37 篇博文 含有标签「AI Chip」

人民日报 10 月 21 日在头版文章中把「长鑫存储第五代 DRAM 技术平台实现量产」列为「练好内功」的标志性成果之一——与华为昇腾 960 超节点、宁德时代电池专利并列。在全球存储涨价的背景下，这条消息的分量比标题重。

一、长鑫的位次​

指标	数据（2026-10 行业口径）
全球 DRAM 排名	第 4 位，份额 9.5%
技术平台	G5（第五代）DRAM 量产
前沿方向	4F² DRAM 技术推进
与头部差距	评估约 1-3 年

二、为什么 DRAM 量产与 AI 算力有关​

直接关系藏在存储超级周期的结构里：

1. HBM 挤出效应：HBM 在 DRAM 产能中占比每升 1 个百分点，消费级 DRAM 供给收缩约 3 个百分点——全球 DRAM 合约价 4Q26 环比涨 10-15%，交期 40 周以上
2. 国产 AI 服务器的内存成本：国产芯片卡的显存是 HBM（受制），但服务器主存、KV Cache 扩展内存、向量库存储大量使用标准 DRAM——长鑫放量直接压低国产算力方案的 BOM
3. HBM 的前置能力：HBM 本质是 3D 堆叠的 DRAM。五代 DRAM 平台的量产意味着存储微缩工艺的持续积累——这是未来国产 HBM 的必要非充分条件

三、全球背景下的时间窗口​

当前存储市场处于「15 年来最严重短缺」（高盛口径）：三星、SK 海力士把产能大幅倾斜给 HBM 长约，传统 DRAM 与 NAND 供给被动收缩，价格上行周期预计延续到 2027-2028 年新产能落地。长鑫 G5 的量产正好落在需求最旺的窗口——份额提升与价格上行双重红利。

对照全球格局：SK 海力士 HBM 收入份额 ~50%、三星 33%、美光 18%，HBM4 已进入三倍报价时代；国产存储在 HBM 上尚有代差，但在标准 DRAM 上以 9.5% 份额站稳第四，构成「标准存储自主 + HBM 跟进」的现实路径。

四、对 AI 算力采购的提示​

1. 国产服务器主存方案开始具备「长鑫平替」选项，采购 RFP 里可以列入
2. 存储涨价周期内，提前锁定内存采购与芯片采购同等重要
3. 关注长鑫 HBM 进展的官方披露——一旦进入国产 AI 芯片的 HBM 供应链验证，国产算力全链自主的最后一环将补齐

延伸阅读：HBM4 三倍报价 · 存储超级周期 · 完整对比表

2026 年 10 月，沐曦同时交出两张答卷：芯片侧，旗舰 曦云 C600 正式进入量产交付；系统侧，曦景 S600 超节点（WAIC 2026 首发）在工博会继续展示。国产 GPGPU 厂商第一次在同一家公司里同时跑通「单卡」与「整机柜」两条产品线。

一、曦云 C600：量产交付​

曦云 C600 的核心规格：

项目	参数
架构	自研 XCORE 1.5
制程	7nm 国产工艺（口径分歧已在卡内标注）
FP8 算力	1000 TFLOPS（对标 H100 的 989）
显存	144GB HBM3e，3.6 TB/s
供应链	全国产
生态	MXMACA 软件栈，vLLM/SGLang 已深度适配

生态动作密集：Day 0 适配阶跃星辰 Step 5 Preview、面壁 MiniCPM-V 4.7、上海 AI 实验室「书生·明决」、Qwen-Image-2.1，并与 FlagOS 联办推理吞吐挑战赛。对国产芯片，Day 0 适配能力是软件栈成熟的最佳 proxy——新模型发布当天就能跑，意味着框架适配从「追赶」进入「同步」。

二、曦景 S600：64 卡锚点的取舍​

S600 超节点的技术选择值得细看：

• 单柜 64 卡全互连：沐曦明确表示 64 卡锚点对应「未来 3-4 年模型尺寸与训推需求的主流规格」——不做盲目堆卡数
• OEX 正交无背板架构：计算节点与交换节点 0 线缆直连，「三零设计」（计算节点零线缆、交换节点零线缆、柜间零线缆）直接压缩部署与运维成本
• 多维并行：支持 EP、TP 等策略，集群横向扩展至万卡级

对比同场展出的天数 IXL144（144 卡/柜），S600 选择的是「低密度 + 极致部署友好」路线——两种路线没有绝对优劣，取决于客户的机房条件与目标负载。

三、资本市场与产能​

沐曦已冲刺科创板（两轮问询回复完成），2025 上半年营收 3.2 亿元、在手订单 14.3 亿元；融资客 10 月对沐曦股份的净买入居科创板前列。产能是接下来的主要约束——C600 的量产爬坡与 S600 的整机柜交付都吃先进封装与代工产能。

四、样本意义​

沐曦是目前唯一同时公开量产单卡与整机柜超节点规格的国产 GPGPU 厂商。它的双线节奏（C600 单卡 2025-10 发布 → 2026-05 量产 → 10 月交付；S600 系统同步）给同行提供了一个可参照的时间表：单卡量产与系统化产品之间的间隔，正在缩短到 12 个月以内。

延伸阅读：昆仑芯超节点量产 · 超节点放量元年 · 完整对比表

过去国产 AI 芯片常被诟病「故事丰满、报表骨感」。寒武纪 2025 年报与 2026 一季报给出的是另一组数字：全年扭亏为盈、单季营收同比增近 160%、尚未发布的产品先涨价两三成。国产算力正在进入业绩兑现期。

财务数字一览​

指标	数值	口径
2025 全年营收	64.97 亿元（同比 +453.21%）	年报
2025 归母净利	20.59 亿元（扭亏为盈）	年报
2026Q1 营收	28.85 亿元（同比 +159.56%）	一季报
市值	曾超万亿元（2026 年 6 月）	二级市场

单季 28.85 亿、全年 64.97 亿——2026 年一季度一个季度的收入接近 2025 全年的一半，增长斜率仍在变陡。

MLU690：从纸面到量产​

思元690（MLU690）2026 年初量产后，进展沿两条线推进：

• 产品线：双 die Chiplet 封装、中芯国际 N+2 制程，FP16 算力 700+ TFLOPS 为当前国产纸面算力天花板之一；2026-09 价格口径为官方指导价 190,000 元、市场均价 175,000 元（市场流传价，非公司公告价）。
• 集群线：WAIC 2026 落地 256 卡规模超节点集群方案，已在多地智算中心部署；运营商、金融、互联网行业规模化部署。

涨价的供需逻辑​

据 Reuters 2026-09-10 报道，受 HBM 成本飙升影响，寒武纪对下一代处理器（暂称思元790，预计 2026Q4 出货、2027 放量）的意向报价较两个月前上调 20%-30%。寒武纪董秘办回应「未发布过相关公告，一切以官方公告为准」——即绝对金额是市场流传口径，相对涨幅是 Reuters 报道口径，引用时务必分层。

涨价背后是三重叠加：HBM 等关键供应紧张（与昇腾 950DT 同因）；国内大模型训练与推理国产化率提升带来的需求确定性；智算中心集中采购把国产加速卡从「备选」变「必选」。订单排到数月之后时，涨价既是成本传导，也是筛选客户、平衡产能的手段。

与华为的双头格局​

徐直军 10 月 6 日在 HC 大会确认昇腾中国份额已超英伟达（华为统计口径），同时强调「能满足国内需求还远远不足」。这决定了国产算力市场的基本格局：昇腾供给受制于产能，寒武纪等厂商承接溢出需求。对采购方，昇腾渠道的排队周期反而给了思元690、MTT S5000 等替代方案真实的验证窗口。

风险提示​

• 思元690 的千卡以上分布式训练损耗仍高于成熟生态（MLU-Link 与 NVLink 的工程成熟度差距），单机 8 卡与小集群表现优异，大规模预训练场景需实测
• 价格均为渠道或市场流传口径，采购以正式报价单为准
• MLU-Link 890Gbps 的互联规格与 NVLink 4 900GB/s 接近，但软件栈成熟度差异无法从规格表读出

相关阅读​

• 寒武纪思元690（MLU690）芯片卡片
• 摩尔线程 MTT S5000 芯片卡片
• 华为昇腾 950DT 芯片卡片

讨论 AI 芯片时，注意力总在「3nm 还是 2nm」。但供应链的真相是：决定你能买到多少颗芯片的，往往不是晶圆厂，而是封装厂。

一、为什么封装成了瓶颈​

现代 AI 加速器是「逻辑芯粒 + HBM 堆叠」的异构集成体：

• 一颗旗舰 AI 芯片需要 8 颗以上 HBM，每颗 HBM 又是 8-16 层 DRAM 堆叠
• 2.5D 封装（CoWoS 家族）把逻辑芯粒与 HBM 集成在同一基板上，产能受限于中介层与基板供应
• 前道晶圆可以加班扩产，CoWoS 的扩产周期以年计——先进封装才是整条链的节拍器

这就是为什么 OpenAI 与 Broadcom 的自研芯片项目要预先锁定台积电 CoWoS-L 产能：拿到封装额度，才真正拿到出货权。

二、HBM4 时代的封装技术竞赛​

技术	作用	玩家
CoWoS-L	硅桥中介层，支持多芯粒 + 高密度 HBM 集成	台积电（产能最紧缺）
混合铜键合	支撑 16 层以上堆叠，热阻降低 20%+	三星（HBM4）、SK 海力士
1c DRAM 工艺	HBM4 速率 11.7-13Gbps（JEDEC 标准 8Gbps）	三星
Turnkey 模式	4nm 逻辑基片 + HBM4 + 封装打包供应	三星（反击 SK 海力士的先发生态位）

SK 海力士凭 HBM3E 世代的认证先机占据约 50% HBM 收入份额，三星 33%、美光 18%。HBM4 世代三星押注「按性能定价」+ turnkey 打包，竞争逻辑从「谁的产能大」切换为「谁的性能强、谁的集成度高」。

三、先进制程的真实意义​

2nm 的价值经常被高估为「算力翻倍」，实际上它的作用更精确：

• 能效比：同算力下功耗下降，直接决定 1800W 封顶（风冷/液冷阈值）下能塞进多少算力
• 逻辑芯粒密度：N3P 相对 4NP 约 1.3 倍密度、18% 动态功耗下降——对推理专用芯片，砍掉 FP64 后的面积红利进一步放大
• 成本：先进制程晶圆更贵，这也是为什么推理 ASIC 会认真考虑「上一代制程 + 大芯片」还是「先进制程 + 专用化」的权衡

四、给采购者的三个提醒​

1. 交期谈判要问到封装层：问「CoWoS 额度锁到哪一季度」，比问「流片了没」更能预测交付
2. HBM 世代与芯片世代解耦看：HBM4 三倍报价意味着 2027 年新平台的内存成本占比继续抬升，存储超级周期要计入 TCO
3. 国产替代看封装机会窗口：先进封装（2.5D/3D）的技术追赶周期短于 EUV 前道制程，是国内产业链现实性更强的切入点

延伸阅读：机柜即产品 · HBM4 三倍报价 · 完整对比表

长江商报援引寒武纪中报的表述是：中国互联网大厂的 Token 日消耗正呈指数级增长，推理算力已接替训练成为新增长极。这不是一句口号——它正在改写芯片厂商的产品定义（训练/推理拆分）、云厂商的自研路线（全部推理优先）与采购方的成本模型。

需求侧：三组数字​

• IDC：2026 年中国智能算力规模预计 2,576.5 EFLOPS，同比增长 87.9%——增量主要来自推理
• Agent 效应：智能体任务的特点是多步骤、长上下文、持续运行，单次任务的 Token 消耗是传统问答的数十倍，且对延迟敏感
• 平台侧：商汤大装置披露日均 Token 服务量已达 2.42 万亿（公司口径），并规划异构 Token 工厂

推理负载的经济学特征与训练完全不同：训练追求峰值算力利用率，推理追求单位 Token 成本与延迟的平衡。这解释了为什么 2026 年 10 月的三场重磅发布全部是推理优先：Maia 300（长上下文/智能体）、GPU D 系列（decode 阶段 Token 成本）、TPU 8i（推理专用拆分）。

供给侧：产品定义随需求改变​

厂商	推理侧动作	信号
NVIDIA	Rubin 平台引入 Groq 3 LPU（GTC 2026-03 官宣）做低延迟解码	首次在自家平台引入第三方推理芯片
Google	v8 首次拆分出推理专用 8i	训练/推理产品线分家
微软	Maia 300 定位「主要推理系统」，2027 数吉瓦部署	自研芯片从辅助转为主力
Intel	GPU D 系列专攻 decode Token 成本	放弃 HBM 军备竞赛
华为	950PR（Prefill）/ 950DT（Decode+训练）双版本	场景细分设计
Meta	MTIA 承接全部推荐与 Llama 推理，训练仍外购	「训练买、推理自建」分工定型

行业分工已经清晰：训练买 NVIDIA（偶尔 AMD），推理自研或国产。这个分工在 2027 年只会加深。

价格信号：两套体系加速分化​

中国市场与国际市场的算力价格已经事实性分轨（口径：可复核成交数据，非渠道报价，引自行业媒体 2026-10 汇总）：

• 国内成交口径：B300 八卡整机约 1,880 万元、H200（2T 版）约 670 万元；租赁价格 B300 超 40 万元/月、H200 超 14.5 万元/月
• 海外合规口径：B300 八卡整机 400-800 万元（不含中国、不含税）
• 租赁性价比：SemiAnalysis 口径 MI355X 大客户批量租用约 1.50 美元/GPU 时、零售 2.90 美元

注意两个边界：上述国内数字是「成交价非报价」，且不含灰市与转口裸机口径；跨体系直接换算比较没有意义，因为供给条件（管制、保修、软件服务）完全不同。

对 2027 年采购决策的三点推论​

1. 推理容量规划要按 Agent 负载重估：多步骤智能体让单用户 Token 消耗放大一个数量级，按历史对话流量外推容量会系统性低估。建议按「日活 × 任务数 × 每任务 Token」建模，并预留 2-3 倍余量。
2. MFU 比峰值算力更值钱：超节点把集群 MFU 从约 30% 提升到 2.75 倍水平（研报口径），意味着同样的电费预算下有效算力翻倍。选型时「实测 MFU × 峰值算力」才是真实算力。
3. 混合供给成为常态：训练用国际旗舰、推理用国产或自研的分层架构，已经是大厂的标准答案。企业采购可以复制这个分层：核心训练集群保持 CUDA 生态，推理层引入国产卡（思元690、MTT S5000、昇腾 950PR 等）做成本优化。

相关阅读​

• 完整对比表（81 款并排）
• TCO 计算器
• 超节点时代的选型框架
• 寒武纪业绩兑现期分析

国产 GPU 厂商中，摩尔线程是 2026 年上半年财报最亮眼的一家。据其 2026 年半年度报告，MTT S5000 智算集群已实现规模化销售，营收 17.36 亿元、同比增长 147.42%，这一数字已超越 2025 年全年的 15.06 亿元。规模化的信号不是发布PPT，而是在无锡的智算中心投运两个多月就接近满载。

财务与出货：规模化销售的最硬证据​

据公开报道，摩尔线程 2026 年上半年实现营业收入 17.36 亿元，同比增长 147.42%；毛利总额 9.89 亿元，同比增长 103.78%，整体毛利率 56.95%；归属于上市公司股东的净利润为 -1156.31 万元，较上年同期 2.71 亿元的亏损大幅收窄 95.73%；扣非净利润 -1.51 亿元，亏损收窄 52.37%。

关键的一句话在半年报里：旗舰级 AI 训推一体智算卡 MTT S5000（PH100 芯片）智算集群已实现规模化销售，并在北京、无锡、杭州等多地完成部署与交付，且首批通过国家《安全可靠测评》。

指标	2026 年上半年	2025 年全年	同比
营业收入	17.36 亿元	15.06 亿元	+147.42%
毛利总额	9.89 亿元	—	+103.78%
整体毛利率	56.95%	—	—
归母净利润	-1156.31 万元	—	亏损收窄 95.73%
扣非净利润	-1.51 亿元	—	亏损收窄 52.37%

这组数字的含义需要放在国产算力的语境里理解：国产 GPU 长期被质疑"只能做政府试点、无法支撑生产负载"。营收超过上年全年、亏损收窄 95%，意味着 S5000 正在从验证走向可重复的集群交付。

无锡智算中心：两个多月接近满载​

最有说服力的单一案例来自无锡。据报道，摩尔线程在无锡惠山区建设的 AI 算算中心于 2026 年 6 月 11 日投运，一期运行 2000 张 MTT S5000，搭建在摩尔线程自研的夸娥（KUAE）智算集群系统之上，投运一个多月后利用率接近满载。

该中心已有 20 多家客户在测试或使用集群，包括中国头部高校、国家实验室、科研院所与 AI 初创企业，其中无锡本地用户占比近半。基于该中心算力资源落地的 AI 智能体应用已有六类，涵盖政务、医疗、教育、芯片设计等场景——医疗领域无锡惠山区人民医院与南京邮电大学合作部署了近 30 个临床辅助模型；教育领域华东师范大学启创平台集成了 300 多个教育 AI 智能体；EDA 领域芯华章利用该算力加速低功耗无线芯片的端到端设计。摩尔线程副总裁方朝霞表示，目标规模是迈向万卡级算力。

训练与生态：国芯训国模的成果​

据公开报道，在 2026 年 9 月 3 日的半年度业绩说明会上，摩尔线程董事长、总经理张建中表示，公司基于 MTT S5000 智算集群已完成 MoE-236B 超大参数基础大模型从零训练，并完成智源具身大脑模型 RoboBrain 2.5、5D 世界模型 EvoPhys-World 等前沿模型的全流程训练。

这一成果的量级需要留意：MoE-236B 的语料超过 25 万亿 Token，是从零起步完整训练的；北大 EvoPhys 团队则在 S5000 全功能 GPU 上完成了 5D 世界模型 EvoPhys-World 的全栈原生训练。摩尔线程联合创始人张钰勃进一步介绍，公司已打通具身智能从合成数据生成、大模型训练、仿真验证到端侧硬件部署的完整链路。

产品侧的三个动作值得关注：MTT C256 超节点架构规划采用计算与交换一体化的高密设计，服务万卡乃至十万卡级训练与推理集群；PD（Prefill-Decode）异构分离方案把高算力需求的 Prefill 计算池（S5000）与高带宽的 Decode 生成池分池部署，支持 KV Cache FP8 与 1M 超长上下文；此外摩尔线程联合中国移动研究院、之江实验室等产业伙伴，通过 OISA 协同创新平台正式发布了《OISA 高密超节点参考设计技术规范》。

需要注意的约束​

规模化的另一面是产能瓶颈。据公开报道的行业调研，S5000 在阿里仅有少量采购测试，字节做了小规模灰度测试（几百片），原因是客户担忧量产后供应；2026 年 4-5 万卡的出货目标仍可能有之江实验室、运营商及地方算力平台项目支撑。此外，高阶双带版本尚未量产，主要卡在双带性能和带间互联指标，需重新流片优化；S6000 目前未回片，预计 2026 年底提供小批量样品。

生态侧也有坦率之处：S5000 尚未发布足够多的独立复现基准，官方性能指标多为厂商声明。同时 PD 异构分离方案中的 Decode 池使用国际主流 GPU，这说明纯国产方案在长上下文解码环节仍有工程缺口。

研判​

摩尔线程 2026 年上半年交出的答卷，是国产 GPU 商业化进程中少见的硬数据：营收翻倍以上、集群接近满载、模型训练跑通闭环、拿到安全可靠测评。但从投资与采购视角看，仍有三个问题待解：营收集中度与复购比例尚未披露、产能是否支撑 4-5 万卡的年度目标、以及 S6000 回片后能否补上 HBM 容量短板。

《OISA 高密超节点参考设计技术规范》的发布是一个容易被忽视的信号——摩尔线程正在从卖卡转向输出系统标准，这与昇腾走超节点架构、百度走天池超节点是同一方向。国产算力的竞争维度，已经从单卡参数转向系统与标准的话语权争夺。

截至 2026 年 10 月，OpenAI 的算力采购版图已经扩展到接近 26 吉瓦，其中自研芯片项目在 10 月迎来两个实质性节点：硬件平台选型曝光，融资安排浮出水面。这不再是简单的「买卡」故事，而是一家模型公司在重写自己的算力供应链。

一张吉瓦级采购清单​

OpenAI 在过去一年里先后与三家芯片供应商签下多吉瓦级承诺。2025 年 10 月宣布的博通合作是自研芯片的起点：双方共同开发 10 吉瓦定制 AI 加速器系统，博通负责硅实现与以太网组网，OpenAI 负责架构设计，部署窗口为 2026 年下半年启动、2029 年底完成。几乎同一时间，OpenAI 与 AMD 达成 6 吉瓦 Instinct GPU 协议，首批采用 MI450，并附带最高 1.6 亿股 AMD 股票的认股权证，按容量交付情况分批归属。英伟达方面承诺至少 10 吉瓦系统，并拟按每个吉瓦的实际部署进度逐步投资不超过 1000 亿美元，首个吉瓦计划于 2026 年下半年在 Vera Rubin 平台上线。

供应商	承诺规模	芯片/平台形态	关键条款
英伟达	至少 10 吉瓦	Vera Rubin 系统	拟投资不超过 1000 亿美元，按吉瓦进度释放
博通	10 吉瓦	OpenAI 自研定制加速器	2026 下半年部署，2029 年底完成
AMD	6 吉瓦	Instinct GPU，首批 MI450	含最高 1.6 亿股 AMD 股票认股权证

三份协议加起来接近 26 吉瓦。据公开报道，多家机构把这个体量换算成用电规模——单吉瓦 AI 数据中心的芯片采购成本就可能达到数百亿美元级别，26 吉瓦对应的硬件投入接近万亿美元量级。需要说明的是，其中相当一部分「已承诺容量」是分期交付的框架额度，而非一次性交付的现货。

Jalapeño 主机平台选型曝光​

10 月 4 日披露的一组细节，首次让人看清 OpenAI 自研推理芯片的机架级形态。据报道，这款代号 Jalapeño 的推理 ASIC 放弃了英伟达 Vera Rubin 加速器作为主机平台，改用 AMD EPYC Turin 处理器，每台主机搭载两颗 Turin 级 CPU 与 1.5TB 内存，经八根 PCIe 线缆连接到加速器托盘；相邻机架容纳 128 颗 Jalapeño 芯片，最多可通过 scale-up 网络互联 2048 颗加速器。功耗分配上，主机甲架约 31 千瓦，加速器机架约 130 千瓦，配对合计约 160 千瓦。

这套设计的逻辑是让 CPU 侧承担分词、请求处理、编排调度工作，避免昂贵加速器空转等待。Jalapeño 从设计到流片仅用九个月，博通负责硅实现与网络，Celestica 负责板卡与系统设计。OpenAI 硬件负责人将选择成熟 x86 平台称为务实之举——加速器本身没有 CUDA 那样的生态，软件栈验证容错空间极小，因此主机侧更倾向使用已有大量使用经验的成熟平台。值得注意的是，该项目内部代号为 Nexus，第一代与第二代芯片分别叫 Jalapeño 与 Serrano。

融资：从「买设备」到「买资产」​

10 月 8 日的消息把这条线索补完了。据《华尔街日报》与彭博社报道，博通近几周一直在为 OpenAI 的定制 AI 芯片安排超 500 亿美元融资，已与阿波罗全球管理、黑石集团等私募信贷机构展开早期洽谈，谈判尚处初期，规模可能变化；彭博社同期称早期磋商显示双方可能寻求筹集约 300 亿美元债务，尚未启动正式流程。

这并非孤立事件。博通此前已为 Anthropic 安排大规模债务融资，据报道正为 Anthropic 及其他公司筹集 600 亿美元新 AI 芯片融资，其中 A 类优先担保贷款银团分销函金额达 420 亿美元，黑石牵头 180 亿美元 B 类次级债务，并承诺从旗下基金出资 90 亿美元。甲骨文则与阿波罗、高盛洽谈专门融资，用于为一座 1 吉瓦数据中心采购芯片，结构可能是私人投资者设立表外实体购入芯片再租回给甲骨文，以填补硬件付款与云收入之间的时间缺口。

研判​

算力采购的竞争已经从芯片规格转向融资能力。当芯片厂商能把「交付硬件」和「安排资金」打包成一份方案，它锁定的就不只是订单，而是客户未来数年的路线图依赖。OpenAI 三线并行的策略本质是风险对冲，但代价是资本结构的复杂度同步上升——26 吉瓦的承诺对应的是尚未完全验证的收入能力。

真正的观察点在 2026 年下半年：Jalapeño 能否按期点亮送样、Vera Rubin 首个吉瓦能否如期上线、私募信贷对 AI 算力资产的风险偏好是否延续。这三件事的答案，会决定自研 ASIC 是真的降低成本，还是只是把成本挪到了资产负债表上。

2026年即将收官，各大厂商的2027年路线图已经基本清晰：NVIDIA 的 Rubin Ultra、AMD 的 Helios 后继、华为的一年一代、平头哥的真武上云，四条主线同时压向2027。本文基于站内规格卡与公开排期信息，梳理2027年的关键时间节点、供给端风险与采购建议。

2027 四大主线时间线​

时间	NVIDIA	AMD	华为昇腾	阿里平头哥
2027 Q1	Rubin R200 规模爬坡	MI455X/MI430X 持续放量	960DT 提前就绪	真武 V900 量产上云
2027 Q2	—	—	960DT 上市（Atlas 860 风冷超节点）	倚天 720/730 路线推进
2027 H2	Rubin Ultra 目标量产	Helios II/MI500 级待公布	960PR 上市（Q3，Atlas 960 液冷）	J900 排期 2027 Q3
2028+	Feynman（2028 预告）	Verano CPU 预研	昇腾 970（官宣）	—

主线一：NVIDIA Rubin Ultra 与 Feynman​

站内规格卡记录了 Rubin Ultra（V300）的原版口径：GTC 2026 公布，原版 4 芯片 MCM 设计、单卡 576GB HBM4e、NVL144 机柜、FP4 算力推测约 100 PFLOPS、机柜 TDP 推测约 360kW、量产时间推测 2027 H2–2028。需要注意的是，2026 年 9 月 SemiAnalysis 与科创板日报报道该原版 4 芯片设计已取消、显存拟从 HBM4E 12-Hi（384GB 档）下调至 HBM4 8-Hi（192GB），省下的预算转向 Scale-up 纵向扩展网络。

补充素材口径则给出另一套机架级目标：Rubin Ultra VR300 NVL576 目标 2027 H2，单 GPU 100 PFLOPS FP4、1TB HBM4e、机架功耗约 600kW。两种口径并存——原版 NVL144/576GB 与修订后 NVL576/大机架路线——最终规格以 NVIDIA 官方确认为准，但无论哪个版本，2027 H2 都是多方面向的交付大考。更远处，Feynman 架构已预告 2028 年登场。

主线二：AMD Helios 需求超预期与 MI500 预研​

站内 MI500 规格卡显示：CDNA 6 架构、TSMC 2nm 制程、HBM4E 显存，预计 2027 年发布，由 AMD 与 OpenAI 联合定义开发，目标较 MI300X 实现四年千倍级 AI 性能跃升。补充素材方面，AMD 公开口径称 Helios 需求超出预期，未来 3-5 年有大幅增产计划；MI430X 将驱动 LUMI-AI 超算；Verano CPU 处于预研阶段。对 2027 年而言，AMD 的关键不是发布新品，而是把 MI455X/Helios 的量产爬坡走完，为 MI500 接棒铺路。

主线三：华为一年一代，970/980 已排期​

站内昇腾 960 规格卡给出的信息量很大：960DT 较原计划提前三个季度就绪（2027 Q1）、2027 Q2 上市；960PR 提前一个季度、2027 Q3 上市。配套的昇腾 960 超节点是全球首个 NPO（近封装光学）超节点，单节点 4096 卡、8 EFLOPS FP8、1PB HBM。华为同步确认一年一代节奏：2028 年昇腾 970、2029 年昇腾 980，访存带宽/容量/互联带宽同步大幅提升。960DT 提前三季就绪这一细节尤其值得注意——它说明国产供应链（自研 HBM、SMIC 产能）的排期确定性在增强。

主线四：真武量产元年与 OpenAI 自研芯片​

平头哥真武 V900 在 2026 云栖大会亮相后，排期 2027 Q1 量产并上云，216GB 显存、1200GB/s 带宽的配置让它成为国产推理芯片里最受关注的旗舰之一；倚天 720/730 CPU 路线同样指向 2027，J900 排期 2027 Q3。国际侧，OpenAI 的 Jalapeño 自研芯片计划推进多吉瓦（multi-gigawatt）部署，与博通的 10GW 协议仍在推进中。端侧方面，N1X/RTX Spark 生态在 2026 年秋季落地之后，2027 年大概率迎来第二代产品换代的窗口。

谁会最先卡在供给端​

2027 年最大的不确定性不在芯片设计，而在供给端三座大山：

约束	现状（公开口径）	影响对象
HBM 供给	头部厂商 HBM 产能已被预订至 2029	所有依赖外购 HBM 的厂商；华为以自研 HBM 对冲
电力	单机架功耗迈向 600kW，数据中心排队等电	Rubin Ultra NVL576 等大机架方案
出口管制	先进制程与高端芯片管制持续	国产厂商先进制程产能

HBM 是最紧的一环：内存占整机 TCO 比重已升至约 40%，Rubin Ultra 减配 HBM 的传闻正是这一矛盾的直接体现。电力则是第二约束——当单机架功耗从 GB300 的约 140kW 走向 Rubin Ultra 时代的 600kW，"有没有电"会取代"有没有卡"成为招标的第一问。出口管制的变量则决定了国产芯片的产能天花板与替代节奏。

对采购方的提前量建议​

基于上述排期，给计划在 2027 年部署算力的团队三条建议：

1. 提前 2-3 个季度锁货。HBM 售罄至 2029 的背景下，2027 H2 交付的 Rubin Ultra、MI500 级产品，其 2027 Q3-Q4 的配额大概率在 2026 年底至 2027 年初就被超大规模客户预订。等发布再下单，等于排在队尾。
2. 双轨评估。2027 年是国产芯片真正"全代际交付"的第一年（960DT/960PR、真武 V900 同时到位），预算充裕且受合规约束的团队应同时评估 NVIDIA/AMD 路线与昇腾/平头哥路线的交付确定性，而不是只看单卡性能表。
3. 把电力写进合同前置条件。机架功耗从 200kW 级迈向 600kW 级的过程中，供电改造周期往往比芯片交付周期更长，选址与电力协议应先于芯片采购启动。

小结​

2027 年的 AI 芯片市场将是"四线并进"的一年：NVIDIA 用 Rubin Ultra 冲击大机架时代、AMD 从 Helios 走向 MI500、华为兑现一年一代的承诺、平头哥迎来真武量产元年。所有路线图的共同瓶颈是 HBM、电力与出口管制三座大山——芯片厂商比拼的不再只是架构，而是供应链与能源的掌控力。对采购方而言，2027 年的胜负手在 2026 年底就已决定：提前锁货、双轨评估、电力先行。

一颗旗舰 AI 芯片价值数万美元，还要搭配数颗 HBM 一起封进昂贵的 CoWoS 封装——只要混进一颗坏 die，整颗封装报废。所以 AI 芯片的测试是一条比传统芯片严苛得多的流水线。本文按制造顺序拆解四道关卡，以及它对产业的影响。

第一关：晶圆 CP 测试——决不能封装坏 die​

晶圆切割之前，探针卡上数千根探针扎到每颗 die 的焊盘上，由 ATE 自动测试设备逐颗测电性，筛出 KGD（已知良好裸晶）。对 AI 芯片这一步是生死线：CoWoS 封装的成本远高于 die 本身，把坏 die 或坏 HBM 封进去等于把最贵的工序浪费在最差的料上。探针卡本身就是高技术壁垒耗材，单颗 die 的焊盘数量随着先进制程与 Chiplet 化持续膨胀。

测试关卡	所处阶段	核心设备	主要目的
CP（晶圆测试）	切割封装前	探针台、探针卡、ATE	筛出 KGD，避免无效封装
晶圆级老化（WLBI）	封装前	老化设备	高温高压逼出早期失效
FT（成品测试）	封装完成后	分选机、ATE、测试板	测功能、速度分档与功耗温度
SLT（系统级测试）	出货前	专用测试板与测试舱	真实固件与负载下抓 ATE 测不出的缺陷

第二到第四关：老化、终测与系统级测试​

老化（Burn-in）把芯片置于高温高压下运行一段时间——典型条件是 125 摄氏度左右、1.1 至 1.2 倍额定电压、24 至 168 小时——专门逼出可靠性曲线最左端的"婴儿死亡"失效。AI 服务器要求芯片连续数月满载运行，这一关的淘汰标准比消费芯片严得多，HBM 还要额外做堆叠级的 KGSD 测试。

FT（终测）在封装完成后进行，除了功能验证还要做速度分档：同一批晶圆的芯片体质不同，按最高稳定频率与功耗归入不同档位。封装工序本身也可能引入损伤，所以 FT 是出厂前最后一道功能闸门。SLT（系统级测试）则是 AI 时代的标配增量：把芯片装进接近真实环境的主板，运行真实固件与大模型负载，单颗测试时间可达 30 至 300 秒。ATE 的标准向量测不出的问题——多 die 协同、高速接口的边际缺陷、热与功耗的真实表现——都靠 SLT 兜底。测试成本方面，行业经验值是测试占芯片制造成本的 5% 到 15%，AI 大芯片正在把这个比例推向区间上限。

为什么测试产能成了新瓶颈​

需求端在多重放大：AI 芯片 die 面积大、测试项目多、时间长，直接吃掉测试机产能；先进封装让封装前后测试都成为必需；每一个新的定制 ASIC 项目都要重开一套测试程序，博通与谷歌、迈威尔与 Meta、AWS Trainium 这类项目越多，需求乘数式放大。据公开报道，SoC 测试机市场从 2025 年约 69 亿美元增长到 2026 年约 87 至 95 亿美元，头部厂商扩产仍供不应求。供给端则是双寡头格局：爱德万与泰瑞达合计占全球八成以上份额，探针卡、探针台与分选机同样高度集中。

对采购方的含义很直接：AI 芯片的交付周期里，测试与封装产能是和晶圆产能同等重要的变量，签约时要问清 SLT 与老化的排产情况。

写在最后​

三条建议：第一，评估芯片供应商时把测试体系纳入尽调——有没有自建或锁定的 SLT 产能，直接决定交付确定性；第二，数据中心侧对到货芯片建立抽检与老化流程，服务器上架前先跑压力与显存基准，把"婴儿死亡"挡在集群之外；第三，关注国产测试设备与第三方独立测试产能的进展，测试环节的国产化进度，往往先于设计端。用户看到的每一颗稳定运行的芯片，背后都是四道关卡层层淘汰的结果。

当一家市值不足 NVIDIA 五分之一的公司，面对一个 2200 亿美元的市场机会，它该怎么做？AMD 在 2026 年的答案是：不买对手，买能力。MEXT、Taalas、World Labs 三笔收购，拼出的是一幅关于内存、推理与物理智能的算力版图。

三笔收购，三条战线​

2026 年，AMD 连续完成了三笔方向明确但标的各异的收购：

收购标的	核心能力	战略指向
MEXT	内存访问优化	显存子系统效率，HBM4 时代的带宽经济学
Taalas	快速推理硬件	推理专用架构，压缩模型部署成本
World Labs	空间智能 / 物理 AI	世界模型、机器人与具身智能的芯片入口

三笔收购覆盖了三个看似不相关、实则环环相扣的方向。MEXT 解决的是"数据怎么更快喂进计算单元"——在 HBM4 带宽成为推理瓶颈的年代，内存访问效率的提升直接转化为单位 token 成本的下降；Taalas 解决的是"推理硬件怎么更专"——MI455X 是通用型大芯片，但推理市场的长尾需求需要更极致的专用架构；World Labs 解决的则是"下一代计算场景在哪"——当 AI 从理解文本走向理解物理世界，空间智能就是新的算力需求源。

从"跟随 NVIDIA"到"差异化拼图"​

回看 AMD 过去几年的数据中心路线，主旋律是跟随：MI300X 对标 H100，MI355X 对标 B200，Helios 对标 NVL72——用更大的显存和更低的成本切入市场。这条路线有效，但天花板明显：只要产品定义的坐标系由对手划定，就只能做"性价比版本"。

2026 年的收购组合拳标志着路线切换。三线并购不再是补某个单点参数，而是在构建对手没有的差异化栈：

• 内存线：MEXT 的内存访问优化能力，叠加 MI400 系列本就领先的 432GB HBM4 与 23.3TB/s 带宽，把"大显存"从规格优势深化为系统级优势；
• 推理线：Taalas 的快速推理硬件，与 MI455X 的 MXFP4 算力、Wave32 原生执行形成互补，覆盖从旗舰通用到专用推理的完整谱系；
• 物理智能线：World Labs 的空间智能，为 AMD 打开了机器人、自动驾驶、世界模型这些尚未定型的市场。

值得注意的是 World Labs 的背景——这家由李飞飞创立的空间智能公司，代表的是"AI 理解物理世界"的技术路线。当行业热议物理 AI 与世界模型时，拥有空间智能的芯片化能力，意味着 AMD 在下一个计算周期里有了自己的牌。

千亿美元合作的背景板​

收购需要放在更大的商业版图中理解。2025 年 10 月以来，AMD 先后与 OpenAI 达成 6GW 级合作，与 Meta 达成最高 6GW 的部署计划，两者合计 12GW 以上，且均为 1000 亿美元级的合作体量；Anthropic 将部署最高 2GW 的 MI450 系列并获得 AMD 最高 50 亿美元战略投资；微软在 Azure 大规模部署 Helios 机架，Oracle 则是早期采用者。

这些合作定义了 AMD 的基本盘：数据中心训练与推理。而管理层看到的市场远不止于此——AMD 估算推理与数据中心 CPU 合计存在 2200 亿美元的机会。即便如此，AMD 的市值仍不足 NVIDIA 的五分之一，分析师普遍认为这一差距本身就是追赶空间：只要兑现一部分订单，估值就有结构性修复的动力。

三笔收购正是为兑现服务的：OpenAI 与 Meta 的 GW 级部署需要极致的单位 token 成本（Taalas、MEXT），而真正拉开长期差距的，可能是现在还没人给出定价的物理 AI 市场（World Labs）。

多线并进的两端战场​

拼图不只在数据中心。在端侧，AMD 推出了 Gorgon Halo（Ryzen AI Max 400）——面向 AI PC 与边缘场景的 192GB 统一内存方案，让单机跑下超大参数模型成为可能，这是数据中心 HBM4 大显存战略在端侧的镜像。在生态侧，Cerebras 与 AMD 达成合作开发分离式推理系统，声称每瓦 token 吞吐量提升 5 倍——用对手生态里的创新者补自己的推理短板。

于是我们看到一个三端结构：MI455X 与 Helios 守数据中心高端，Gorgon Halo 占端侧大内存位，收购来的能力填充中间的推理与物理智能空隙。

与 NVIDIA 买法的对比：买能力，而非买对手​

把 AMD 的并购路线放进行业坐标系，差异立刻显现。NVIDIA 近年的资本运作以"买竞品、堵路线"为主：收购推理芯片公司 Groq，投资推理芯片新贵 d-Matrix——目标是消灭或收编可能的挑战者，巩固现有垄断。

AMD 的买法几乎相反。MEXT、Taalas、World Labs 没有一家是 NVIDIA 的直接竞品，它们买的是三种能力：内存效率、推理架构、空间智能。这种"买能力而非买对手"的策略，反映的是追赶者的理性：与其在 NVIDIA 已经筑墙的领域正面攻城，不如把资源投到墙还没砌起来的地方。追赶者买未来，领先者买保险——两种策略没有绝对优劣，但后者需要垄断者的现金流，前者是 AMD 这样的市值体量唯一可行的选择。

风险同样要直言：三线并购意味着三线整合。World Labs 的空间智能如何产品化、Taalas 的推理硬件如何与 MI400 平台协同、MEXT 的技术如何下沉到 ROCm 软件栈，每一条线都需要时间验证。并购成功的从来不是买下公司那一刻，而是能力长进产品那一刻。

小结​

MEXT、Taalas、World Labs 三笔收购，配上 OpenAI、Meta 的千亿美元级合作、Gorgon Halo 的端侧战线与 Cerebras 的生态合作，AMD 在 2026 年完成的不是一次采购行为，而是一次战略定位的切换：从跟随 NVIDIA 的性价比挑战者，转向用"内存-推理-物理智能"三线拼图定义自己的差异化玩家。2200 亿美元的市场机会、不足 NVIDIA 五分之一的市值、尚未定型的物理 AI 市场——对追赶者而言，最好的出手时机就是格局未定之时。这三笔收购能否拼出完整版图，2027 年 MI430X 出货与 World Labs 的首个产品化成果，将是两个关键的验收节点。