AI芯片

十月十四日，据多家科技媒体报道，微软在周一发布的声明中披露：公司计划把自研 AI 芯片线 Maia 扩展到「多吉瓦级部署」，从 2027 年开始大规模上线，具体目标产能与完成时间表未给出精确数字。这是微软迄今为止对自研芯片最激进的一次表态——它不再只是做几颗测试芯片，而是要在自己的数据中心里跑出吉瓦级的自有算力。背后的动机不言自明：过去几年，微软每年给英伟达的 GPU 采购账单已经膨胀到难以忽视，自研芯片成了大客户必然的第二供给。 为什么大厂都要自研芯片？ 逻辑很简单：当你一年买几百亿美元的 GPU，你就有强烈的动机自己造。英伟达的 GPU 强在通用性和生态，但它为了覆盖所有客户，在微软自己的工作负载上其实是「过度设计」的——很多晶体管浪费在微软用不到的通用性上。Maia 这类自研芯片，专门为微软自己跑的大模型推理优化，能效比可以高出一大截，而且不被英伟达的产能排期卡脖子。亚马逊 Trainium、谷歌 TPU、微软 Maia，三家云巨头现在全在走同一条路：先用自研芯片跑自己最赚钱的那部分推理负载，把英伟达留给训练和最难的那部分。 多吉瓦部署到底是多大规模？ 一吉瓦约等于一个大型核电站的装机功率。微软说的「多吉瓦」，是指这些芯片在数据中心里消耗的总算力功率级别。参考行业数字，一个吉瓦的 AI 数据中心大约需要数十万张加速卡的等效算力。微软敢喊出这个目标，说明它不打算把自研芯片当实验玩具，而是要真刀真枪地撑住 Copilot、OpenAI 这一整套推理需求。但要泼冷水：自研芯片从流片到规模化部署，良率、软件栈、编译器、生态迁移全是坑，2027 年这个时间点本身就说明它自己也知道，这两年还得继续买英伟达。 英伟达会因此失去微软吗？ 短期不会，长期是个缓慢分流的过程。最可能的结果是：训练主力仍买英伟达，推理负载逐步切到 Maia；高端跑前沿模型用 Blackwell、Rubin，中端跑已经成熟的模型用自研芯片。这其实是英伟达已经接受的现实——它的估值里早就假设了大客户会自研。真正值得盯的不是微软砍不砍英伟达订单，而是 Maia 的能效比到底能比同代 GPU 强多少：如果差距拉到 2 倍以上，整个云行业的自研芯片节奏都会被带快。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论。

10 月 8 日的 AI 快报里，夹着一条来自 AMD 的信号：CEO 苏姿丰公开放话，AMD 将在 2027 年大幅增产 AI 芯片。在英伟达长期主导高端训练市场、AI 芯片常年供不应求的大背景下，这句「增产」不只是一句产能口号，更像是第二供给方对整个算力定价体系的一次叫板。对被高价 GPU 卡了好几年脖子的云厂商和模型公司，这大概是今年少有的好消息。 AMD 为什么偏偏现在敢喊大幅增产？ AMD 这几年的 AI 路线其实很清晰：不追求在单点性能上正面碾压英伟达，而是靠 MI 系列在性价比、软件栈兼容性上一点点啃市场。过去它不敢喊增产，是因为客户订单还没稳定到敢压注产能；现在敢喊，说明两件事成了——一是大客户（云厂商、模型公司）确实在持续下单，二是它对自己的软件生态（ROCm 这一代）有了底气。 增产的前提是有订单。苏姿丰敢把 2027 年写进公开表态，大概率意味着手里已经握到了足以支撑产线扩张的长期承诺，这和前面提到的那些百亿级算力协议是同一条链条的两端：一边是模型公司签长约锁产能，一边是芯片厂据此扩产。 它真的会把算力价格打下来吗？ 如果 AMD 真在 2027 年把产能大幅推上来，高端训练卡「一卡难求、溢价满天飞」的局面有望松动。对行业这意味着： 推理和训练的单位成本曲线，可能因为第二供给的竞争而再往下走一段。 云厂商有了议价筹码，不再只能接受单一供应商的报价。 对国产芯片厂商，AMD 的增产既是竞争压力，也验证了「第二供给有市场」这条路是走得通的。 苏姿丰说的 2027 年增产承诺靠谱吗？ 需要泼的冷水是：「大幅增产」目前仍是公司表态，具体产能数字、良率爬坡节奏、以及最关键的软件生态迁移成本，都还没到兑现的时候。AMD 历史上多次出现过硬件发布顺畅、软件 adoption 跟不上的情况。但方向已经摆出来——2027 年的算力供给，可能比现在宽松得多。对被高价卡了几年的行业，这是个值得期待的时间点。 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：AMD增产AI芯片

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

600亿美元是什么量级 2026年10月初，博通牵头的一笔AI芯片专项融资浮出水面：总额约600亿美元。这个数字是什么概念？它超过全球绝大多数上市公司的市值，相当于一个中型国家的年度科技预算。 这笔钱不会只投给一家公司——它大概率会拆解为：定制ASIC产能锁定（对台积电、三星的预付款）、先进封装扩产、数据中心电力基建，以及一批AI芯片初创企业的并购弹药。博通此前就在AI芯片市场动作频频（谷歌TPU代工、OpenAI定制芯片合作），这轮融资等于宣告：AI芯片的竞争，正式进入"资本集团战"阶段。 为什么是博通牵头 博通在AI芯片产业链的位置极其特殊：它不是芯片设计巨头，却是"芯片的芯片"——几乎所有大厂定制ASIC（谷歌TPU、Meta自研芯片、现在的OpenAI加速器）背后都有博通的IP与代工协调。它牵头融资，等于把分散的定制芯片需求打包成统一产能池，形成对上游晶圆厂和封装厂更强的议价权。 这也解释了为什么英伟达的市值能持续高涨——因为整个市场都在为"算力稀缺"付钱，而博通们正在试图把稀缺变成规模化。 对产业格局的三点影响 第一，AI芯片初创迎来"资本寒冬中的绿洲"：600亿资金池会分润给大量二三线芯片公司，前提是技术路线被巨头认可。第二，产能成为新的稀缺品：先进封装和HBM（高带宽内存）的产能锁定，将决定2027-2028年谁能出货。第三，国产AI芯片的压力与机会并存：全球资本加速堆砌先进制程，国内必须在成熟制程+架构创新上找到差异化路径。 算力的游戏规则正在改变：单打独斗的时代结束，谁能调动资金、锁定产能、整合生态，谁才能留在牌桌上。 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。

为什么边缘AI爆发 云端推理时延高、成本高 隐私数据不出本地 端侧模型能力提升 应用场景 安防监控 智能识别本地化 视频分析边缘部署 工业质检 缺陷检测实时化 产线本地推理 消费电子 手机、音箱、摄像头 智能家居 主流玩家 高通、联发科 华为海思 瑞芯微、地平线（国产） 市场数据 边缘AI芯片出货量高速增长，成为芯片行业增长最快的细分。

三大战场 训练芯片 华为昇腾920：性能接近国际主流 训练集群规模部署验证 软件栈持续完善 推理芯片 国产推理芯片性价比优势明显 互联网大厂规模化采用 边缘场景出货放量 生态 框架适配（PyTorch生态兼容） 开发者社区活跃度提升 工具链补齐 进展亮点 国产芯片进入主流数据中心 大模型推理成本下降 客户从观望转向采购 挑战 CUDA生态差距仍在 先进制程受限 HBM依赖进口 结论 国产AI芯片从可用走向好用。生态建设是未来三年主战场。

进展 华为昇腾：训练性能接近H100 寒武纪：推理芯片成熟 壁仞、摩尔线程：持续迭代 瓶颈 CUDA生态：英伟达最大的护城河 先进制程：受限于光刻机 HBM内存：依赖进口 软件栈：工具链不完善 突破口 推理市场：国产芯片性价比优势明显 特定场景：垂直优化可超越通用芯片 政策支持：大基金持续投入 结论 国产芯片在推理和特定场景已可用，训练和生态仍需时间。乐观估计3-5年追上主流水平。

对比 芯片 训练能力 推理能力 生态 H100 最强 强 CUDA 昇腾910C 接近H100 强 CANN 寒武纪590 中等 中等 不完善 现状 推理芯片国产化进展快，训练芯片还在追赶。CUDA生态是最大壁垒。

硅基速览 9月10日路透社报道，寒武纪思元690加速卡涨价20%-30%，沐曦、天数智芯同步跟涨。 寒武纪官方回应"不要听信市场消息"，但未否认涨价本身。 HBM成本飙升正在从华为、寒武纪头部厂商传导到整个国产AI芯片第二梯队，全行业进入涨价周期。 正文 第二梯队的跟涨 2026年9月10日，路透社的一篇报道不仅揭示了华为昇腾950DT涨价20%-50%，还顺带披露了中国AI芯片第二梯队的集体提价： 寒武纪思元690：涨价20%-30% 沐曦：同步上调现有及下一代产品报价 天数智芯：同步跟涨 这意味着中国AI芯片涨价不是华为一家的行为，而是全行业现象。原因也相同：HBM（高带宽内存）成本飙升且供应紧张，所有依赖外购HBM的中国AI芯片厂商都在成本端承压。 寒武纪在回应市场传闻时的表态很有意思：“不要听信市场消息”。这个回应本身值得解读。如果涨价完全是谣言，公司通常会直接否认：“我们没有涨价”。但寒武纪选择了"不要听信市场消息"这个模糊表态——它既没有确认涨价，也没有否认。市场普遍解读为：涨价确实在发生，只是公司不便公开承认。 寒武纪在国产AI芯片格局中的位置 硅基视角梳理一下中国AI芯片的竞争格局： 第一梯队：华为昇腾。 华为凭借自研芯片+自研HBM+超节点方案，在中国AI加速卡市场占据最大份额。昇腾950DT是当前旗舰，960系列2027年Q1就绪。 第二梯队：寒武纪、海光信息、壁仞科技。 这些公司在AI加速卡市场各有侧重。寒武纪侧重云端训练和推理，海光信息侧重服务器CPU+DCU协同，壁仞侧重高性能计算。 第三梯队：沐曦、天数智芯、燧原科技、摩尔线程。 这些公司还在追赶阶段，产品性能和生态成熟度与前两梯队有差距。 寒武纪思元690是其面向AI训练和推理的旗舰加速卡。涨价20%-30%，直接原因是HBM成本上涨，深层原因是寒武纪在HBM议价权上弱于华为——华为有自研HBM，寒武纪主要靠外购。 涨价的产业链传导 HBM成本上涨对AI芯片产业链的传导路径是： 第一环：HBM供应商（三星/SK海力士/美光）涨价。 全球AI算力需求暴涨，HBM产能供不应求，三大供应商有充分的涨价底气。 第二环：AI芯片设计公司（华为/寒武纪/沐曦）成本上升。 外购HBM成本占AI加速卡BOM成本的30%-50%，HBM涨价直接拉高芯片设计公司的成本。 第三环：AI芯片涨价传导到下游。 芯片设计公司为了保持毛利率，将成本上涨传导给AI服务器厂商和最终客户。 第四环：AI算力租赁价格上涨。 当硬件成本上升，AI算力租赁市场的价格也会水涨船高。 硅基视角估算：HBM价格每上涨10%，一张AI加速卡的综合成本大约上涨3%-5%。如果HBM价格在2026年下半年累计上涨30%-50%，那AI加速卡涨价20%-30%就是合理的成本传导。 对下游AI公司的影响 涨价对下游AI公司的影响，因规模而异： 大型互联网公司（字节、阿里、腾讯、百度）：这些公司有长期芯片采购合同，HBM涨价的影响会滞后6-12个月传导。而且它们有足够的议价能力，可以与芯片厂商谈判分批消化涨价。 中型AI公司：这些公司通常按现货价格采购芯片，HBM涨价对它们的成本影响最直接。一张加速卡多花5万元，一个万卡集群就是5亿元的额外成本。 AI初创公司：这些公司主要通过云算力租赁来获取算力，不直接采购芯片。但上游硬件成本上涨会传导到云算力价格，最终初创公司也会感知到。 硅基AGI社区在论坛silicon-agi.com上有不少AI公司技术负责人在讨论算力成本上涨对业务的影响，从模型优化到云厂商选型，讨论非常务实。 硅基点评 寒武纪思元690涨价，标志着HBM成本压力已经从华为一家传导到整个国产AI芯片行业。这不是某家公司的经营问题，而是整个产业链的结构性问题——在HBM被韩国三巨头垄断的现实下，中国AI芯片厂商都在同一条船上。 硅基视角的判断是：HBM涨价周期可能持续到2027年下半年。在此之前，所有中国AI公司都需要做好"算力成本持续上升"的准备。应对策略有三：一是优化模型效率（像DeepSeek V4.1 Flash那样用更少的激活参数做更多的事）；二是做多供应商冗余（不要把所有算力押在一家芯片厂商上）；三是提前锁定长期采购合同（在价格低位时锁定未来12-18个月的供应）。 本文由硅基AGI社区原创，欢迎访问博客 guijiagi.com 获取更多AI实战教程，或到论坛 silicon-agi.com 参与讨论。

硅基速览 9月10日路透社报道，华为将昇腾950DT加速卡意向报价上调至25万元人民币以上，较两个月前涨20%-50%。 寒武纪思元690涨价20%-30%，沐曦、天数智芯同步跟涨——中国AI芯片厂商集体提价。 根本原因：HBM（高带宽内存）供应紧张且成本飙升，中国AI芯片厂商面临"算力上去了，但内存卡住了"的困境。 正文 25万元一张AI加速卡 2026年9月10日，路透社援引多名知情人士报道，华为已将其最先进AI加速卡——昇腾950DT的意向报价上调至25万元人民币（约合37255美元）以上。根据合同条款不同，这一价格较两个月前给到客户的报价上涨了20%至50%。 华为此前公开表示，其最先进AI芯片950DT将于2026年第四季度正式上市。但在正式上市前，它的"指示售价"已经被拉高了四分之一到一半。 涨价的不止华为。据中国新闻网和中电网报道，寒武纪的思元690加速卡同步涨价20%-30%，沐曦、天数智芯等中国AI芯片厂商也纷纷上调现有及下一代产品报价。 寒武纪在回应市场传闻时表态：“不要听信市场消息”。但这个表态本身——而不是直接否认涨价——被市场解读为"涨价确实在发生，只是公司不便公开承认"。 HBM：中国AI芯片的阿喀琉斯之踵 为什么中国AI芯片厂商集体涨价？表面原因是"供需紧张"，根本原因是HBM——高带宽内存——卡住了脖子。 HBM是AI加速卡的核心组件。一张AI加速卡，除了计算芯片本身，还需要堆叠多层HBM内存来提供高带宽数据通道。HBM的产能和价格，直接决定了AI加速卡的成本和出货量。 问题在于：HBM的生产被韩国三大厂——三星、SK海力士、美光——高度垄断。中国大陆在HBM量产上仍然落后于国际领先水平。当全球AI算力需求暴涨时，HBM产能首先被英伟达、AMD等海外大客户抢购，中国厂商能拿到的HBM供应有限，而且价格水涨船高。 华为为此走上了自研HBM的道路。据华为官方披露，华为为昇腾950系列自研了两种HBM：HiBL 1.0（面向Prefill和推荐场景）和HiZQ 2.0（面向Decode和训练场景），分别与Ascend 950PR和950DT合封。但自研HBM的产能爬坡需要时间，短期内无法完全替代外购HBM。 涨价对中国AI产业的影响 中国AI芯片集体涨价，对下游AI产业的影响是直接的： 算力成本上升。 以前一台搭载8张昇腾加速卡的AI服务器，成本约80-100万元。涨价后可能达到100-130万元。对于正在大规模建设AI集群的中国互联网公司和金融机构来说，这意味着同样的预算能买到的算力减少了20%-30%。 国产化性价比下降。 中国AI芯片的核心竞争力之一是"比英伟达便宜"。当昇腾950DT涨到25万元一张时，它与英伟达同级产品的价格差距已经大幅缩小。如果性能差距不能完全弥补价格优势，部分客户可能重新考虑英伟达方案（在允许进口的前提下）。 加速国产HBM研发。 涨价本身是一种市场信号——它告诉中国半导体产业：HBM是必须攻克的卡脖子环节。长鑫存储、长江存储等国内存储厂商正在加速HBM研发，预计2027-2028年可能实现国产HBM量产。 华为昇腾的产品线 硅基视角梳理一下华为昇腾950系列的产品线： Ascend 950PR：面向Prefill和推荐场景，搭配自研HiBL 1.0 HBM。Prefill是大模型推理中"读取和理解输入"的阶段，对带宽要求极高。 Ascend 950DT：面向Decode和训练场景，搭配自研HiZQ 2.0 HBM。Decode是"逐字生成输出"的阶段，对计算密度要求极高。 950DT是目前华为最先进的AI加速卡，计划2026年Q4上市。涨价20%-50%的，主要就是这张卡。 硅基AGI社区在论坛silicon-agi.com上有不少硬件工程师在讨论国产AI芯片的性价比和选型问题，从昇腾到寒武纪到沐曦，讨论非常深入。 硅基点评 华为昇腾950DT涨价，是2026年中国半导体产业最真实的一个信号：AI算力国产化不是"能做出来"就够了，还要"做得起、供得上"。在HBM被韩国三巨头垄断的现实下，中国AI芯片厂商面临的不是设计能力问题，而是供应链瓶颈。 硅基视角的判断是：2027年，国产HBM量产会成为中国AI产业的下一个关键节点。谁能率先量产HBM3/HBM4，谁就能把昇腾950DT的成本降下来，把涨价的势头扭转回去。在此之前，中国AI算力的获取成本会持续高于全球平均水平，这会倒逼下游厂商优化模型效率、推理成本、Agent工作流——也就是为什么DeepSeek V4.1 Flash这种"小激活、高效率"的模型会在中国市场特别受欢迎。 对AI创业公司的建议：在做算力预算时，一定要把HBM涨价这个因素算进去。不要假设今年的算力成本明年不变。国产AI芯片的价格波动会比英伟达更大，因为供应链更脆弱。正确的做法是：做多供应商冗余，模型效率优化前置，推理成本控制作为核心KPI。 本文由硅基AGI社区原创，欢迎访问博客 guijiagi.com 获取更多AI实战教程，或到论坛 silicon-agi.com 参与讨论。