Skip to main content

56 posts tagged with "Industry News"

Major events and market dynamics in the AI compute card industry

View all tags

徐直军 HC2026 访谈:昇腾950DT年底规模供货,"昇腾中国份额已超英伟达"

· 6 min read
Industry Research Team

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。

内存超级周期全面爆发:台积电Q3营收创纪录、三星利润暴涨8倍、HBM4E获NVIDIA认证

· 5 min read
Industry Research Team

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。

AI芯片周报(2026年第41周):2nm量产竞速、存储新范式与机架级大战

· 4 min read
Industry Research Team

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10-04Intel/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 v6.19-16Rubin 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×NVIDIANVHBM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。

AI数据中心成为电网参与者:AEMA联盟成立、NVIDIA DSX实现24%吞吐增益

· 5 min read
Industry Research Team

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
Anthropic5GW级
OpenAI10GW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。

Intel年内第三次涨价:CPU上调10%,AI需求下的产能博弈

· 4 min read
Industry Research Team

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
NVIDIA51.61%
AMD25.78%
Intel16.33%

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。

NVIDIA N1X进军PC处理器:发布当日Intel、AMD股价各跌4.2%

· 4 min read
Industry Research Team

2026年10月4日,NVIDIA正式发布N1X PC处理器,直接切入Intel与AMD长期分割的PC处理器市场。消息公布当日,Intel与AMD股价双双下跌4.2%——资本市场用最直接的方式表达了对这场"降维打击"的担忧。

发布当日:资本市场的剧烈反应​

N1X发布当天,Intel与AMD股价各下跌4.2%。这不是一次普通的产品发布,而是PC处理器市场四十年来首次迎来真正的"第三极"。此前,x86双寡头格局虽然在ARM阵营(高通)的冲击下出现过裂缝,但NVIDIA携GPU生态与AI势能入场,威胁等级完全不同。

N1X是什么:基于RTX Spark的PC战略核心​

N1X由NVIDIA与微软合作打造,基于2026年6月Computex上发布的RTX Spark芯片,面向消费级和OEM Windows PC市场。其核心规格如下:

规格参数
CPU最多20核 Arm CPU
GPU6144 CUDA 核心(Blackwell 架构)
统一内存最高 128GB LPDDR5X
内存带宽300GB/s
模型能力可运行1200亿参数模型
上下文长度100万 token
上市时间2026年秋季

从规格上看,N1X本质上是一颗"能当CPU用的AI显卡":20核Arm CPU负责日常计算与Windows系统负载,6144个CUDA核心的Blackwell GPU则让本地运行千亿参数大模型成为可能。100万token的上下文窗口,也远超当前多数消费级平台的本地推理能力。

三重竞争关系:高通、苹果与x86双寡头​

对高通:N1X与Snapdragon X Elite走的是同一条Arm PC路线,但NVIDIA手中握有高通无法匹敌的王牌——CUDA生态。Arm PC推广多年来最大的痛点是软件兼容性,而NVIDIA的GPU驱动、AI软件栈(TensorRT、cuDNN)和游戏生态都是现成的,这让N1X在"AI PC"叙事上比高通更完整。

对苹果:N1X的统一内存架构明显对标Apple Silicon。128GB统一LPDDR5X加上300GB/s带宽,思路与M系列芯片的统一内存如出一辙——CPU与GPU共享大容量内存,这正是本地大模型推理的关键。苹果证明了这条路能跑通,NVIDIA则试图凭借更大的CUDA生态基本盘分食这块蛋糕。

对Intel与AMD:这才是最致命的。x86双寡头四十年来首次同时面对:一个掌握AI算力定义权的对手、一个深度绑定微软Windows的Arm方案、以及一个在数据中心已经验证过平台化打法(CPU+GPU+网络)的竞争者。当日4.2%的跌幅,反映的正是市场对"第三极"长期侵蚀份额的定价。

份额转化取决于什么​

当然,发布日的股价下跌不等于市场份额的转移。N1X的实际份额转化取决于三个变量:

  1. 兼容性:Arm架构Windows在x86应用转译、外设驱动、游戏反作弊等方面的表现,仍是高通路线上的老问题,NVIDIA与微软的深度合作能否解决尚待观察;
  2. OEM采纳:N1X面向消费级和OEM市场,联想、戴尔、惠普等大厂的整机定价、渠道投入将决定其出货规模;
  3. 性价比:RTX Spark方案的成本能否支撑有竞争力的整机价格,是消费者用钱包投票的最终标准。

小结​

N1X的发布标志着PC处理器市场进入"三强时代":Intel与AMD的x86双寡头、苹果的Apple Silicon、以及NVIDIA+微软的Arm AI PC阵营。秋季上市之后,N1X能否将资本市场的恐慌转化为真实的出货量,要看兼容性、OEM采纳与性价比三大变量的兑现程度。想了解N1X的完整规格与参数细节,详见站内芯片页:NVIDIA N1X。

长鑫存储进军NAND:国产存储原厂格局生变

· 5 min read
Industry Research Team

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。

SK海力士发布AI存储"新频谱":HBF、PIM、SALT-KV重新定义AI基础设施

· 5 min read
Industry Research Team

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
HBFHigh Bandwidth Flash(高带宽闪存)把闪存带宽提升至内存量级
PIMProcessing 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。

5GW、10GW成为新单位:Anthropic与OpenAI的算力军备竞赛

· 5 min read
Industry Research Team

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
AMDOpenAI / Meta / AnthropicOpenAI 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。

平头哥公布倚天CPU路线图:倚天720/730明年推出,730首次全自研微架构

· 5 min read
Industry Research Team

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7202027年单核性能、核密度与能效全面提升
倚天7302027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。