文 | 云石亂筆
2026年3月，全球半導體產(chǎn)業(yè)正處于一個關鍵轉(zhuǎn)折點。AI芯片驅(qū)動行業(yè)收入逼近萬億美元大關，但繁榮的表象之下，競爭格局正在經(jīng)歷深刻的重塑。從Nvidia的GTC 2026大會到Tesla宣布自建晶圓廠，從Google TPU打入外部市場到AMD發(fā)起正面挑戰(zhàn)，過去一年發(fā)生的一切，正在重新定義AI算力的未來版圖。
萬億美元的賽道：數(shù)字背后的結構性變局
全球半導體行業(yè)正以驚人的速度膨脹。據(jù)世界半導體貿(mào)易統(tǒng)計組織（WSTS）數(shù)據(jù)，2026年全球芯片銷售額預計將達到9750億美元的歷史峰值，同比增長約26%。而這一增長的核心引擎，就是AI芯片。
德勤在其2026年半導體行業(yè)展望報告中估算，生成式AI芯片的收入將在2026年接近5000億美元，約占全球芯片銷售額的一半。AMD CEO蘇姿豐（Lisa Su）更是將AI數(shù)據(jù)中心加速器芯片的總可尋址市場預期上調(diào)至2030年1萬億美元。
但數(shù)字的光鮮掩蓋了一個深刻的結構性矛盾：AI芯片貢獻了約50%的行業(yè)收入，卻僅占芯片總出貨量的不到0.2%。2025年全球共售出約1.05萬億顆芯片，平均售價僅0.74美元，而AI芯片不過約2000萬顆。這意味著，整個行業(yè)的繁榮高度集中在極少數(shù)高價值產(chǎn)品上。
與此同時，非AI領域的市場表現(xiàn)令人擔憂。由于AI對HBM（高帶寬內(nèi)存）和先進制程產(chǎn)能的大量占用，特定DDR5配置的消費級內(nèi)存價格在2025年9月至11月間飆漲約4倍，PC和智能手機市場預計在2026年出現(xiàn)下滑。德勤將這種現(xiàn)象描述為一個"高風險悖論"，行業(yè)把所有雞蛋放進了AI這一個籃子里。
Nvidia：王座之上的焦慮
過去的一年，沒有人比Nvidia更能體現(xiàn)AI芯片的統(tǒng)治力與焦慮感。
2026年3月16日，Nvidia在GTC（GPU Technology Conference）2026大會上發(fā)布了一系列重磅產(chǎn)品。最受矚目的當屬Vera Rubin超級芯片架構，基于臺積電N3B工藝，搭載HBM4內(nèi)存，單顆VR200封裝可提供驚人的35 petaFLOPS FP4算力，配備288GB超高速HBM4（帶寬目標22TB/s）。72顆VR200組成的NVL72機架，將再次刷新AI算力的天花板。
但真正讓行業(yè)意外的是另一個消息：Nvidia以約200億美元與推理芯片公司Groq達成技術授權協(xié)議，引入Groq創(chuàng)始人Jonathan Ross、總裁Sunny Madra及核心團隊，并在GTC上發(fā)布了Groq 3 LPU（語言處理單元）。這不是一次簡單的技術引進。Groq的LPU采用確定性執(zhí)行架構，內(nèi)置230MB超快SRAM，沒有外部內(nèi)存，卻能以極低延遲運行AI推理任務。Nvidia推出的Groq 3 LPX平臺，由128顆Groq 3 LPU組成的機架與Vera Rubin NVL72協(xié)同工作，號稱可實現(xiàn)每兆瓦35倍的吞吐量提升和10倍的收入機會。不過，當前的Groq 3仍基于較早的架構演進，而基于三星4nm工藝的第二代LPU已在研發(fā)中。Nvidia拿到的不只是一顆芯片，更是一條完整的推理芯片技術路線。
這一布局的戰(zhàn)略意義非常清晰：當行業(yè)重心從訓練轉(zhuǎn)向推理，Nvidia需要一款專用推理芯片來捍衛(wèi)自己的領地。正如Nvidia超大規(guī)模與高性能計算副總裁伊恩·巴克（Ian Buck）所言，GPU的內(nèi)存更大，而LPU的內(nèi)存更快，兩者結合，才能覆蓋從萬億參數(shù)模型到百萬token上下文的全場景推理需求。
Nvidia還發(fā)布了獨立的Vera CPU機架，將256顆液冷Vera CPU集成在一個系統(tǒng)中，專門針對正在興起的AI Agent工作負載。當AI Agent需要瀏覽網(wǎng)頁、提取數(shù)據(jù)、執(zhí)行多步推理時，CPU性能變得至關重要。這是Nvidia從GPU公司向全棧AI算力平臺進化的又一步。
Nvidia的數(shù)據(jù)中心收入在2026財年達到1935億美元，較上年的1162億美元大幅增長。但市場份額正在面臨空前的挑戰(zhàn)。
挑戰(zhàn)者聯(lián)盟：從追趕到正面較量
AMD：內(nèi)存為王的賭注
如果說2025年AMD還在奮力追趕，2026年可能是它扳回一局的轉(zhuǎn)折點。
AMD即將推出的MI455X基于全新的CDNA 5架構，采用12顆2nm和3nm邏輯Chiplet的混合設計，通過先進的3.5D封裝連接，總計3200億晶體管。最大的賣點是內(nèi)存配置：432GB的下一代HBM4，帶寬接近20TB/s。這在內(nèi)存容量上超過了Nvidia的Vera Rubin（288GB HBM4），至少在Rubin Ultra推出之前（后者將配備1TB HBM）。
但MI455X只不過是拼圖的一半。真正決定AMD這次能否改變格局的，是Helios機架架構。
過去幾年，AMD在AI芯片的單卡性能上并不遜色，MI300X和MI355X都交出了不錯的成績單，但市場份額始終難以突破。原因不在芯片本身，而在系統(tǒng)。Nvidia的統(tǒng)治力建立在NVLink、NVSwitch和NVL72整套機架級互連方案之上，客戶買的不是一顆GPU，而是一套從芯片到機架、從硬件到軟件的完整生態(tài)。AMD長期缺少的正是這一環(huán)。
Helios是AMD對這一短板的正面回應。它不再只是把多顆MI455X裝進一個機柜，而是提供了一套完整的機架級系統(tǒng)架構，包括高速互連、統(tǒng)一的內(nèi)存尋址和針對大規(guī)模AI工作負載的Scale-up/Scale-out方案。Semi Analysis的深度分析指出，Helios的意義在于AMD第一次在系統(tǒng)層面向Nvidia的NVL72發(fā)起了對等挑戰(zhàn)，不只是賣芯片，而是賣方案。
對AMD而言，Helios的成敗可能比MI455X本身更關鍵。芯片規(guī)格再強，如果無法提供客戶從Nvidia生態(tài)遷移過來的完整路徑，就只能停留在紙面上。Helios能否按時交付、軟件生態(tài)能否跟上、大客戶是否愿意為第二選擇投入資源，這些問題的答案將決定AMD在AI芯片領域究竟是永遠的"第二名"，還是做個真正的競爭者。
Google Ironwood TPU：十年磨一劍
Google可能是AI芯片領域真正的"老兵"，第一代TPU早在2015年就投入使用，比Nvidia的第一款Tensor Core GPU還要早兩年。當整個科技圈還在為區(qū)塊鏈狂熱的時候，Google已經(jīng)在為AI時代鋪路。更不用說，開啟大模型時代的那篇"Attention Is All You Need"論文，本質(zhì)上就是Google的成果。
2025年11月發(fā)布的Ironwood（TPU v7）是Google最新的杰作?；谂_積電N3E工藝，采用雙芯片（dual-chiplet）設計，配備192GB HBM3E內(nèi)存，專為運行Gemini系列模型的推理任務而設計。Ironwood最獨特的優(yōu)勢在于Google的光學電路交換技術，利用微型物理鏡面實現(xiàn)超高效光學互連，可將最多9216顆TPU連接成一個超級Pod，這種規(guī)模的單一集群是當前任何競爭對手都無法匹配的。
Ironwood真正的戰(zhàn)略意義在于，Google開始將TPU開放給外部客戶。據(jù)報道，Meta正在就2027年起采購數(shù)十億美元Google AI芯片進行談判。Forrester分析師Alvin Nguyen評價說："Nvidia無法滿足所有AI需求，Google和AMD等替代方案在云服務和本地AI基礎設施方面都是可行的。客戶只是在尋找實現(xiàn)AI目標的途徑，同時避免供應商的鎖定。"
然而，Ironwood有一個明顯的"缺口"：它是一顆專為推理設計的芯片。在大模型訓練領域，Google目前仍主要依賴上一代Trillium（TPU v6e）和Nvidia GPU的組合。要真正構建一個能與Nvidia端到端抗衡的完整生態(tài)，Google需要的不只是一顆推理冠軍，還需要一顆同樣能在訓練場景中硬碰硬的下一代芯片。
這正是TPU v8被行業(yè)寄予厚望的原因。雖然Google尚未公開披露v8的具體規(guī)格和時間表，但從Google過去十年幾乎保持一年一代的TPU迭代節(jié)奏來看（v5e/v5p于2023年、Trillium于2024年、Ironwood于2025年），v8在2026年下半年或2027年初亮相是合理的預期。
v8的戰(zhàn)略定位幾乎可以確定：補齊訓練這塊拼圖。Ironwood已經(jīng)證明了Google在推理芯片上的競爭力，但Meta等外部客戶之所以還在大量采購Nvidia GPU，核心原因正是訓練工作負載。如果v8能在訓練性能上與Nvidia的Vera Rubin正面抗衡，Google就將成為唯一一家同時擁有世界級訓練芯片、世界級推理芯片和世界級AI模型（Gemini）的公司，一個完全垂直整合的AI算力帝國。Amazon的Trainium服務于云客戶但自身沒有前沿AI模型，Microsoft的Maia推理能力強但訓練仍依賴Nvidia，Meta的MTIA只服務內(nèi)部工作負載。只有Google具備"TPU + Gemini + Google Cloud"三位一體的條件。
當然，這條路上最大的障礙不是硬件本身，而是軟件生態(tài)。Nvidia的CUDA經(jīng)過十余年積累，已成為AI開發(fā)的事實標準，擁有龐大的開發(fā)者社區(qū)和成熟的工具鏈。Google的TPU則依賴JAX/XLA編程模型，雖然在Google內(nèi)部和部分研究機構中廣泛使用，但在更廣泛的企業(yè)市場和開發(fā)者生態(tài)中仍遠不及CUDA的滲透率。即使v8的硬件規(guī)格全面超越Vera Rubin，如果無法降低客戶從CUDA遷移的門檻，TPU的外部化進程仍將受到制約。這也是Google能否從"內(nèi)部利器"轉(zhuǎn)型為"行業(yè)平臺"的關鍵考驗。
十年前，沒有人認為Google會成為Nvidia在AI芯片領域的主要挑戰(zhàn)者。但2026年的現(xiàn)實是：Google擁有最長的AI芯片研發(fā)歷史、最獨特的光學互連技術、最強的AI模型之一，以及一個剛剛開始接受外部客戶的云芯片平臺。TPU v8如果如期到來，可能標志著AI芯片行業(yè)從"Nvidia一家獨大"向"Nvidia vs Google雙極格局"轉(zhuǎn)變的真正開端。
差異化路徑：另辟蹊徑的挑戰(zhàn)者
高通（Qualcomm）：大衛(wèi)挑戰(zhàn)歌利亞
在GPU雙雄和云廠商自研芯片之外，還有一個不該被忽視的名字：高通。
高通直到最近才完成首次大規(guī)模部署：1024顆AI100芯片組成的集群。問題是，這批硬件已有三年歷史，底層架構更是接近六年前的設計。千顆規(guī)模在2026年幾乎不值一提。但真正值得關注的是2025年10月發(fā)布的AI200。這顆ASIC基于臺積電N3E工藝，包含約700億晶體管，配備768GB LPDDR5X內(nèi)存，明確瞄準推理市場。
高通的策略與眾不同：選擇LPDDR5X而非供應緊張的HBM。一年前這看起來是個聰明的差異化選擇，避開了HBM的產(chǎn)能瓶頸，用大容量低功耗內(nèi)存服務推理場景。但隨著內(nèi)存價格全線飆漲，LPDDR5X同樣未能幸免，這一成本優(yōu)勢正在縮水。AI200大概率不會在2026年掀起大的波浪。
不過，高通的路線圖上有一個更值得期待的節(jié)點：下一代AI250將采用全新的存算一體（Compute Near Memory）架構，據(jù)高通披露，可實現(xiàn)有效內(nèi)存帶寬10倍的提升，并搭配下一代LPDDR6內(nèi)存。如果Nvidia是歌利亞，高通很可能是那個手持彈弓的大衛(wèi)，暫時還夠不到頭部戰(zhàn)場，但技術路線足夠獨特，值得持續(xù)關注。
Cerebras WSE-3：整片晶圓的異類
在所有AI芯片中，Cerebras的WSE-3（Wafer Scale Engine 3）可能是最"另類"的存在。顧名思義，它將整片硅晶圓制成一顆芯片，不是Chiplet拼接，而是真正的單片。
WSE-3于2024年發(fā)布，但2026年初剛剛宣布了新的集群部署。它基于臺積電N4P工藝，包含4萬億顆晶體管，內(nèi)置44GB SRAM，理論內(nèi)存帶寬高達21 PB/s。一切指標都是"天文數(shù)字級"的。但問題在于，到了2026年，44GB的片上內(nèi)存對于運行大模型來說已經(jīng)捉襟見肘，即便它是速度極快的SRAM。WSE-3仍然在超低延遲推理服務場景中保持競爭力，但它可能正在成為這一代的"落單者"。行業(yè)期待的是WSE-4能否帶來足夠的內(nèi)存擴展來重回主流視野。
科技巨頭的"自研芯片"浪潮
過去一年最引人注目的趨勢之一，是越來越多的科技公司選擇自研AI芯片，從Nvidia的客戶變成Nvidia的潛在競爭者。
Amazon的自研芯片戰(zhàn)略可能是所有超大規(guī)模云廠商中部署規(guī)模最大的。AWS已在其數(shù)據(jù)中心部署了數(shù)十萬顆Trainium 2芯片，而2025年12月發(fā)布的Trainium 3 UltraServer性能較前代提升了4倍以上，能效提高40%。Trainium 3基于臺積電N3P工藝，包含約1250億晶體管，配備144GB HBM3E。
但Trainium 3真正耐人尋味的，不只是技術規(guī)格，而是它背后的資本游戲。Amazon向Anthropic累計投資約80億美元。作為回報，Anthropic將Claude模型的訓練和運行大量遷移到AWS的Trainium芯片上。這不是簡單的客戶關系。Amazon用真金白銀"買"來了最頂級AI實驗室對自研芯片的驗證，而Anthropic獲得了前沿模型研發(fā)所需的海量算力。雙方的利益深度綁定：Amazon需要Anthropic證明Trainium能跑最難的工作負載，Anthropic需要Amazon的資金和基礎設施來保持與OpenAI的競爭力。Claude在Trainium上訓練成功這件事本身，就是Amazon自研芯片戰(zhàn)略最有力的市場背書。
更值得玩味的是OpenAI的選擇。OpenAI的最大投資方是Microsoft，后者正在用自研的Maia 200芯片打造Azure上的AI推理基礎設施。但OpenAI同時宣布將從2026年起使用2GW的AWS Trainium算力，這意味著Microsoft最重要的AI盟友，同時也在用Amazon的芯片。在AI算力供不應求的當下，沒有任何一家AI實驗室能承受把所有賭注押在單一供應商身上。Anthropic同樣如此。在拿了Amazon的80億美元之后，又計劃從Google Cloud獲取多達100萬顆TPU的算力，同時還在使用Nvidia GPU，在三家供應商之間維持著精心計算的平衡。
業(yè)內(nèi)分析師將這種模式稱為"循環(huán)融資"：云廠商投資AI公司，AI公司反過來購買云廠商的算力和芯片，資本和算力在幾家巨頭之間循環(huán)流動。這已經(jīng)不是傳統(tǒng)的供應商-客戶關系，而是一種深度耦合的共生結構：每家公司既是對方的投資者，又是對方的客戶，還是對方的潛在競爭者。Trainium 3的成功，某種程度上不是靠產(chǎn)品與技術贏得市場競爭，而是靠資本紐帶鎖定了最關鍵的客戶。
Microsoft的Maia 200是其第二代自研ASIC，基于臺積電N3P工藝，包含1400億晶體管，配備216GB HBM3。這顆芯片將用于推理，優(yōu)化了FP8和FP4性能，分別可提供超過5和10 petaFLOPS的算力。Microsoft不僅將其用于自家模型，還將用來運行OpenAI的相關模型。
Meta的MTIA（Meta訓練與推理加速器）已進入第三代迭代，采用了臺積電N3P工藝，預計超過1000億晶體管，并首次從前兩代的LPDDR5X升級到HBM內(nèi)存，這一變化本身就說明Meta對自研芯片的性能預期在大幅提升。MTIA v3不會是爭奪AGI的芯片，但Meta對自己的內(nèi)部工作負載了如指掌：不只是AI聊天機器人，更是驅(qū)動Facebook、Instagram和Threads推薦算法的核心推理模型。用自研芯片處理這些工作負載能提供更好的利潤率，同時釋放外購的Nvidia和AMD GPU用于前沿模型訓練。扎克伯格（Mark Zuckerberg）的大手筆采購涵蓋了Nvidia GPU、AMD GPU甚至Google TPU，但長遠來看，MTIA承擔的推理份額只會越來越大。
OpenAI在2025年初完成了其首款自研芯片的設計，由前Google自研芯片項目負責人Richard Ho領導的40人團隊操刀，采用臺積電3nm工藝制造，目標2026年量產(chǎn)。這顆芯片最初將用于推理任務?？紤]到OpenAI同時參與了5000億美元的“星門”（Stargate）基礎設施項目，自研芯片的戰(zhàn)略意圖已昭然若揭。
最大膽的舉動來自Tesla。2026年3月19日—就在本文撰寫的前一天—馬斯克（Elon Musk）宣布Tesla的Terafab項目將在7天內(nèi)啟動。這是一個垂直整合的半導體制造工廠，集邏輯處理、內(nèi)存和先進封裝于一體。據(jù)Tesla披露的目標，初期產(chǎn)能為每月10萬片晶圓，年產(chǎn)1000至2000億顆AI和內(nèi)存芯片，預計投資約200億美元。Terafab的目的是為Tesla的全自動駕駛系統(tǒng)、Robotaxi車隊、Optimus人形機器人和Dojo超級計算機提供自主可控的AI芯片供應。如果這一計劃付諸實施，它將是AI時代最大膽的垂直整合嘗試之一。
從訓練到推理：行業(yè)重心的歷史性轉(zhuǎn)移
在所有技術趨勢中，最深刻的或許是整個行業(yè)從AI訓練向AI推理的重心轉(zhuǎn)移。
Google Ironwood TPU專為推理設計。Nvidia引入Groq技術正是為了獲得專用推理芯片。Microsoft的Maia 200優(yōu)化了推理性能。高通的AI200 ASIC選擇了LPDDR5X而非HBM，瞄準的也是推理市場。越來越多的跡象表明：訓練一個大模型可能只需要做一次，但推理—每當用戶向ChatGPT提出一個問題、每當AI Agent執(zhí)行一個任務—需要持續(xù)不斷地消耗算力。
這一轉(zhuǎn)變正在重塑芯片設計的優(yōu)先級。推理芯片更強調(diào)能效（每瓦每Token的性能）、低延遲、大內(nèi)存帶寬和確定性執(zhí)行，而這些恰恰是傳統(tǒng)GPU并非最優(yōu)的領域。ASIC（如TPU、Trainium、Groq LPU）和專用推理加速器的崛起，正在蠶食GPU在AI領域的壟斷地位。
德勤的分析也印證了這一點：AI數(shù)據(jù)中心工作負載預計在2026年至2030年間每年增長3到4倍。隨著AI Agent、實時推理和端側AI的爆發(fā)，推理算力需求的增速將遠超訓練。
暗流涌動：繁榮背后的風險
在這場AI芯片的盛宴中，幾個潛在風險值得警惕。
能源瓶頸。高盛估計，到2027年AI數(shù)據(jù)中心將需要額外92GW的電力。用于發(fā)電的燃氣輪機訂單已排到2030年以后，數(shù)據(jù)中心審批可能因消費者電價上漲風險而受阻。能源正在取代芯片本身，成為AI擴張的最大瓶頸。
內(nèi)存危機。AI對HBM3、HBM4和DDR7內(nèi)存的需求導致消費級內(nèi)存（DDR4、DDR5）嚴重短缺。據(jù)Counterpoint統(tǒng)計，2025年第四季度內(nèi)存均價飆漲50%，部分分析師認為這種緊缺可能持續(xù)十年。這不僅影響PC和智能手機市場，也在推高AI系統(tǒng)本身的成本。
投資回報的不確定性。大多數(shù)數(shù)據(jù)中心建設方并不指望第一年就收回投資，但如果AI變現(xiàn)的速度和規(guī)模不及預期，項目可能被取消或推遲，對芯片銷售造成沖擊。德勤提醒，2026年的訂單基本鎖定，但2027和2028年可能出現(xiàn)急劇分化。
地緣政治的持續(xù)擾動。出口管制、關稅、技術主權爭奪正在重塑全球半導體供應鏈。2025年12月，美國政府批準Nvidia向部分獲準的中國客戶出售H200芯片，但條件是25%的芯片銷售份額。各國紛紛加速建設本土芯片制造能力，但先進封裝和測試領域的人才短缺—尤其在美國和歐洲—可能成為持久性的障礙。
展望2026下半年：確定趨勢與開放問題
站在2026年3月的時間節(jié)點上，有幾個趨勢已經(jīng)相當明確：
第一，Nvidia仍將主導，但其份額將繼續(xù)被稀釋。Nvidia控制著AI芯片市場90%以上的份額，但Google TPU的外部化、AMD MI455X的正面競爭、以及各大科技巨頭的自研芯片，正在多個維度侵蝕這一優(yōu)勢。正如Forrester分析師所言，Nvidia戴著"金手銬"：它是AI的代名詞，但也被迫不斷推出最先進的高利潤產(chǎn)品，而放棄利潤率較低的市場，而這恰恰給了競爭者成長空間。
第二，推理芯片將成為增長最快的細分市場。從Nvidia引入Groq技術到Google開放Ironwood，從Microsoft優(yōu)化Maia到AWS規(guī)?；疶rainium，行業(yè)共識已經(jīng)形成：推理是下一個主戰(zhàn)場。
第三，垂直整合將加速，資本紐帶將取代市場競爭成為客戶鎖定的核心手段。Tesla建晶圓廠只是最極端的案例。Amazon投資Anthropic、Microsoft投資OpenAI、Google同時向兩家提供TPU算力，"循環(huán)融資"正在成為AI芯片行業(yè)的新常態(tài)。誰能用資本綁定最關鍵的AI模型公司，誰的芯片就能獲得最有價值的市場驗證。
第四，系統(tǒng)級性能將取代單芯片性能成為核心競爭力。Chiplet架構、HBM-on-Logic集成、光學互連（CPO/LPO）、軟件定義網(wǎng)絡，這些系統(tǒng)級創(chuàng)新的重要性正在超越芯片本身的工藝節(jié)點。AI數(shù)據(jù)中心的競爭，越來越像是"系統(tǒng)的戰(zhàn)爭"而非"芯片的戰(zhàn)爭"。
還有幾個開放性問題將在未來數(shù)月內(nèi)揭曉答案：
Google的TPU v8能否如期到來并補齊訓練短板？如果成功，AI芯片行業(yè)可能從Nvidia一家獨大走向雙極格局，但CUDA生態(tài)的護城河仍是最大變數(shù)。
Intel的Jaguar ShoresGPU能否在2026年內(nèi)問世？這顆基于Intel 18A工藝、包含1750億晶體管、配備288GB HBM4的芯片，紙面規(guī)格頗具競爭力，但正如業(yè)內(nèi)人士的評價："紙面是要有耐心的。"經(jīng)歷了多次AI GPU的失敗嘗試后，Intel不僅要證明自己能造出芯片并量產(chǎn)，還要拿出過硬的軟件支持。一個健康的AI芯片市場需要第三個GPU玩家。
Cerebras的WSE-4何時發(fā)布？WSE-3的44GB SRAM在2026年已顯不足，整片晶圓規(guī)模的芯片概念要延續(xù)生命力，內(nèi)存擴展是當務之急。
Tesla的Terafab是又一個馬斯克式的宏大愿景，還是能真正改變半導體制造格局的顛覆性項目？
當AI芯片收入占據(jù)半導體行業(yè)的半壁江山，一旦AI投資周期出現(xiàn)回調(diào)，整個產(chǎn)業(yè)鏈將如何應對？
結語
AI芯片行業(yè)在過去一年經(jīng)歷了一次急劇的加速。Nvidia仍然是這場競賽中當之無愧的領跑者，但賽道上的選手從未如此之多、如此之強。專用推理芯片快速崛起，超大規(guī)模云廠商紛紛投入自研硅片，Chiplet架構趨于成熟，光學互連開始落地。而在技術競爭之上，資本紐帶正在重新定義誰是誰的客戶、誰是誰的對手。
在9750億美元的半導體市場數(shù)字背后，是一個行業(yè)正在經(jīng)歷的根本性轉(zhuǎn)型：通用計算讓位于專用智能，單一供應商主導走向多元生態(tài)共存，峰值算力競賽轉(zhuǎn)變?yōu)槿到y(tǒng)能效優(yōu)化。2026年下半年，當Vera Rubin、MI455X、Trainium 3和各家自研芯片陸續(xù)進入規(guī)模部署，當Google的TPU v8是否亮相揭曉，我們將看到這場變革的第一批真正的答案。
這不僅僅是一場芯片的戰(zhàn)爭，更是一場關于AI基礎設施未來形態(tài)的根本性辯論。而2026年，正是這場辯論從紙面走向現(xiàn)實的最關鍵的一年。
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論
國產(chǎn)加油