65 篇博文 含有标签「AI Infrastructure」

从7月23日"Advancing AI"发布会官宣，到9月18日确认进入量产、首批出货瞄准Q3末——AMD Helios只用约2个月就完成了从PPT到产线的跨越。多吉瓦级的客户承诺，正在变成真金白银的硬件收入。

量产落地：约2个月的执行速度​

据2026年9月18日报道，AMD MI455X / Helios机架系统已进入生产阶段，首批出货目标为2026年第三季度末。回顾时间线：2026年7月23日Advancing AI大会上正式发布，到9月确认量产，间隔仅约2个月。对于机架级AI系统的量产节奏而言，这是相当激进的执行速度——NVIDIA当年GB200 NVL72的量产爬坡曾因供应链问题拖延数个季度，Helios显然吸取了教训。

客户版图：多吉瓦承诺正在兑现​

AMD在AI基础设施领域的客户合作已形成一张密集的网络：

客户/伙伴	合作内容
OpenAI	宣布6GW部署合作
Meta	扩大合作，再部署6GW
Anthropic	战略合作
微软	Helios首批客户之一，2026年下半年交付
Oracle	扩大合作
TCS	将Helios架构带到印度
HPE	扩大开放机架合作
美国主权AI	助力超算建设

其中最重磅的是OpenAI的6GW与Meta的6GW——合计12GW的多吉瓦承诺，正通过MI455X/Helios的量产转化为近期硬件收入。这意味着AMD的Instinct业务线将从"技术验证"阶段正式进入"规模收入"阶段。

Helios机架：72卡MI455X的机架级算力​

Helios机架系统的核心构成如下：

组件	规格
GPU	72 × MI455X（CDNA 5架构）
单卡显存	432GB HBM4
显存带宽	23.3TB/s
CPU	EPYC "Venice"（Zen 6，最高256核）
网络	Pensando Vulcano NIC
互联	UALink
机架算力	2.9 EF FP4
机架显存总量	31TB HBM4

几个关键点值得关注：

• CDNA 5 + HBM4：MI455X单卡432GB HBM4、23.3TB/s带宽，在显存容量与带宽两个维度上都给出了激进规格；
• EPYC Venice：Zen 6架构、最高256核的服务器CPU与GPU同机架部署，形成完整的"CPU+GPU+NIC"平台；
• UALink互联：机架内GPU互联采用开放标准UALink，而非封闭私有方案。

此外，MI430X将驱动欧洲LUMI-AI超算，进一步扩展MI400系列在科学计算与AI融合场景的存在感。

开放标准生态：对NVIDIA垂直整合的制衡​

Helios的战略意义不止于产品本身。AMD正在联合产业伙伴推动UALink、UEC（超以太网联盟）、OCP等开放标准，与NVIDIA的NVLink/InfiniBand垂直整合体系形成制衡：

• UALink：开放GPU互联标准，让多家厂商的加速器可以在统一协议下组网；
• UEC：开放网络标准，降低用户被单一厂商网络方案锁定的风险；
• OCP开放机架：与HPE扩大合作，推动机架级设计的开放化。

对超大规模云厂商和AI实验室而言，开放标准意味着议价能力与供应链多元化。OpenAI与Meta同时押注AMD，本身就是对NVIDIA一家独大格局的对冲。

小结​

Helios进入量产，标志着AMD完成了从"发布即承诺"到"交付即收入"的关键一跃：约2个月的发布到量产周期、12GW的客户承诺、72卡MI455X的2.9 EF FP4机架算力，以及UALink/UEC/OCP开放标准生态的持续推进，共同构成了AMD在2026年AI基础设施竞争中的核心筹码。MI430X驱动LUMI-AI超算的落地，则说明这套体系在学术与主权计算场景同样具备竞争力。

当GPU单卡性能提升越来越难，NVIDIA、AMD与华为不约而同地把战场转向了机架。Bain 2026报告指出，竞争优势正从芯片规格转向系统级整合——compute、memory、networking、power与software的整体协同，才是AI算力下半场的胜负手。

三方系统规格对照​

先看三家旗舰机架级系统的硬规格：

维度	NVIDIA Vera Rubin NVL72	AMD Helios	华为昇腾960超节点
计算单元	Rubin GPU + Vera CPU	72× MI455X + EPYC "Venice"（Zen 6，最高256核）	昇腾960
互联	NVLink	UALink over Ethernet	超节点互联 + Hi-ONE光引擎
内存/带宽	HBM4；AMD官方对比口径单卡288GB HBM4、22TB/s带宽	31TB HBM4，每GPU 23.3TB/s	1PB HBM
算力	—	整机架2.9 EF FP4、1.4 EF FP8	8 EFLOPS FP8（FP4为16 EFLOPS）
规模	72卡	72卡	4096卡，集群可扩至51.2万卡
出货时间	2026年下半年	Hot Chips 2026公布规格	—
性能提升	Qwen3-VL吞吐较GB300最高3.7倍；推理token成本降低最高10倍	scale-out 43TB/s（较竞品多50%以上）	全球首个NPO超节点

注：表中"—"为素材未公开项，不作估算。三家口径与测试条件不同，数值仅供方向性参考。

NVIDIA NVL72：垂直整合与生态开放并行​

NVIDIA Vera Rubin NVL72延续"机架即计算机"的路线：Rubin GPU搭配自研Vera CPU，通过NVLink将72颗GPU熔铸成一个计算整体。MLPerf v6.1中，其Qwen3-VL吞吐较GB300 NVL72最高提升3.7倍，NVIDIA更宣称推理token成本最高降低10倍。

但NVIDIA也在调整姿态：NVLink Fusion向合作伙伴开放，允许集成自定义CPU与芯片；同时推进NVHBM定制内存控制器计划（与亚马逊Annapurna Labs合作）。这是垂直整合帝国的"有限开放"——互联与内存标准仍然是NVIDIA掌控的枢纽，但入口已经打开。

AMD Helios：开放标准路线的全面出击​

AMD Helios选择了另一条路：基于OCP开放标准构建，与Meta共同研发ORW（Open Rack Wide）设计。整机构成包括：

• 计算：72颗MI455X，整机架2.9 EF FP4、1.4 EF FP8；
• CPU：EPYC "Venice"（Zen 6架构，最高256核）；
• 网络：Pensando Vulcano 800G AI NIC，UALink over Ethernet互联；
• 内存：31TB HBM4，每GPU 23.3TB/s，scale-up总带宽260TB/s，scale-out带宽43TB/s——较竞品多50%以上；
• 机架：44OU ORW双宽机架，18个计算托盘加6个交换托盘，液冷快速接头，50V直流母线，整机重超7000磅（Hot Chips 2026口径）。

Helios的意义在于证明：不依赖专有互联协议，开放标准同样能撑起机架级系统。对担心NVIDIA锁定的云厂商与主权AI项目而言，UALink over Ethernet提供了真正的第二选择。

华为昇腾960超节点：换道超车的超大规模​

华为给出了截然不同的设计哲学——直接跳过"机架"这个尺度，以4096卡的超节点为单位构建系统：

• 全球首个NPO超节点，算力达8 EFLOPS FP8（FP4精度16 EFLOPS）；
• 1PB HBM，内存容量以"PB"计；
• 5500个Hi-ONE光引擎（单引擎7.2T）替代4.8万颗800G光模块，节省550kW功耗；
• 可用度99.8%；
• 集群可扩展至51.2万卡，多轨道拓扑支持100万卡。

4096卡 vs 72卡，不只是数字差异，而是设计哲学的分歧：NVIDIA与AMD把一个机架做成一台"计算机"，华为则把半个数据中心机房做成一个"计算节点"——用光互联（NPO）解决跨机架带宽衰减问题，用超节点内部的高速交换换取更大规模的统一调度域。

Bain的判断：从芯片规格到系统级整合​

Bain 2026报告给出了理解这场战争的钥匙：竞争优势正从芯片规格转向系统级整合。compute、memory、networking、power与software五个维度的协同设计能力，取代单卡FLOPS成为竞争的决定性因素。

与之相伴的是评价体系的迁移："每瓦token数"（tokens per watt）正在成为新的北极星指标。当电力成为第一约束，每消耗一瓦电力能产出多少token，直接决定了AI工厂的经济性——这比"峰值算力"诚实得多，因为前者同时反映了芯片效率、互联损耗、内存带宽与软件调度的综合水平。

两条路线：开放标准 vs 垂直整合​

机架级战争背后是两条路线的对抗：

路线	代表	互联标准	优势	风险
垂直整合	NVIDIA（NVLink/灵衢UnifiedBus）、华为	专有协议	端到端协同优化，性能上限高	生态锁定，客户议价力弱
开放标准	AMD Helios（UALink/UEC/OCP）	开放协议	供应链多元，无锁定	优化深度依赖联盟执行力

值得注意的是，NVIDIA的NVLink Fusion开放与华为的灵衢UnifiedBus生态，都在尝试"专有内核+开放外围"的中间态——完全的封闭或完全的开放可能都不是终局，机架级时代的第一性原理是：谁能定义互联标准，谁就掌握议价权。

小结​

NVL72、Helios与昇腾960超节点的三方对垒，宣告AI算力竞争进入"机架即计算机"的系统级时代：NVIDIA以Rubin GPU+Vera CPU+NVLink延续垂直整合，Qwen3-VL吞吐最高3.7倍、token成本最高降低10倍；AMD Helios以UALink over Ethernet与OCP开放标准证明第二条路可行，2.9 EF FP4、260TB/s scale-up带宽毫不逊色；华为昇腾960则以4096卡NPO超节点、1PB HBM的极端规格换道超车。Bain 2026报告说得透彻——竞争优势已从芯片规格转向系统级整合，"每瓦token数"成为新的北极星指标。72卡与4096卡的设计哲学差异，本质上是开放与整合两条路线对未来AI基础设施形态的不同押注。这场战争没有旁观者，采购方、云厂商与主权AI项目的每一次选择，都在为两条路线投票。

国产DRAM龙头长鑫存储向NAND闪存伸出触角，不只是多一条产品线——在AI重构存储需求的当下，这意味着国产存储原厂格局正在发生结构性变化。

长鑫筹备进军NAND​

据路透社2026年9月中下旬报道，长鑫存储（CXMT）正筹备进入NAND闪存市场：公司已在北京设立NAND研发线，并开始接触AI系统与超算存储领域的客户。

在此之前，长鑫的定位是国产DRAM龙头，专注DRAM存储器的研发与量产。若此次进军NAND落地，长鑫将成为国内少有的同时覆盖DRAM与NAND两大存储品类的原厂。选择在此时点切入，时机耐人寻味：NAND市场长期由三星、铠侠、西部数据、美光、SK海力士等国际大厂主导，但AI对存储需求的剧变，正在为新进入者打开一扇窗。

AI正在改写存储的需求逻辑​

长鑫选择这个时点进军NAND，必须放在AI基础设施变革的大背景下理解。2026年9月，存储行业密集释放出"AI重构存储"的信号：

厂商	时间	动作	关键点
SK海力士	9月17日（AI Infra Summit 2026）	发布"New Spectrum"组合	HBF高带宽闪存、PIM存内计算、eSSD、SALT-KV
美光	9月15日	全球首款超密度服务器内存模组	面向AI服务器内存扩容
华为	9月	OceanStor M900上下文内存存储集群	PB级KV Cache，SSD读写寿命延长16倍

这些动作指向同一个事实：AI负载，特别是大模型推理，对存储提出了全新的要求——海量上下文、频繁随机读写、极低延迟。传统"DRAM管热数据、SSD管冷数据"的分层逻辑正在被改写。

KV Cache与上下文存储：新战场​

最值得关注的是华为OceanStor M900所代表的上下文内存存储方向。大模型推理中，KV Cache用于缓存对话与推理过程中的中间状态，随上下文长度增长而膨胀，成为制约推理吞吐和成本的关键瓶颈。PB级KV Cache集群的思路，是把KV Cache从GPU显存下沉到专用存储层，用SSD阵列承接上下文状态。

代价是SSD写入寿命——KV Cache的写放大远超传统负载。华为宣称通过技术手段将SSD读写寿命延长16倍，正是为了让SSD扛得住这种"内存化"使用强度。SK海力士的HBF（高带宽闪存）和SALT-KV则从介质层面给出了另一种答案。

对长鑫而言，这恰恰是机会所在：AI上下文存储需要海量的高性价比NAND容量，且这一细分市场尚无固化格局。用NAND切入AI基础设施供应链，比在消费级SSD市场硬碰硬更有想象力。

国产存储自给的第二曲线​

从国产替代的视角看，长鑫进军NAND的意义在于打开"第二曲线"：

• 第一曲线（DRAM）：长鑫已在国产DRAM市场站稳，产能与技术持续爬坡，解决了国产存储"有没有"的问题。
• 第二曲线（NAND+AI存储）：NAND研发线与AI/超算客户触达，意味着长鑫瞄准的不是简单复制国际大厂的产品矩阵，而是直连AI基础设施这个增量市场。

结合AI对存储的重新定义——部件正在变成平台，长鑫若能借NAND切入KV Cache、上下文存储等AI存储场景，将实现从"存储部件供应商"向"AI基础设施玩家"的跃迁，这条路径的上升空间远大于传统NAND替代。

存储公司的身份转变​

SK海力士在AI Infra Summit 2026上发布的"New Spectrum"组合（HBF、PIM、eSSD、SALT-KV），以及随后在硅谷成立风险投资部门拓展AI生态投资，都说明头部存储厂商已经完成了自我定位的刷新：存储公司不再是被动跟随CPU、GPU规格的部件商，而是主动定义AI数据架构的平台方。长鑫的NAND布局，正是这股浪潮中的国产注脚。

小结​

长鑫存储筹备进军NAND，表面上是一次品类扩张，实质上是AI时代存储价值重估的缩影：SK海力士、美光、华为密集发布面向AI的存储创新，KV Cache与上下文存储成为新战场，存储公司正从部件供应商转型为AI基础设施平台玩家。对国产存储而言，DRAM之外的NAND第二曲线若能与AI需求红利叠加，国产存储自给将进入新阶段。格局生变，好戏才刚开始。

当芯片厂商开始"造内存"、云厂商开始"造芯片"，AI基础设施的分工边界正在瓦解——存储不再是采购来的标准件，而是与加速器协同设计的战略资产。

NVHBM：AWS与NVIDIA的定制内存联姻​

AI Infra Summit 2026（9月17日）上爆出的消息显示：亚马逊旗下Annapurna Labs正与NVIDIA合作开发NVHBM定制高带宽内存技术。

这个组合本身就足以说明问题。Annapurna Labs是AWS自研芯片体系的核心（Graviton CPU、Trainium/Inferentia加速器都出自该团队），而NVIDIA则是AI加速器绝对主导者。两家联手开发定制HBM，意味着最强势的云厂商与最强势的芯片厂商决定共同绕开标准内存路线，为AI负载打造私有化的内存方案。

存储协同设计：行业范式转移​

NVHBM并非孤立事件。AI Infra Summit 2026前后，存储行业的密集动作勾勒出一幅"存储深度嵌入AI"的图景：

厂商	时间	动作	关键内容
亚马逊+NVIDIA	9月17日报道	合作开发NVHBM	定制高带宽内存
SK海力士	9月17日	发布"New Spectrum"组合	HBF高带宽闪存、PIM存内计算、eSSD、SALT-KV
SK海力士	9月18日	成立SK hynix Ventures（硅谷）	拓展全球AI生态投资
美光	9月15日	超密度服务器内存模组	全球首款

2026年9月21日的半导体周报对这一趋势给出了精辟概括："Memory is being co-designed with AI accelerators rather than treated as a commodity"——内存正在与AI加速器协同设计，而不再被视为大宗商品。

这句话宣告了一个时代的结束：过去几十年，内存是标准化的商品，JEDEC规范统一接口，谁家买都一样。而在AI时代，内存的带宽、容量、拓扑直接决定集群效率，"标准件"思维已经跟不上需求。

为什么绕过JEDEC走定制路线​

超大规模厂商选择定制HBM，动机有三：

• 性能天花板：标准HBM的规格迭代节奏由JEDEC委员会决定，而AI负载的内存需求以年为单位翻倍。定制方案可以围绕特定加速器优化堆栈数、接口带宽和容量配比，榨取最大能效。
• 供应安全：HBM产能持续紧张，已成为整个AI芯片产业的瓶颈。定制协议绑定的不只是技术规格，更是产能分配——把内存供应商变成深度盟友。
• 成本控制：HBM占AI加速器物料成本的重要比重。云厂商自建芯片团队后，有动力也有能力参与内存定义，消除中间层的规格冗余。

HBM短缺：国产芯片涨价潮的根源​

定制HBM军备赛的另一面，是HBM产能的普遍短缺。近期的国产芯片涨价潮，其根源正是HBM供应不足——当NVIDIA、AMD以及各云厂商自研芯片都在争夺有限的HBM产能时，位于优先级末端的采购方（包括部分国产AI芯片厂商）面临的是"有芯片设计、没有内存可用"的窘境，成本随之水涨船高。

这解释了为什么HBM产能与成本已成为芯片厂商的核心竞争维度：谁能锁定HBM供应，谁就能锁定出货量；谁的定制内存方案能效更高，谁的产品就更具竞争力。存储厂商的地位因此空前提升——SK海力士在发布"New Spectrum"后次日即于硅谷设立SK hynix Ventures投资AI生态，正是从供应商向生态节点跃迁的标志性动作。

对下一代平台意味着什么​

NVHBM若落地，影响将体现在两个层面：

• NVIDIA Vera Rubin及后续代际：定制内存与加速器协同设计，意味着未来Rubin后续产品的内存子系统可能针对AWS负载定制，云厂商对芯片平台的参与度从"采购方"升级为"共同定义方"。
• 机架级内存竞赛：AMD已展示31TB HBM4机架方案，机架级内存容量的军备竞赛已经开打。当内存容量从单卡432GB演进到机架数十TB，内存架构的设计自由度（定制HBM vs 标准HBM4）将直接决定产品竞争力。

小结​

AWS联手NVIDIA开发NVHBM，标志着存储正式从"采购关系"进入"协同设计"时代：SK海力士以HBF/PIM/eSSD/SALT-KV重构存储产品线并设立风投部门，美光推出超密度内存模组，超大规模厂商开始绕过JEDEC定制内存。HBM短缺引发的国产芯片涨价潮则揭示了新秩序的残酷一面——内存即产能，产能即话语权。当"造内存"成为芯片巨头的必修课，AI基础设施的竞争维度被彻底改写。

2026年9月17日，SK海力士在AI Infra Summit 2026上发布面向AI基础设施的"New Spectrum"技术组合。当Agentic AI与长上下文推理把存储推向瓶颈中心，存储厂商正从部件供应商转型为AI基础设施平台玩家。

New Spectrum：四大技术方向​

SK海力士此次发布的"New Spectrum"组合覆盖四个方向，每一项都瞄准AI工作负载中最突出的存储瓶颈：

技术方向	全称	核心定位
HBF	High Bandwidth Flash（高带宽闪存）	把闪存带宽提升至内存量级
PIM	Processing In-Memory（存内计算）	在存储侧完成计算，减少数据搬运
eSSD	企业级固态硬盘	AI数据湖与训练数据底座
SALT-KV	—	面向KV Cache的键值存储方案

这四项技术的共同指向非常清晰：AI推理时代的存储不再是"够大就行"，而是要同时满足带宽、容量、成本与数据通路效率的多重约束。

KV Cache经济性：Agentic AI拉动的存储需求​

理解New Spectrum的关键，是理解KV Cache经济性。

大语言模型推理时，每一个token的生成都要读取之前所有上下文的KV Cache。上下文越长，KV Cache越大；Agentic AI的兴起让"长对话、多轮次、多Agent协作"成为常态——一个Agent任务可能持续数十轮调用，每轮都在累积上下文。这意味着：

• KV Cache容量需求爆炸式增长：长上下文模型动辄数十万token的窗口，单请求KV Cache可达数十GB量级；
• 带宽成为隐性成本中心：每生成一个token都要完整读取KV Cache，内存带宽直接决定了单位token成本；
• 层级化存储成为必然：HBM放不下的KV Cache需要更快的次级存储，这正是HBF与SALT-KV的切入点。

同期，华为OceanStor M900已提供PB级KV Cache集群方案，说明"KV Cache基础设施化"已是行业共识。谁能把KV Cache存得更多、读得更快、成本压得更低，谁就掌握了推理经济的新杠杆。

HBF：把闪存带宽提到内存量级​

HBF（High Bandwidth Flash）是New Spectrum中最具想象空间的一项。传统NAND闪存的致命短板是带宽——顺序读尚可，随机读性能与内存相差数个量级，因此长期只能承担"冷数据"角色。

HBF借鉴HBM的设计哲学，通过堆叠与宽接口把闪存带宽提升至接近内存的量级。这带来的可能性是：原本必须驻留HBM的热数据，可以部分下沉到HBF层，在成本几乎不变的情况下大幅扩展"有效内存容量"。对于动辄以TB计的模型权重和KV Cache而言，HBF有望成为HBM与eSSD之间缺失的中间层。

PIM：推理场景的近数据计算​

PIM（存内计算）的定位则是解决另一个痛点：数据搬运。在传统架构中，数据从内存搬运到计算单元的能耗与延迟开销，往往超过计算本身。PIM把计算能力直接嵌入存储介质，让"数据不动、计算过来"。

在推理场景中，PIM尤其适合权重固定的矩阵乘加等访存密集操作，能够在降低功耗的同时提升吞吐。随着每瓦token数成为数据中心的核心KPI，PIM的价值会持续放大。

行业同期动作：存储军备竞赛全面展开​

SK海力士的动作并非孤立。2026年9月中旬，存储与定制硬件领域密集出招：

时间	厂商	动作
9月15日	美光	发布全球首款超密度服务器内存模组
9月17日	SK海力士	AI Infra Summit 2026发布New Spectrum技术组合
9月18日	SK海力士	在硅谷成立SK hynix Ventures，扩大全球AI生态投资
9月同期	亚马逊Annapurna Labs × NVIDIA	合作NVHBM定制HBM

三个信号值得注意：其一，美光的超密度内存模组直指单机内存容量天花板；其二，亚马逊与NVIDIA的NVHBM合作说明头部应用方已深入定制内存控制器层面；其三，SK hynix Ventures落地硅谷，表明存储巨头不再满足于卖部件，而是要通过投资生态锁定AI基础设施的平台位置。

2026年9月的半导体周报对此有明确判断：存储正与AI加速器协同设计，存储公司正从部件供应商转型为AI基础设施平台玩家。HBM4时代的定制化（如NVHBM）正是协同设计趋势的直接体现——内存不再是可以即插即用的标准件，而是与GPU、ASIC深度耦合的系统组件。

小结​

SK海力士的New Spectrum组合——HBF、PIM、eSSD、SALT-KV——勾勒出AI存储的完整路线图：HBF把闪存带宽提到内存量级、填补HBM之下的层级空白，PIM用近数据计算降低搬运开销，SALT-KV直击KV Cache经济性这一推理时代的核心命题。叠加美光超密度内存、亚马逊与NVIDIA的NVHBM定制HBM等同期动作，2026年的存储行业已经清晰地完成了角色转身：从跟随GPU节奏的部件供应商，变成与AI加速器协同设计、共同定义AI基础设施形态的平台玩家。存储，正在成为AI竞争的下一个主战场。

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。

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。）

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。

继华为 9 月 17 日全联接大会官宣昇腾 960 之后仅五天，9 月 22 日阿里巴巴在杭州云栖大会发布新一代训推一体 AI 芯片真武 V900——阿里称之为"目前算力性能最强的中国自研 AI 芯片"。本文基于阿里官方发布口径与新浪科技、C114、环球网等多方报道整理。

---

1. 单芯片：3 倍于 M890，216GB + 1200GB/s​

指标	真武 V900（本次发布）	真武 M890（上一代）
性能	真武 M890 的 3 倍（官方口径，绝对值未公布）	FP16 600 TFLOPS（本站收录）
显存	216 GB	144 GB（HBM3）
片间互联	1200 GB/s	—
精度	原生 FP8 / FP4（含高精度训练）	—
定位	训推一体（万亿级参数训练 + 低精度推理）	训推一体
量产	2027 Q1，阿里云数据中心规模化部署	已规模应用

三个读数：

• 显存跨入 200GB+ 区间：216GB 与昇腾 960DT（288GB 自研 HBM）、NVIDIA Rubin（288GB HBM4）站上同一容量档位，长上下文与超大 MoE 模型的容量门槛被拉平；
• 片间互联 1200GB/s：为超节点"内存语义互联"打底——这是与 ICN Switch 配套的芯片级前提；
• 精度覆盖全场景：官方表述为"高精度训练、低精度和超低精度推理的全场景"，FP8/FP4 原生支持与 2026 年新卡通用口径对齐。

单芯片绝对算力数值官方未公布，本站以"3 倍于 M890"的官方相对口径收录；M890 规格详见真武 M890 规格页。

2. 系统级：ICN Switch + 磐久超节点，单集群 50 万卡​

V900 的真正卖点不在单芯片，而在系统级协同：

• ICN Switch 自研互联芯片：连接后的超节点具备原生内存语义与内存统一编址能力，千卡全带宽高速互联——上千颗 V900 可"像一颗超级芯片一样协同工作"；
• 磐久超节点服务器：集成 V900（算力）+ ICN Switch（互联）+ 磐脉智能网卡（网络）+ 镇岳 SSD 主控（存储），算、存、网全栈自研协同；
• 50 万卡单集群：结合阿里云新一代智算中心网络架构，单一集群可扩展至 50 万卡规模。

这与华为"11 颗关键芯片"的思路如出一辙：竞争单位已经从单芯片转向整套系统的交付能力——真武管算力、倚天管通用计算、磐脉管网络、镇岳管存储、ICN Switch 管互联。

3. 商业与路线图​

• 真武系列已服务超 650 家企业客户（截至 2026 年 6 月），覆盖智驾、金融、大模型、具身智能、能源、制造；
• 基于 M890 的超节点已大规模应用，跑通 Qwen3.8、Kimi K3 等超 2 万亿参数模型；阿里云 Q4 新增服务节点扩大超节点供给；
• 路线图：V900 于 2027 Q1 量产售卖；真武 J900 计划 2027 Q3 发布；
• CPU 协同：2027 年推出倚天 720 / 730（730 首次采用平头哥全自研 CPU 微架构，单核 SPECint2017/GHz 最高达倚天 710 的 1.4 倍）；2029 年的倚天 750 将通过 ICN 总线与真武 AI 芯片直接互联；
• 阿里巴巴集团 CEO 吴泳铭表示，平头哥 AI 芯片年出货量将大幅提升。

4. 竞争坐标：同一周，两把剑​

把 9 月中旬的两次发布放在一起看，国产 AI 芯片的"系统级竞争"格局已经清晰：

维度	华为昇腾 960（9-17）	阿里真武 V900（9-22）
发布节点	HC2026	云栖大会 2026
单卡显存	288GB（自研 HBM）	216GB
访存带宽	9.6 TB/s	未披露
互联	灵衢 UnifiedBus / NPO 光互联	ICN Switch 内存语义互联
超节点	昇腾 960 超节点（4096 卡，8 EFLOPS FP8）	磐久超节点（单集群 50 万卡）
上市	2027 Q2	2027 Q1

华为走"超节点 + 开源 CANN 生态"路线，阿里走"云上全栈 + 开源模型生态"路线；单卡规格都仍有代差，但交付的是可采购、可运维的超大规模集群。对英伟达 CUDA 生态的替代逻辑，正在从"性能对标"转向"供给确定性 + 系统效率"。

5. 小结​

• V900：3×M890、216GB、1200GB/s 片间互联、原生 FP8/FP4，2027 Q1 量产；
• 系统：ICN Switch 千卡全带宽、磐久超节点算存网全栈、单集群 50 万卡；
• 节奏：J900 2027 Q3、倚天 730 2027、倚天 750 2029——平头哥首次给出三年代际路线；
• 看什么：2027 Q1 实际量产与阿里云部署规模、V900 绝对算力披露、ICN Switch 对外供货的可能性。

---

相关阅读​

• 真武 M890 规格页（本站）
• 昇腾 960 官宣发布：FP4 算力翻倍、全球首个 NPO 超节点
• 国产三强 2026 H2：国产化率突破 40% 向 60% 迈进

参考资料​

• 环球网：平头哥发布新一代训推一体 AI 芯片真武 V900（2026-09-22）
• 新浪科技 / TechWeb：阿里平头哥发布新一代 AI 芯片真武 V900，2027 年第一季度量产
• C114：阿里发布新一代 AI 芯片真武 V900，2027Q1 量产

本文基于阿里巴巴官方发布与公开报道整理。V900 单芯片绝对算力官方未公布；超节点与集群规模为官方口径，以未来实际交付为准。