AI Compute Cards Wiki Editorial

所有 AI 芯片都在解决同一个问题：让数据离计算更近。Cerebras 的答案最为激进——干脆取消芯片边界，把整片晶圆变成一颗处理器。

WSE-3：一块 46225 平方毫米的"芯片"​

第三代晶圆级引擎 WSE-3 于 2024 年发布，沿用与前代相同的巨大外形，依靠制程升级堆叠性能：台积电 5nm 工艺，46225 平方毫米的面积上集成了 4 万亿晶体管和约 90 万个 AI 核心，44GB 片上 SRAM 均匀分布在整片晶圆表面。与英伟达 H100 的对比如下：

指标	Cerebras WSE-3	英伟达 H100	倍数
芯片面积	46225 平方毫米	约 814 平方毫米	约 57 倍
计算核心	90 万个 AI 核心	16896 个 FP32 核心	约 52 倍
片上内存	44 GB SRAM	约 50 MB	约 880 倍
内存带宽	21 PB/s	约 3 TB/s	约 7000 倍
片上结构带宽	214 PB/s	约 58 TB/s	约 3715 倍
峰值算力（FP16）	125 PFLOPS	—	—

每个核心都是独立的可编程稀疏线性代数核（SLAC），可以直接跳过零值计算；核心之间由名为 Swarm 的 2D 网格通信网络连接。44GB SRAM 让每个核心在单时钟周期内访问内存，这正是 Cerebras 推理速度优势的来源：以 16 位精度运行 Llama 3.1 8B 时每秒生成超过 1800 个 token，而基于 H100 的最优方案约为每秒 242 个。

晶圆级集成的三道难题​

把晶圆做成芯片要跨过三道坎。其一是良率：Cerebras 通过冗余设计应对制造缺陷——晶圆上预留额外核心，测试后屏蔽坏核即可正常出厂。其二是供电与散热：CS-3 系统峰值功耗约 23kW，需要定制化的供电分配与水冷系统，这也是其部署 footprint 较大的原因。其三是内存扩展：WSE 本身没有片外 HBM，Cerebras 用外挂的 MemoryX 设备将外部内存扩展至最高 1.2PB，单个逻辑内存空间可容纳高达 24 万亿参数的模型。

从"最快的训练机"到"最快的推理服务"​

有意思的是，Cerebras 商业化的转折点来自推理。2025 年初 DeepSeek-R1 发布后，推理模型的订单一度"压垮"了 Cerebras 的服务器——逐 token 的思维链生成恰恰吃满它的带宽优势。其推理服务在 Llama 3.1 405B 上跑出每秒 969 token 的输出，宣称比最优 GPU 方案快 12 倍。2026 年初，OpenAI 与 Cerebras 签署大规模算力采购协议，承诺采购 750MW 推理算力、分批部署至 2028 年，据公开报道合同金额超过 100 亿美元；AWS 也宣布将把 Cerebras 芯片引入其数据中心。这些订单支撑了 Cerebras 在 2026 年重启 IPO 进程。

小结​

晶圆级引擎是典型的"非共识但正确"路线：它牺牲了部署灵活性与单机通用性，换取了单模型推理的极致速度与极简的分布式编程模型。随着推理成本成为 AI 应用的主要瓶颈，"快"第一次有了直接的定价权。Cerebras 证明了架构创新在 GPU 巨头面前依然有生存空间——前提是找到让这种优势变现的场景。

国产GPU的资本化进程在2025年底到2026年初按下了快进键：三个月内，头部企业密集挂牌、递表、辅导，一笔接一笔的募资公告刷新纪录。这不是简单的上市潮，而是一次行业级的弹药补充——钱最终流向哪里，暴露的是各家对技术路线的终极判断。

三个月走完的资本梯队​

时间线值得逐条记录：2025年12月5日，摩尔线程登陆科创板，募资80亿元；12月17日，沐曦股份接棒上市，募资约42亿元。2026年1月2日，壁仞科技挂牌港交所，募资55.83亿港元，成为港股18C特专科技机制落地以来发行规模最大的新股；1月8日前后，天数智芯在港交所挂牌；1月下旬，燧原科技科创板IPO申请获受理，拟募资60亿元；百度旗下昆仑芯也于1月初向港交所递交上市申请。几家头部公司合计募资约237.8亿元，且截至2025年底，摩尔线程与沐曦的股价涨幅均超过500%。

公司	上市地与时间	募资规模	技术路线
摩尔线程	科创板，2025年12月	80亿元	GPGPU全功能路线
沐曦股份	科创板，2025年12月	约42亿元	GPGPU，全国产工艺
壁仞科技	港交所18C，2026年1月	55.83亿港元	GPGPU，押注推理
天数智芯	港交所，2026年1月	据公开招股信息	GPGPU
燧原科技	科创板受理，拟募资	60亿元	DSA专用架构

钱的流向：通用派与专精派的分野​

募资用途暴露了路线分歧。摩尔线程将约七成资金投向全功能GPU研发与生态建设，其MUSA架构对标CUDA生态、已完成数千个PyTorch算子兼容，走的是"让英伟达开发者无缝迁移"的重生态路线。沐曦更务实，重点之一是全国产供应链建设——基于国产工艺的曦云C600已量产，同时押注具身智能等场景芯片。壁仞把六到七成募资投向下一代BR20X系列，公开承认现有产品偏训练、推理优化不足，精准卡位大模型部署阶段的推理市场。燧原则是唯一的DSA路线坚守者，为AI推理做"极致手术刀"，代价是要从零构建自研软件生态。

资本市场的制度配套同样关键：2025年7月上交所推出科创板科创成长层，为暂未盈利的硬科技企业打开更包容的通道，这是整波IPO潮的制度前提。

上市只是起点：再融资与备货竞赛​

一级市场的钱烧得快，二级市场的补弹更凶。壁仞上市十个月内已累计募资近170亿港元：继2026年7月约70.69亿港元配股后，10月初再度以40.40亿港元配售，公告称因新一代BR20X产品进度快于预期，需提前采购、预留产能，约七成资金用于战略供应链采购。背后的行业背景是全链条涨价——据公开报道，台积电将于2027年起上调代工价格3%至6%，三星先进制程涨幅最高达15%，HBM则处于持续涨价周期。

备货数据印证了紧张程度：2026年上半年，寒武纪存货账面价值达82.48亿元，海光信息75.18亿元，摩尔线程从13.32亿元增至35.5亿元，天数智芯增至19.68亿元。在产能吃紧的市场里，资金实力直接决定能否抢到晶圆、HBM与先进封装产能。

研判：融资热度与商业化能力的赛跑​

这轮资本热潮的底层逻辑是AI算力缺口与国产替代的双重红利，但钱多不等于赢家。头部公司中，寒武纪曾用八年才实现单季扭亏，沐曦预计最早2026年盈亏平衡，摩尔线程指引2027年合并盈利——资本市场的耐心正在接受商业化的检验。接下来的看点有二：一是2026年第四季度起壁仞BR20X、摩尔线程与沐曦新一代产品的实际交付，检验募资是否转化为收入；二是若海外高端芯片供给政策进一步松动，国产GPU能否在"从能用到好用"的临界点上站稳。融资热图终会降温，最终留在牌桌上的，是能把晶圆变成万卡集群的公司。

芯片越做越大，大到接近光刻掩膜极限，良率却越做越差。业界的答案是拆：把一颗大芯片拆成几颗小芯粒（chiplet），在封装里拼回去。拆开容易拼回难——芯粒之间的接口此前是各家私有的。UCIe 标准想做的，就是给封装内互连定一个类似 USB-C 的通用规范。

为什么要拆芯片​

动机有三层。第一是良率：芯片面积越大，单颗晶圆上无缺陷的完整芯片越少，而缺陷密度短期内降不下来。拆成小 die 后，坏一颗只废一颗，总产出显著提高。第二是成本混搭：计算核心用最先进的制程，I/O、模拟电路用成熟制程即可——大芯片被迫为所有模块支付最先进节点的价格，芯粒化让每个模块各用最划算的工艺。第三是突破面积极限：单颗 reticle 能容纳的电路面积有物理上限，多芯粒封装是做出超大 AI 芯片的现实路径。AMD 的 Instinct 系列、各大云厂商的自研芯片，都已大量采用这一路线。

UCIe：分层的 die-to-die 规范​

UCIe（Universal Chiplet Interconnect Express）于 2022 年由 Intel、AMD、Arm、三星、台积电等公司联合发布，据其官方公开资料，标准分三层：

• 协议层：不发明新协议，直接复用 PCIe 与 CXL，另设 Streaming 通道供私有协议穿透——既有软件栈可以原样跑在芯粒互连上，这是它"USB-C"野心的关键。
• D2D 适配层：负责数据成帧、链路重试、流控等可靠性机制，并定义了标准化的逻辑接口，让协议 IP 与物理层 IP 可以来自不同供应商、自由拼装。
• 物理层：按封装形态分两档，规格如下。

指标	标准封装	先进封装
凸点间距	100 至 130 微米	25 至 55 微米
带宽密度	约 113 GB/s/mm	约 650 GB/s/mm
单通道速率	最高 16 GT/s	最高 32 GT/s
目标能耗	约 0.5 pJ/bit	约 0.25 pJ/bit

标准封装用传统有机基板，成本低，适合带宽需求温和的场景；先进封装需要硅中介层或嵌入式桥接，带宽密度高出近六倍，面向 AI 与 HPC。此后标准持续演进：2.0 版补充了 3D 封装支持，2025 年发布的 3.0 版将速率提升至 48 与 64 GT/s 档位。

从标准到量产：现实与理想的距离​

需要清醒的是：当下算力最强的几款产品，芯粒互连走的都是私有路线。AMD 的 Infinity Fabric 撑起跨芯粒一致性域；据公开报道，NVIDIA 在其超芯片产品中采用自研的 die-to-die 互连，带宽密度远超公开标准。私有方案在性能上跑在前面，UCIe 的价值定位在别处——跨厂商混拼。只有当不同厂家的计算芯粒、HBM 基底芯粒、I/O 芯粒能在同一封装里即插即用，芯粒才真正从"设计技巧"变成"产业分工"：小公司可以只做某一类芯粒，卖进别人的封装。EDA 工具、D2D IP、裸片测试方法学也都在围绕 UCIe 生态快速补齐。

小结​

芯粒化解决的是先进制程时代"做大芯片"的成本与物理约束，UCIe 解决的是芯粒之间的通用语言问题。前者已被头部产品验证，后者仍在追赶。对选型者的启示是：评估采用芯粒架构的芯片时，除了看标称算力，还要关注其封装内互连的带宽密度与一致性支持——它决定了拆开的芯片拼回去之后，性能能保住几成。

GB200 NVL72 这类整机柜方案只提供液冷版本，液冷已从"技术选型题"变成"工程落地题"。但冷板与浸没式不是简单的技术优劣之分，而是两个完全不同的投资模型与运维模型。本文聚焦改造成本，帮你把预算花在正确的地方。

两条路线的本质区别​

冷板式（Direct-to-Chip）通过金属冷板贴合 GPU、CPU 等发热芯片，冷却液在板内微通道流动带走热量，大约能拦截整柜热量的七到九成，剩余部分仍需风冷兜底。浸没式则把整台服务器浸泡在介电液体中，热量几乎全部由液体带走，单相浸没制冷能力超过每柜 100kW，两相方案可达 200kW 以上；而冷板单相方案的典型上限在每柜 60 至 100kW。

风冷的安全上限业界普遍认为在每柜 25 至 40kW。这意味着：如果改造目标只是把 8kW 老机房升级到 20kW 跑 H100，冷板甚至后门热交换器可能都非必需；但只要目标机柜是 GB200 级别，冷板就是入场券，浸没式则属于"为下一代密度提前买单"。

一张改造成本对照表​

对比项	冷板式液冷	浸没式液冷
单柜制冷能力	约 60 至 100kW	单相超过 100kW，两相可达 200kW 以上
典型 PUE	1.1 至 1.2	可低至 1.05 及以下
初期投资	中等，约为浸没式的三至五成	高，单柜约为冷板式的 2 至 3 倍
核心成本部件	冷板占 40 至 45%，CDU 占 30 至 35%，快接头占 15 至 20%	介电冷却液占 30% 以上，液冷槽与 CDU 次之
改造难度	中等：加装 CDU、机柜管路与歧管	高：需专用浸没槽、承重加固与地板重构
与现有服务器兼容性	好，标准机型即可	差，需浸没专用机型或去风扇改造
运维复杂点	漏液检测、快接头插拔纪律、水质管理	冷却液黏度与材料兼容性、维护取放流程
适用场景	GB200 级新建与存量改造主流	超高密度新建、比特币转型 IDC、极低 PUE 硬指标

几个来自公开测算的锚点数字：GB200 NVL72 一柜的液冷部件价值约 9.9 万美元，其中 CDU 约 3 万美元、冷却歧管与快接头各约 1.2 万美元，冷板与 CDU 合计占方案价值约四分之三；而一套 100kW 级单相浸没系统的价值测算区间约在 9 万至 18 万美元，且冷却液本身是持续消耗品。机房整体改造方面，业界经验值是每兆瓦 400 万至 800 万美元（不含 IT 硬件），周期可长达一年半。

运维视角：钱不只是花在建的时候​

冷板路线的最大隐性成本在漏液与插拔纪律。快接头每次插拔都是风险窗口，冷板属于精密 consumable，多次维护后需要更换；CDU 的水质与滤芯管理要纳入例行巡检。浸没式则把复杂度转移到了"拿进拿出"：任何一次维护都要整板吊出、滴液、清洁，工时远高于冷板，但对管路漏液的天然免疫是它的独特优势。

另一个常被忽视的差异是资产流动性：冷板服务器仍是标准形态，可以转售、搬迁、回风冷机房；浸没式服务器与槽体、冷却液深度绑定，二手流通性差。做五年 TCO 测算时，这块残值差异不能忽略。

写在最后​

选型建议按三步走：第一，先定功率密度目标再定技术路线，每柜 30kW 以内优先考虑风冷加后门改造，60 至 100kW 选冷板，120kW 以上或对 PUE 有硬性红线再评估浸没式；第二，测算 TCO 时把快接头耗材、冷却液补充、维护工时和设备残值全部纳入，不要只比建设报价；第三，无论哪条路线，先建漏液告警与应急预案再上电。液冷没有回头路，第一步的工程决策值千金。

训练扩卡之后，性能却不是线性增长——八卡的效率可能只有七成，六十四卡可能只剩一半。损耗的大头往往不在计算，而在集合通信：每一步训练结束后，所有卡都要把梯度"对齐"。这个动作叫 AllReduce，它是分布式训练中最基础的集体操作，也是最容易被低估的时间黑洞。

AllReduce 到底在做什么​

数据并行是最常见的训练方式：每张卡持有完整模型副本，各处理一小批数据，算出的梯度彼此不同。参数更新前必须让所有卡上的梯度变成同一个平均值——这个"各自有个数，最后大家拿到同样的和"的操作就是 AllReduce。

工程实现上它通常拆成两步：ReduceScatter（各卡各拿总和的一部分）加 AllGather（再把各自的那份广播给所有人）。关键在于算法选择：环形（Ring）算法让每张卡只与相邻两卡通信，数据像接力一样绕环一周。可以证明，环形的总传输量对每张卡约为 2 乘以 N 减 1 再除以 N 乘以数据量——数据量是梯度总大小，N 是卡数。当 N 较大时，这近似等于"两倍梯度大小"，与卡数基本无关，因此被称为带宽最优算法。树形算法时延特性更好，适合小消息；实际系统中则常按网络拓扑做分层：节点内走 NVLink 高带宽环，节点间走 InfiniBand，两层各用各的最优算法。

一笔具体的时延账​

以 7B 模型混合精度训练为例，梯度约 14GB。八卡节点内 AllReduce，每卡收发总量约 2 乘 8 分之 7 乘 14GB，约 24.5GB；H100 节点内 NVLink 有效带宽按数百 GB/s 计，耗时约几十毫秒，相对于每秒多次的迭代尚可接受。但同一笔账放到跨机场景就难看了：若节点间只有 400Gbps 一条链路（约合 50GB/s），同步 14GB 梯度的耗时将以数百毫秒计，一步训练被通信拖成两倍长。

这正是大规模训练的共性困境：计算随卡数线性扩，而网络带宽扩不过卡数。节点内外带宽差出一个数量级，通信分层与流量调度因此成为大规模集群设计的核心功课。

压缩通信的三板斧​

手段	原理	典型收益
梯度分桶与计算重叠	反向传播中先算完的层先通信，与后续计算并行	掩盖大部分节点内通信
状态分片（ZeRO 类）	把优化器状态与梯度切分到各卡，减少冗余同步	通信量与显存同时下降
精度与压缩	低精度梯度、稀疏化或低秩压缩后再同步	通信量成倍下降，需评估收敛

三板斧之外还有架构层面的选择：增大每卡 batch 提高计算通信比、流水线并行减少同步频率、以及 MoE 场景改用 all-to-all（那是另一个故事）。它们的共同目标是同一个——让每字节数据通信期间，算力单元别闲着。

实操建议​

拿到集群先别急着堆模型：跑一遍基准的 AllReduce 带宽测试，确认节点内与节点间的实测有效带宽与规格的差距；训练中用 profiling 工具看通信时间占比，超过一成就说明优化空间在通信侧而不是算力侧。买卡时也别只比 FLOPS——节点内互连带宽与网络规格，在规模化训练里的重要性不亚于算力本身。

从动工到全球首个吉瓦级训练集群投运，xAI 只用了不到一年。Colossus 2 不只是一座数据中心，它重新定义了前沿 AI 竞赛的入场券价格。

Colossus 2：吉瓦级集群的扩张节奏​

Colossus 2 位于田纳西州孟菲斯，2026 年 1 月 17 日由马斯克宣布投入运行。据其 9 月 25 日披露，集群现有 11 万颗 GB200 与 44 万颗 GB300 加速器，并计划在年底前分三批再各增加 22 万颗 GB300——若全部兑现，Colossus 2 单站加速器总数将达约 121 万颗，加上 Colossus 1 的约 23 万颗（15 万 H100、5 万 H200、3 万 GB200），整个孟菲斯园区将逼近 144 万颗英伟达加速器。

扩张速度背后是一套非常规建设方法。据 SpaceX 证券文件，首个 Colossus 2 集群（约 11 万颗 GB200、210 兆瓦算力）从建成到上线仅用 91 天，第二个集群（11 万颗 GB300、约 220 兆瓦）只用了 64 天。独立研究机构 Epoch AI 估算，Colossus 2 已投入资本约 358 亿美元，若完成全部扩建可能高达 580 亿美元，其中仅 GPU 采购就超过 180 亿美元。

指标	Colossus 1	Colossus 2
上线时间	2024 年	2026 年 1 月
加速器构成	约 23 万颗 H100、H200、GB200	约 55 万颗 GB200、GB300（9 月）
年底目标	维持现有规模	约 121 万颗
电力负荷	数百兆瓦	初始 1 吉瓦，目标 2 吉瓦
建设节奏	122 天建成首个集群	91 天上线首个 11 万卡集群

电力、散热与环保争议​

吉瓦级集群的真正瓶颈不在芯片而在能源。Colossus 2 采用"电网加自备电厂加储能"的三重方案：邻近的密西西比州配套建设了总装机超过 100 万千瓦的天然气电厂（41 台涡轮机获监管批准），现场部署了大量特斯拉 Megapack 电池储能，媒体报道其储能规模约 2000 兆瓦功率、3.3 吉瓦时容量，被称为全球最大的电网级电池系统之一。散热方面，集群采用超微设计的端到端芯片级液冷，据报道可将 PUE 控制在 1.12 左右。

粗放扩张的代价是监管风险。美国环保署裁定 xAI 曾违规运行未获空气质量许可的天然气涡轮机；环保组织已在联邦法院提起诉讼；根据与州监管机构达成的协议，约 69 台临时涡轮机须在 2027 年年中前逐步退出，由永久性电厂替代。这套"先上车后补票"的供电模式，正在成为超大规模集群建设的争议焦点。

从自用训练到算力出租：商业模式的变化​

Colossus 2 的角色已从 xAI 专属训练设施转变为对外收费的算力平台。据彭博等媒体报道，谷歌以每月约 9.2 亿美元租用约 11 万颗 GPU（合同期至 2029 年，总额超过 300 亿美元）；Anthropic 的租约据报接近每月 12.5 亿美元；另有未具名客户自 12 月起每月支付约 11 亿美元。2026 年 2 月 SpaceX 完成对 xAI 的收购后，这套资产被并入上市公司体系，据其 IPO 路演材料披露，AI 板块 2025 年营收 32 亿美元、经营亏损 64 亿美元。

一个耐人寻味的技术细节是：据 2026 年 5 月的报道，xAI 集群的模型浮点运算利用率仅约 11%，内部备忘录称该数字"低得尴尬"，反映出血膨胀的加速器规模与软件调度效率之间的落差。

小结​

Colossus 2 证明了两件事：其一，吉瓦级训练集群可以在一年内从图纸变为现实，算力竞赛的节奏由能源与供应链而非技术能力决定；其二，超大规模集群的商业模式正在从"训练自家模型"转向"对外批发算力"，谷歌、Anthropic 租用竞争对手体系内的 GPU，说明前沿 AI 的算力短缺已经到了不讲阵营的地步。全球范围内，微软、Meta、谷歌与中国的万卡集群同步扩张，但论单点规模与建设速度，孟菲斯目前没有对手。

传统架构中，数据在内存与计算单元之间的搬运消耗了推理能耗的大头。存算一体（Compute-in-Memory）的答案是：既然搬不动，就把计算搬进内存里。

数字路线：d-Matrix 用 SRAM 做向量矩阵乘法​

d-Matrix 是数字存算一体路线的旗手。其 Corsair 推理加速卡的独特之处在于：把部分 SRAM 电路改造为直接执行向量矩阵乘法的计算单元——这是神经网络推理的核心运算。每颗芯片包含 1GB SRAM、RISC-V 控制核与 SIMD 单元，通过 DMX Link 互连，并配有 256GB LPDDR5 内存池存放溢出数据。

公司宣称，采用 MXINT4 块浮点格式时 Corsair 可提供每秒 9600 万亿次运算；在 Llama 70B 上实现每秒最高 3 万 token、单 token 约 2 毫秒延迟；单个 SquadRack 机架（与 Arista、博通、超微合作的开放标准参考架构）可在纯 SRAM 中运行千亿参数模型。2025 年 11 月，d-Matrix 完成 2.75 亿美元 C 轮融资，估值达 20 亿美元；下一代产品 Raptor 计划采用 4nm 工艺与 3D 内存堆叠。

模拟路线：EnCharge AI 与 EN100​

EnCharge AI 走得更远——用模拟电路直接做乘加运算。其技术源自普林斯顿大学 Naveen Verma 实验室多年的研究：神经网络权重被存为金属电容的物理属性，输入电压施加后，电荷累积的物理过程"天然完成"矩阵乘法，数据搬运的能耗几乎归零。

2025 年 5 月，公司发布首款商用模拟存算芯片 EN100：M.2 笔记本形态下功耗仅 8.25W 却可提供超过 200 TOPS 算力；PCIe 工作站配置（4 个 NPU、128GB LPDDR）算力约 1 PetaOPS。公司宣称同等功耗下每瓦性能约为数字方案的 20 倍。资本层面，2025 年 2 月完成 1 亿美元 B 轮，Tiger Global 领投，In-Q-Tel、RTX、三星风投与富士康参投，累计融资超过 1.44 亿美元。

两家公司的不同结局​

公司	路线	关键产品	最新动态
d-Matrix	数字存算（SRAM）	Corsair 加速卡	2025 年 11 月 C 轮 2.75 亿美元，估值 20 亿美元
EnCharge AI	模拟存算（电容）	EN100 边缘芯片	2025 年 5 月发布，聚焦端侧与客户端
Untether AI	存算加速（at-memory）	speedAI 系列	2025 年 6 月团队整体加入 AMD，独立运营终止
Fractile	基于标准 DRAM 的存算	在研（据公开报道）	英国初创，2024 年获种子轮融资

这组对照恰好展示了行业的残酷分化：同样押注存算一体，d-Matrix 靠数据中心推理的精准定位站稳脚跟；EnCharge 选择从功耗敏感的边缘市场切入避开正面战场；而 Untether AI 虽然技术路线领先，却在融资寒冬中把工程团队整体卖给了 AMD——成为独立芯片公司难以为继的标志性事件。

小结与展望​

存算一体的技术光谱比大多数人想象的宽：从"改 SRAM 电路"的保守改良，到"用物理定律做乘法"的激进重构，各自对应不同的市场与容错空间。目前的共识正在形成——数据中心推理对成本与能效的极度敏感，让存算一体第一次拥有了真实的商业引力。但对投资者与采购方而言，Untether 的结局提醒我们：在这个被 CUDA 与巨额资本开支主导的市场里，架构创新只是入场券，活下去靠的是找到正确的细分场景与现金流。

当亚马逊把十余座数据中心的 Grace Blackwell 芯片售后回租、GMI Cloud 拿到 4.45 亿美元银行信贷、腾讯通过 Oracle 租用 10 万颗芯片时，GPU 已经不只是计算设备，而是一种可融资、可抵押、可证券化的金融资产。"卡本位"融资正在重塑 AI 行业的资产负债表。

芯片成为金融资产的三种形态​

传统观念里，服务器芯片是快速贬值的 IT 设备，进入资产负债表后只会计提折旧。2026 年的资本市场上，算力资产正在以三种形态被金融化：

形态	代表案例	资金方	商业逻辑
售后回租	亚马逊十余座数据中心 Grace Blackwell 芯片	租赁/投资机构	出让资产 + 长期租回，释放基建现金流
抵押信贷	GMI Cloud 4.45 亿美元银行信贷（台湾中国信托商业银行领投）	商业银行	GPU 抵押 + 合同现金流授信
租赁通道	腾讯租用 Oracle 10 万颗芯片	云厂商	绕开出口管制的使用权采购

这三种形态的共同前提是：GPU 的租金现金流足够稳定，可以被当作信贷的还款来源。这正是 GPU 云行业与传统 IT 采购最本质的区别——芯片变成了会持续产生租金的收入型资产。

案例拆解：从回租到租赁通道​

亚马逊：售后回租与资产转让​

亚马逊正在推进两条并行的资产盘活路径：其一，对旗下十余座数据中心的 Grace Blackwell 高端芯片做售后回租——"出让资产 + 长期租回"，用一次性回款缓解算力基建的现金流压力，代价是支付长期租金；其二，据 The Gist/FT 口径（2026 年 10 月 8 日），亚马逊另拟向投资者转让约 80 亿美元 NVIDIA 芯片资产。作为手握约 2200 亿美元 2026 年 capex 的最大买家，亚马逊把沉淀的芯片资产重新变成流动性，本质上是在为下一轮采购腾出资产负债表空间。

GMI Cloud：GPU 抵押信贷的样板​

GMI Cloud 的 6.68 亿美元融资拆成了两层：NVIDIA 参与的 2.23 亿美元股权，加上台湾中国信托商业银行领投的 4.45 亿美元信贷。银行愿意给一家 GPU 云公司放贷，看中的是其 GPU 资产和租赁合同现金流——NVIDIA 的股权参与又进一步增强了信用。这是"卡本位"信贷的完整样板：芯片做抵押物，租金做还款来源，厂商背书做信用增强。

腾讯：租赁通道与合规灰区​

腾讯租用 Oracle 10 万颗芯片的案例（2026 年 10 月 2 日 Slicast 报道）展示了第三种形态：不购买芯片所有权，而是采购算力使用权。这种模式被广泛解读为绕开出口管制的租赁安排——管制限制的是芯片出口，而云端算力的跨境租用处于监管的模糊地带。需要强调的是，这类结构的合规边界并不清晰，各国出口管制规则仍在动态调整，"租赁即合规"的假设存在政策风险。

SpaceX 与博通：债务买卡的资金源头​

SpaceX 拟以 400 亿美元融资购买 NVIDIA 芯片（Apollo 牵头：100 亿美元银行贷款 + 300 亿美元投资级债务）；博通则为 OpenAI/Anthropic 的定制芯片安排数百亿美元债务。加上 NVIDIA 1000 亿美元投资 OpenAI，债务买卡的资金池已经大到足以改变芯片行业的商业模式——从"客户付钱买卡"变成"资本市场付钱买卡，客户用租金还钱"。

"卡本位"估值的关键假设​

把 GPU 当作可融资资产，估值模型建立在几个关键假设之上，而这些假设恰恰是最脆弱的环节：

假设一：残值率。 信贷方给 GPU 估值时必须假设芯片几年后的残余价值。传统服务器的残值模型在 GPU 上未必成立——B300 当前租金可达 9.50 美元/GPU 小时（Nebius 口径），但三年后的租金和残值高度不确定。

假设二：技术迭代贬值速度。 NVIDIA 已进入 Rubin 一年一代的节奏。当新一代芯片的性能/瓦优势足够大时，旧卡租金会加速下滑，残值假设被击穿，抵押物价值缩水会直接触发信贷条款重估。一年一代的迭代周期，本质上是在加速抵押品的贬值曲线——这是"卡本位"融资与房产抵押贷最根本的不同。

假设三：需求连续性。 租金现金流的稳定性依赖 AI 推理需求的持续增长。算力供给的大规模释放（各家 AI 工厂 2027-2028 年集中交付）可能改变供需平衡。

对 GPU 云创业公司资产负债表的重塑​

算力金融化对 GPU 云创业公司是双刃剑。好的一面：融资渠道从股权扩展到债务，GMI Cloud 证明了银行信贷可以成为股权之外的第二资金来源，创始人稀释更少、扩张更快。坏的一面：资产负债表上堆积了大量以 GPU 为抵押的债务，让本就重资产的模式更加脆弱——租金价格下行 20%，可能同时冲击收入端和抵押物估值端，形成双重挤压。

对比之下，Oracle、亚马逊等巨头通过回租和资产转让把风险向投资者转移，创业公司反而更依赖抵押信贷。融资结构的分化，将在下一轮周期波动中重新洗牌 GPU 云行业的座次。至于 Oracle 用燃气卡车运电维持数据中心运转所暴露的高运营成本，则提醒所有信贷方：GPU 资产的"持有成本"里，电费可能是比折旧更凶猛的现金流出。

小结​

算力资产金融化已经形成三种成熟形态：亚马逊式的售后回租释放现金流、GMI Cloud 式的抵押信贷打开债务融资渠道、腾讯式的租赁通道解决跨境采购。支撑"卡本位"估值的是残值率、贬值速度和需求连续性三大假设，而 Rubin 一年一代的迭代节奏正在持续考验第一和第二个假设。对 GPU 云创业公司而言，债务杠杆放大了扩张速度，也放大了周期风险；对信贷方而言，给会快速贬值的芯片做抵押，风控逻辑必须区别于传统资产。算力金融化让行业跑得更快，也让下一轮回调来得更有杠杆——这是所有参与者在享受低息资金红利时，必须同步想清楚的问题。

谈到 AI 芯片瓶颈，人们第一反应是 HBM 或先进制程，但真正的隐形关卡是封装。一台 3nm 光刻机不够可以排队再买，一条 CoWoS 产线从规划到爬坡却要以年计。2026 年 10 月，GlobalFoundries 与台积电这对代工对手签下互供协议，把封装产能的稀缺性暴露无遗。

AI 芯片封装"三件套"​

现代 AI 芯片的封装不再是把芯片装进外壳，而是构造一个微型系统。三个核心技术构件：

• 2.5D 中介层（interposer）：一块硅材质的"转接板"，放在 GPU die 与基板之间，上面布满密度远超 PCB 的走线，让 GPU 与 8-12 颗 HBM 之间以极短距离高速通信；
• 3D 堆叠（hybrid bonding）：用铜-铜混合键合把 die 直接面对面堆叠，不再靠凸点，互连密度提升一个数量级，主要用于 HBM 内部堆叠与缓存堆叠；
• RDL 重布线层：把 die 上的焊盘"重新布线"到合适位置，承担封装内的横向连接与信号引出。

三者组合，决定了 AI 芯片的集成形态。以 AMD MI455X 为例：8 个 N2 制程计算芯粒（XCD）、2 个 I/O die 与 2 个缓存/fabric die（N3），加上 12 颗 HBM4 堆栈，全部通过 CoWoS-L 封装整合在同一个封装内；NVIDIA Rubin R200 则是 2 颗计算 die + 2 颗 I/O die + 8 颗 HBM4 的 MCM 多芯片模块设计。没有先进封装，就没有现代 AI GPU。

CoWoS 技术梯队：S、R、L 的演进​

台积电的 CoWoS（Chip-on-Wafer-on-Substrate）家族按中介层技术分为三代：

方案	中介层技术	特点	典型应用
CoWoS-S	硅中介层（Si interposer）	成熟、成本最低，面积上限约 3 倍 reticle	H100、早期数据中心 GPU
CoWoS-R	RDL 中介层	用有机重布线层替代硅，面积更大、成本更低，带宽密度略降	H200 及部分 Blackwell 配置
CoWoS-L	局部硅互连（LSI）+ RDL	硅桥局部互连 + 大面积布线，面积上限突破 3.3 倍 reticle，互连密度最高	B200/GB200、MI455X、Rubin

演进的方向很明确：封装面积越来越大（从 1 倍 reticle 到 3 倍以上）、集成组件越来越多（GPU + HBM + 缓存 die + I/O die）、互连密度越来越高。CoWoS-L 已成为旗舰 AI 芯片的事实标准，也意味着单颗芯片占用的封装产能成倍增长。

为什么封装产能比晶圆产能更紧​

直觉上，先进制程更难、更稀缺，但封装恰恰是更紧的那一环，原因有四：

1. 产能基数小：全球先进制程晶圆厂有数十座，而具备大规模 CoWoS 产能的基地屈指可数，且全部集中在台积电体系内；
2. 扩产周期长：洁净厂房、无尘搬运、精度设备交付周期都以年计，CoWoS 月产能从规划到释放动辄 18-24 个月；
3. 需求端放大：HBM 堆栈数量从 6 颗涨到 12 颗、die 数量翻倍，单卡消耗的封装面积持续膨胀，产能需求指数级增长；
4. 良率敏感：中介层越大越贵，一片超大中介层的报废就是整封装报废，有效产能远低于名义产能。

AMD 在 2026 年明确指出，HBM 和先进封装（CoWoS）供给紧张是其增长的主要约束——注意，AMD 的瓶颈不在自家芯片设计，而在拿不到足够的封装配额。

GF-TSMC 互供：一个罕见的市场信号​

2026 年 10 月 8 日，DIGITIMES 报道 GlobalFoundries 与台积电签署多年期协议，金额约 20 亿美元：GF 将在美国纽约州 Malta 工厂为台积电的 CoWoS 生态生产硅中介层。

这个安排罕见在哪里？GF 与台积电在先进代工市场是直接竞争对手，让对手替自己生产关键耗材，只有一种解释——封装产能稀缺到连代工龙头都要向外借力。对台积电，这是快速扩大 interposer 供给的最短路径；对 GF，这是切入 AI 封装供应链的高价值订单。同时，地缘上它把 part of CoWoS 供应链锚在美国本土，呼应美国先进制造政策。

产业配套也在加速：应用材料（Applied Materials）与半导体封装设备龙头 Besi 于 2026 年 10 月 1 日宣布扩大 EPIC（Electronics Packaging Industry Consortium）中心合作，联合开发混合键合等下一代封装工艺；应用材料还与 Intel 扩大了下一代互连扩展与 Foveros 3D 技术的合作。设备商、代工厂、IDM 三方同时下注，印证封装已是 AI 算力的战略资源。

Foveros 与 CoWoS：两条路线之争​

台积电 CoWoS 并非唯一答案。Intel 的 Foveros 是另一条 3D 封装路线，两者定位有所不同：

维度	台积电 CoWoS-L	Intel Foveros
核心思路	2.5D 中介层承载多 die + 局部 3D 互连	3D 堆叠为基础逻辑 die 面对面互连
优势	生态成熟、HBM 集成经验深厚、大封装面积	互连密度与能效更高，垂直距离更短
主要客户	NVIDIA、AMD、Broadcom 等绝大多数 AI 芯片厂	Intel 自家产品为主，逐步开放代工
当前角色	AI GPU 封装事实标准	追赶者，重点在下一代互连扩展

短期内 CoWoS 地位难以撼动——AI GPU 的核心需求是把大量 HBM 和 compute die 拼在一张大封装里，CoWoS-L 正为此而生。Foveros 的机会在于 3D 堆叠密度与能效的长期演进，以及与 Intel 先进制程组合的代工吸引力。

对芯片厂商的启示：封装配额就是出货上限​

2026 年的 AI 芯片竞争已经形成一条铁律：你的出货量不取决于你能设计多少芯片，而取决于你能拿到多少封装配额。

• 对 NVIDIA、AMD：CoWoS 配额直接决定 Blackwell/Rubin 与 MI400 系列的交付节奏，封装扩产进度就是营收曲线；
• 对国产芯片：在台积电 CoWoS 体系之外建立自主先进封装能力，与自研 HBM 同等重要，是摆脱供应链约束的另一半拼图；
• 对云厂商与大买家：锁定芯片产能的同时必须锁定配套封装与 HBM，三者缺一即断供。

小结​

AI 芯片的瓶颈正在从"造出更小的晶体管"转向"把更多 die 更好地装在一起"。CoWoS-S/R/L 的技术梯队撑起了从 H100 到 Rubin 的每一次性能跨越，而 GF 与台积电的互供协议则宣告：封装产能已稀缺到让对手合作。下一个五年，谁掌握先进封装，谁就握有 AI 算力版图的划分权。

"代码在同事机器上能跑，到我这报 CUDA driver version is insufficient"——这类事故几乎都源于对版本兼容规则的一知半解。搞清三件事：驱动决定上限、工具包要求下限、次版本兼容有例外。

先分清三个版本号​

很多混乱来自三个"CUDA 版本"的混淆。nvidia-smi 右上角显示的 CUDA Version 是当前驱动最高支持的 CUDA 版本；nvcc --version 显示的是编译工具链的版本；PyTorch 里 torch.version.cuda 显示的是该轮子编译时链接的运行时版本。三者不一致本身不是错误，只有当驱动版本低于运行时所需的最低驱动时才会初始化失败。

最低驱动要求矩阵​

CUDA 工具包	Linux 最低驱动	备注
CUDA 11.x	450.36.06 以上	Kepler 之后架构，11.8 新增 Hopper
CUDA 12.x	525.60.13 以上	Blackwell 完整支持自 12.8 起
CUDA 13.x	580.65.06 以上	Pascal/Maxwell/Volta 支持止步于 R580 驱动

驱动对旧工具包是向后兼容的：新驱动永远能跑旧 CUDA 编译的程序，所以"升级驱动不升级工具包"是安全的，反过来才要小心。同时注意架构生命周期：Blackwell（算力 10.0）从 CUDA 12.0 开始支持并在 12.8 完善到位；而 Pascal、Volta、Maxwell 的支持在 CUDA 12.x 止步，对应 R580 是它们的最后驱动分支。

次版本兼容的三个例外​

从 CUDA 11 起，同一大版本族内的应用只需满足最低驱动即可运行，这就是次版本兼容（Minor Version Compatibility）：用 CUDA 12.9 编译的程序，可以跑在只装了 CUDA 12.0 最低驱动（525 系列）的机器上。但有三个例外会让它翻车：

1. 用到新驱动才有的特性：应用会返回 cudaErrorCallRequiresNewerDriver，解决办法只能是升级驱动。
2. 依赖 PTX 运行时编译：驱动里不带对应架构的 PTX JIT 支持时程序无法运行，老驱动加新架构尤其危险。
3. 编译时未显式指定目标架构：次版本兼容要求给 nvcc 传 -arch=sm_xx 这类显式参数，不能依赖默认值。

实操建议​

装机的标准动作是先定工具包再定驱动：查清目标框架（PyTorch、TensorRT 等）要求的 CUDA 大版本，再按下表选不低于最低值的驱动，并优先使用框架官方 NGC 容器镜像，把宿主机驱动作为唯一需要管理的版本变量。排障时按顺序自查：nvidia-smi 能否执行（驱动层）、torch.cuda.is_available() 是否为真（运行时层）、报错码是否指向特性缺失（兼容层）。集群里多代显卡混布时，务必以最老那张卡的架构决定编译时的 -arch 参数，只按 H100 编译的轮子在 A10 上大概率直接报 no kernel image available。