在超大规模云厂商与芯片大厂之外，马斯克的两家公司给出了自研芯片的另一种打开方式：一家砍掉自研训练超算、押注推理芯片量产，一家干脆不造芯片、把租来的 GPU 堆成全球最大集群。

Dojo 的终结与 AI5 的转向​

2025 年 8 月，马斯克在社交平台确认解散特斯拉 Dojo 训练超算团队，并给出一句著名判断：Dojo 2 是一条"演化死胡同"。他解释称，当所有路径都汇聚到 AI6 芯片时，特斯拉没有理由同时维持两套差异巨大的芯片设计。这座投入了 5 亿美元的布法罗 Dojo 设施随之失去原有使命。

转向的落点是车载推理芯片。据公开信息，AI5 芯片于 2026 年 4 月完成流片定稿，由台积电亚利桑那厂与三星得州厂双源代工，2027 年年中启动大规模量产，优先服务 Cybercab 与 Optimus 项目；AI6 处于早期开发阶段，目标性能较 AI5 翻倍，定位同时覆盖车载推理、机器人控制与大规模 AI 训练。2026 年 5 月，特斯拉又以 Dojo 2 之名发布了一款面向 Cybercab 的自动驾驶芯片，据业界报道宣称可在 45W 功耗下提供 900 TFLOPS 算力，8 月起批量装车。

阶段	关键动作	时间线
Dojo 一代	D1 芯片加英伟达 GPU 混合集群	2023 年上线
项目关停	团队解散，D2 芯片搁置	2025 年 8 月
AI5	台积电与三星双源代工	2026 年流片，2027 年中量产
Dojo 2 命名	车载推理芯片，45W 下 900 TFLOPS	2026 年 5 月发布
AI6	目标性能翻倍	计划 2028 年量产

"Dojo 3" 的新含义：用通用芯片攒超算​

马斯克为 Dojo 这个名字保留了另一种存续方式：既然 AI5 与 AI6 在推理之外"至少还不错"地能做训练，那么把大量 AI6 芯片集成到单块电路板上，就能构成训练集群，还能把网络布线的复杂度与成本降低几个数量级。他甚至直接表示，"或许可以把它称为 Dojo 3"。这实质上宣告了专用训练芯片路线的终结——用一条高量产的车规芯片产线，摊薄训练集群的芯片成本。

与特斯拉形成有趣对照的是 xAI。这家公司几乎完全放弃了芯片自研，而是以惊人的速度从英伟达采购和租借 GPU，在孟菲斯建成了全球首个吉瓦级训练集群 Colossus 2，并逐步把富余算力对外出租，谷歌、Anthropic 均已成为其大客户。马斯克体系内由此形成分工：xAI 造算力工厂，特斯拉造端侧芯片，训练与推理各取所需。

非典型路线的启示​

特斯拉与 xAI 的组合揭示了自研芯片的另一种经济学：当端侧场景（车辆、机器人）足够确定且出货量足够大时，自研芯片的核心价值在于规模与迭代速度——马斯克甚至希望把未来芯片的设计周期压缩到 9 个月；而当需求爆发快于自研节奏时，直接采购现成 GPU 抢时间，比造芯片更理性。三星与特斯拉之间 165 亿美元的代工协议，也说明车载 AI 芯片已成为先进制程的重要买家。

小结​

Dojo 的落幕并非自研芯片的失败，而是一次清醒的止损：把有限资源从长周期的训练超算转向出货量以百万计的端侧推理芯片。在"要不要自研"这个问题上，马斯克给出了一个与云厂商截然不同却同样自洽的答案——自研与否，取决于你的芯片要装在哪里、装多少颗。

华为全联接大会（HC2026）期间，华为轮值董事长徐直军在接受采访时给出了昇腾950系列的最新进度：950PR 已上市但量不大，950DT 超节点年底规模供货，并首次松口"昇腾中国份额已超英伟达"。

访谈要点：950PR 已上市，950DT 年底规模供货​

华为全联接大会（HC2026）在上海举行，展会现场展出了昇腾950和 Atlas 950 超节点。徐直军在采访中把昇腾950系列的节奏讲得非常具体：

• 昇腾950系列分为 PR 和 DT 两个版本；
• 950PR 已于 2026 年第一季度正式发布上市，主要面向推理场景，但"上市量不算大"；
• 基于 950DT 的超节点主要用于训练，目前还在测试中，规模供货预计今年年底或明年初。

两代产品的分工清晰：950PR 先行落地承接推理需求，950DT 则押注训练场景，承担更重的算力任务。

"能产多少就供多少"：产能成了第一约束​

关于 950DT 的训练表现和供货节奏，徐直军的原话值得完整引用：

"我们和各家模型厂商做了很多沟通交流，从目前测试结果来看，950DT的训练表现非常不错，我相信从明年开始，大量模型的训练会构筑在950DT超节点上。未来关键可能不在于我们推动的力度有多大，而在于我们的供货能力有多大。现在能产多少就供多少，我们希望产业链加快扩产，快一点、多产一点。"

这段话透露出一个重要信号：对国产 AI 芯片而言，需求侧已经不是瓶颈，产能才是。徐直军把"供货能力"而非"推动力度"定义为未来的关键变量，等于公开向产业链喊话扩产——"快一点、多产一点"的表述，把扩产的紧迫性摆到了台面上。

份额表态："昇腾应该已经超过了英伟达"​

在市场地位问题上，徐直军的表述同样直接：

"在中国市场要统计英伟达的市场占有率很难，但如果从华为能够统计到的数据看，昇腾应该已经超过了英伟达。"

这句话需要仔细解读。徐直军本人也承认统计口径的困难——英伟达在中国市场以何种形式、多大数量出货，外界很难完整统计。华为的判断基于"华为能够统计到的数据"，这是一个有限口径的推断，而非权威市场份额数字。但这是华为高层首次公开作出这一表述，其信号意义大于数字本身。

海外策略：暂不全面拓展​

关于国际化，徐直军给出了明确的优先级："目前昇腾满足国内市场需求还远远不足，所以没有全面拓展海外市场的计划。但确有少数国家做了测试和供给，但量非常少。"

换句话说，海外市场目前只是零星试点，华为的全部产能仍将优先投向国内。这与其"供货能力是第一约束"的判断是自洽的：产能有限的前提下，先满足国内是唯一合理的选择。

时间线与定价背景​

把 HC2026 前后的公开信息放在一起看，昇腾950的落地节奏如下：

事项	状态
昇腾950PR（推理）	2026年第一季度正式发布上市，上市量不算大
昇腾950DT 超节点（训练）	测试中，规模供货预计今年年底或明年初
950DT 指示性价格	超 25 万元（路透报道，HBM 成本驱动涨价）
Atlas 950 超节点	HC2026 现场展出
昇腾950智算集群云服务	9月30日国内商用

值得注意的是定价：路透此前报道 950DT 指示性价格超过 25 万元，主要驱动因素是 HBM 成本上涨。这与全球存储供应紧张的大背景互为印证——HBM 涨价正在推高所有 AI 芯片的成本曲线，国产芯片也无法置身事外。

分析：三个观察点​

**第一，"份额超英伟达"的口径与可信度。**虽然华为的统计口径有限，但结合出口管制后英伟达对华供应受限、国产芯片放量的大背景，昇腾在国内新增 AI 算力采购中的占比持续上升是行业普遍观察到的趋势，争议主要在幅度而非方向。华为选择在 HC2026 这个场合公开表态，本身也说明其对产能与产品力有了相当的底气。

第二，产能取代需求成为第一约束。"能产多少就供多少"说明国产芯片的瓶颈已经从"有没有人用"变成"产得出多少"。下一步的关键变量是先进制程与 HBM 供应链的扩产速度——这也是 950DT 价格超过 25 万元的根本原因。

**第三，950DT 对国产模型厂商的意义。**如果明年大量模型训练真的构筑在 950DT 超节点上，国产训练算力将第一次形成规模化的供应能力。配合 9 月 30 日已商用的昇腾950智算集群云服务，国产模型厂商在训练底座上将有更完整的选择，这对它们的成本结构和供应链安全都有直接影响。

小结​

徐直军在 HC2026 的访谈给出了两条硬信息：昇腾950PR 已上市、950DT 训练超节点年底规模供货；以及一句分量不轻的判断——"昇腾应该已经超过了英伟达"。产能而非需求，正在成为国产 AI 算力扩张的第一约束；而 950DT 能否如期放量，将决定明年国产大模型训练底座的成色。

财报季密集报喜：台积电 Q3 营收约 NT$1.49 万亿创历史新高，三星 Q3 营业利润同比大增近 8 倍，12 层 HBM4E 已通过 NVIDIA 质量验证——AI 算力的利润池正在向存储环节大规模迁移。

财报季：台积电、三星双双创纪录​

据路透与 DIGITIMES 10 月 8 日至 9 日的报道，财报季传来一连串超预期数据：

• 台积电：Q3 营收约 NT$1.49 万亿，创历史纪录并超出市场预期，AI 需求为主要驱动力；其中 9 月单月营收约 NT$5118.6 亿，同比增长 54.6%；
• 三星电子：Q3 营业利润预计超 100 万亿韩元，同比大增近 8 倍，HBM 与 AI 存储需求爆发是核心推手。

公司	关键数据
台积电	Q3 营收约 NT$1.49 万亿，创纪录并超市场预期；9 月单月约 NT$5118.6 亿，同比 +54.6%
三星电子	Q3 营业利润预计超 100 万亿韩元，同比大增近 8 倍，HBM 与 AI 存储需求爆发

代工与存储同步创新高，说明这一轮景气并非单一环节的结构性紧张，而是 AI 算力全链条的需求爆发。

三星：HBM4E 通过验证，下一代路线图发布​

三星在产品层面有两个关键动作：

• 下一代 12 层 HBM4E 已通过 NVIDIA 及主要超大规模客户的质量验证，为后续放量铺平道路；
• 发布下一代 AI 存储路线图，包括 zHBM 与 400 层以上 V10 NAND 技术。

HBM4E 通过 NVIDIA 认证，意味着三星在 HBM4 世代的竞争中拿到了进入下一轮的门票。在 AI 存储这个增长最快的细分市场，三星与 SK 海力士的正面交锋还将继续，而 zHBM 与 400 层以上 V10 NAND 的路线图，则表明存储厂商的技术竞赛已经延伸到两个世代之后。

封装与设备：产能稀缺的另一面​

存储之外，产业链上下游同样动作密集：

• GlobalFoundries 与台积电签署多年期 20 亿美元协议，将在其美国 Malta 工厂为台积电 CoWoS 生态生产硅 interposer——两大代工对手互供，属于罕见安排；
• Applied Materials 与 Intel 扩大合作，聚焦下一代互连扩展与 Foveros 3D 技术；
• ASML 与 ZEISS 表示，下一代光刻技术（High-NA 之后）可能还需十年才会到来。

GF 为台积电生产 interposer 尤其值得玩味：在先进封装产能全面紧张的当下，封装环节的稀缺程度已经超过代工环节的竞争——连对手之间也要互相借产能，这正是 CoWoS 类先进封装供不应求的最直观注脚。

内存挤压传导至 AI PC​

DIGITIMES 分析指出，AI PC 正面临内存挤压：在内存厂商的优先级中，服务器 DRAM 需求被放在首位，AI PC 依赖的 LPDDR5X 供给承压。刚刚开启预订、最高配备 128GB 统一内存的 Surface Laptop Ultra，正是这一矛盾的直接体现——AI PC 想要的内存容量越大，与服务器需求的冲突就越尖锐。

美光此前已预测，NAND 与 DRAM 短缺将持续至 2028 年。存储缺货不是短期波动，而是一个跨越数年的结构性周期。

分析：利润池正在迁移​

第一，利润从加速器向存储迁移。"没有分配到 HBM 的 AI GPU 是库存而不是算力"——这句话正在成为行业共识。GPU 再强，没有 HBM 就出不了货，存储环节因此获得了整个 AI 供应链中最强的话语权之一。三星营业利润暴增近 8 倍，就是利润池迁移最直接的证据。

**第二，HBM 定价权回归。**SK 海力士、三星、美光正迎来十年来最强的定价地位。HBM 与 AI 存储的溢价正在重塑存储厂商的盈利结构，也推高了所有 AI 芯片的成本曲线。

**第三，封装产能比代工竞争更稀缺。**GF 与台积电的互供协议说明，当先进封装产能不足时，代工竞争可以让位于产能协作。对芯片厂商而言，封装与 HBM 配额正在成为出货的前提条件。

**第四，对采购方的影响。**HBM 配额、DRAM 供给优先级都在向服务器和 AI 基础设施倾斜，终端设备的内存配置与成本将长期承压。这也与此前的国产芯片涨价潮相互呼应——存储成本上涨正在沿着供应链向所有 AI 算力产品传导。

小结​

台积电 Q3 营收约 NT$1.49 万亿、三星营业利润大增近 8 倍、12 层 HBM4E 通过 NVIDIA 认证、GF 为台积电代工 interposer——这一轮财报季确认了一个事实：内存超级周期已全面爆发，AI 算力的利润池正在加速向存储与封装环节迁移。对芯片厂商而言，HBM 配额就是出货许可证；对采购方而言，锁定存储供给正在成为与锁定 GPU 同等重要的战略动作。

The Information 报道 NVIDIA 计划投资推理芯片对手 d-Matrix；同日，NVIDIA 参投的 Upscale AI 发布跨厂商互联平台 Token Fabric。从收购 Groq 到开放 NVLink Fusion，霸主的应对方式正在从对抗转向"收编"。

NVIDIA 计划投资 d-Matrix​

据 The Information 10 月 8 日报道，NVIDIA 计划投资 d-Matrix——一家 AI 推理芯片初创公司，同时也是 NVIDIA 产品线的直接竞争对手。交易条款和金额未披露。

值得注意的不是交易本身，而是报道给出的框架：d-Matrix 等"挑战者"正选择与 NVIDIA 合作，而非独立竞争。一家推理芯片公司拿到行业霸主的投资，这本身就是对"独立挑战"路线的一次重新定价——市场开始默认，与霸主同行可能比与其对抗更有前途。

Token Fabric：连接竞争对手的互联平台​

同日（10 月 8 日），NVIDIA 参投的 Upscale AI 发布 Token Fabric 平台。它的设计目标很特别：在同一个数据中心内连接多家竞争供应商的 AI 芯片，解决不同厂商芯片生态互不兼容所造成的网络孤岛问题。

在异构算力混布逐渐成为常态的背景下，多厂商芯片组网确实是真实痛点——数据中心里同时存在多家供应商的加速器时，网络层的不兼容会显著抬高部署成本。但一个由 NVIDIA 参投背书的多厂商互联标准，其"中立性"天然存疑：治理权在谁手里，标准就会向谁倾斜。

背景对照：从收购到开放的组合拳​

把近期动作放在一起看，NVIDIA 对推理层挑战者的策略是一条清晰的轨迹：

动作	内容	作用
收购 Groq	此前完成收购	直接消除一个推理挑战者并吸收其技术
开放 NVLink Fusion	允许伙伴集成自定义 CPU/加速器	把第三方设计拉进 NVIDIA 互联生态
投资 d-Matrix	推理芯片直接对手，条款和金额未披露	用资本绑定潜在对手
Token Fabric	参投 Upscale AI 发布，连接多家竞争供应商芯片	在互联标准层保持话语权

Inference 层是当前竞争最激烈的新战场：推理需求随应用爆发持续放量，而推理芯片的技术门槛与训练芯片不同，给了初创公司更多切入空间。NVIDIA 的回应是全套组合拳——能收购的收购，能投资的投资，能开放的开放，把每一个可能的威胁转化为生态的一部分。

市场涟漪：算力资产金融化​

同期两条市场消息进一步扩大了观察视野：

• 亚马逊拟向投资者转让约 80 亿美元的 NVIDIA 芯片，采用售后回租模式以缓解现金流压力；
• SpaceX 拟融资 400 亿美元采购英伟达芯片，由 Apollo 牵头，结构约为 100 亿美元银行贷款加 300 亿美元投资级债务。

AI 算力正在被金融工具深度改造：芯片从单纯的固定资产，变成可转让、可抵押、可回租的资产类别。售后回租和芯片抵押融资的出现，既反映了算力需求之热，也提示了部分买家的资金链已经绷得很紧。

分析：竞合逻辑的三层解读​

**对 NVIDIA：收编优于对抗。**面对推理挑战者，正面对抗意味着价格战和生态战，成本高且结果不确定；用资本和生态把挑战者拉进自己的轨道，既消解威胁又吸收创新。NVLink Fusion 开放、投资 d-Matrix、支持 Token Fabric，本质上是同一战略的不同侧面。

**对 Token Fabric：中立性是最大考题。**一个由 NVIDIA 参投的公司推出的"多厂商互联标准"，其他厂商接受它的前提是治理结构足够中立。如果标准最终被视作 NVIDIA 生态的延展工具，其多厂商价值将大打折扣，AMD、博通等厂商是否愿意接入将成为试金石。

**对推理芯片创业公司：独立生存空间收窄。**d-Matrix 选择与 NVIDIA 合作，说明独立路线的融资与商业化难度在上升。"借船出海"可以换来资本与生态的入场券，代价是战略自主性。对整个推理芯片赛道而言，站队正在加速，留给中立玩家的窗口期越来越短。

小结​

投资对手 d-Matrix、参投 Token Fabric、收购 Groq、开放 NVLink Fusion——NVIDIA 正在用资本与生态把推理层的挑战者逐个纳入轨道，"竞合"取代正面对抗成为新打法。与此同时，亚马逊 80 亿美元售后回租、SpaceX 400 亿美元债务融资采购芯片，显示算力资产金融化正在成为行业新变量。推理芯片这一新战场上的博弈，正从纯技术竞争转向资本与标准的综合较量。

Hot Chips 2026 上，OpenAI 与博通合作的首颗物理芯片 Jalapeño 完整规格曝光：700W 纯推理 ASIC、216GB HBM4、13.4 PFLOPS MXFP4，从初始设计到流片只用了约 9 个月。

Jalapeño 是什么​

综合 Data Center Dynamics、Tom's Hardware、ServeTheHome 在 Hot Chips 2026 上的报道，Jalapeño 是 OpenAI 与博通合作的首颗物理芯片，定位非常纯粹：一颗纯推理 ASIC，功耗 700W，专门针对 OpenAI 大规模推理服务（如 ChatGPT 等）的实际瓶颈设计。

与通用 GPU 不同，Jalapeño 不追求覆盖训练、微调、推理的全场景，而是把全部资源押在一件事上：以最低成本、最高密度跑好 OpenAI 自己的推理负载。这是自研芯片路线中最激进的一种——不做通用产品，只为自家业务画像画芯片。

完整规格​

项目	规格
定位	纯推理 ASIC（OpenAI × 博通首颗物理芯片）
功耗	700W
内存	216GB HBM4
算力（MXFP4）	13.4 PFLOPS
算力（MXFP8）	3.4 PFLOPS
架构	NUMA 式架构，64 个内存与计算切片
流片速度	从初始设计到流片约 9 个月
工艺	博通 3nm/2nm 混合设计，台积电代工
首批部署	目标 2026 年底

架构上，Jalapeño 采用 NUMA 式设计，共 64 个内存与计算切片。这种把内存与计算绑定为切片、再横向扩展的思路，本质上是围绕 OpenAI 自己的模型结构和流量特征做定制——博通在定制 ASIC 上最擅长的，正是这种"按客户负载画芯片"的方法论。

集群规模：单 pod 最高 27 EFLOPS​

单颗芯片只是起点，Jalapeño 的部署规划更能说明 OpenAI 的推理盘子有多大：

• 128 颗芯片组成的部署规模约 1.7 EFLOPS FP4，合计 27.5TB HBM4；
• 单个 pod 最多容纳 2048 颗加速器，最高 27 EFLOPS MXFP4。

作为背景，OpenAI 与博通的定制算力协议总规模约为 10GW，Jalapeño 只是这盘棋的第一颗子。如果 2026 年底首批部署如期落地，OpenAI 的推理成本结构将出现一个全新的变量。

背景与资金面​

围绕这颗芯片的产业与资金背景同样值得梳理：

• OpenAI 与博通签有约 10GW 算力的定制协议，芯片采用博通 3nm/2nm 混合设计、台积电代工，目标 2026 年底首批部署；
• 博通正为 OpenAI 定制芯片筹资超 500 亿美元，其中早期磋商约 300 亿美元为债务融资，接续此前为 Anthropic 安排的债务融资；
• FT 报道 OpenAI 年化营收约 500 亿美元，低于此前约 700 亿美元的口径；
• 与此同时，Meta 也在与博通合作开发下一代 MTIA 芯片。

定制芯片是资金密集型游戏：芯片要钱，HBM 要钱，数据中心还要钱。博通为 OpenAI 安排的数百亿美元债务融资，说明这类项目的资金结构已经接近基础设施建设，而非传统的芯片采购。

分析：专用化的赌注​

**纯推理专用 vs GPU 通用性。**已有分析师对 Jalapeño 的路线提出质疑：纯推理 ASIC 缺乏灵活性，一旦模型结构或推理范式发生变化，芯片可能无法跟上。OpenAI 的赌注是：自家推理需求足够大、足够可预测，专用化带来的成本与密度收益足以覆盖灵活性损失。这是一个用业务确定性换取硬件效率的交易——赌对了，推理成本大幅下降；赌错了，芯片就是沉没成本。

**9 个月流片的工程方法论。**reticle 级定制 ASIC 通常需要数年才能流片，Jalapeño 从初始设计到流片约 9 个月，是异常速度。这背后是三重支撑：博通成熟的 IP 库与设计流程、台积电先进工艺的稳定保障，以及 OpenAI 作为单一客户时的高度确定性需求——需求越明确，设计迭代越少，周期越短。

**博通成为定制 ASIC 时代最大赢家。**OpenAI 的 Jalapeño、Meta 的下一代 MTIA、Google 的 TPU，再加上为 Anthropic 安排的债务融资——几乎所有超大规模玩家的定制芯片路线，最终都汇入博通的订单簿。GPU 时代的赢家是英伟达，定制 ASIC 时代的赢家，很可能是那个卖铲子的博通。

小结​

Jalapeño 的完整规格披露，让外界第一次看清 OpenAI 自研芯片的成色：700W、216GB HBM4、13.4 PFLOPS MXFP4，9 个月流片，单 pod 最高 27 EFLOPS MXFP4。它不追求通用，只追求把 OpenAI 自己的推理账单打下来。这颗芯片能否成功，取决于推理需求是否如 OpenAI 预期的那样持续且可预测；而无论成败，博通都已经稳稳站在了赢家的位置上。

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：

产品	形态	关键规格	定位
DGX Spark	桌面 AI 超算	64GB 统一内存、1 PFLOP FP4	4,999 美元，个人与小团队原型验证
RTX Spark 笔记本	笔记本	最高 6144 CUDA 核心 + 最多 20 核 Grace CPU、最高 128GB 统一内存	随身开发与调试
DGX Station for Windows	桌面工作站	GB300 Grace Blackwell Ultra Desktop Superchip、748GB 一致性内存、最高 20 PFLOPS FP4	本地运行约 1 万亿参数模型

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。

2026年第41周（9月28日—10月6日前后），AI芯片行业密集事件爆发：NVIDIA N1X冲击PC市场、Intel年内第三次涨价、AMD Helios量产、MLPerf新纪录、存储新范式、国产涨价与上市潮。本篇按国际、国产、存储与系统、资本与市场四节汇总。

国际动态​

NVIDIA N1X发布（10-04）：NVIDIA发布N1X PC处理器，直接竞争Intel与AMD的PC处理器市场，当日两家股价各下跌4.2%。N1X基于RTX Spark芯片、与微软合作打造，2026年秋季上市。

Intel CPU涨价10%（10-05生效）：这是Intel自2025年以来的第三次涨价，受AI需求和产能紧张驱动。

AMD Helios量产（9-18报道）：MI455X首批出货目标Q3末，OpenAI 6GW、Meta 6GW、Anthropic合作兑现中，微软为首批客户之一。

MLPerf Inference v6.1（9-16）：Vera Rubin NVL72首秀，跑Qwen3-VL较GB300最高提升3.7倍；AMD MI350以512卡创下575万tokens/秒的纪录。

事件	时间	要点
N1X发布	10-04	Intel/AMD股价各跌4.2%，2026秋季上市
Intel涨价10%	10-05生效	年内第三次涨价
Helios量产	9-18报道	MI455X首批Q3末出货
MLPerf v6.1	9-16	Rubin NVL72较GB300最高3.7倍

国产动态​

华为昇腾950：智算集群云服务9月30日国内商用，11月30日全球商用；昇腾960超节点引入NPO技术、支持4096卡、提供8E FP8算力。

平头哥真武V900（9-22云栖大会）：216GB显存、1200GB/s带宽，2027年Q1量产；同期发布倚天720/730 CPU路线图。

国产芯片涨价（路透）：寒武纪690与昇腾950DT涨价20%-50%，HBM成本上涨是主要驱动。

燧原科创板上市（9-11）：开盘上涨188.37%，市值达1764亿元。

摩尔线程"庐山"：年底亮相，3A渲染性能提升15倍、光追50倍、AI 64倍。

存储与系统​

SK海力士：9月17日发布HBF/PIM/eSSD/SALT-KV组合，9月18日成立SK hynix Ventures投资生态；美光9月15日发布超密度服务器内存模组；AWS Annapurna×NVIDIA推进NVHBM定制内存；长鑫存储据路透报道筹备进军NAND。

电网与能效：Emerald AI、Google、NVIDIA于9月16日成立AEMA（先进能源与算力联盟）；NVIDIA DSX MaxLPS助力Lambda实现同功率下token吞吐+24%、每瓦性能+23%。

存储玩家	动作
SK海力士	HBF/PIM/eSSD/SALT-KV + 设立Ventures
美光	超密度服务器内存模组
AWS×NVIDIA	NVHBM定制内存
长鑫存储	筹备进军NAND

资本与市场​

份额格局：据Counterpoint口径，国产AI芯片从2022年的近乎零份额，到2025年已达41%；其中华为昇腾约占国产市场的62%。

股价与估值：同期美股芯片板块上涨，NVIDIA收涨2.54%、AMD涨超6%。

下周关注​

1. 昇腾950云服务全球商用倒计时：11月30日全球商用节点临近，海外部署进展值得跟踪；
2. Helios首批交付：MI455X能否兑现Q3末首批出货目标；
3. Q4国产新卡发布窗口：年底前后国产厂商新品密集期，摩尔线程"庐山"亮相在即。

小结​

第41周的主线是"三重加速"：算力侧（N1X、Helios、MLPerf新纪录）节奏空前，存储侧（HBF、NVHBM、SALT-KV）范式更新，供给侧（Intel涨价、国产涨价20%-50%）紧张加剧。国产份额41%的数据说明格局重塑已在发生，Q4将是验证兑现能力的关键窗口。

2026年9月16日，Emerald AI、Google与NVIDIA联合发起成立AI能源管理联盟（AEMA, AI Energy Management Alliance），推动电网响应式（grid-responsive）AI数据中心。当电力取代芯片成为AI扩张的第一约束，数据中心正在学会"看电网的脸色"运行。

AEMA联盟：让AI数据中心与电网协同​

AEMA联盟的核心主张是"电网响应式AI数据中心"：数据中心不再是单向索取电力的负载，而是能够根据电网信号动态调整计算调度、参与需求响应的电网资产。这一理念由Emerald AI、Google与NVIDIA共同发起，标志着电网集成正式从学术议题走向产业联盟。

2026年9月半导体周报对此的行业判断是：电网集成成为半导体行业新前沿，AI工厂正从被动用电者转型为主动电网参与者，直接影响数据中心选址、并网时间表与监管框架。

验证数据：DSX MaxLPS的24%吞吐增益​

AEMA成立同期，多项实测数据验证了电网响应式运行的可行性：

验证项目	结果	说明
NVIDIA DSX MaxLPS × Lambda	集群级token吞吐提升24%	同一功率预算内实现
NVIDIA DSX MaxLPS × Lambda	每瓦性能提升23%	验证平台为NVIDIA HGX B200服务器
硅谷电力 × NVIDIA Eos AI工厂	200+次成功需求响应信号	已进入常态化运行

DSX MaxLPS的核心价值在于：不增加一瓦电力，却多产出24%的token吞吐。它通过智能调度计算负载，让数据中心在电网允许的功率包络内动态优化运行点。而NVIDIA Eos AI工厂与硅谷电力公司之间200多次成功的需求响应交互，则证明AI数据中心参与电网调节在技术上与运营上均已跑通。

电力：AI扩张的第一约束​

为什么电网集成在2026年变得如此紧迫？答案藏在头部AI公司的电力竞赛里：Anthropic规划5GW级算力，OpenAI更是奔向10GW——这些数字背后的含义是，单一AI公司的用电需求已接近一座大型城市的量级。

参与方	电力规划规模
Anthropic	5GW级
OpenAI	10GW级

在这样的规模下，瓶颈不再是能不能买到GPU，而是：

1. 并网排队：大型数据中心从申请并网到实际通电，等待周期以年计；
2. 区域电网容量：优质电力资源区域（如水电、核电周边）迅速饱和；
3. 监管框架：巨额用电需求引发电价分摊、容量责任等政策争议。

电力供给的刚性约束，直接决定了AI扩张的速度上限。

从"卡电"到"卡资源"：需求响应的价值重构​

传统数据中心被电网视为纯粹的负担——用电曲线陡峭、不容中断。而AI数据中心有一个此前未被充分利用的特性：部分推理负载具有时间弹性。批处理推理、模型评估、非实时训练任务，都可以在电网紧张的时段暂停或降载，在电网富余时满负荷运行。

这正是需求响应（Demand Response）的价值重构：当AI数据中心能够响应电网信号灵活调节用电，它就从"被卡电的负担"变成了"可调度的电网资源"。对数据中心运营方而言，这意味着：

• 参与电网调度的收益分成，把灵活性变成收入；
• 更快的并网审批——监管机构更欢迎对电网友好的负载；
• 更优的电价合约——可中断负载换取更低电价。

对电网而言，一个GW级的可调节负载，胜过一座调峰电厂的建设周期。这是双赢的结构性改变。

对TCO的影响：电价参数的模拟价值​

从TCO（总拥有成本）视角看，电网响应式运行改变了算力的成本模型。传统TCO计算中，电费是一个固定输入参数；而在电网响应模式下，电费变成了随时间波动、可优化、甚至可产生收益的变量。

对于正在评估自建或租用AI算力的团队，建议在成本测算中把电价作为可调参数进行模拟：把峰谷电价差、需求响应补偿、并网等待时间的机会成本纳入模型，观察单位token成本的变化。您可以使用本站的TCO计算器，输入不同电价参数模拟电网响应模式下的收益——当每瓦性能提升23%的数据可以被复制，电价假设的每一次优化都会直接放大投资回报。

小结​

AEMA联盟的成立、DSX MaxLPS在Lambda上24%的吞吐增益与23%的每瓦性能提升、NVIDIA Eos与硅谷电力200多次需求响应的成功交互，共同指向一个趋势：AI数据中心正在完成从"被动用电者"到"主动电网参与者"的身份转变。在Anthropic 5GW、OpenAI 10GW的电力竞赛背景下，电网集成已成为半导体行业新前沿，直接影响数据中心选址、并网时间表与监管框架。未来的AI工厂竞争，不仅是算力密度的竞争，更是与电网协同能力的竞争——能把电力用得更"聪明"的玩家，将在AI扩张的下半场掌握主动权。

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。

2026年10月5日起，Intel CPU正式上调价格10%。这是自2025年以来的第三次涨价——当AI吞掉大量先进制程与封装产能，连最基础的CPU也开始变得紧俏。"比涨价更糟的是没货"，戴尔CEO的这句话，或许是这一轮周期最好的注脚。

涨价事实：年内第三次，涨幅10%​

根据2026年9月18日AI日报披露的信息，Intel计划自2026年10月5日起将CPU价格上调10%。值得注意的是，这已是自2025年以来的第三次涨价。涨价的驱动力主要来自两个方面：

• AI需求外溢：AI服务器的爆发式增长挤占了先进制程晶圆、先进封装（如CoWoS类产能）与HBM之外的配套资源，传统CPU的供应与产能分配同步承压；
• 产能紧张：半导体结构性短缺并非短期现象，而是供需结构错位的结果。

资本市场：涨价周期中的芯片股​

涨价消息所处的市场环境同样值得关注。同期美股芯片板块整体上涨：NVIDIA收涨2.54%，AMD涨超6%。华尔街对三巨头的上行空间预期如下：

公司	华尔街预计上行空间
NVIDIA	51.61%
AMD	25.78%
Intel	16.33%

可以看出，市场对AI纯度更高的公司给出了更高的预期上行空间，Intel的16.33%虽相对保守，但涨价本身也在改善其盈利预期。

供给端的判断：2027年可能更严重​

戴尔CEO迈克尔·戴尔在高盛大会上给出了一个更沉重的判断：半导体结构性短缺短期内难以缓解，2027年可能比2026年更严重。他的原话是："比涨价更糟的是没货。"

这句话对整个产业链的启示在于：涨价是供需失衡的结果而非原因，如果2027年供给进一步收紧，那么当前的10%涨幅可能只是开始。

Intel的AI芯片线：涨价之外的另一条战线​

在CPU涨价的同期，Intel的AI芯片布局也在推进，主要包括：

• Gaudi 3 / Gaudi 4：AI加速器主线产品；
• Jaguar Shores：下一代GPU，接替此前被取消的Falcon Shores路线；
• Crescent Island：面向推理场景的GPU产品。

在服务器侧，Intel还面临AMD的正面竞争——AMD EPYC "Venice"（Zen 6架构）最高已达256核，x86服务器CPU的核数竞赛与AI服务器配套需求叠加，进一步加剧了先进产能的争夺。

涨价如何传导：整机与云价格​

CPU作为几乎所有服务器的核心部件，其10%的涨幅不会停留在芯片层面，而是沿着"芯片→整机→云服务"的链条逐级传导：

1. 整机厂商：服务器OEM将面临BOM成本上升，戴尔等厂商已明确表态供给紧张，整机报价上调是大概率事件；
2. 云厂商：云主机的计算实例价格与裸金属服务器租金，最终会反映上游芯片成本；
3. AI基础设施：AI服务器同样需要CPU作为宿主与调度核心，GPU集群的配套CPU成本同步上升。

采购方应对建议​

面对"涨价+缺货"的双重压力，采购方可以考虑：

• 提前锁量：在2027年供给可能进一步收紧的预期下，尽早与厂商或渠道签订量价协议锁定供应；
• 关注国产替代选项：在x86服务器CPU与AI配套计算领域，国产芯片（如华为昇腾、寒武纪等）正在快速补位，可作为成本与供应风险的对冲选项；
• 重新评估TCO：涨价环境下，单纯比较芯片单价意义下降，应转向整机级、集群级的总体拥有成本测算。

小结​

Intel年内第三次涨价10%，本质上是一场AI需求驱动下的产能博弈：AI吞噬先进产能，传统CPU被迫让位并提价，而戴尔CEO"2027年可能更严重"的判断，预示这场博弈还远未到终局。对采购方而言，提前锁量、关注国产替代、以TCO视角重新测算成本，是当下最务实的三步棋。