AI Compute Cards Wiki Editorial

据路透社报道，出口管制推高HBM成本，华为、寒武纪等国产AI芯片厂商集体上调价格——正如戴尔CEO所言，"比涨价更糟的是没货"。

路透社爆料：三位知情人士描绘的涨价全景​

据路透社2026年9月10日援引三位知情人士的报道，因出口管制导致HBM成本飙升，华为、寒武纪等中国AI芯片厂商已大幅上调现有及下一代AI处理器的价格。这不是单一产品的调价，而是一轮覆盖多代产品线的系统性涨价。

产品	年初价格	当前价格	涨幅
华为昇腾950DT加速卡	未公开	指示性价格25万元人民币以上（约37255美元）	两个月内报价最多上涨50%
华为昇腾950PR	约6万元/单卡	突破8万元	约30%
华为昇腾910C板卡（老款）	约9万元	11万元以上	—
寒武纪下一代芯片（暂称690）	未公开	未公开	较两个月前上涨20%-30%

其中最引人注目的是昇腾950DT：其指示性价格已调高至25万元人民币以上（约37255美元），两个月内报价最多上涨50%。年初单卡约6万元的昇腾950PR，现已突破8万元；老款昇腾910C板卡也从年初的约9万元涨至11万元以上——连上一代产品都在涨价，说明短缺是全方位的，而非某一型号的局部现象。

寒武纪官方回应与厂商动态​

在涨价消息流传之际，寒武纪董秘办作出回应："不要听信市场消息，一切以官方公告为准。"这一表态既未证实也未否认。据上述报道，寒武纪下一代芯片（暂称690）已重新定价，较两个月前上涨20%-30%。

与此同时，涨价并非华为与寒武纪的"专属"：沐曦、天数智芯亦有类似的涨价动作。也就是说，这轮价格上行已经从头部厂商扩散至更多国产AI芯片公司，成为行业性现象。对采购方而言，"再等等看会不会降"的观望策略，正在面临价格持续上行的反向风险。

涨价根源：HBM短缺与出口管制双重挤压​

这轮涨价的逻辑链条并不复杂，可以拆成三层：

1. 需求侧：AI算力需求持续爆发，国产AI芯片订单饱满，供不应求是常态；
2. 供给侧：全球HBM持续紧缺，高带宽显存作为AI加速卡最关键的物料，产能增量远远跟不上需求增量；
3. 成本侧：出口限制卡住了国产芯片的上游供应，HBM获取成本大幅飙升，直接推高单卡物料成本。

上游成本抬升叠加供不应求，价格上调几乎是必然结果。对厂商而言，涨价既是转嫁成本的被动选择，也是在新的供需格局下重新校准产品定价的主动机会——毕竟在"有货就能卖掉"的市场里，定价权掌握在供给方手中。

戴尔CEO的警告：2027年可能更严重​

需求侧的信号同样值得警惕。戴尔CEO在高盛大会上表态：半导体结构性短缺短期难以缓解，2027年可能更严重；并且留下一句点睛之语——"比涨价更糟的是没货"。

这句话道破了当前AI算力市场的真实状态：价格上行尚可通过预算调整来消化，而拿不到货则直接卡死算力建设进度，延误的是整个AI战略的落地节奏。HBM作为AI加速卡的瓶颈物料，其短缺正在向上传导为加速卡、服务器乃至智算中心建设层面的系统性不确定性。

对采购决策的影响​

对于正在规划AI算力建设的企业来说，这轮涨价潮至少意味着三件事：

• 预算规划要留弹性：单卡成本模型需要动态更新，参考昇腾950PR两个月上涨约30%的斜率，静态预算很容易失真；
• 交期比价格更关键：昇腾910C这类老款产品都在涨价，说明现货稀缺，早锁定意味着早交付、早形成算力；
• 多供应商组合价值凸显：华为、寒武纪、沐曦、天数智芯全线涨价的环境下，国产+海外、多品牌组合的采购策略更有抗风险能力。

小结​

HBM短缺与出口管制双重压力下，国产AI芯片正在经历一轮罕见的全线上调：华为昇腾950DT报价突破25万元（约37255美元）、两个月最多涨50%，昇腾950PR突破8万元，昇腾910C板卡涨至11万元以上，寒武纪下一代芯片690较两个月前上涨20%-30%，沐曦、天数智芯跟进调价。戴尔CEO"2027年可能更严重"的判断提示我们：这场短缺或许不是短期波动，而是未来数年的行业常态。对采购方而言，与其等待价格回落，不如尽早锁定供货。

开盘暴涨188.37%、市值1764.44亿元——燧原科技的科创板首秀，为国产AI芯片的资本化浪潮再添一把火。

首日表现：高开高走​

2026年9月11日，上海燧原科技股份有限公司正式在上海证券交易所科创板挂牌上市，股票代码688801.SH。开盘价410元/股，较发行价暴涨188.37%，市值达到1764.44亿元；盘中股价最高触及468元/股，涨幅超过229%。

对于一家AI芯片公司而言，这样的首日表现并不常见。它反映的是二级市场对国产AI算力标的的稀缺性定价：在AI算力需求爆发、国产替代加速的双重叙事下，能够提供训练+推理完整产品线的芯片公司，几乎是科创板最炙手可热的资产类别。

指标	数值
上市日期	2026年9月11日
股票代码	688801.SH
上市板块	上交所科创板
开盘价	410元/股
开盘涨幅	188.37%
盘中最高价	468元/股（涨幅超229%）
上市初期市值	1764.44亿元
重要股东	腾讯（浮盈超300亿元）

腾讯作为燧原科技的重要股东，在这场上市中浮盈超过300亿元。从早期一路陪跑到科创板敲钟，腾讯对燧原的持续投入，是互联网大厂深度绑定国产AI芯片公司的典型案例，也印证了一级市场对国产算力赛道的长期押注。

产品底色：云燧训练/推理卡与集群方案​

资本故事之外，燧原的产品线是其估值的底色。燧原科技的核心产品围绕"邃思"DTU芯片展开，基于该芯片打造云燧系列训练加速卡与推理加速卡，并延伸出数据中心级集群方案，覆盖从单卡到大规模部署的完整需求链条。

以燧原T21为例，该卡搭载64GB HBM2E显存，面向大模型时代的显存密集型负载。在HBM容量与带宽成为AI加速卡竞争焦点的当下，大容量HBM配置是衡量产品竞争力的硬指标之一。而集群方案的完整度——从单卡、整机到组网调度——则决定了芯片公司能否真正承接云厂商与行业客户的数据中心级订单。

国产AI芯片的集体资本化​

燧原上市并非孤立事件，而是国产AI芯片企业批量登陆资本市场的最新一站。在此之前，板块格局已经初步成形：

公司	上市地/代码
寒武纪	科创板
摩尔线程	科创板
沐曦	科创板（688802.SH）
天数智芯	港股（09903.HK）
燧原科技	科创板（688801.SH，2026年9月11日）

从训练芯片到推理芯片，从GPU路线到GPGPU、DTU等多技术路线，国产AI芯片公司正在以"科创板为主阵地、港股为补充"的格局完成集体资本化。燧原开盘188%的涨幅，某种程度上是市场对整个板块稀缺性与成长性的集中定价——每一个新上市标的，都在为后来者校准估值坐标。

"融资-流片-上市-再投入"的飞轮​

AI芯片是典型的重资产、长周期行业：一次先进制程流片动辄数亿美元级投入（行业内公认的成本结构），大规模量产还需要持续的产能保障与人员扩张。没有持续的资本供给，技术追赶很难维持节奏。

此番IPO募资，燧原将投向研发与产能两个方向：前者保证下一代芯片的技术迭代与追平能力，后者保证规模交付能力。由此，国产AI芯片行业正在形成一个清晰的飞轮：

1. 融资：一级市场资金支撑芯片流片与团队建设；
2. 流片与量产：产品落地，进入云厂商与行业客户供应链；
3. 上市：借助资本市场完成价值发现与再融资通道建设；
4. 再投入：募资投向下一代研发与产能，进一步缩小与海外厂商的差距。

寒武纪、摩尔线程、沐曦、天数智芯与燧原的接连上市，让这个飞轮转得越来越快。资本市场的持续输血，正在成为国产AI芯片追赶进程中不可或缺的助推器。

小结​

燧原科技科创板首日开盘暴涨188.37%、市值1764.44亿元、盘中最高涨幅超229%，腾讯浮盈超300亿元——这既是资本市场对国产AI芯片稀缺标的的热烈回应，也是"融资-流片-上市-再投入"产业飞轮加速运转的缩影。在HBM紧缺与AI算力需求爆发的双重背景下，国产AI芯片的资本化窗口仍在敞开。后续燧原能否将高估值转化为持续的营收与利润，将是检验这场资本盛宴成色的关键。

当全球最大云计算服务商选择与一家手机SoC巨头联手开发定制AI芯片，数据中心算力市场的竞争逻辑正在被改写。

一场跨多代的战略牵手​

当地时间2026年9月8日，高通技术公司与亚马逊AWS正式宣布达成一项跨多代产品的战略合作。双方将围绕大规模AI数据中心展开两个方向的深度协同：其一是联合开发多代定制AI芯片，其二是共同推进高速光互联解决方案，其中明确包含1.6T光连接方案。

这份协议最值得注意的不是"合作"本身，而是"跨多代"三个字。云厂商与芯片供应商之间的合作，通常以单颗芯片的流片项目为单位；而跨多代的框架式合作，意味着双方在芯片定义、迭代节奏、互联演进路线上都建立了长期协同机制。对高通而言，这是其在数据中心AI芯片市场战略布局上获得的、来自全球最大云计算服务商的关键背书。

合作要点一览​

合作维度	具体内容
合作双方	高通技术公司 × 亚马逊AWS
宣布时间	当地时间2026年9月8日
合作性质	跨多代产品的战略合作
定制芯片	面向大规模AI数据中心联合开发多代定制AI芯片
光互联	联合推进高速光互联解决方案，包含1.6T光连接方案

芯片与光互联并举，是这份协议的另一个信号。在超大规模AI集群中，互联带宽早已成为与算力同等重要的瓶颈，1.6T光连接代表的正是下一代集群网络的带宽量级。芯片设计能力与光互联能力的组合输出，让这桩合作超出了单纯的"定制ASIC"范畴。

高通的第二次冲锋​

对高通而言，数据中心并不陌生，但此前的探索主要集中在推理侧。高通此前已推出AI100、AI200、AI250等推理加速卡产品线，试图将自己在低功耗计算、SoC集成上的多年积累迁移到数据中心场景。

产品线	定位	具体规格
AI100	推理加速卡	未公开
AI200	推理加速卡	未公开
AI250	推理加速卡	未公开

从手机SoC转向数据中心AI芯片，是高通的第二次冲锋。第一次冲锋（AI100/AI200/AI250推理卡）走的是标准产品路线；而这一次的不同之处在于：它不再只是卖标准推理卡，而是直接切入头部云厂商的定制芯片供应链——这恰恰是博通（Broadcom）、Marvell等定制芯片玩家长期占据、且利润丰厚的位置。

这个转变的产业逻辑并不难理解。AI推理需求的爆发让云厂商迫切需要"够用、便宜、可定制"的算力方案，而高通在低功耗设计、异构集成上的基因，恰好与推理场景的诉求契合。借助AWS这个锚点客户，高通有望把定制芯片业务从"试水"升级为"主业"。

AWS的双轨算力战略​

AWS是业内少数坚持自研芯片路线的云计算巨头。其Annapurna Labs团队打造了Trainium训练芯片与Inferentia推理芯片两条自研产品线，支撑起自家大规模算力底座，也是AWS在算力成本上对抗NVIDIA溢价的核心筹码。

此番与高通合作，可以视为AWS在"自研 + 外部定制"双轨战略上的进一步加码：

• 自研线：Trainium/Inferentia保证核心架构可控与成本优化；
• 外部定制线：引入高通等外部设计力量，扩充设计带宽与供应链弹性，应对爆发式的AI算力需求。

两条腿走路的本质是风险对冲：自研芯片的迭代周期难以无限压缩，而外部定制伙伴可以在关键代际上补充产能与设计资源。全球最大云厂商选择加码双轨，本身就说明单一供给模式已经无法满足AI算力的需求曲线。

对行业格局的影响​

这笔合作最直接冲击的，是数据中心定制芯片与互联方案的既有格局：

• 对NVIDIA：头部云厂商在旗舰GPU之外扩充定制AI芯片选项，算力采购组合将更加多元，NVIDIA在数据中心市场的议价空间面临新的边际压力；
• 对Marvell、博通：高通携AWS背书进入定制芯片赛道，定制ASIC设计服务的竞争者又多了一家重量级玩家，客户资源与设计人才的争夺将更激烈；
• 对光互联生态：1.6T光连接的联合推进，意味着超大规模集群的互联带宽军备竞赛继续提速，光模块、光引擎、CPO/NPO相关供应链都将受益于这一代际切换。

更长远地看，"云厂商深度参与芯片定义"正在成为AI基础设施的主流范式。当芯片规格越来越贴近具体业务负载，通用GPU与定制ASIC之间的边界会被不断重画。

小结​

高通与AWS的跨多代合作，是"云厂商定制芯片"趋势下的标志性事件：手机SoC巨头以定制芯片+1.6T光互联的组合拳向数据中心发起第二次冲锋，全球最大云厂商则以"自研+外部定制"双轨强化供应链弹性。对NVIDIA、Marvell、博通而言，一个新的强敌已经入场；对整个AI基础设施行业而言，竞争的维度正在从"单点芯片性能"转向"芯片+互联+云"的全栈博弈。这是2026年下半年最值得持续跟踪的合作之一。

本文基于 Bloomberg Intelligence 与 Bernstein 2026 年 9 月发布的市场分析及公开报道整理；市场份额与营收为分析师预测口径，非官方披露。

9 月 28 日，两份华尔街报告同时描摹出一个戏剧性的画面：中国 AI 算力市场的份额天平，在 12 个月内完成了几乎彻底的翻转。

一、份额翻转：40% → 8%，昇腾 → 50%​

Bernstein 最新预测：

• 英伟达在中国 AI 芯片市场的份额，将从约 40% 跌至今年年底的约 8%
• 华为昇腾升至接近 50%
• 直接导火索：9 月中国对英伟达 H20 新订单的禁令，关上了英伟达重返中国市场的最后通道
• 字节跳动、阿里、腾讯均已下出大额昇腾订单

时间线上看，这不是一次突变，而是出口管制三年收紧的累积结果：英伟达在中国 AI 芯片市场的份额一度高达 95%，随着高端芯片断供，中国超大规模云厂商整体转向华为与国产替代；即便 2026 年 1 月华盛顿放开 H200 对华销售，转向的齿轮已经咬合，回不去了。

二、昇腾 950PR：分析师眼里的「中国版 H200」​

支撑这份份额数据的，是产品力本身：

• 昇腾 950PR 今年 3 月量产，FP4 算力最高 2 PFLOPS，搭载 128GB 国产 HBM
• 分析师将其评为大致对标英伟达 H200
• 华为 AI 芯片营收预计今年达 120 亿美元，较 2025 年的 75 亿美元增长 60%

950 系列的完整规格可参考我们此前的深度文章：昇腾 950PR/950DT 双配置解析 与 昇腾 960 官宣发布——960 已提前三个季度就绪，确认一年一代节奏。

三、模型侧：中国开源模型拿下 OpenRouter token 大盘​

芯片份额翻转的同时，模型使用侧的数据同样惊人（OpenRouter 平台统计）：

指标	数据
DeepSeek token 份额（6 月）	16.3%，超过 Google、Anthropic、OpenAI 各自单独份额，居第一
中国开放权重模型合计 token 份额（5 月）	约 61%（DeepSeek、Qwen、MiniMax、腾讯混元等）
中国模型周 token 消耗	约 18 万亿，美国模型约 5.5 万亿，3 倍以上差距且一年内完成反超
中美前沿模型性能差距（6 月）	收窄至 6%，创历史新低（5 月为 9%）

算力与模型形成正循环：买不到的卡倒逼国产算力放量，放量的国产算力养出便宜的 token，便宜的 token 让中国开源模型吃下全球推理流量的大头。

四、但股票市场没有买单​

Bloomberg Intelligence 同期指出一个矛盾：中国科技八巨头（China Tech 8）相对美股「七巨头」（Magnificent Seven）的估值折价达到年内最宽的 超过 50%，BI 认为只有「真正的 AI 突破」才能弥合。个股年内表现：阿里约 -7%、腾讯约 -23%，而美国 AI 基础设施龙头普涨 15% 以上。

这种背离有两种解读：要么市场低估了中国 AI 基本面，要么盈利执行（阿里上季 EPS 低于预期 17.3%、百度低 36%）拖累了 AI 叙事的兑现。对产业观察者而言，值得注意的是：算力侧的数据（份额、营收、出货）已经先行，应用侧的变现仍在路上。

五、对算力采购者的三点提示​

1. 在华部署，昇腾生态已是默认选项。 从 CUDA 迁移到 CANN 的成本是一次性的，而供给不确定性是持续性的；9 月禁令后，新采购英伟达卡在中国市场已无合规路径。
2. 国产算力「对标 H200」是分水岭。 过去国产替代的隐含假设是「性能打折、价格打折」；当单卡性能追平 H200 世代，采购决策就回归纯粹的 TCO 与供应安全计算——建议用 TCO 计算器 把电费、折旧、利用率放进同一张表里算。
3. token 成本曲线决定应用格局。 中国模型 61% 的 OpenRouter token 份额说明：算力自主 → token 降价 → 应用繁荣的链条已经跑通第一段，接下来看推理成本能否继续下探。

小结​

40% 到 8%，不是一句口号，而是一个由禁令、产品力与模型生态共同驱动的市场重排。对中国市场而言，昇腾 950/960 的量产节奏与 CANN 生态成熟度，将决定这份份额能否守住；对全球市场而言，中国算力「内循环 + 开源模型出海」的组合，正在改写推理流量的地理分布。

（市场份额与营收预测来自 Bernstein / Bloomberg Intelligence 分析师报告，实际数字以各公司财报为准。）

本文基于工信部《信息通信行业发展「十五五」规划》（2026 年 9 月印发）及《人民邮电》报、澎湃新闻、华夏时报等官方解读整理。

9 月上旬，工信部印发《信息通信行业发展「十五五」规划》，用 13 个主要指标、26 项重点任务给未来五年的信息通信业画了路线图。对 AI 算力行业来说，这是含金量最高的一份政策文件——我们挑出五个硬指标，逐个拆解产业含义。

指标一：智能算力 1590 → 9800 EFLOPS，五年增长超 5 倍​

这是整份规划最亮眼的数字。作为参照系：

• 截至 2026 年 6 月底，全国智能算力规模已达 2185 EFLOPS，同比增长 177%——上半年就超额完成了对 2025 年底（1590 EFLOPS）的跨越
• 全国已建成 42 个万卡级智算集群；2026 年 7 月，首个全国产十万卡级 AI 算力集群曙光 8000 在郑州落成
• 华为轮值董事长汪涛的判断：10 万卡以上超节点集群到 2027 年将成为基础配置

从 2185 到 9800，意味着未来四年还要再造 3.5 倍于当前存量的智算设施。规划同步要求「有序部署万卡、十万卡及以上智算集群」「加大力度适配国产算力芯片」——这是国产 AI 芯片未来五年最确定的需求底座。

指标二：信息基础设施累计投资 3.8 万亿元​

有观点拿「十四五」3.7 万亿对比，得出「投资见顶」的结论。官方解读明确反对这一说法：增量资金正从「规模铺量」转向「质效跃升」，精准投向智能算力基础设施、万兆光网、6G 等新赛道。产业链拉动效应也随之变化——AI 服务器、高速光互联、国产算力芯片、新型智能终端被点名为全链条受益方向。

指标三：新建大型算力设施 PUE 降至 1.2 以下​

「十四五」末这一数字是 1.25，五年内再降 0.05——听着不多，但在 AI 服务器常年高负荷、单机柜功率密度普遍超过 20kW 的今天，PUE 每降一点都是硬仗。规划给出的技术路径非常明确：液冷。

• 《信息通信行业发展「十五五」规划》：引导算力设施采用高效节能设备以及液冷等先进技术
• 《电子信息制造业发展「十五五」规划》（9 月 15 日由工信部、国家发改委联合印发）：把液冷散热与高带宽内存池、全光交换并列为要突破的关键技术

产业侧的数据也在验证：据 Omdia 统计，液冷在全球数据中心冷却市场的占比从 2024 年约 20% 攀升至 2025 年约 37%，预计 2029 年渗透率超过 45%。算力扩张的上限正在从芯片供给转向电力供给，「算力向上、能耗向下」的能效约束会是未来五年的常态。

指标四：先进存力 1700 EB，增长超 2 倍​

智能算力翻 5 倍的同时，先进存力翻 2 倍——存算协同被放在同等重要的位置。逻辑在于：大模型训练的检查点、智能体推理的中间状态和上下文记忆，都分层存放在高性能存储中。截至 6 月底，全国存力总规模约 2021 EB，其中先进存力占比约 32%；到 2030 年 1700 EB 的先进存力目标，意味着结构升级比总量增长更重要。

对芯片选型的直接提示：KV cache 与长上下文正在吃掉内存预算，评估 AI 服务器时显存容量与内存带宽的权重应该高于峰值算力。

指标五：智能体互联网络首次写入规划​

这是本份规划最具前瞻性的部分：「智能体互联网络」占据独立专栏，部署四方面内容——构建智能体网络标识体系、加快智能体网络设施建设应用、推动全球互联互通、建设空间管控体系。同时明确「适时启动 6G 商用」。

AI 从「人的应用」变成「智能体基础设施」，通信网的角色从连接人升级为连接智能体——这为推理算力的分布式部署（边缘推理、算力调度）提供了国家级叙事。

对算力从业者的三点判断​

判断	依据
国产算力需求确定性强	规划明文「加大力度适配国产算力芯片」+ 十万卡集群建设周期启动
能效指标成为选址硬约束	PUE 1.2 以下 + 液冷关键技术点名，高密度液冷方案优先
推理算力按需下沉	「面向场景按需部署推理算力设施」，边缘与区域算力中心有政策窗口

算力规模翻 5 倍的目标之下，真正稀缺的从来不是规划，而是芯片、电力和交付能力。 对采购方来说，供给窗口期依然紧张；对方案选型而言，建议直接用 TCO 计算器 把 PUE 差异折算成电费成本——1.25 与 1.2 的差距，在万卡集群的电费账单上是千万级的。

小结​

「十五五」规划把智能算力写成了国家级工程：5 倍算力、2 倍存力、3.8 万亿投资、PUE 1.2、智能体互联网。五年后回看，2026 年下半年的国产十万卡集群潮，很可能就是这条曲线的起点。

（规划数据引自工信部文件及官方媒体解读；市场数据引自信通院、Omdia 等机构统计。）

本文基于 NVIDIA 官方产品页、2026 年 3 月 GTC 架构博客及第三方基准数据整理；性能口径为厂商架构对比，实际收益需以自测为准。

英伟达确认，Groq 3 LPX——Vera Rubin 平台的「第七颗芯片」——已进入全面量产，由三星平泽园区代工。这是继 2025 年 12 月英伟达斥资约 200 亿美元获得 Groq 非独占 IP 授权与核心工程团队之后，这笔交易第一次以量产硅的形式落地。

对推理硬件格局而言，这是一次范式级事件：英伟达第一次把「别家定义的专用推理架构」纳入自家旗舰平台，且不是外挂销售，而是深度协同设计。

一、Groq 3 LPU 芯片与 LPX 机架：规格速览​

单颗 Groq 3 LPU（4nm，三星代工）：

项目	数值
编译器管理的片上 SRAM	500 MB
SRAM 带宽	150 TB/s
片间 scale-up 带宽	2.5 TB/s（96 条 chip-to-chip 链路，每条 112 Gbps）

单个 LPX 机架（32 个 1U 液冷托盘，每托盘 8 颗 LPU）：

项目	数值
LPU 总数	256 颗
FP8 算力	315 PFLOPS
片上 SRAM 总量	128 GB
SRAM 聚合带宽	40 PB/s
机架内 scale-up 带宽	640 TB/s
DDR5 内存	12 TB（承载大模型权重）

每颗 LPU 500MB 的 SRAM 看起来不大，但乘上 256 颗、再叠加 40PB/s 的聚合带宽，构成了「确定性低延迟解码」的物理基础——LPU 的设计哲学正是用编译器静态调度片上 SRAM，彻底消除推理解码阶段的内存取数停顿，而这恰恰是 GPU 推理最典型的瓶颈。

二、AFD：注意力与 FFN 分家，GPU 和 LPU 各干各的​

LPX 不是替代 GPU，而是与 Vera Rubin NVL72 组成异构系统，核心是 AFD（Attention-FFN Disaggregation，注意力-前馈解耦）：

1. Rubin GPU 负责 prefill 与 attention——在大上下文上构建 KV cache、执行注意力层，吃 HBM 容量与高吞吐；
2. Groq 3 LPU 负责 FFN / MoE 专家层解码——延迟敏感、模式可预测，恰好是 SRAM 确定性调度的主场；
3. 中间激活在两个引擎间逐 token 交换，由 NVIDIA Dynamo 编排路由，GPU 算每一层注意力，LPU 算每一层前馈，协同完成每个输出 token。

这套分工的逻辑很清晰：智能体应用消耗的 token 量可达传统 AI 应用的 15 倍，瓶颈从「能不能算完」变成「能不能以稳定低延迟持续吐 token」。让 HBM 大容器去跑 attention、让 SRAM 确定性引擎去跑 decode，各取所长。

三、实测与官方口径​

• 第三方实测（Artificial Analysis）：Gemma 4 31B、100K token 上下文下，LPX 输出约 3400 tokens/s——单 token 间隔低于 1 毫秒，长上下文智能体场景的交互感质变
• 官方架构对比：与 LPX 组合后，Vera Rubin NVL72 对万亿参数模型的每兆瓦吞吐最高提升 35 倍；「高价值 token」场景下每瓦收入机会最高 10 倍
• 首发客户：Nebius 率先部署 LPX 机架扩展其 token 产能；CoreWeave 已在生产环境用 Spectrum-X Multiplane 连接 Vera Rubin 机架

需要强调：35 倍/10 倍是特定高交互工作点的架构对比数字，不是普适结论。训练、大吞吐批量推理、需要 CUDA 生态灵活性的负载，GPU 仍是正解；LPX 的主场是「单用户交互延迟即产品」的场景——智能体循环、实时编码助手、长上下文对话。

四、三个行业信号​

1. 专用推理芯片被收编，而非对抗。 过去 LPU 是「GPU 挑战者」的叙事，现在变成了 Vera Rubin 的组成部分。推理硬件的终局可能不是一种架构赢，而是「GPU + 专用解码引擎」的异构组合成为标配。对其他推理芯片创业公司（Cerebras、Etched 等），这既是天花板抬高的证明，也是「要么被集成、要么找差异化」的警示。

2. 三星代工拿到高端 AI 订单。 在台积电几乎垄断 AI 主芯片的背景下，三星 4nm 承接 LPX 量产意义重大——叠加此前特斯拉 AI6 的 2nm 订单，三星代工有望在 2027 年重回全年盈利。

3. 推理经济性进入「按 MW 定价」时代。 当厂商开始用 tokens/MW 和每瓦收入讲故事，算力选型的核心 KPI 已经从峰值算力（TFLOPS）彻底转向单位能耗的 token 产出。这与我们在 TCO 计算器 里内置的功耗-电费模型逻辑一致：峰值参数好看的芯片，未必是每 token 成本最低的芯片。

小结​

Groq 3 LPX 量产标志着推理硬件进入「GPU 管吞吐、LPU 管延迟」的异构时代。对于正在选型推理集群的团队，建议把工作负载拆开评估：批量离线推理留在 GPU，交互式长上下文智能体值得单独测算 LPX 类方案的单位成本。拿不准的话，先用 TCO 计算器 跑一遍两种架构的 3 年持有成本再拍板。

（本文性能数据来自 NVIDIA 官方架构对比与 Artificial Analysis 第三方实测，实际部署请以自测为准。）

据芯智讯 9 月下旬报道，Nebius 宣布10 月 1 日起 H100 / H200 / B200 随需（on-demand）租金平均上调约 20%。同月，财联社报道 CoreWeave 截至 8 月 11 日已签约电力增至 4.2 GW，并将"继续以更高价格签约新算力"。这是本轮 AI 周期里租赁市场连续第 N 次提价——对采购方来说，自建与租用的 TCO 天平正在移动。本文用站内 TCO 计算器的口径拆解这笔账。

---

1. 涨价的三个推手​

• agentic 推理需求爆发：从 MLPerf v6.1 到 SemiAnalysis AgentX，agentic 负载成为推理增长主引擎——token 消耗量级远超聊天场景，推理算力从"够用"变成"永远不够"；
• 新一代平台的供给溢价：Vera Rubin NVL72 已在 CoreWeave 首发上线，新平台早期产能爬坡期定价天然偏高，同时抬高上一代卡（H100/H200/B200）的续租价格锚点；
• 电力成为硬约束：CoreWeave 4.2GW 签约电力的表述说明——数据中心供给瓶颈已从 GPU 转向电力与机架，电力在手的企业没有理由降价。

2. 租金上涨 20% 对 TCO 意味着什么​

站内 TCO 计算器把总拥有成本拆成采购 + 能耗 + 运维 + 网络 + 折现五段。租金上涨不直接进入这个模型，但它改变了"租用基准线"——即自建方案要击败的机会成本：

场景	租金涨 20% 前	涨 20% 后
短期弹性负载（不足 1 年）	租用占优	租用仍占优（自建部署周期追不上）
稳定推理负载（2-3 年）	临界区	自建开始占优（机会成本抬高）
训练集群（3 年+）	自建占优	自建优势扩大

直觉化判断：

• 24/7 满载跑 2 年以上的负载，租金上调 20% 通常足以让自建（哪怕按 1.5 倍采购溢价、含 PUE 1.3 能耗模型）在 30 个月内反超；
• 潮汐型负载（白天高峰、夜间空闲）仍应租用——自建方案按 15% 空闲功耗持续付费的假设下，利用率低于约 50% 时自建几乎不可能回本；
• 混合策略（自建基线 + 租用峰值）对租金上涨的敏感度最低，是当前利率与电价环境下的稳健解。

上述结论可在 TCO 计算器中自行复算：把"云租用单价"按 +20% 输入，对比采购价、电价与 PUE 两个情景。折现率默认 8%，采购成本不折现、逐年电费按 1.08^-y 折现。

3. 国产算力的定价含义​

租金上涨对国产 AI 芯片的采购决策有一层容易被忽略的影响：

• 国产卡的租用市场尚未成熟：昇腾 / 寒武纪 / 摩尔线程的算力主要以一体机、整机柜和智算中心配额形式交付，公开随需租价稀缺——采购对比天然偏向"自建/整机"模型；
• 相对 TCO 变化：NVIDIA 租金上涨 20% 等于抬高了所有国产替代方案的"相对吸引力"，尤其是推理负载（910C / 950PR / P800 一级市场的实际成交价未公开，但整机报价对美元卡的价格差在扩大）；
• 供给节奏：DeepSeek 押注昇腾训练、16 万颗 950DT 采购传闻——头部需求先吃掉产能，后来者的排队周期在拉长，早决策本身有价值。

4. 小结​

• Nebius 10 月起 H100/H200/B200 随需租金 +20%；CoreWeave 签约电力 4.2GW 且继续高价锁量——租赁市场供需仍紧；
• agentic 推理 + Rubin 供给溢价 + 电力约束，三力推高租金，且短期难回头；
• 决策口径：稳定负载 2 年+ → 自建窗口打开；潮汐负载 → 继续租用；混合策略最抗涨价；
• 看什么：其他云厂商是否跟进调价、Rubin 租赁的正式定价、国产算力是否出现公开租用市场。

---

相关阅读​

• TCO 计算器（本站交互工具，支持采购/能耗/折现全参数）
• Vera Rubin NVL72 MLPerf v6.1 首秀
• DeepSeek 确认押注华为芯片训练大模型

参考资料​

• 芯智讯：Nebius 上调 AI 芯片租用价格，10 月 1 日起 H100/H200/B200 随需租金平均上涨约 20%（2026-09-21）
• 财联社 / 东方财富：CoreWeave 推出多机架 Vera Rubin NVL72 集群，已签约电力增至 4.2 吉瓦（2026-09）

本文基于公开报道整理；TCO 结论依赖利用率、电价、折现率等假设，请以 TCO 计算器按自身参数复算为准。

2026 年 9 月 22 日，多家媒体报道：DeepSeek CEO 明确表示公司正大力押注华为芯片，预计将收到新一批华为芯片用于大模型训练，并强调"这一选择必须成功"。这是继此前"DeepSeek 拟采购 16 万颗昇腾 950DT 跑推理"报道之后，国产算力生态迄今最重要的站队信号——从推理采购升级为训练押注。

---

1. 信号链：四步走到"训练押注"​

把过去半年的公开信息串起来，DeepSeek 与昇腾的合作有一条清晰的升级路径：

时间	信号	性质
2026 年中	DeepSeek V4 完成从 CUDA 到 CANN 的生态迁移	软件适配
2026 年 8 月	报道：DeepSeek 拟采购 16 万颗昇腾 950DT 部署推理	推理采购意向
2026-09-17	HC2026：960DT 提前三个季度就绪，950DT Q4 放量	供给兑现
2026-09-22	DeepSeek CEO：押注华为芯片训练大模型，"必须成功"	训练押注

关键变化是负载等级：推理部署是"用现成算力降本"，训练押注则是"把下一代模型的存在性押在国产芯片上"——训练集群对稳定性、互联效率、软件栈成熟度的要求高一个量级。

2. 华为侧的兑现能力​

DeepSeek 敢于站队，背后是华为供给侧一系列可核验的进展（均为官方口径）：

• 一年一代兑现：950PR 已量产、950DT 2026 Q4 放量、960DT 从原计划 2027 Q4 提前三个季度至 2027 Q1 就绪 / Q2 上市——路线图可信度连续两次验证；
• 部署规模：昇腾超节点已规模商用超 1000 套，覆盖互联网、金融、医疗、制造；
• 生态成熟：CANN 进入常态化开源运营，外部开发者占比首次超过 61%，月活开发者 5200 人；基于昇腾的原生训练模型超过 40 个，是国内唯一支持预训练的技术路线；
• 训练证据链：中国电信 9 月开源的星（Xing）4.0-29B-A4B agentic MoE 模型宣布在昇腾上端到端训练（公司口径）——昇腾"能训大模型"不再只有华为自证。

规格详见昇腾 950DT 与昇腾 960 规格页；超节点分析见昇腾 960 官宣发布。

3. 为什么是 DeepSeek？​

DeepSeek 的选择有强结构性动因：

1. 供给确定性：在出口管制约束下，NVIDIA 旗舰对华供给持续收紧；国产算力是唯一可规划的大规模训练供给；
2. 成本结构：DeepSeek 一贯以极致工程效率著称（V3 训练成本即为业内标杆），国产算力叠加超节点系统效率符合其路线；
3. 对赌生态红利：CANN 开源 + 头部模型厂商深度绑定，模型厂商可以参与定义工具链走向——这在 CUDA 封闭体系内不可能发生；
4. 示范效应自我实现：头部实验室公开站队会反向拉动华为产能排期、上游 HBM 与整机的投入，"必须成功"因此是理性承诺而非口号。

4. 风险与待验证项​

冷静看，这条路线仍有三处需要时间验证：

• 实际训练规模：新一批芯片的数量、型号（950DT 还是 960DT）、交付节奏均未披露；
• MFU 口径：华为给出的 MFU / 时延收益均出自马尔科夫实验室仿真，尚无独立第三方实测；训练集群的真实有效算力要看大规模生产环境的长期数据；
• 单卡代差：960DT FP4 4 PFLOPS 对比 Rubin R200 的 50 PFLOPS（FP4），单卡代差客观存在——训练效率取决于超节点规模与软件优化能否补足，这正是"系统级竞争"的胜负手。

5. 小结​

• DeepSeek 确认押注华为芯片训练大模型——国产算力首个头部实验室训练级站队；
• 信号链：CUDA→CANN 迁移 → 16 万颗 950DT 推理采购传闻 → 960 提前就绪 → 训练押注；
• 支撑面：一年一代兑现、超节点 1000+ 套、CANN 开源生态外部开发者 61%；
• 看什么：新一批芯片的实际到货与训练集群规模、第三方 MFU 数据、下一次 DeepSeek 发版的训练算力披露。

---

相关阅读​

• 昇腾 960 规格页 / 昇腾 950DT 规格页（本站）
• 昇腾 960 官宣发布：FP4 算力翻倍、全球首个 NPO 超节点
• 国产三强 2026 H2：国产化率突破 40% 向 60% 迈进
• 阿里真武 V900 云栖大会发布

参考资料​

• 今日头条·今日科技早报：DeepSeek 确认押注华为芯片用于大模型训练（2026-09-22）
• 华为全联接大会 2026 官方发布（2026-09-17）
• 此前报道：DeepSeek 拟采购 16 万颗昇腾 950DT（2026-08）

本文基于公开报道与厂商官方口径整理。芯片数量、训练集群规模等细节以 DeepSeek 与华为后续披露为准。

昇腾 960 官宣、真武 V900 发布之外，9 月下旬还有三条容易被头条淹没、但结构性意义不输旗舰芯片的生态信号：运营商开源昇腾训练的模型、整机厂交付百卡级国产推理系统、初创公司拿到云端算力芯片的新一轮融资。本文逐条拆解。

---

1. 中国电信开源 Xing4.0：昇腾端到端训练的运营商级背书​

9 月 23 日（报道时间），中国电信开源 Xing4.0-29B-A4B——一个 agentic 混合专家（MoE）模型，公司口径宣布在华为昇腾加速器上端到端训练。

为什么重要：

• "能训"的第三方证据：过去"昇腾能不能训大模型"主要靠华为自证（原生训练模型 40+）；运营商以自己的数据、工程团队和集群跑通训练并开源，是第一个非华为体系的规模化训练案例；
• agentic 定位：29B-A4B（29B 总参 / 4B 激活）的 MoE 形态直接面向 agent 工作负载——与 DeepSeek、Qwen 的开源节奏对齐，而非试验性小模型；
• 开源外溢：模型权重 + 训练配方公开，意味着昇腾上的训练工程经验可以复用到其他机构——这正是生态扩散的标准动作。

配合华为侧披露的"CANN 进入常态化开源运营、外部开发者占比 61%"，昇腾生态正从"厂商主导"转向"社区运营"。

2. 浪潮 MetaBrain SD200 Ultra：128 颗国产芯片的推理吞吐实测口径​

浪潮同期发布 MetaBrain SD200 Ultra 推理系统：

指标	数值（公司口径）
国产 AI 芯片	128 颗（厂商未披露具体型号）
服务模型	Kimi K3
Token 吞吐	2.8T tokens（该口径下的系统吞吐成绩）
时延	5.85 ms

三个读数：

• 百卡级系统集成：128 卡异构协同跑超大规模 MoE 推理，考验的是互联拓扑、调度与容错——整机厂把国产芯片"攒成大系统"的能力已经就位；
• 面向头部开源模型：以 Kimi K3（已上线 AWS Bedrock）为目标负载，说明国产推理系统的验收标准是"跑通当下最受欢迎的模型"，而非自说自话的 demo；
• 注意口径：2.8T token 吞吐与 5.85ms 时延均为厂商宣称，测试模型版本、并发与批尺寸未披露，采购评估时需按实际负载复测。

3. 奕行智能 B+ 轮 20 亿元：云端算力芯片赛道仍在加注​

奕行智能（EVAS）完成 B+ 轮 20 亿元融资，投后估值近 150 亿元，和利资本追投；此前上半年已完成 15 亿元 B 轮并引入中国移动战略投资。公司主攻新一代云端算力芯片。

在旗舰芯片格局（昇腾 / 寒武纪 / 摩尔线程 / 海光 / 真武）看似已定的 2026 年，云端算力芯片新势力仍能拿到 20 亿级融资，说明：

• 一级市场对"国产算力第二梯队"的需求判断：头部厂商产能排期到 2027 年，溢出需求给了新势力窗口；
• 运营商战投的角色：中国移动既是采购方也是投资方，国产算力的需求侧在用资本锁定供给侧；
• 云端推理 DSA 路线的差异化空间仍在（参考清微、后摩等路线的生态卡位）。

4. 一周信号拼图：闭环正在成形​

把三条信号与本月旗舰发布拼在一起，国产算力的产业闭环每一段都有人补位：

环节	本月证据
旗舰芯片	昇腾 960 提前官宣（9-17）、真武 V900 发布（9-22）
训练验证	中国电信 Xing4.0 昇腾端到端训练并开源、DeepSeek 押注昇腾训练
推理系统	浪潮 SD200 Ultra 128 卡跑 Kimi K3
软件生态	CANN 常态化开源、外部开发者 61%
资本供给	奕行智能 B+ 轮 20 亿（投后近 150 亿）
需求侧	DeepSeek 站队、Kimi K3 上线海外云平台

"芯片—系统—模型—资本"四段都有独立玩家在投入，这是与 2024-2025 年"单点突破"最大的不同。

5. 小结​

• 中国电信 Xing4.0-29B：首个非华为体系的昇腾端到端训练开源模型；
• 浪潮 SD200 Ultra：128 颗国产芯片推理系统，2.8T token 吞吐 / 5.85ms（公司口径，待复测）；
• 奕行智能 20 亿 B+ 轮：云端算力芯片第二梯队仍在获得真金白银；
• 看什么：Xing4.0 的训练集群规模与 MFU、SD200 Ultra 的第三方复测、奕行智能流片节奏。

---

相关阅读​

• 昇腾 960 规格页 / 昇腾 910C 规格页（本站）
• DeepSeek 确认押注华为芯片训练大模型
• 国产三强 2026 H2：国产化率突破 40% 向 60% 迈进

参考资料​

• The GPU Daily（2026-09-24）：China Telecom open-sources Xing4.0-29B；Inspur MetaBrain SD200 Ultra
• 今日头条：奕行智能完成 B+ 轮 20 亿元融资，投后估值近 150 亿元（2026-09-21）
• CSDN·AI 日报（2026-09-21）：华为 CANN 常态化开源运营、OceanStor M900 发布

本文基于公开报道整理。Xing4.0 训练细节与 SD200 Ultra 性能数据均为公司口径，测试条件以后续披露为准。

继华为 9 月 17 日全联接大会官宣昇腾 960 之后仅五天，9 月 22 日阿里巴巴在杭州云栖大会发布新一代训推一体 AI 芯片真武 V900——阿里称之为"目前算力性能最强的中国自研 AI 芯片"。本文基于阿里官方发布口径与新浪科技、C114、环球网等多方报道整理。

---

1. 单芯片：3 倍于 M890，216GB + 1200GB/s​

指标	真武 V900（本次发布）	真武 M890（上一代）
性能	真武 M890 的 3 倍（官方口径，绝对值未公布）	FP16 600 TFLOPS（本站收录）
显存	216 GB	144 GB（HBM3）
片间互联	1200 GB/s	—
精度	原生 FP8 / FP4（含高精度训练）	—
定位	训推一体（万亿级参数训练 + 低精度推理）	训推一体
量产	2027 Q1，阿里云数据中心规模化部署	已规模应用

三个读数：

• 显存跨入 200GB+ 区间：216GB 与昇腾 960DT（288GB 自研 HBM）、NVIDIA Rubin（288GB HBM4）站上同一容量档位，长上下文与超大 MoE 模型的容量门槛被拉平；
• 片间互联 1200GB/s：为超节点"内存语义互联"打底——这是与 ICN Switch 配套的芯片级前提；
• 精度覆盖全场景：官方表述为"高精度训练、低精度和超低精度推理的全场景"，FP8/FP4 原生支持与 2026 年新卡通用口径对齐。

单芯片绝对算力数值官方未公布，本站以"3 倍于 M890"的官方相对口径收录；M890 规格详见真武 M890 规格页。

2. 系统级：ICN Switch + 磐久超节点，单集群 50 万卡​

V900 的真正卖点不在单芯片，而在系统级协同：

• ICN Switch 自研互联芯片：连接后的超节点具备原生内存语义与内存统一编址能力，千卡全带宽高速互联——上千颗 V900 可"像一颗超级芯片一样协同工作"；
• 磐久超节点服务器：集成 V900（算力）+ ICN Switch（互联）+ 磐脉智能网卡（网络）+ 镇岳 SSD 主控（存储），算、存、网全栈自研协同；
• 50 万卡单集群：结合阿里云新一代智算中心网络架构，单一集群可扩展至 50 万卡规模。

这与华为"11 颗关键芯片"的思路如出一辙：竞争单位已经从单芯片转向整套系统的交付能力——真武管算力、倚天管通用计算、磐脉管网络、镇岳管存储、ICN Switch 管互联。

3. 商业与路线图​

• 真武系列已服务超 650 家企业客户（截至 2026 年 6 月），覆盖智驾、金融、大模型、具身智能、能源、制造；
• 基于 M890 的超节点已大规模应用，跑通 Qwen3.8、Kimi K3 等超 2 万亿参数模型；阿里云 Q4 新增服务节点扩大超节点供给；
• 路线图：V900 于 2027 Q1 量产售卖；真武 J900 计划 2027 Q3 发布；
• CPU 协同：2027 年推出倚天 720 / 730（730 首次采用平头哥全自研 CPU 微架构，单核 SPECint2017/GHz 最高达倚天 710 的 1.4 倍）；2029 年的倚天 750 将通过 ICN 总线与真武 AI 芯片直接互联；
• 阿里巴巴集团 CEO 吴泳铭表示，平头哥 AI 芯片年出货量将大幅提升。

4. 竞争坐标：同一周，两把剑​

把 9 月中旬的两次发布放在一起看，国产 AI 芯片的"系统级竞争"格局已经清晰：

维度	华为昇腾 960（9-17）	阿里真武 V900（9-22）
发布节点	HC2026	云栖大会 2026
单卡显存	288GB（自研 HBM）	216GB
访存带宽	9.6 TB/s	未披露
互联	灵衢 UnifiedBus / NPO 光互联	ICN Switch 内存语义互联
超节点	昇腾 960 超节点（4096 卡，8 EFLOPS FP8）	磐久超节点（单集群 50 万卡）
上市	2027 Q2	2027 Q1

华为走"超节点 + 开源 CANN 生态"路线，阿里走"云上全栈 + 开源模型生态"路线；单卡规格都仍有代差，但交付的是可采购、可运维的超大规模集群。对英伟达 CUDA 生态的替代逻辑，正在从"性能对标"转向"供给确定性 + 系统效率"。

5. 小结​

• V900：3×M890、216GB、1200GB/s 片间互联、原生 FP8/FP4，2027 Q1 量产；
• 系统：ICN Switch 千卡全带宽、磐久超节点算存网全栈、单集群 50 万卡；
• 节奏：J900 2027 Q3、倚天 730 2027、倚天 750 2029——平头哥首次给出三年代际路线；
• 看什么：2027 Q1 实际量产与阿里云部署规模、V900 绝对算力披露、ICN Switch 对外供货的可能性。

---

相关阅读​

• 真武 M890 规格页（本站）
• 昇腾 960 官宣发布：FP4 算力翻倍、全球首个 NPO 超节点
• 国产三强 2026 H2：国产化率突破 40% 向 60% 迈进

参考资料​

• 环球网：平头哥发布新一代训推一体 AI 芯片真武 V900（2026-09-22）
• 新浪科技 / TechWeb：阿里平头哥发布新一代 AI 芯片真武 V900，2027 年第一季度量产
• C114：阿里发布新一代 AI 芯片真武 V900，2027Q1 量产

本文基于阿里巴巴官方发布与公开报道整理。V900 单芯片绝对算力官方未公布；超节点与集群规模为官方口径，以未来实际交付为准。