英伟达

十月十四日，两条新闻同时出现：一是美国政府开始正式向中国客户发放英伟达 H20 芯片的出口许可；二是中国官方媒体发文，指 H20 这类对华特供芯片含有远程访问后门。英伟达回应称说法毫无根据，警告不要制造这种叙事。一天之内，同一块芯片既是解药又是毒药。 一块芯片怎么会同时是两种东西？ 这是 AI 时代的新现实。过去芯片就是计算工具，算得快就行。现在训练数据是国家机密，模型权重是企业资产，芯片里的每一个遥测接口、每一个管理控制器、每一个固件更新通道，都可能被解读为情报通道。H20 是为了绕过美国出口管制专门减配的版本，它本身就是地缘政治的产物，被双方拿来各说各话不奇怪。 当信任成了最贵的半导体材料？ 更深一层：这件事标志着「硅基供应链」正式进入冷战逻辑。中国要做国产替代（昇腾、寒武纪、壁仞），美国要做「可信赖芯片」标签，欧洲要做主权 AI 云。同一份权重，在信任美国硬件的客户那里跑 A 芯片，在信任中国硬件的客户那里跑 B 芯片。推理成本会因为这种信任分裂翻倍，效率会因为这种信任分裂打折。 接下来几个月要看：官方有没有公布 H20 后门的技术证据；英伟达会不会在中国设立独立的固件审计实验室；国产 950/960 系列的实际出货量有没有因此跳升。硅基文明的下一段历史里，最重要的原材料不是 HBM，是信任。而信任这种东西，建起来要十年，拆起来只要一篇报道。 芯片信任会不会催生第三方公证实验室？ 冷战逻辑走到极致，市场会自然长出中间方：独立的芯片安全实验室，给半导体做固件审计、遥测接口审查、供应链溯源。今天这件事还没有标准，但 H20 罗生门很可能就是催化剂。一旦大客户开始要求「第三方信任认证」，整个半导体行业的出厂流程就会被改写——从「性能达标即可」变成「性能+信任双达标」。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

十月十五日，据陆家嘴财经早餐披露，英伟达宣布向外部厂商开放其下一代 AI 平台 Vera Rubin 的服务器设计规范，同时发布一款搭载多达 256 颗自研 CPU、专为 AI 智能体打造的机架系统。在供电架构上，新方案把机架直流电压从常见水平一口气提到了 800 伏。这是英伟达从「卖芯片」进一步走向「卖整机架构」的标志性一步：过去它只供 GPU，现在连机架怎么组、电怎么供，都把规范公开给 OEM 照着造。 为什么要把设计规范对外开放？ 过去英伟达的机柜参考设计是半封闭的，大客户要照着搭一整套 NVL72 机柜，基本只能找少数几家合作 OEM。这次开放 Vera Rubin 设计规范，等于把制造门槛降下来——更多服务器厂商、代工方都能合法照着图纸造整机，把整个生态绑在英伟达的技术栈上。这招其实是从英特尔的 x86 开放模式学来的：我不自己造所有机器，但所有机器都必须按我的标准造。对国内算力产业链，这既是压力——你很难再绕开英伟达的机架规范另起炉灶——也是代工与配套零部件的机会窗口。 256 颗 CPU 加 800 伏电是在为什么铺路？ 两个细节都指向同一件事：下一代 AI 智能体集群的功耗密度。256 颗自研 CPU 一个机架，说明推理和智能体编排正在从 GPU 旁边「长」出一个巨大的控制面——成千上万个 Agent 并发跑起来，CPU 侧的调度、内存、网络开销被放大到需要一个机柜专门塞 CPU。而 800 伏直流供电，是因为整柜功率已经高到传统 400 伏方案在线损上扛不住了。电压翻倍、电流减半、线损按平方下降，这是物理定律逼出来的升级。换句话说，AI 智能体不是软件概念，它正在实打实改写数据中心的供电与散热标准。 对国内算力链是机会还是压力？ 短期看是压力：Vera Rubin 规范一开放，全球 OEM 都会加速转过去，国产机架想进海外超大规模数据中心的门槛更高了。但中长期看也有窗口——800 伏供电、高压直流、液冷、铜连接、光模块这一套配套，是全球统一的新规格，谁能先把这些零部件做到低成本高良率，谁就能吃到这一轮整机换代的订单。国内供应链在电源、液冷、光模块上本就有分量，关键看能不能赶在 Vera Rubin 大规模上量前，把配套产能和认证做进去。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论。

当地时间 10 月 7 日，微软在旧金山举行 Windows AI 与 Surface 活动，正式发布 Surface Laptop Ultra：售价 2599 美元起（约合人民币 17500 元），10 月 16 日开始发货，目前已开放预订。这台机器被微软称为「迄今性能最强的 Surface Laptop」，黄仁勋亲自站台，主打本地 AI 性能对标苹果 MacBook Pro。 配置与对标数据 Surface Laptop Ultra 搭载英伟达 RTX Spark N1X 超级芯片，采用 Blackwell GPU 加 Grace CPU 架构，最高配备 128GB 统一内存，可在本地运行超过 1200 亿参数的 AI 模型，AI 算力达 1 petaflop。屏幕为 15 英寸 mini-LED。 微软给出的对标语是：相比搭载 M5 Pro 的 16 英寸 MacBook Pro，Surface Laptop Ultra 处理本地 AI 提示词的速度快约 2 倍，生成视频速度快约 6 倍。价格上，2599 美元比 16 英寸入门版 MacBook Pro 便宜约 400 美元。 ...

英伟达在 10 月上旬更新了 Vera CPU 的交付进展：超大规算与 HPC 部门副总裁 Ian Buck 亲手把首批 Vera CPU 系统交付给 Anthropic、OpenAI、Oracle Cloud Infrastructure 和 SpaceXAI。这标志着这款「全球首款专为智能体打造的 CPU」从发布正式进入量产。一家做 GPU 起家的公司，为什么要为 Agent 专门设计一款 CPU？ Agent 时代 CPU 为什么成了瓶颈 过去大家谈 AI 算力，焦点全在 GPU。但智能体负载的特点是：模型在 GPU 上推理，而大量「编排工作」压在 CPU 上——调度工具调用、执行生成的代码、在沙箱里跑命令、处理非结构化数据、校验结果。这些工作单线程延迟敏感、并发量大，传统机架级 CPU 跟不上。 英伟达官方数据显示，Vera 相比传统 CPU 效率提升约 2 倍、速度快约 50%；自研 Olympus 核心比 Grace 指令每周期性能高约 50%，配神经分支预测器、10 宽解码，内存带宽达 1.2TB/s。这些指标全是冲着 Agent 工作流里「分支密集、内存不规则访问」的特点优化的。 客户名单说明问题 首批交付名单里，Anthropic、OpenAI 是模型公司，Oracle 是云厂商，SpaceXAI 则把 Vera CPU 用于其下一代 Agentic AI 部署，并计划把第一代 Starmind AI 卫星建立在优化版 Vera Rubin NVL72 系统之上。此外，字节跳动、CoreWeave 也是规划采用者。这说明 Agentic 负载已经大到连 CPU 都要重新设计。 ...

10 月 3 日，华为轮值董事长徐直军在公开场合表示，昇腾（Ascend）芯片在中国市场的份额已超越英伟达，达到约 50%；同日多家媒体援引机构统计指出，英伟达在中国 AI 芯片市场的份额已跌至约 8%。这个数字与 Bernstein 此前的预测完全吻合——三年前英伟达还占中国市场约 95%。 数据脉络 Bernstein 的预测是：到 2026 年，英伟达在中国 AI 芯片市场的份额将从三年前的 95% 暴跌至约 8%，华为占约 50%，AMD 约 12%，寒武纪排名第三，国产 AI 加速卡整体份额突破 60%。TrendForce 在 8 月的报告里把这种速度形容为「八个月内完成」，强调这是结构性而非周期性转变。 徐直军这次表态之所以有分量，是因为华为同时披露了 SuperPoD 方案：以 Peerium 计算架构与 UnifiedBus 高速总线为核心，支持百万级处理器对等互联，用系统级组网弥补单芯片制程受限。950PR 的推理性能据称为英伟达 H20 的三倍。 体量差距仍在 但要冷静看到体量。英国《金融时报》报道，华为 AI 芯片收入 2025 年约 75 亿美元、2026 年预期约 120 亿美元（路透社称无法独立核实）；而英伟达 2026 财年数据中心收入约 1937 亿美元，两者仍差约 16 倍。8% 是英伟达在中国市场的份额，不是它全球份额的缩水。 还要注意结构差异：英伟达守住的 8%，大概率集中在少数无法替代的高端训练场景；而华为吃下的 50%，大头在推理。训练和推理的商业价值不同，训练单卡贵但客户集中，推理量大但单卡毛利薄。用份额数字简单对比，会高估国产替代在高端训练上的真实进展。 判断 这件事对中国 AI 产业的意义是：推理场景的国产替代已经从「政策驱动」变成「性能驱动」。运营商和互联网公司把推理负载切到昇腾，不再只是因为合规要求，而是因为它确实更快更便宜。当性能反过来成为迁移理由，这个份额就锁死了。英伟达中国区的故事，已经从「增长故事」变成「存量防御故事」。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：英伟达中国份额

10 月 3 日，华为轮值董事长徐直军在公开场合表示，昇腾在中国 AI 芯片市场的份额已达约 50%，超越英伟达的约 8%。这个数字与 Bernstein 的预测吻合：英伟达的份额将从三年前的约 95%，跌到 2026 年的约 8%，华为占约 50%，AMD 约 12%，寒武纪排第三，国产 AI 加速卡整体份额突破 60%。三年时间，一个原本由一家独大的市场，裂成了两个阵营。 这不是周期，是结构 TrendForce 在 8 月的报告里把这种速度称为「八个月内完成」，强调这是结构性而非周期性转变。原因不只是出口管制倒逼，更是华为用 950PR 推理性能做到英伟达 H20 三倍的硬数据，让运营商敢把核心负载搬过来。当替代不再是「能用就行」，而是「更好用」，迁移就不可逆。 但要看到体量差距：英国《金融时报》报道华为 AI 芯片收入 2025 年约 75 亿美元、2026 年预期约 120 亿美元，而英伟达 2026 财年数据中心收入约 1937 亿美元，两者差了约 16 倍。中国市场占全球 AI 算力需求的比例，决定了这种割据对英伟达全球盘的实际冲击。 估值要分区域算 过去给英伟达估值，中国市场是一个「可选项」——顺境时多卖一些，逆境时少卖一些。现在这个逻辑变了：中国区基本盘被压缩到 8%，意味着英伟达未来的增长必须完全靠北美、欧洲和中东的超大客户。而中国市场的 50% 份额，要由华为、寒武纪、海光这一系公司自己消化。 对投资者的含义是：不能再用一张全球地图给整个 AI 芯片板块估值。英伟达的估值模型里，中国区收入要按「零增长甚至萎缩」来假设；而国产算力公司的估值，要看它们能不能吃下这 60% 的国产份额并出海。两个阵营的周期性已经脱钩。 判断 AI 芯片市场从「赢者通吃」走向「阵营割据」，对技术本身是好事——竞争带来价格下降和路线多元；对资本市场则是一次重估：同一条产业链上的公司，今后要按所在阵营分别定价。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：芯片阵营割据

10 月 8 日，微软推出搭载英伟达 AI 芯片的 AI 笔记本，2599 美元起，主打本地 AI 性能对标 MacBook Pro。在云端 API 已经便宜到近乎白送的 2026 年，花大价钱买「本地跑模型」到底图什么？图的是数据不出机、断网能用、以及长上下文不按 token 计费。问题是：这个价位的机器，本地到底能跑动多大的模型。 算一笔显存账 本地跑模型的硬约束是统一内存（显存），不是 CPU。一个 70B 参数模型： 4-bit 量化（AWQ/GPTQ）约需 35–40 GB 内存； 8-bit 约需 70 GB； 直接跑 FP16 需要 140 GB 以上，轻薄本想都别想。 所以 2599 美元这档机器，现实目标是 7B–14B 的 4-bit 流畅跑，70B 的 4-bit 在 64GB 以上内存机型上「能跑但慢」。吞吐大约在每秒几个 token，适合写文档、做本地知识库问答，不适合高并发。 怎么把它用值 用 llama.cpp 的 server 模式或 ollama 起本地 OpenAI 兼容端点，前端接 Open WebUI，团队共享； 量化选型上，日常问答选 4-bit 已足够，对事实要求高的再上 8-bit； 长文档场景，把上下文窗口调到 16K–32K，别一上来塞满 128K，内存会先顶不住。 判断 这类机器不是给「追求最强模型」的人准备的——那个需求交给云端 GPT-6、Gemini。它真正的客户是：对数据合规有硬要求的团队、经常出差断网的人、以及想把敏感微调数据留在自己手里的开发者。买之前先想清楚你要跑哪个尺寸的模型，别为「本地 AI」四个字付了智商税。 ...

10 月初，产业链传出的关键进展是：新一代 Vera Rubin NVL72 不再是 roadmap 上的参数，而是真的进了生产环境。CoreWeave 已把 NVL72 送进生产部署，编码智能体公司 Cognition 成为首个跑生产负载的客户。与此同时，Google Cloud、Azure、Oracle、Mistral 等都在列部署名单。据现场数据，在 SWE-2 这类智能体负载上，NVL72 的总 Token 吞吐较 GB200 NVL72 提升约 4.8 倍，强化学习每 GPU 输出提升约 3.8 倍。 成本数字是怎么往下走的 英伟达官方口径很有说服力：GB300 NVL72 在单用户交互 116 TPS 场景下，借助 Dynamo 与 TensorRT-LLM 把推理成本做到每百万 token 约 0.123 美元（SemiAnalysis 2026 年 4 月基准），比 HGX H200 低约 35 倍。而 Vera Rubin NVL72 更狠——每百万 token 成本约为 GB200 NVL72 的十分之一，每兆瓦 Token 产出最高约 10 倍；按 SemiAnalysis 的 AgentX 数据，相较 GB300 NVL72 每百万 token 成本还能再降约 45 倍。 ...

9 月 17 日华为全联接大会后，一组数据被反复引用：据华为轮值董事长徐直军在与海思首席科学家问答时透露，昇腾在中国 AI 芯片市场的份额已经超过英伟达。第三方机构伯恩斯坦给出的口径更具体——华为昇腾约 50%，英伟达滑落至约 8%。对照 2022 年英伟达独占约 95%、昇腾仅约 3% 的格局，四年时间，这是一场彻底的翻盘。 先把数字的水分挤一挤 需要说明口径：「超过英伟达」是华为自陈数据，「约 50%」「约 8%」来自伯恩斯坦等机构预测，统计的主要是训练与推理加速卡市场。到 2025 年双方大致还是四六开，2026 年差距被迅速拉大。 驱动这一切的不是单点性能，而是系统工程。华为主推以 Peerium 计算架构和 UnifiedBus 总线为核心的 SuperPoD 超节点，宣称可支持百万级处理器对等互连，用「堆系统」补上单芯片制程受限的短板。海思同时强调 CUDA 的软件壁垒正在缩小，950 SuperPoD 已达相当规模部署。 份额逆转的真相是「推理换道」 英伟达丢掉的，主要不是训练高端卡，而是大规模推理场景。当国产模型的推理需求爆发，国产卡在性价比、供货确定性、本土服务上的组合拳奏效，运营商、互联网大厂与政务云纷纷把推理负载迁到昇腾等国产卡上。 黄仁勋自己也承认，出口管制相当于倒逼中国让出市场、扶持本土产业链。这不是英伟达产品不行，而是地缘与成本双重作用下的被动让步。寒武纪、百度昆仑芯、阿里平头哥等国产玩家也在分食，市场并未被一家独占。 判断 50% 对 8% 标志着中国 AI 芯片从「能用」走到「主供」，但真正的考验还在后头：高端训练生态、CUDA 迁移成本、以及被压制到有限制程下的持续迭代。对产业链而言，国产替代的红利期确实到了，可份额数字背后，软件栈的成熟度才是决定能不能全球扩张的那块短板。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：昇腾英伟达份额

10 月上旬，英伟达更新了 Vera CPU 的交付进展：超大规模与 HPC 副总裁 Ian Buck 亲手把首批 Vera CPU 系统交到 Anthropic、OpenAI、Oracle Cloud Infrastructure 和 SpaceXAI 手里。这家公司反复强调一句话——Vera 是全球首款专为智能体打造的 CPU，发布时宣称性能达到 x86 处理器的 1.8 倍。它不是又一颗 GPU，而是给 GPU「喂料」、给智能体「跑腿」的那台主机。 为什么智能体需要一颗专用 CPU 过去谈 AI 算力，所有人眼睛只盯着 GPU 参数。但智能体时代的负载变了：模型之外，还有代码执行、工具调用、沙箱隔离、数据分析、数据管道和跨系统编排。这些活儿大多跑在 CPU 上，x86 在这一代突然显得又慢又费电。 英伟达给 Vera 的定位很清楚：既是加速系统的主机 CPU，也是独立跑 AI 工厂负载的 CPU，让 GPU「吃得饱」、让智能体「回得快」、让训练循环「停不下来」。它采用自研 Olympus 核心与高带宽 LPDDR5X 内存，补上的正是「模型很强、周边很堵」这一环。 SpaceXAI 这单意味着什么 真正的信号是客户名单。SpaceXAI（原 xAI）正在把 Grok 的算力往吉瓦级堆，底座就是 Vera Rubin NVL72 系统，Vera CPU 是其中的计算单元之一。据英伟达新闻稿，SpaceXAI 还计划把加速计算延伸到卫星侧的星智系统。 这说明头部玩家已经默认：未来的智能体工厂里，GPU 负责推理，CPU 负责任务调度与环境执行，两者必须协同设计。Vera 从 GTC 发布到 8 月规模交付，节奏明显快于传统数据中心 CPU，说明这条产线早就是刚需。 ...