027 Q1 / 2027 Q2（配套 Atlas 860 风冷超节点）

960PR（推理版）2027 Q3 上市，配套 Atlas 960 液冷超节点。同场发布的昇腾 960 超节点是全球首个采用 NPO（近封装光学）的超节点：单节点 4096 卡、8 EFLOPS FP8 / 16 EFLOPS FP4、1PB HBM、互联 RTT 低至 2μs；5500 个自研 Hi-ONE 光引擎（业界首个量产 NPO，单引擎 7.2T）替代 4.8 万颗 800G 光模块，功耗降低超 550kW，系统可用度 99.8%。

• 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；910C 超节点部署超 1000 套，950 超节点已规模商用。
• 华为同步确认一年一代节奏：2028 昇腾 970、2029 昇腾 980，依托"韬定律"持续算力翻倍。
• ⚠️ MFU 提升 2.75 倍、推理时延降低 70% 等收益数据出自华为马尔科夫实验室仿真，非第三方实测。

---

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；据 HC2026 披露，CANN 外部开发者占比升至 61%（首次超越内部团队），月活开发者突破 5200 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​

• 华为昇腾 960 规格页
• 华为昇腾 950DT 规格页
• 寒武纪 MLU690 规格页
• 摩尔线程 MTT S5000 规格页

参考资料​

• 华为官网：发布全球首个采用 NPO 的超节点（昇腾 960 超节点）（2026-09-17）
• 电子工程专辑：国产 AI 芯片新突破！华为昇腾960芯片将提前发布
• 国产AI芯片行业观点更新 - 萝卜投研
• 摩尔线程，一日两大利好 - 东方财富网
• 摩尔线程 × 硅基流动：PD 分离异构算力混部技术白皮书 - 与非网
• 接近盈亏平衡后 摩尔线程再赴港股"大考" - 顶端新闻

---

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。

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
GPU	52.6%	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 GPU	NVIDIA 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/s	Google 规模化推理
自研 ASIC	OpenAI 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 Island	350W 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​

• Hot Chips 2026 全景总结
• 云巨头自研芯片浪潮
• NVIDIA Rubin 规格页
• Intel Crescent Island 规格页

参考资料​

• Inference Chips vs Training Chips - ValueAdd VC
• 全球及中国推理专用芯片行业发展深度洞察研究报告(2026) - IIM
• 2026年全球AI训练/推理芯片市场及趋势咨询报告 - IIM
• Custom AI inference silicon: why OpenAI built Jalapeño - nexi.fund

---

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。

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​

• 华为昇腾 950DT 规格页
• 华为昇腾 950PR 规格页
• 摩尔线程 MTT S5000 规格页

参考资料​

• 昇腾950超节点真机亮相2026世界人工智能大会，斩获SAIL最高奖 - 环球网
• 2026WAIC算力竞争进入"系统级"战场，昇腾950超节点真机首次对外展出 - 腾讯新闻
• Huawei unveils advanced Atlas 950 SuperPoD - China Daily
• 华为昇腾 950 获 2026 世界人工智能大会 SAIL 奖最高荣誉 - 虎嗅
• WAIC上的算力重器：华为昇腾950超节点真机现身 - 21世纪经济报道

---

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。

AMD 已确认旗舰 AI 大会 Advancing AI 2026 将于 2026年7月22-23日 在旧金山 Moscone Center 举行，主题演讲定于 7 月 23 日，由董事长兼 CEO 苏姿丰（Lisa Su）主持。大会将补全 Instinct MI400 系列 的可用性时间线、定价与独立基准数据。

1. Instinct MI400 家族：三款 CDNA 5 加速器​

AMD 在 CES 2026 已完整公布 MI400 产品矩阵，三款加速器均基于 CDNA 5 架构、TSMC 2nm 制程，按精度与场景分工：

型号	定位	关键规格
MI455X（旗舰）	大规模训练/推理（机架级）	3200 亿晶体管、12 chiplet、432 GB HBM4（12×36GB）、19.6 TB/s、FP4 40 PFLOPS / FP8 20 PFLOPS
MI440X（企业版）	本地企业 AI（8 卡节点）	低精度 AI（FP4/FP8/BF16），可直接替换 MI300/MI350，兼容既有机房供电散热
MI430X（HPC/主权 AI）	高精度科学计算 + AI	完整 FP32/FP64，已部署橡树岭 Discovery、法国首台 exascale Alice Recoque

MI455X 与 MI440X 主攻低精度 AI（FP4/FP8/BF16），MI430X 补齐传统 HPC 高精度需求——通过"按精度裁减执行单元"提升能效与性价比。三者均支持 UALink（首批兼容该标准的加速器）与 Infinity Fabric 片间互联，机架扩展走 Ultra Ethernet。

苏姿丰在 2026 Q1 财报会上确认：已向核心客户送样 MI455X GPU，客户需求"超过公司对 2027 年的内部预期"。

2. Helios 机架：3 exaFLOPS 单柜​

AMD 以 Helios 机架级平台 切入超大规模市场：

指标	Helios 机架
加速器	72 × MI455X
聚合 HBM4	31 TB
总内存带宽	1.4 PB/s
单柜算力	最高 3 AI exaFLOPS（Q3 交付目标）
目标客户	超大规模训练/推理集群

Helios 采用 AMD 自研 Zen 6 EPYC Venice CPU（每机架 18 颗）+ Pensando Vulcano 800G NIC，通过开放 ROCm 软件栈整合；AMD 还规划了 双宽 128 卡 Helios 变体，单柜算力可推高至 3 AI exaFLOPS 上限。更长远的 MI500 系列（CDNA 6、2nm、HBM4E） 计划 2027 年推出，官方称相对 MI300X 的 AI 性能提升最高达 1000 倍。

3. 12GW 大单：OpenAI + Meta 双重背书​

AMD 手握两份历史级别的算力协议，合计约 12 GW，全生命周期潜在收入或达 1000 亿美元：

客户	规模	首批部署	结构
OpenAI	6 GW（多代产品）	首期 1 GW，2026 H2 用 MI450	"compute-for-upside"：授予最多 1.6 亿股认股权证，随里程碑与股价目标分阶段归属
Meta	6 GW	定制 MI450 芯片，2026 H2 起	部署于下一代数据中心

财务预期​

指标	2026 预测
MI400 系列营收	~$72 亿（约占数据中心销售 25%）
数据中心 GPU 营收	~$150 亿（同比 +114%）
数据中心总营收	或达 $287 亿（同比 +73%）

⚠️ 执行风险：AMD 已提示 MI450 于 Q3 量产将拖累毛利率（新品低于公司平均）；先进制程与先进封装（TSMC CoWoS）产能仍是主要约束。

产业解读​

1. CUDA 护城河被撬动：当 Meta、OpenAI 这类构建全球最大训练集群的公司押注 AMD 硅片，AMD 长期 5–7% 的 GPU 份额天花板正被打破。
2. 内存优势差异化：432 GB HBM4 / 19.6 TB/s 相较 NVIDIA Rubin 的 288 GB 具备容量优势，对大模型推理（KV Cache 受限场景）尤为关键。
3. 对标节奏咬紧：MI450 与 NVIDIA Vera Rubin 同在 2026 H2 放量，两强在 HBM4 供应、CoWoS 产能上正面争夺。

相关链接​

• AMD Instinct MI455X 规格页
• AMD Instinct MI400 规格页
• AMD Instinct MI350 规格页

参考资料​

• AMD sets July date to detail its Instinct MI400 AI accelerators - IT Magazine
• 苏姿丰：AMD 已向核心客户送样 MI450 GPU - AGI.Space
• AMD 与 OpenAI 宣布策略性合作，部署 6GW AMD GPU - AMD 官方新闻稿
• AMD's 12-Gigawatt AI Contract Haul - StocksToday

---

本文写于 Advancing AI 2026（7月22-23日，明日开幕）前夕；大会主题演讲定于 7 月 23 日由苏姿丰主持，届时将揭晓 MI400 最终上市时间、定价与独立基准数据，我们将同步更新。