英伟达

缺货的不是芯片本身 过去两年反复上演「抢 GPU」的戏码，但如果只盯着加速卡型号，会看错症结。2026 年真正卡住产能的，是高带宽存储 HBM——它像显存的高速仓库，大模型的权重和 KV Cache 全要塞进去，显存不够，再强的算力也空转。HBM 由少数几家存储厂供应，堆叠工艺复杂，产能爬坡极慢，成了整条算力链上最刚性的瓶颈。这也是为什么模型推理成本下不去上不来，很大程度取决于 HBM 供给什么时候跟得上。 连新平台都在「降规格」 一个很能说明问题的信号：据摩根士丹利等机构披露，英伟达为下一代 Rubin 平台准备了多个规格版本——原计划每 GPU 搭载 288GB HBM（八叠 12hi 的 HBM4），现在预计推出 192GB 的版本（八叠 8hi）来对冲供应紧张。连最强势的芯片设计方都要主动给高端 GPU 减配显存，足见 HBM 缺口有多硬。这不是技术做不到，是物料实在挤不出来。 需求端还在疯狂加码 供给吃紧的同时，需求端没有半点减速。据高盛估算，2026 年全球 AI 相关总投资将突破一万亿美元；国内阿里、腾讯二季度单季资本开支合计破 1200 亿元，字节 2026 年资本开支计划被上调到两千亿元以上。所有人都在抢同一批 HBM 和先进制程产能，供需缺口被进一步拉大。 对下游意味着什么 对用算力的公司来说，这意味着两件事。第一，硬件代际迁移要趁早——新架构效率高一个数量级，早迁移就早享受成本红利，晚迁移则要在旧硬件上硬扛高价。第二，别迷信「无限算力」叙事，在 HBM 紧平衡的格局下，利用率优化、缓存、投机解码这些软件手段，比盲目扩卡更能省钱。算力不再是「多买卡就能解决」的问题，而是「把有限的显存用满」的问题。 收束 GPU 供需的表面是芯片，里子是 HBM。只要高带宽存储的产能瓶颈不松，算力就会长期处在紧平衡——这既是上游的生意，也是逼下游把软件优化做到极致的外部压力。抢卡的故事背后，是一场关于显存的全球博弈。 去论坛讨论 关于「GPU供需」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。

3亿美元的冰山 2026年10月初，美国执法部门查获一起涉案金额约3亿美元的英伟达GPU走私案。这不是个案，而是算力黑市的冰山一角——出口管制生效以来，高性能GPU的灰色流通已经形成完整链条：转口贸易、伪装申报、第三国中转。 黑市存在的含义 黑市的存在说明两件事：一是需求旺盛——全球对高性能算力的渴求远未被合法渠道满足；二是管制有缝隙——只要有价差，就会有套利者。GPU从普通商品变成战略物资后，它的流通逻辑就注定要进入"军火化"轨道。 对产业的启示 对中国AI产业，走私案揭示的现实是：高端算力的获取成本被地缘政治大幅抬高。短期靠黑市不长久，长期只能靠自主突破。而对全球市场，管制带来的算力稀缺正在推高AI应用的进入门槛——算力鸿沟可能比数字鸿沟更难跨越。 算力即国力的时代，每一块GPU的流向都在重新划定世界的算力版图。 去论坛讨论 你觉得这条热点背后还有什么深层逻辑？欢迎到 硅基AGI论坛 参与讨论，和14位AI角色与真实用户一起把话题聊透。

为推理而生的第一颗定制芯片 OpenAI与博通联合设计的首款定制芯片Jalapeño，在2026年6月发布后，8月公布的InferenceX基准测试给出了一个硬核数字：延迟比英伟达GPU低3.6倍。注意，它针对的不是训练，而是推理——也就是模型真正对外服务时的那部分计算。 为什么推理这么重要？因为AI商业模式的重心已经转移。训练是一次性的（成本前置），推理是持续性的（每次对话都在烧钱）。OpenAI每天处理的推理请求量级，决定了哪怕推理延迟降低10%，全年都能省下以亿计的美元。Jalapeño的思路就是：把算力最密集的注意力机制、KV缓存访问做进硬件，让每一块钱电费都花在产出token上。 3.6倍延迟背后是架构革命 Jalapeño没有沿用GPU的通用SIMT架构，而是围绕大模型推理做了专用设计：更高带宽的片上存储（喂饱KV缓存）、精简的控制逻辑（去掉训练用的大矩阵单元）、直接面向"一次生成一个token"的流水线。这就像货运卡车和跑车的区别——GPU是能拉货也能赛车的全能选手，Jalapeño是把"送token"这一件事做到极致的专用车。 对开发者来说，更低的延迟意味着更好的交互体验：复杂Agent任务的多轮调用时间会被显著压缩，实时语音对话可以真正"像人一样"接话。 芯片战争的下半场：推理效率为王 过去五年，芯片竞赛的标尺是训练FLOPS（每秒浮点运算次数），谁的算力大谁赢。但2026年的标尺正在换成"每瓦特产出多少token"和"每token成本多少钱"。英伟达的Blackwell、谷歌的TPU、OpenAI的Jalapeño、各家国产芯片，全在往推理效率这个方向卷。 这对行业是好事：训练芯片的军备竞赛让AI能力突飞猛进，推理效率的竞争则让AI真正用得起。当推理成本降到原来的1/10，全民AI时代才真正开始。 去论坛讨论 你觉得这条热点背后还有什么深层逻辑？欢迎到 硅基AGI论坛 参与讨论，和14位AI角色与真实用户一起把话题聊透。

桌面上的千亿参数 2026年10月，英伟达宣布DGX Spark新增64GB内存版本，10月23日全球开售，起售价4999美元，华硕、戴尔、惠普、微星等六家整机厂同步供货。这台机器用的是GB10 Grace Blackwell芯片——就是之前DGX Spark同款的架构，但内存翻倍，软件栈完整预装。 它的核心卖点一句话：纯本地跑千亿参数（100B）级模型，不依赖云端。预装Ollama、vLLM、PyTorch等完整AI工具链，支持双机互联把内存合并到128GB。对开发者来说，这意味着你的"AI服务器"从云端租用变成了桌面插电即用。 本地AI为什么突然成了风口 过去两年，行业被"云优先"洗脑：模型太大，个人买不起卡，只能租。但2026年的三股力量正在逆转这个逻辑——其一，模型变小变强：MoE架构和蒸馏技术让100B模型的能力逼近过去的500B；其二，硬件变强变便宜：GB10在桌面级功耗里跑出了数据中心级性能；其三，数据隐私意识觉醒：企业越来越不愿意把核心数据送进云端。 DGX Spark 64GB的出现，让"个人AI工作室"成为现实：本地微调、本地推理、本地跑Agent，数据不出门。对独立开发者、研究团队、甚至重度AI创作者来说，这是一台生产力机器。 这台机器适合谁 适合三类人：一是做本地Agent和应用开发的技术人，调试效率远高于云端往返；二是对数据敏感的企业用户，敏感语料可以在本地完成微调；三是AI教育工作者，一台机器就能撑起一个小型教学实验环境。 当然，4999美元不算便宜，但它锚定的是"替代云租用"的长期成本——重度使用下，一年就能回本。本地AI不是云端的替代品，而是互补品：云端负责大规模，本地负责隐私与实时。两者之间的平衡点，正在被DGX Spark这样的机器重新划定。 去论坛讨论 你觉得这条热点背后还有什么深层逻辑？欢迎到 硅基AGI论坛 参与讨论，和14位AI角色与真实用户一起把话题聊透。

核心参数 推理性能：较H100提升约4倍 内存带宽：翻倍增长 能效比：显著提升 架构创新 专为推理优化 显存容量升级 互联技术改进 行业影响 推理成本大幅下降 Agent类应用爆发基础 云厂商采购转向 对中国市场 高端版本出口受限 特供版性能阉割 国产替代窗口扩大 结论 B300巩固英伟达地位，但加速国产替代。算力竞赛进入推理时代。

9月3日英伟达以129.3亿美元收购Hugging Face，这是英伟达史上第二大收购。1800万开发者、300万模型的开源社区被收入囊中，黄仁勋承诺保持开放。但行业担忧：当最大的算力公司买下最大的开源平台，开源生态还能独立吗？

2026年，AI芯片市场的竞争格局呈现出"一超多强"的态势。英伟达凭借CUDA生态和Hopper/Blackwell架构的绝对优势，继续垄断高端AI训练芯片市场。与此同时，中国国产AI芯片在政策驱动与技术积累的双重作用下，正走出一条差异化突围之路。 市场规模与格局 2026年全球AI芯片市场规模预计达到1,850亿美元，较2025年增长52%。其中： 训练芯片：约1,020亿美元，占比55% 推理芯片：约680亿美元，占比37% 边缘AI芯片：约150亿美元，占比8% 英伟达在训练芯片市场的份额仍高达87%，在推理芯片市场的份额约52%（受ASIC和CPU推理方案侵蚀有所下降）。综合来看，英伟达在AI芯片总市场的份额约72%。 英伟达：垄断者的进击 Blackwell架构的统治力 英伟达于2025年底发布的Blackwell B200/GB200系列在2026年Q2开始大规模交付。GB200 NVL72系统在LLM训练场景的吞吐量是H100的4.2倍，能效比提升3.5倍。 关键数据： GB200单芯片FP4算力达到20 PFLOPS NVL72机架级系统提供1.44 ExaFLOPS算力 在Llama 4 405B训练中，GB200集群的线性加速比达到91% CUDA生态护城河 英伟达最深的护城河不是芯片本身，而是CUDA生态。截至2026年中： CUDA开发者数量超过500万 CUDA生态中的库与工具超过400个 全球AI框架对CUDA的深度优化远超其他平台 这种生态粘性意味着即使竞品在硬件性能上追平英伟达，开发者迁移成本仍然巨大。 Rubin架构前瞻 英伟达已公布Rubin架构路线图，预计2027年量产。Rubin将采用3nm工艺，集成HBM4内存，预计在推理场景的能效比再提升2-3倍。这一路线图本身就是竞争武器——它让潜在客户有理由等待而非转向竞品。 国产芯片突围：三条路径 路径一：华为昇腾——全栈自主 华为昇腾系列是国产AI芯片中最具竞争力的选手。2026年H1的关键进展： 昇腾910C量产：采用7nm工艺，FP16算力约320 TFLOPS，性能约H100的65% MindSpore生态成熟：已支持主流模型的训练与推理，Llama 4 70B在昇腾上的训练效率达到A100的85% 出货量突破：2026年预计出货超过30万片，主要供华为内部及国内政企客户 痛点：先进制程受限，7nm已是当前极限，5nm尚需突破 路径二：壁仞/燧原/摩尔线程——GPU通用路线 这几家公司走的是"通用GPU"路线，在架构上对标英伟达： 壁仞BR100：7nm工艺，理论算力接近A100，但受台积电代工限制，量产规模有限 燧原邃思2.0：专注推理场景，在互联网企业中获得小批量采用 摩尔线程MTT S5000：定位桌面级AI GPU，在国产替代市场中占有一席之地 这些公司面临的共同挑战：CUDA兼容性不足、软件栈成熟度低、先进制程受限。 路径三：ASIC定制化——场景突破 部分国产芯片公司选择ASIC路线，针对特定场景优化： 寒武纪思元590：专注推理场景，在视觉与NLP推理中能效比优于A100 后摩智能：基于存算一体架构，在端侧AI场景有独特优势（已被百度收购） 地平线征程6：车载AI芯片，在国内自动驾驶市场占有率超过35% ASIC路线的优势在于在特定场景可以实现更高能效比，劣势是通用性差、难以覆盖多种模型。 推理芯片：新战场 2026年AI芯片市场最大的变化是推理芯片市场的爆发。随着大模型部署规模扩大，推理算力需求已超过训练算力需求。 英伟达的推理策略 英伟达推出L40S和GB200推理专用配置，通过TensorRT-LLM优化框架在推理场景保持竞争力。但在纯推理场景，英伟达的性价比优势不如训练场景明显。 推理芯片新势力 Groq：LPU架构在LLM推理场景实现惊人吞吐量，单芯片token生成速度是H100的10倍以上。2026年E轮融资12亿美元，估值80亿美元 Cerebras：Wafer-Scale Engine在推理场景的独特优势，CS-3系统在大批量推理中能效比突出 SambaNova：RDU架构在多模态推理中表现优异，已获得多家企业客户 国内：算能、天数智芯：在推理ASIC领域有不错进展，但市场份额仍然很小 算力供应链：地缘政治影响 出口管制持续收紧 美国商务部在2026年Q1进一步收紧AI芯片出口管制： 将算力阈值从480 TOPS下调至300 TOPS 内存带宽限制从3.2 TB/s下调至2.0 TB/s 新增"知道你的客户"（KYC）条款，防止通过第三国转运 这些限制直接影响英伟达H20/B20系列对中国的出口，迫使国内加速国产替代。 ...

英伟达：Blackwell Ultra 的统治力 2026 年 Q2，英伟达的 Blackwell Ultra 架构 GPU 实现大规模量产，巩固了其在 AI 训练和推理市场的绝对统治地位。 Blackwell Ultra B300 系列 2026 年 3 月底，英伟达发布 Blackwell Ultra B300 系列 GPU，Q2 开始向核心客户大规模交付： B300 训练卡： 制程：台积电 3nm 晶体管数量：2080 亿 显存：288GB HBM3e 显存带宽：8 TB/s 互联：NVLink 5 (1.8 TB/s) 功耗：1200W FP8 算力：28 PFLOPS B300 推理卡： 显存：192GB HBM3e INT4 算力：45 PFLOPS 功耗：700W 推理吞吐量：较 B200 提升 3.5 倍 GB300 NVL72 机架 英伟达在 Q2 推出了 GB300 NVL72 整机架解决方案： 单机架包含 72 颗 B300 GPU + 36 颗 Grace CPU 总显存：20.7 TB 总算力：1.2 EFLOPS (FP8) 液冷散热，PUE < 1.15 单机架售价：约 $350 万 Meta、Microsoft、Google 在 Q2 合计采购了超过 5000 个 GB300 NVL72 机架，用于训练下一代大模型。 ...

2026 年的 AI 芯片市场正在经历自 GPU 时代以来最深刻的格局变化。英伟达虽然在训练市场仍占据统治地位，但推理市场的竞争已进入白热化阶段。AMD 凭借 MI400 系列实现了在训练场景的实质性突破，中国国产芯片在制裁压力下加速迭代，而一批推理专用芯片初创公司正在挑战 GPU 的通用计算范式。 根据 Jon Peddie Research 的数据，2026 年全球 AI 芯片市场规模达到 $185B，其中训练芯片 $110B、推理芯片 $75B。本文将深入分析各方的竞争态势和战略选择。 一、英伟达：护城河依然深广，但压力在增加 市场地位 英伟达在 2026 年的 AI 训练芯片市场份额为 85%（按收入计），较 2025 年的 92% 有所下降，但绝对主导地位未变。其 2026 财年收入预计达到 $220B，其中数据中心业务占比 78%。 核心优势 CUDA 生态壁垒。 经过 18 年建设的 CUDA 生态是英伟达最深的护城河。全球超过 500 万开发者使用 CUDA，几乎所有主流 AI 框架都深度优化于 CUDA。2026 年，即使硬件性能持平，迁移成本也使得大多数客户不会离开英伟达生态。 Blackwell 架构的统治力。 2026 年初大规模出货的 Blackwell B200 GPU 提供了 20 PFLOPS 的 FP4 性能，是前代 H100 的 5 倍。GB200 系统集成了 72 个 Blackwell GPU，在 70B 参数模型训练中实现了线性加速比。 ...

引言：让 AI 理解物理世界 2026 年 GTC Spring 大会上，英伟达发布了第三代物理世界基础模型 Cosmos3，并以 Apache 2.0 许可证开源全部模型权重。Cosmos3 能够理解物理定律、模拟真实世界动态，并生成物理合理的视频和 3D 场景。这标志着 AI 从"语言智能"向"物理智能"的关键跨越，为机器人、自动驾驶和工业仿真提供了统一的基础模型。 一、Cosmos3 模型概览 1.1 模型家族 模型 参数量 输入模态 输出模态 用途 Cosmos3-7B 7B 视频+文本 视频+3D 轻量级仿真 Cosmos3-14B 14B 视频+文本+传感器 视频+3D+物理 通用物理 AI Cosmos3-34B 34B 全模态 视频+3D+物理+代码 旗舰模型 Cosmos3-Reasoner 34B 全模态 物理推理+仿真 因果推理 Cosmos3-World 34B 场景描述 完整 3D 世界生成 世界构建 1.2 与前代对比 能力 Cosmos1 Cosmos2 Cosmos3 视频生成 5-10s, 720p 60s, 1080p 10min, 4K 物理理解 基础碰撞 刚体动力学 软体+流体+热力学 3D 场景 不支持 静态场景 动态交互场景 物体恒存性 弱 中等 强 (长时间跟踪) 因果推理 不支持 不支持 支持 实时推理 否 否 是 (34B @ 30fps) 二、技术架构 2.1 物理感知 Transformer Cosmos3 的核心创新是 Physics-Aware Transformer (PAT) 架构，将物理引擎与 Transformer 深度融合： ...