15 篇博文 含有标签「Product Launch」

AMD 确认下一代移动端旗舰处理器 Ryzen AI Max 400 系列，代号 Gorgon Halo。这是继 Strix Halo 之后，AMD 在端侧 AI 算力赛道投下的又一枚重锤。然而，这次发布的时间点极其微妙——正值 DRAM 价格创下约15年新高之际，192GB 统一内存的豪华规格能否真正大规模供货，成为业界最大的悬念。

距离第一代 Maia 100 发布两年多之后，微软的第二代自研 AI 加速器 Maia 200 终于从传闻走向量产部署。这枚专为推理打造的芯片，正在改写 Azure 的成本结构。

从跳票到落地：Maia 200 的问世之路​

微软的自研芯片计划于 2023 年 11 月首次公开，与 Cobalt CPU 同期亮相。但 Maia 系列的推进并不顺利，据公开报道，设计变更与人员流失曾迫使时间表一再推迟，量产节点最终落到 2026 年。2026 年 1 月 26 日，微软正式发布 Maia 200，部署几乎随后展开，从首颗封装芯片到机柜上线的时间据称缩短至同类项目的一半以内。

这枚芯片的核心参数相当激进：台积电 3 纳米工艺，单颗集成超过 1400 亿晶体管；配备 216GB HBM3e 显存，带宽达 7TB/s，另有 272MB 片上 SRAM 与专用 DMA 引擎；在 750W 的 SoC 功耗包络内，提供超过 10 PetaFLOPS 的 FP4 算力与超过 5 PetaFLOPS 的 FP8 算力。微软称其 FP4 性能是亚马逊第三代 Trainium 的 3 倍，FP8 性能超过谷歌第七代 TPU，每美元性能较 Azure 现有最新硬件提升 30%。

标准以太网上的超大推理集群​

Maia 200 在系统层面有一个鲜明取舍：放弃私有互联协议，全面基于标准以太网构建两层 Scale-up 网络。每颗加速器提供 2.8TB/s 的双向专用带宽，单个托架内四颗芯片通过直连链路全互联，机架内与机架间则统一采用 Maia AI 传输协议，集群规模最大可扩展至 6144 颗加速器。

这套设计的商业逻辑很直白：推理是 Azure 每天承载的最大负载，而以太网生态的成熟度与成本优势远非私有协议可比。配合第二代闭环液冷换热单元和与 Azure 控制平面的原生集成，微软宣称这是其迄今部署过的效率最高的推理系统。

服务 GPT-5.2 与 Copilot，但不取代英伟达​

Maia 200 首批部署在爱荷华州德梅因附近的 US Central 区域，亚利桑那州菲尼克斯附近的 US West 3 区域紧随其后。它将承载 OpenAI 最新 GPT-5.2 系列模型的推理、Microsoft Foundry 与 Microsoft 365 Copilot 服务；微软超级智能团队也用它进行合成数据生成与强化学习，为下一代自研模型供料。与此同时，微软开放了 Maia SDK 预览，包含 Triton 编译器、PyTorch 支持与模拟器等工具。

值得注意的是，纳德拉明确表示微软将坚持"自研加外购"的双轨策略，继续向英伟达和 AMD 采购芯片。Maia 200 的定位是异构算力矩阵中针对推理优化的一环，而非全面替代。微软 2026 财年第一财季资本开支高达 349 亿美元，自研芯片每一分省下的成本，都直接体现在 Azure AI 的利润率上。

小结​

从 Maia 100 的试水到 Maia 200 的规模化部署，微软用两年多时间补上了超大规模云厂商自研芯片这块拼图。据公开报道，接替者 Maia 300 已在设计之中，时间线指向 2027 年。在谷歌 TPU 已开始对外销售、亚马逊 Trainium 加速扩张的背景下，Maia 系列的每美元性能优势，将决定 Azure 在 AI 推理时代的议价能力。

RTX Spark 笔记本的首发潮终于来了。微软与联想相继公布旗舰级 AI PC：一款把矛头直接对准 MacBook Pro，一款则用128GB 统一内存和1 PFLOP FP4 算力重新定义 Windows 阵营的端侧 AI 上限。这批产品背后，是一段长达三年的等待史。

在旧金山举行的微软 Windows AI 与 Surface 活动上，NVIDIA 一手开启 RTX Spark 笔记本预订，一手预览 DGX Station for Windows——从 1 PFLOP FP4 的笔记本到 20 PFLOPS FP4 的桌面工作站，AI 算力正在从数据中心一路铺到办公桌。

RTX Spark 笔记本正式开订​

在微软于旧金山举行的 Windows AI 与 Surface 活动上，NVIDIA 宣布 RTX Spark 笔记本正式开启预订，首批产品将于 10 月 16 日（周五）发货；紧凑型桌面产品则计划在 11 月跟进上市。

OEM 阵容覆盖了几乎所有主流 PC 品牌：Acer、ASUS、Dell、HP、Lenovo、Microsoft（Surface Laptop Ultra）、MSI、Gigabyte 全部在列。从发布即有如此完整的品牌背书来看，RTX Spark 显然不是一款演示性产品，而是要成长为一个完整的终端新品类。

Blackwell RTX + Grace CPU：数据中心架构下沉终端​

RTX Spark 的硬件方案可以概括为"把 Grace Blackwell 的思路压缩进 PC"：

• GPU：基于 Blackwell 架构的 RTX GPU，最高 6144 个 CUDA 核心；
• CPU：最多 20 核的 Grace CPU；
• 互联：CPU 与 GPU 之间提供 600 GB/s 高速链路；
• 算力：最高 1 PFLOP FP4；
• 内存：最高 128GB 统一内存，CPU 与 GPU 共享同一内存池；
• 软件：运行完整 CUDA 栈。

其中"统一内存 + 完整 CUDA 栈"是两个关键点：前者决定了本地能装下多大的模型，后者决定了云端训练的代码可以低成本迁移到本地调试，开发者不必为桌面场景另学一套工具链。

DGX Station for Windows 首次预览​

如果说 RTX Spark 面向个人开发者，那么同场预览的 DGX Station for Windows 则瞄准了更高一层的需求。它基于 GB300 Grace Blackwell Ultra Desktop Superchip，拥有 748GB 一致性内存，算力最高可达 20 PFLOPS FP4，目标是让用户在本地运行约 1 万亿参数的模型。

对 Linux 生态的兼容也给出了务实答案：Linux 工具链可以通过 WSL（Windows Subsystem for Linux）访问。DGX Station for Windows 将于 Q4 上市，由 ASUS、Dell、HP、Lenovo 四家推出。

Surface Laptop Ultra 与内存挤压隐忧​

作为活动的另一主角，Surface Laptop Ultra 已于 10 月 7 日开启预订，最高配备 128GB 统一内存——这个容量已经接近入门级推理服务器的水平。

但 DIGITIMES 提出了一个不容忽视的问题：AI PC 的内存供给正在被服务器需求挤压。在内存厂商的优先级排序中，服务器 DRAM 需求被放在首位，AI PC 依赖的 LPDDR5X 供给承压。在存储供应紧张的背景下，128GB 统一内存的 AI PC 能否稳定供货，本身就是一个变数。

从云端到桌面的算力分层​

把 NVIDIA 目前的桌面产品线摆在一起，可以清晰看到一条算力分层路线：

这条路线的逻辑是：云端负责大规模训练与生产推理，桌面负责原型验证、微调与敏感数据场景，笔记本负责日常开发与演示。当模型越做越大、数据合规要求越来越严，"把算力放在身边"的价值正在上升。

Windows CUDA 原生化与 WSL 的务实路线​

过去十几年，CUDA 的主战场在 Linux 服务器上，Windows 开发者在工具链上长期处于跟随位置。RTX Spark 与 DGX Station for Windows 意味着完整 CUDA 栈第一次以原生姿态大规模进入 Windows 桌面场景。

而 WSL 桥接 Linux 工具链的安排，则是一种典型的务实路线：既照顾 Windows 用户的使用习惯，又不要求现有 Linux 工作流推倒重来。对于在 Windows 环境中做模型开发和内部工具的企业开发者来说，迁移成本被明显降低；对 NVIDIA 而言，这等于把整个 CUDA 开发者生态延伸到了全球存量最大的桌面操作系统上。

小结​

RTX Spark 笔记本开订与 DGX Station for Windows 预览，标志着 NVIDIA 把 AI 算力的故事延伸到了最后一米：从数据中心，到桌面工作站，再到背包里的笔记本。1 PFLOP FP4 到 20 PFLOPS FP4 的分层算力、128GB 到 748GB 的统一内存、WSL 桥接的 Linux 工具链，共同构成了一条完整的桌面 AI 开发路径。剩下的悬念有两个：一是 LPDDR5X 供给紧张会不会卡住 AI PC 的出货节奏，二是 11 月的紧凑型桌面和 Q4 上市的 DGX Station 能否如期落地。

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）：

单个 LPX 机架（32 个 1U 液冷托盘，每托盘 8 颗 LPU）：

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。）

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​

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：

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。

2026 年 9 月 17 日，华为全联接大会（HC2026），华为常务董事、ICT 基础设施业务总裁汪涛正式发布昇腾 960。与 8 月数字中国峰会上的"路线图预告"不同，这次是完整的规格官宣——而且提前三个季度就绪。本文基于华为官网新闻稿及多方报道整理，逐项拆解 960 的规格、超节点与路线图含义。

1. 昇腾 960：双版本，训练先行​

昇腾 960 分为两个版本，节奏错开一个季度：

三个读数：

• 提前三个季度就绪：960DT 原计划 2027 年 Q4，现在 2027 Q1 就绪、Q2 上市——与 950DT"提前上线华为云"一脉相承，路线图可信度在持续兑现；
• 精度口径与英伟达对齐：FP8 / FP4 主口径（辅以自研 HiF8 / HiFP8），FP4 已是 2026 新卡的通用口径；
• 288GB 自研 HBM + 9.6TB/s：显存容量与带宽同步翻倍，对训练长上下文大模型是实打实的容量红利。

单卡规格详见昇腾 960 规格页；上一代昇腾 950DT 规格页。

2. 昇腾 960 超节点：全球首个 NPO 超节点​

这是本场发布真正的"重器"——昇腾 960 超节点是全球第一个采用 NPO（近封装光学）的超节点：

NPO 意味着什么：传统光模块挂在交换机面板上，信号要先出封装再转电—光；NPO 把光引擎挪到交换芯片封装近旁，大幅缩短 SerDes 距离、降低功耗与时延。华为的具体数字：

• 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；
• 降低功耗 550kW 以上，同时支撑 2μs 级互联时延。

对比 8 月数字中国峰会的口径（Atlas 960 单超节点 15488 卡），官方最新口径为单超节点 4096 卡（1 个超集群可由多超节点组成）——以华为官网最新新闻稿为准。

⚠️ 华为还给出了"MFU 提升 2.75 倍""推理时延降低 70%"等收益数据，均出自华为马尔科夫实验室仿真，尚无独立第三方实测，阅读时注意口径。

3. 一年一代：970（2028）→ 980（2029）​

华为首次把"一年一代"从愿景变成官宣承诺：

支撑这一节奏的是华为提出的"韬定律"：算力规格每代翻倍，访存带宽、访存容量、互联带宽同步大幅提升。

生态侧的同场数据也值得记录：CANN 外部开发者占比首次超过 61%、月活开发者 5200 人；910C 超节点部署已超 1000 套。

4. 竞争坐标：单卡有代差，系统级对打​

把 960DT 放到 2027 年的棋盘上看：

• 对 NVIDIA Rubin（R200：288GB HBM4 / 50 PFLOPS FP4）：单卡 FP4 算力约为 R200 的 8%（4 vs 50 PFLOPS），单卡代差客观存在；但 4096 卡超节点 + NPO 互联是系统级竞争——用"可交付的超大集群"对打单卡性能；
• 对采购方：960 的价值主张是"在国产量产约束内拿到最大可用集群"。DeepSeek 拟采购 16 万颗 950DT 跑推理的订单已经证明：当供给与生态到位，头部实验室愿意主动选国产；
• 对国产链条：950→960 的显存翻倍直接拉动国产 HBM 迭代，这是整条链的胜负手。

5. 小结​

• 960DT：FP8 2P / FP4 4P、288GB HBM、9.6TB/s，2027 Q2 上市，提前三个季度；
• 960 超节点：全球首个 NPO 超节点，4096 卡 / 8 EFLOPS FP8 / 1PB HBM / RTT 2μs；
• 路线图：一年一代官宣至 2029，950、960 均提前兑现，规划可信度显著上升；
• 看什么：2027 Q2 实际交付节奏、国产 HBM 产能、CANN 生态的第三方模型覆盖度。

相关阅读​

• 昇腾 960 规格页（本站，含双版本与超节点完整参数）
• 国产三强 2026 H2：国产化率突破 40% 向 60% 迈进（已按 960 官宣更新）
• 2026 H2 AI 芯片路线图重大更新（已按 960 官宣更新）
• 昇腾 950 超节点 Q4 上市，中兴、新华三、曙光全线跟进

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
• 环球网：华为全联接大会 2026 主题演讲报道

本文基于华为官网新闻稿与公开报道整理。MFU、时延等收益数据为华为实验室仿真口径；2028 / 2029 产品仅为路线图官宣，规格以未来发布为准。

2026年6月6日 —— COMPUTEX 2026 昨日在台北圆满闭幕。本届展会以"AI Together"为主题，创下 1500+ 参展商、6000 展位的历史纪录。NVIDIA、Intel、AMD 三巨头在 AI PC 领域的正面交锋成为本届最大看点。

1. NVIDIA RTX Spark：六月正式上市，$1,399 起​

NVIDIA 与联发科合作的 RTX Spark 超级芯片在 COMPUTEX 发布后不到一周即确认上市时间表：

市场反应：AMD/Intel/Qualcomm 股价受压，分析认为 RTX Spark 将从三个方向重塑市场——Windows AI PC、Creator 工作站、边缘推理节点。

2. Intel 18A 全面投产：Clearwater Forest + Crescent Island​

Intel CEO 陈立武首次在 COMPUTEX 发表主题演讲，带来两项关键更新：

Clearwater Forest（至强 6+）​

• 288 核 Darkmont 架构
• 首款 Intel 18A 工艺数据中心 CPU
• Foveros Direct 3D 封装
• 已全面投产

Crescent Island AI GPU​

• 480GB LPDDR5x 显存
• 350W 风冷 PCIe 形态
• 原生 FP4 支持，专攻智能体推理
• 2026 H2 出货

陈立武表示："当 AI 迈向智能体时代，CPU 正重返现代 AI 基础设施的中心。"

3. AMD Ryzen AI 400 系列出货中​

AMD 在 COMPUTEX 上展示了 Ryzen AI 400 系列（Zen 5 + Zen 5C 混合架构 + XDNA2 NPU）：

• NPU 算力 60 TOPS，x86 最高
• 7 款消费级型号 + 商用 PRO 系列
• 多家 OEM 已上市或即将发布
• 7 月将举办 Advancing AI 2026 峰会（旧金山）

4. 国产芯片持续发力​

5. AI PC 元年：三家巨头路线图对比​

本周算力圈速览（6/1-6/6）​

数据来源：COMPUTEX Daily、腾讯新闻、凤凰科技、雪球、The Silicon Review。

2026 年 6 月 1-5 日，中国台北 —— Computex 2026（台北国际电脑展）本周圆满收官。本届展会以 "AI Together" 为主题，NVIDIA、Intel、AMD、Qualcomm 等巨头密集发布了多款 AI 算力新品，以下是 MirrorFrog 为你梳理的算力卡圈本周最值得关注的动态。

① NVIDIA DGX Station for Windows：桌面的 AI 超算​

NVIDIA 在 Computex 2026 主题演讲中正式发布了 DGX Station for Windows，号称"全球最强大的桌面 AI 超级计算机"。

核心规格​

意义：DGX Station 将以前需要数据中心级集群的 AI 算力（20 PFLOPS FP4）压缩到一台桌面工作站中。748GB 统一内存意味着开发者可以在本地运行千亿甚至万亿参数的大模型，无需依赖云端。

② Intel Crescent Island：推理专用 AI GPU​

Intel 在 Computex 上详细披露了其面向数据中心 AI 推理的新一代 GPU Crescent Island。

意义：Crescent Island 是 Intel 在 AI 推理市场的重要布局。480GB 超大 LPDDR5x 内存（非 HBM）意味着成本远低于 NVIDIA H200/B200 等同级竞品，瞄准企业级推理部署场景。

③ Intel Xeon 6+（Clearwater Forest）：首款 Intel 18A 数据中心 CPU​

Intel 还发布了代号 Clearwater Forest 的全新 至强 6+ 处理器，这是 Intel 首款采用 18A 工艺 的数据中心 CPU：

• 288 个 Darkmont 架构核心
• L2 288MB + L3 576MB 缓存
• 12 通道 DDR5-8000 内存
• Foveros Direct 3D 先进封装
• AI Agent 时代 CPU 重返基础设施中心

④ NVIDIA RTX Spark 生态落地​

本周 NVIDIA 与 联发科 合作的 RTX Spark 超级芯片持续发酵。多家 OEM 亮相了基于 RTX Spark 的笔记本和紧凑型桌面原型机：

• 华硕、戴尔、惠普、联想、微软 Surface、微星 均确认首发
• 配备 20 核 Grace CPU + Blackwell GPU（6144 CUDA 核心）
• AI 算力 1 PFLOPS
• 2026 年秋季 零售上市

⑤ Intel × 鸿海（Foxconn）AI 基础设施合作​

Intel 与鸿海宣布联合布局 AI 基础设施，覆盖从 芯片 → 服务器 → 机架级系统 的完整链条，瞄准 AI 推理需求激增带来的数据中心市场机遇。

⑥ 国产 AI 芯片动态​

据 IDC 2025 年度报告，中国 AI 加速卡市场总出货量达 约 400 万张，本土厂商合计出货约 165 万张，市占率突破 41%。华为昇腾 950 系列已进入量产交付阶段，寒武纪 MLU690 开始向互联网客户出货。

本周算力圈速览​

数据来源：NVIDIA GTC Taipei 2026 / Computex 2026 官方发布、Intel 新闻稿、凤凰科技、IT之家。

2026 年 6 月 1 日，中国台北 —— 在 Computex 2026 开幕主题演讲中，NVIDIA CEO 黄仁勋正式发布了 RTX Spark 超级芯片，标志着 NVIDIA 正式进入由 Intel、AMD、Qualcomm 和 Apple 主导的个人电脑处理器市场。

RTX Spark：个人 AI 计算机的"心脏"​

RTX Spark 由 NVIDIA 与 联发科（MediaTek） 合作开发，采用 20 核 Grace CPU + Blackwell RTX GPU 的异构封装，配备 6144 个 CUDA 核心。AI 算力达到 1 PFLOPS（千万亿次浮点运算），这意味着个人电脑首次拥有与数据中心级 H100 GPU 相当的计算能力。

黄仁勋的"全栈 AI"战略​

RTX Spark 的发布是 NVIDIA "全栈 AI" 战略的关键一步。黄仁勋在演讲中表示："AI 不应该只在云端运行。每个人的电脑都应该拥有运行 AI 代理的能力。"

RTX Spark 让 NVIDIA 从数据中心 GPU 垄断者转变为个人计算市场的全面竞争者。消息发布后，AMD、Intel 和 Qualcomm 的股价应声下跌。

对市场的影响​

• Intel：个人电脑 AI 处理器业务面临直接威胁
• AMD：Ryzen AI 系列需要应对同级别竞争
• Qualcomm：Snapdragon X Elite 的 Copilot+ PC 定位被挑战
• Apple：M 系列芯片不再是唯一的高性能 AI PC 选项

Vera Rubin 平台进入大规模量产​

在同一场演讲中，黄仁勋还宣布 NVIDIA Vera Rubin 平台已进入全面量产阶段。Rubin R200 采用 6 芯片 CoWoS-L 封装（1× Vera CPU + 2× Rubin GPU die + I/O/HBM die），配备 288GB HBM4、22 TB/s 带宽、50 PFLOPS FP4 算力（稀疏）。

Rubin NVL72 机柜（72 颗 Rubin GPU + 36 颗 Vera CPU）将于 2026 H2 开始出货。

CompuTex 2026 其他看点​

• AMD：展示了 MI350 系列（192GB HBM3e，5 PFLOPS FP8 dense），6 月正式上市
• Intel：Jaguar Shores 首次公开
• Qualcomm：AI 200 / 300 系列推理卡路线图更新
• 国产 AI 芯片展区：华为、寒武纪、摩尔线程等展示最新产品

行业意义​

RTX Spark 的发布意味着 AI 算力不再局限于数据中心。个人开发者、设计师、研究人员将能在本地运行以往需要云端 GPU 的大模型任务，这可能会重新定义个人 AI 计算的市场格局。

Vera Rubin 的量产则进一步巩固了 NVIDIA 在数据中心 AI 训练领域的绝对领先地位。两条产品线共同构成 NVIDIA "云端训练 + 个人推理" 的全栈 AI 计算版图。

本报道基于 2026 年 6 月 1 日 Computex 2026 / GTC Taipei 的 NVIDIA 官方发布信息。