35 篇博文 含有标签「Industry Review」

《华尔街日报》审阅的上市招股书草稿，第一次让外界看到 Anthropic 的完整财务底牌。数字很刺激，但结构比数字更重要。

一、核心数字​

另据后续投资人简报：Q3 2026 单季营收 168 亿美元——单季超过上半年总和，增速仍在陡峭爬坡。

二、别被 807 亿吓到​

净亏损的 89% 是可转换票据公允价值变动的非现金会计费用——公司估值涨得越猛，这笔「亏损」越大。真正的经营性 burn 要小得多，且 Q3 已宣称实现某种口径的「调整后利润」。这是高成长公司 IPO 前典型的报表形态，与 2019-2021 年美股 SaaS 上市潮的套路同构。

三、真正值得算力行业注意的三个数字​

1. 算力成本半年 90 亿美元：已超 2025 全年（73 亿）。按此节奏 2026 全年算力支出奔 200 亿去——这是单一客户对 AI 算力市场的真实拉动
2. 基础设施承诺超 6000 亿美元：云协议 + 芯片租约的总和，另有最多 1500 亿美元在谈。Anthropic 同时是 AWS Trainium（超 100 万颗跑 Claude）、谷歌 TPU（至多 100 万颗）与 AMD MI450（最高 2GW）的大客户——「不押注单一硬件」在财务报表上的具象化
3. 47% 的 2025 收入经云 Marketplace 流入：其中 2.16B/4.6B。这说明「云商店抽成 1.5-3%」的 Marketplace 分销模式已是 AI 模型收入的主通道之一

四、对行业的三点推论​

1. IPO 叙事需要算力效率故事：上市后 Anthropic 必须向公众投资者解释毛利率——ASIC（Trainium）占比越高，推理成本曲线越好看，这反过来加速非英伟达算力的采购
2. 算力即资产负债表：6000 亿级承诺进入报表后，芯片租赁、算力预付将成为 AI 公司财报分析的新学科
3. 两客户占 H1 营收五分之一：集中度风险会被 SEC 问询，模型厂商的「大客户依赖」与云厂商的「大租户依赖」是同一个硬币的两面

延伸阅读：TPU 外部客户版图 · AMD × Anthropic 2GW · 推理成本经济学

两个权威口径放在一起看：IDC 预计 2026 年中国智能算力规模 2576.5 EFLOPS（同比 +87.9%）；工信部数据截至 6 月底已达 2185 EFLOPS、全国算力设施上架率 71.4%。增速与闲置率同时存在，这就是中国算力市场的真实结构。

一、规模：87.9% 的增速意味着什么​

同比 87.9% 的增速背后是三重拉动：

1. 模型训练：头部厂商向 2.8 万亿级（Kimi K3）参数进军，单次训练的算力消耗按数量级增长
2. 推理放量：智能体应用把推理需求曲线拉陡——IDC 明确把「智能体」列为本轮增长的第一变量
3. 国产替代：政策与供应链双重驱动下，国产芯片采购占比持续提升

二、结构：71.4% 上架率的双面解读​

上架率 71.4% 说明全国已建算力设施还有约三成未被有效使用：

• 坏的一面：部分地区智算中心「重建设、轻运营」，同质化算力找不到负载
• 好的一面：对 2027 年的超节点部署而言，这是现成机房的余量——天数 IXL144 主打适配现有机房、华为 Atlas 860 主打风冷免改造，瞄准的正是这 28.6%

三、缺口：算力的「品类错配」​

总量增长掩盖不了结构性缺口：

工博会口径的「供不应求」都指向同一个上游：先进制程代工与 HBM 产能——这是国内产能扩张无法独立解决、需要长鑫等存储突破配套的环节。

四、给行业参与者的三个判断​

1. 从「建算力」到「用算力」：上架率压力下，算力运营效率（有效 Token 吞吐、集群利用率）将成为新的竞争力指标
2. 超节点是利用率解药：中信建投研报确认超节点在算力利用率上的显著优势——存量机房改造是 2027 年的大市场
3. 国产芯片的窗口：87.9% 的需求增速 + 国产化政策，为国产芯片提供了史上最友好的放量窗口——昆仑芯「供不应求」会否复制到更多厂商，看 2027 年交付

延伸阅读：超节点放量元年 · 存储超级周期 · 完整对比表

中信建投 10 月 21 日研报给国产超节点下了一个明确判断：行业已由方案验证正式进入规模化交付阶段，2026 年是放量元年。这份研报的价值在于把「超节点为什么赢」讲清楚了——不是营销概念，是六个维度的工程优势。

一、超节点 vs 传统集群：六个维度​

一句话总结：超节点用系统工程能力，把大模型训练推理中最贵的「跨节点通信」尽可能消灭在柜内。

二、演进路线对照​

• 英伟达：GB200/GB300 NVL72 → Vera Rubin NVL144 → NVL288 → NVL576，更大的 NVLink 域、正交背板、柜间光互联
• 华为：Atlas 950 / 960 SuperPoD，业界首个 NPO 光引擎超节点，单节点 4096 卡
• 国产梯队：阿里磐久 AL128/AL144、天数 IXL144、昆仑芯 32/64 卡（率先量产）、沐曦曦景 S600、燧原 ESL64-O

三、产业链受益顺序​

研报给出的受益传导链（按先后）：

1. 服务器整机、交换芯片、交换机、连接器——超节点渗透率提升的第一波
2. PCB、液冷、电源、CPU——随整机柜形态放量
3. 国产算力芯片——系统级需求带动芯片采购

这与「机柜即产品」的判断一致：竞争单位放大后，瓶颈与利润沿供应链逐环节扩散。

四、需求侧的两个数据锚点​

• IDC：2026 年中国智能算力规模预计 2576.5 EFLOPS，同比增长 87.9%（智能体拉陡需求曲线）
• 工信部：截至 2026 年 6 月底全国智能算力 2185 EFLOPS，算力设施整体上架率 71.4%

上架率 71.4% 意味着存量机房还有约三成余量——这正是天数 IXL144 主打「适配现有机房」、华为 Atlas 860 主打「风冷、无需液冷改造」的市场基础：超节点的下一个战场是部署友好度。

延伸阅读：阿里磐久 AL128 · 昆仑芯超节点量产 · 超节点选型框架

谷歌造芯十五年，最被低估的变化发生在商业模式上：TPU 不再只是谷歌自家数据中心的「成本项」，而是谷歌云的收入项。2026 年，这个转变的证据链已经完整。

一、外部客户版图​

Anthropic 是最大竞争对手之一，其算力命脉部分握在谷歌手里——这在商业史上几乎前所未有。而 Meta 一边推进自研 MTIA 路线图、一边与 AMD 签下最高 6GW 合作、同时还租用 TPU，「不把算力押注在单一硬件上」成为头部模型公司的共识。

二、出货量与收入节奏​

• TPU 出货量 2025 年约 250 万片，2026 年目标上调 50%、总量预计突破 370 万片
• 谷歌 CFO 在财报会上明确：2026 年 TPU 收入只占一小部分，大部分订单将在 2027 年兑现
• IDC 预测推理市场 ASIC 份额从 2024 年的 15% 升至 2030 年的 80%——谷歌是这条替代曲线的最大推手

三、为什么谷歌能做到而别人难以复制​

谷歌真正的护城河不是某一颗芯片，而是「芯片—模型—编译器—网络—数据中心—云」的垂直一体化：

• 自研光学电路交换机（OCS）支持 Pod 内网络拓扑动态重构
• XLA 编译器把软硬协同效率压到极致；2026 年 10 月 TorchTPU 开源后，PyTorch 生态的准入门槛进一步坍塌
• DeepMind 能预判未来模型形态、提前锁定架构方向
• 每一代 TPU 都真实部署在搜索、广告、YouTube 推荐和 Gemini 之上——庞大的自用需求托底，是自研芯片能撑过三代以上迭代的先决条件

四、对中国从业者的镜鉴​

百度昆仑芯常被拿来与 TPU 类比，但差距不在芯片本身，而在商业化半径：谷歌的 TPU 既自用又通过云对外规模化供给，而多数国内互联网大厂自研芯片仍停留在自用阶段。国产对外供给的力量是寒武纪、燧原、壁仞、沐曦这类独立芯片公司——融资与生态建设步步惊心，对标的是「巨头亲自下场」的另一种打法。

当芯片变成云服务的一部分，算力竞争的边界早已跨出国界。蚂蚁迁移 TPU 的案例说明：平台级算力竞争没有主场。

延伸阅读：TPU Ironwood 卡片 · TPU 8t/8i Q4 量产 · 完整对比表

过去三年，AI 算力的叙事几乎是 GPU 的独角戏。2026 下半年，这张图变成了三角形：GPU 负责训练与通用推理，ASIC 接管固定的大规模推理，CPU 则因为 AI 代理的兴起重新回到关键路径上。

一、ASIC：从补充到主力​

四大云厂商的自研芯片成熟度已经拉开明显梯度：

IDC 预测推理市场 ASIC 份额从 2024 年的 15% 升至 2030 年的 80%。无论这个终局预测是否精确，方向已经清晰：工作负载固定、规模巨大、在意成本与能效的推理场景，正在系统性流向 ASIC。

二、CPU：AI 代理带来的意外变量​

这是 2026 下半年最容易被忽视的新变量。Meta 9 月推出个人 AI 代理 Muse——可以代用户寄信、订行程、填表单，且关掉 App 后长时任务仍在云端持续执行。AI 代理的推理需要 GPU，但任务编排、API 调用、数据查询与每个用户常驻的虚拟机，主要由 CPU 承担。用户越多、后台任务越多，CPU 需求越高。

需求信号已经出现：

• Intel CEO 表示其 CPU 产能只能满足约一半的 AI 相关需求
• Meta 计划部署数千万个 AWS Graviton 核心处理 AI 代理工作负载

三、竞争单位从芯片放大到机柜​

与三角分工同步发生的，是竞争粒度的变化：NVIDIA Vera Rubin、AMD Helios、华为 Atlas 950 超节点、Meta MTIA 400——竞争以整座机柜为单位展开。瓶颈随之扩散：从运算芯片延伸到内存、封装、互联、电源与散热。这也是 HBM4 三倍报价与先进封装紧缺的共同背景。

四、对采购决策的影响​

1. 不要用单一指标选型：训练看算力密度与互联，推理看每 Token 成本，代理编排看 CPU 与内存配置
2. ASIC 进入采购清单：2027 年起，非英伟达推理算力的供给盘子里自研 ASIC 将占可观份额，谈判筹码结构改变
3. 预算要留 CPU 项：智能体应用的成本模型里，CPU 与常驻虚拟机的开销不再是配角

延伸阅读：交互式对比工具 · TCO 计算器 · 超节点选型框架

看 AI 芯片市场的老习惯是看「出货量多少颗 GPU」。2026 年，这个指标正在失效——头部玩家的竞争单位已经变成整座机柜，单卡参数表不再是决策的充分依据。

一、各家机柜产品一览​

二、为什么竞争单位必须放大​

大模型训练的本质是「把几千颗芯片变成一台计算机」。单卡再强，卡间互联带宽与拓扑直径上不去，集群有效算力就会坍缩：

• Scale-up 域决定能跑多大的模型：NVL72 把 72 颗芯片连成一个统一内存域；超节点路线（华为 CloudMatrix、天数 IXL144）则用更多卡数换互联规模
• 每瓦有效算力取代每卡峰值算力成为核心指标：1,800W 的 Rubin R200 与 950W 的 Maia 300，比的是整个机架的 Token 吞吐与功耗比
• 液冷与供电成为交付约束：吉瓦级数据中心的建设周期里，风冷机柜与液冷机柜的部署密度差一个量级

三、瓶颈扩散链​

机柜化把瓶颈从芯片扩散到整条供应链：

芯片 → HBM/封装(CoWoS-L) → 互联(铜缆/光) → 交换机 → 供电(PSU/母排) → 散热(液冷) → 机房(电力/空间)

这正是 2026 年存储涨价、封装紧缺、光模块缺货同时发生的底层原因——任何单一环节的产能都是整柜交付的瓶颈。

四、选型方法论的变化​

1. 以机柜为报价单位：单卡价格已无意义，问「每机柜交付价 + 每机柜功耗 + 有效 Token 吞吐」
2. 互联架构先于芯片选型：Scale-up 域大小决定模型规模上限，先定组网再看卡
3. 供应链要逐环节核：交期不是芯片厂说了算，封装、HBM、光模块、液冷任何一环都可能拖半年
4. 用 TCO 口径横向比：把机柜价、功耗、PUE、折现统一进模型——这正是本站 TCO 计算器的设计初衷

延伸阅读：超节点时代的选型框架 · 工博会超节点观察 · 完整对比表

2026 年是 AI 加速芯片竞争分水岭式的一年。一边是 NVIDIA 用 Blackwell 产能与 Rubin 首发把「训练算力」的标尺再抬高一截，另一边是中国本土供应链在出口管制常态化下，把「可用」加速推向「好用」——昇腾 960 超节点、寒武纪思元 690、摩尔线程 MTT S5000、阿里真武 V900 等产品密集落地。本文用同一把尺子，把国产与国际主力芯片放到一张桌子上对比。

一、为什么说 2026 是分水岭​

• 出口管制进入稳态：美国对高端训练卡的禁运已不是新闻，而是采购决策的默认前提。国产芯片的「替代」叙事从口号转为规模部署。
• 国产份额跨越临界点：据 Counterpoint 口径，中国 AI 芯片市场国产化率从 2022 年近乎为零，升至 2025 年的约 41%，其中昇腾占国产份额约 62%。这意味着「国产 vs 国际」不再是技术爱好者话题，而是采购刚需。
• 代际差距收窄但仍在：纸面算力上，旗舰国产卡（昇腾 910C 128GB、思元 690 196GB）在显存容量上已不输同代国际卡；但在单卡稠密算力、软件生态与集群扩展效率上，仍有一代左右的差距。

本文对比维度固定为五类可比指标：算力（FP16 稀疏口径，与站内科普一致）、显存容量与带宽、功耗与能效、制程、价格。所有数字取自本站已校验芯片数据库（252 款）与价格库（报价截至 2026-10），官方未公开的一律标注「未公布」，不作推测填充。

二、国产 AI 芯片进展​

2.1 华为昇腾：从 910C 到 960 的三级跳​

昇腾 910C 是当前国产训练主力，CloudMatrix 384 超节点已用于 DeepSeek 等大模型训练验证。950 系列在 2026 年 HC 大会官宣：950PR 渠道报价已超 ¥8 万（年初约 ¥6 万），950DT 超 ¥25 万（较 7 月上涨 20%~50%），HBM 供给挤压是涨价主因。960 超节点公布 NPO Hi-ONE 引擎、4096 卡规模与 99.8% 可用度目标，其中 960DT 主攻训练（FP4 4 PFLOPS）、960PR 主攻推理（FP4 8 PFLOPS），是 2027 年的旗舰预期。

2.2 寒武纪思元 690：纸面规格天花板​

思元 690 采用双 die Chiplet 设计与 MLUarch 4.0 架构，中芯国际 N+2 制程、196GB HBM3、3.35 TB/s 带宽、FP16 700 TFLOPS、TDP 500W。其显存容量与带宽已对齐 H100 SXM 级别，是国产卡中少数在纸面规格上逼近国际旗舰的产品。2026 年 9 月受 HBM 供给挤压，官方指导价 ¥19 万、市场均价约 ¥17.5 万，较两月前上调 20%~30%，客户含字节、阿里、百度。

2.3 其他国产厂商​

注：燧原 T21 的 TDP 官方未公布，本站不作推测；摩尔线程、燧原等卡的 FP8/FP4 精度多数官方未单列，表中以 BF16/FP16 口径统一呈现。天数智芯「智铠」系列未见公开采购确认，暂未纳入主表。

三、国际 AI 芯片进展​

3.1 NVIDIA：Blackwell 量产 + Rubin 首发​

NVIDIA 在 2026 年的核心叙事是交付：Vera Rubin NVL72 下半年持续放量，MLPerf Inference v6.1 首秀（Qwen3-VL 较 GB300 最高 3.7 倍）。Rubin R200 官方 FP4 达 50 PFLOPS（稀疏），是本代出货主力；N1X PC 处理器秋季上市，把战场延伸到消费级。

3.2 AMD：MI300X/MI325X 守基本盘，MI455X 冲机架​

MI300X（192GB HBM3 / 5.3 TB/s / 1,307 TFLOPS）与 MI325X（256GB HBM3e / 6.48 TB/s）提供高显存性价比；真正的增量在 Helios 机架（72× MI455X，432GB HBM4 每卡、23.3 TB/s、FP4 40.3 PFLOPS、计算芯粒 TSMC 2nm），绑定 OpenAI 6GW、Meta 6GW 部署。MI450 为其母型号，量产节点排在 2027 年 Q2。

3.3 Intel 与 Google​

• Intel Gaudi 3：TSMC 5nm、128GB HBM2e、3.67 TB/s、BF16 矩阵算力 1,835 TFLOPS、TDP 900W，24× 200GbE RDMA 集成网卡，以太网组网直接对标 NVL72。Gaudi 3 之后 Intel 路线转向 Crescent Island（推理）与 Jaguar Shores（2027），Falcon Shores 已取消。
• Google TPU v6（Trillium）：v6e（32GB / 918 TFLOPS / 200W）与 v6p（96GB HBM2 / 1,350 TFLOPS / 450W）同代，TSMC 5nm，仅通过 Google Cloud 按小时计费。第七代 Ironwood 已把 HBM 容量推到 192GB、带宽 7.38 TB/s。

3.4 其他赛道​

Cerebras 已于 2026-08 发布机架级 CS-4（3× WSE-3 Turbo，750 PFLOPS），需要注意的是 CS-4 并未采用新一代晶圆，硅片与 CS-3 完全相同；SambaNova SN40L 以三层内存架构服务稀疏场景；Graphcore 已被 SoftBank 收购并退出中国市场。

四、关键指标对比（核心）​

方法学：FP16 统一采用稀疏（sparse）口径，与站内科普及首页热门芯片一致；价格为 pricing.json 市场报价（国际 USD、国产 CNY，截至 2026-10）；「未公布」表示官方未披露、本站不作推测填充。

4.1 算力对比（FP16 稀疏）​

读图：单卡 FP16 上，B200/GB300 把国产旗舰甩开约 5~6 倍；但昇腾 910C（800）已接近 H100 的 40%，思元 690（700）紧随，天垓 300（超 1,000）已进入国际旗舰区间。差距从「数量级」收敛到「一代」。

4.2 显存与带宽对比​

读图：国产旗舰在显存容量上已经反超——思元 690 的 196GB、昇腾 960DT 的 288GB、真武 V900 的 216GB 都高于 H100/H200。但带宽上，只有昇腾 960DT（9.6 TB/s）与 B200（8 TB/s）进入同一梯队，HBM3e/HBM4 代差是关键。

4.3 功耗与能效对比​

读图：能效是国产最明显的短板。H100 的 2.83 TFLOPS/W 约为昇腾 910C 的 2.1 倍，B200 更是 3.8 倍。低功耗端 TPU v6e（200W / 4.59）与昆仑芯 R200（150W）代表「每瓦算力」的另一条路线。

4.4 制程对比​

读图：制程代差是结构性差距的根源。国产主力仍停留在 7nm 级，而国际旗舰已进入 2nm 计算芯粒时代。这是单卡算力差距的物理下限。

4.5 价格对比（市场报价，2026-10）​

读图：按汇率约 7.2 折算，昇腾 910C（约 $15.3k）与 H100（$28k）价差显著但算力仅其 40%，单位算力成本仍偏高；思元 690（约 $24.3k）价格接近 H100 但显存翻倍。HBM 短缺推高国产报价，是 2026 下半年的一致趋势。

五、生态对比​

关键判断：生态差距比硬件差距更难追。CUDA 的长期积累使 NVIDIA 在算子覆盖、工具链、开发者社区上仍具压倒性优势；国产路线分两派——华为/寒武纪自建栈，天数智芯/摩尔线程走 CUDA 兼容以降低迁移成本。

六、市场表现​

6.1 出货量（2026 预估）​

6.2 中国市场份额​

6.3 客户与部署​

• 字节跳动 / 阿里 / 百度：寒武纪思元、昇腾 910C 双线采购；
• 腾讯：昇腾 910C 为主，探索其他国产；
• 智算中心：多家国产芯片混合部署，国产化率成硬指标；
• 超大规模云：NVIDIA 仍主导海外训练，但国内云厂商国产占比快速抬升。

七、未来展望（2027）​

差距判断（2027 预期）：

• 算力：从落后 40%~50% 收窄至 30%~40%；
• 显存：从落后 20%~30% 收窄至 10%~20%，部分型号已反超；
• 制程：从落后 1~2 代收窄至约 1 代；
• 生态：从落后 35 年收窄至 23 年。

八、结论与选型建议​

核心观点：

1. 2026 年国产与国际旗舰的差距从「代际」缩小到「一代」，显存容量局部反超；
2. 单卡稠密算力、能效、制程仍是结构性短板，集群扩展与软件生态是最大变量；
3. 国产化率快速攀升（2025 约 41%），采购从「尝鲜」变「刚需」；
4. 出口管制常态化下，国产替代已从政策驱动转为市场驱动。

给不同角色的建议：

• 企业采购：训练为主且合规无碍，选 NVIDIA B200/GB300/Rubin；国产化硬指标，选昇腾 910C/950DT 混合部署；推理高密度，关注昆仑芯 R200 与 TPU v6e。
• 开发者：优先 CUDA 保泛用性；若锁定国产，选 CUDA 兼容栈（天数智芯/摩尔线程）降低迁移成本。
• 投资者：关注 HBM 供给、国产先进制程良率，以及昇腾/寒武纪的客单与份额变化。
• 政策制定者：延续对先进制程、HBM、EDA 的投入，缩短生态差距比单点算力更关键。

数据来源与方法：本文全部性能与价格取自 MirrorFrog 已校验芯片数据库（chips.json，252 款）与价格库（pricing.json，报价截至 2026-10），数据核对日期 2026-10-13。FP16 统一稀疏口径；官方未公开字段以「未公布」标注，不作占位填充。文中 Rubin R200 带宽（19.2 TB/s）与 TDP（1800W）、Gaudi 3 算力（BF16 矩阵 1,835 TFLOPS）、昇腾 950 系列制程与报价等，均为 2026-10 核对后的修正值。

延伸阅读：完整芯片对比表、交互式对比工具、NVIDIA H100 规格卡、华为昇腾 910C 规格卡、寒武纪思元 690 规格卡。

昇腾 950 系列目前处在"一代已上市、一代待量产"的关键节点。950PR 搭载的 Atlas 350 加速卡已于 2026 年 3 月 20 日正式上市，市场报价约 11 万元；950DT 计划 2026 年第四季度量产，其价格尚未正式公布，但产能与 HBM 成本正在推动整条国产算力价格曲线上移。本文梳理两款芯片的规格差异与价格走向。

950PR 与 950DT：不是同一款芯片的两种包装​

这两款芯片基于统一的 Ascend 950 Die，但内存方案与定位完全不同。据公开报道，昇腾 950PR 采用 950 核心搭配 HiBL 1.0 内存，主要面向推理 Prefill 阶段和推荐业务场景；950DT 采用 HiZQ 2.0 内存，注重推理 Decode 阶段和训练场景。

这一拆分反映了一条现实的成本逻辑：Prefill 阶段是算力密集，Decode 阶段是带宽密集。DT 把内存容量和带宽拉高以应对长上下文解码，代价是更高的 HBM 成本。华为同时自研了两种 HBM——HiBL 1.0 和 HiZQ 2.0，与 Ascend 950 Die 分别合封构成两颗芯片。

950PR 的价格锚点：约 11 万元​

根据多方公开报道，搭载昇腾 950PR 的 Atlas 350 加速卡单价约 11 万元人民币（约 1.6 万美元）。这个价格被反复引用为昇腾 950PR 的市场锚点。

对应的硬件规格是：FP4 精度算力 1.56 PFLOPS，集成 112GB HBM，带宽 1.4TB/s，功耗 600W，访存颗粒度从上一代的 512 字节减少至 128 字节，芯片间互联带宽从上一代的 784GB/s 提升至 2TB/s。

据公开报道，华为曾称昇腾 950PR 推理性能达英伟达 H20 的 2.87 倍，价格仅约为英伟达的四分之一左右。这一对比被广泛用于海外市场宣传——华为计划 2026 年第四季度将昇腾系列推向韩国市场，已完成分销商协议签署，选定 SK Shieldus 等两家作为销售渠道，主力产品正是 950PR 与 950DT。

不过这个 2.87 倍的对比需要审慎看待：华为的对比使用 Atlas 350 的 FP4 精度对比 H20 支持的最高精度，并非完全对等。Atlas 350 的内存带宽 1.4TB/s 也明显低于 H20 的 4.0TB/s，该差距会在带宽受限的解码任务上体现。

950DT 第四季度量产：价格怎么走​

950DT 尚未正式定价，但有三个因素会推动价格曲线变化。

第一是 HBM 成本。据公开报道，摩根士丹利已将 2030 年中国 AI 加速器 TAM 预测从 910 亿美元上调至 1320 亿美元，明确以 HBM 成本上升推高芯片定价为理由。HBM 供应瓶颈不仅影响昇腾，也直接压制寒武纪 MLU580 的出货。

第二是产能。据公开报道，华为计划 2026 年出货约 75 万颗昇腾 950 系列；同时也有行业报告显示 950PR 存在采用传统 DDR 内存的版本约 5 万元/颗、配备 HBM 的高端版本约 7 万元/颗的区分。后一组数字口径与 11 万元的 Atlas 350 报价存在差异，可能指向不同产品形态或不同渠道，具体定价以华为官方渠道为准。

第三是国产竞品定价。字节跳动、腾讯、阿里已批量采购昇腾 950 系列，但同期阿里平头哥"真武"PPU 已出货数十万片、寒武纪 MLU580 在三季度提价——国产算力市场并不存在单一价格锚点，每个厂商的定价都锚定各自的性能与产能位置。

研判​

昇腾 950 系列正处在"价格最有说服力的窗口期"。950PR 约 11 万元的定价相对 H20 的四分之一，配合 DeepSeek V4 全线适配昇腾生态的进展，确实建立了性价比叙事。但这个窗口不会太长：950DT 第四季度量产将带来更大的 HBM 消耗，OIF 的 NPO 标准推进、昇腾 960 超节点发布带来的供应链挤兑，都可能推高成本。

对采购方而言，实际成本不止是卡价。昇腾超节点的整套系统定价、灵衢互联设备、超节点机柜的电力与液冷改造，都是必须计入 TCO 的项。建议关注三个信号：一是 950DT 正式上市后的官方定价，二是昇腾 950 系列的年度出货目标能否兑现 75 万片，三是 HBM 国产化进展对成本的实质影响。价格曲线的斜率，最终由产能兑现速度决定。

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​

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：

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。

2026年第42周（10月6日—10月10日），AI 芯片行业的关键词是"下沉"与"金融化"：AMD 把 192GB 内存塞进 AI PC，NVIDIA 承诺最高 1000 亿美元投资 OpenAI，三星单季利润预计暴增 8 倍，高盛统计年内 AI 财团融资约 5000 亿美元。本篇按国际、国产、存储与系统、资本与市场四节汇总。

国际动态​

AMD 发布 Ryzen AI Max 400 "Gorgon Halo"：最高 192GB 统一内存，覆盖 Pro 495/490/485 三个型号，单机可离线运行 1000 亿参数级大模型（官方口径支持 300B 级量化部署），在 NVIDIA RTX Spark 新品活动前两天发布，正面竞争意图明显。

NVIDIA 承诺最高 1000 亿美元投资 OpenAI：双方协议锚定 10GW 部署规模，首个 1GW 基于 Rubin 平台，计划 2026 H2 上线。芯片厂商向客户注资、客户用投资采购芯片的"循环"结构，成为本周算力金融化的标志性样本。

微软双线出击：Surface Laptop Ultra 发布（$2,599，10 月 16 日发货），同期 DGX Station for Windows 开启预览——GB300 平台、748GB 统一内存、20 PFLOPS FP4。RTX Spark 笔记本预订同步开启，联想 YOGA Pro 15 RTX Spark 定档 10 月 16 日开售。

Daytona 基准新纪录：基于 Vera 平台的系统以 8×EPYC 9755 配置实现 10.8 秒创建千级沙盒，Agent 基础设施的启动时延被压缩到秒级。

国产动态​

徐直军 HC2026 访谈给出三个关键口径：昇腾 950DT 年底实现规模供货；按华为口径昇腾在中国市场份额已超英伟达；当前第一约束是产能而非需求。结合站内 950 规格卡的市场报价数据（950DT 指示性报价超 25 万元、两月涨幅最高 50%），供给紧张可见一斑。

壁仞科技拟配售 1.3 亿股 H 股：配售价 31.08 港元，较市价折让 9.76%，国产 GPU 上市公司密集利用窗口期补充研发弹药。

奕行智能完成近 20 亿元融资：估值接近 150 亿元，边缘与推理芯片赛道持续吸金。

存储与系统​

三星 Q3 业绩预告炸裂：利润预计超 100 万亿韩元、同比增约 8 倍；12 层 HBM4E 已通过 NVIDIA 验证；同步公布 zHBM 与 400 层 V10 NAND 路线图。HBM 验证通过意味着 Rubin 后续代的存储供应格局进一步固化。

DRAM 价格创 15 年新高：本季度最高涨幅达 89%，内存占整机 TCO 比重持续攀升——站内 Rubin Ultra 卡记录的"内存已占 TCO 约 40%"正在被进一步刷新。

GlobalFoundries 与 TSMC 签订 20 亿美元 interposer 协议：先进封装产能成为继 HBM 之后又一个被提前锁定的环节。

Oracle 燃气卡车运电：据 Bloomberg 确认，Oracle 用卡车运送天然气维持多座数据中心运转，电力短缺已从预测变为运营现实。

资本与市场​

高盛统计：年内 AI 财团融资约 5000 亿美元。算力投资已形成"芯片商注资-客户采购-算力转售"的金融化闭环。

GMI Cloud 融资 6.68 亿美元，其中含 NVIDIA 2.23 亿美元股权投资——NVIDIA 的注资版图从中大型云厂商延伸到新兴算力运营商。

Super Micro 出口管制案同谋认罪，供应链合规风险开始向整机厂传导。

TSMC Q3 营收创纪录：9 月营收同比 +54.6%，全年 CAPEX 顶格至 560 亿美元，先进制程与先进封装双线扩产。

NVIDIA 计划投资 d-Matrix，推理 ASIC 新贵获得巨头背书；Upscale AI 发布 Token Fabric 网络方案；Gemini 4 "Argon" 即将发布，模型侧的新一代旗舰同样在倒计时。

下周关注​

1. RTX Spark 笔记本 10 月 16 日首发：Surface Laptop Ultra 与联想 YOGA Pro 15 同日开售，首发实测数据与终端定价即将揭晓；
2. 昇腾 950DT 规模供货节奏：徐直军"年底规模供货"承诺进入兑现观察期；
3. Q3 财报季开启：TSMC 已开 SCE 头炮，存储三巨头与 GPU 供应链财报将密集落地；
4. Rubin NVL72 出货爬坡：首个 1GW Rubin 部署能否如期在 2026 H2 上线。

小结​

第 42 周的主线是"算力金融化"：NVIDIA 千亿美元投资 OpenAI、高盛统计的 5000 亿财团融资、三星 8 倍利润，共同指向一个事实——AI 算力已经从技术生意变成资本生意。与此同时，Gorgon Halo 与 Surface Laptop Ultra 的发布说明竞争正在向端侧下沉，而 DRAM 创 15 年新高、Oracle 运气运电则提醒所有人：上游的存储与电力约束，比任何发布会都更真实地决定着 2027 年的算力供给。