跳到主要内容

8 篇博文 含有标签「Intel」

Intel AI chips and accelerators

查看所有标签

Intel 正式定名 GPU D 系列（D270）：用 LPDDR5X 打推理成本战

· 阅读需 3 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

2026 年 10 月 13 日，Intel 在 OCP 全球峰会上把代号 Crescent Island 的数据中心推理 GPU 正式定名为 GPU D 系列，行业拆解普遍称其型号为 D270。这是 Gaudi 3 之后 Intel 数据中心加速器的「换轨」之作——不再追 HBM 军备竞赛，改打内存容量与每美元 Token 成本。

官方规格落地​

此前半年，外界只知道 Crescent Island「350W、LPDDR5X、风冷 PCIe」。OCP 2026 与随后的技术说明补齐了关键数字：

项目参数
架构Xe3P（32 个 Xe 核心 / 256 个 XMX 矩阵引擎）
内存160 GB LPDDR5X（Intel 参考卡），最高 480 GB（ODM 版本）
内存带宽1.5 TB/s（官方口径）
FP8 算力1.3 PFLOPS
TDP350 W
形态PCIe 标准卡，风冷，可 8 卡扩展
状态客户送样中，量产时间未公布

Intel 的口径是：480GB 版本单卡可承载约 3,000 亿参数模型，8 卡整机可推理超万亿参数的开源权重模型。

规格取舍：刻意避战，不是被动落后​

把 D270 放进 2026 年 10 月的坐标系里，取舍一目了然：

  • 带宽 1.5 TB/s 只有 Gaudi 3（约 3.7 TB/s）的 40%、Rubin R200（19.2 TB/s）的 8%
  • 但 480GB 容量上限反超 Rubin R200（288GB）与 MI455X（432GB）
  • 350W 风冷 PCIe 意味着可以直接插进存量风冷机房，不需要液冷改造

这不是「做不出 HBM 版本」，而是定价选择：D270 卖的不是峰值算力，是长上下文推理 decode 阶段的每美元 Token 数。LPDDR5X 的单位容量成本远低于 HBM4，用带宽换容量与成本，恰好匹配智能体 AI 场景中 KV Cache 容量优先的工作负载。

口径注意事项​

  • 制程未官方披露。「Intel 18A」只是多家媒体基于与 Panther Lake 同源的推测，Intel 未确认
  • 带宽曾有口径分歧。2026 年 10 月中旬前部分二手拆解给出过约 684 GB/s 的估算值（基于 160GB 参考卡的 640-bit 总线推算），官方口径 1.5 TB/s 对应 480GB 版本，采购评估时应以官方值为准并问清配置
  • 量产时间未定。客户送样从 2026 下半年开始，「2027 年商用」是媒体推断，不是 Intel 承诺

对选型的影响​

D270 填补的是「L40S 之后、HBM 加速器之下」的空档：显存受限（48GB 级）的老 PCIe 卡跑不动长上下文，HBM 卡又太贵。对日均 Token 量大、模型在 300B 参数级以下、机房无液冷条件的企业推理场景，D270 的每美元 Token 口径值得等它正式定价后再评估——前提是 Intel 能兑现 2027 年的供货。

相关阅读​

国产 AI 芯片 vs 国际 AI 芯片：2026 年终全面对比

· 阅读需 14 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

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​

型号架构制程显存显存带宽FP16（稀疏）TDP状态
昇腾 910BDa VinciTSMC 7nm+（含 SMIC 国产化）64GB HBM2e600 GB/s320 TFLOPS310W量产中
昇腾 910CDa Vinci（双 die）中芯国际 7nm N+2128GB HBM2e3.2 TB/s800 TFLOPS600W规模部署
昇腾 950PRDa Vinci v5中芯 N+3（等效 5nm 级）128GB HiBL 1.0未公布486 TFLOPS600W已上市
昇腾 950DTDa Vinci v5中芯 N+2144GB4 TB/s547 TFLOPS500W2026 Q4 量产
昇腾 960DT全新 SIMD/SIMT未公布288GB9.6 TB/s未公布未公布2027 Q1
昇腾 960PR全新 SIMD/SIMT未公布192GB2.4 TB/s未公布未公布2027 Q3

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​

厂商 / 型号架构制程显存FP16（稀疏）TDP备注
天数智芯 天垓 300SIMT 通用计算7nm144GB HBM3E超 1,000 TFLOPS600W2026-07 WAIC 发布，对标 Hopper
天数智芯 天垓 150ivcore11TSMC 7nm64GB HBM2e192 TFLOPS350W通用 GPU，兼容 CUDA 生态
燧原 云燧 T21GCU-CARA 2.0格罗方德 12nm64GB HBM2E134.4 TFLOPS未公布邃思 2.0，训推一体
百度 昆仑芯 R200XPU-R7nm16/32GB GDDR6128 TFLOPS150W低功耗推理向
摩尔线程 MTT S5000MUSA 4（平湖）TSMC 6nm80GB400 TFLOPS（BF16）500W全功能 GPU，渠道价 ¥7.5 万
阿里 真武 V900平头哥 PPU未公布216GB未公布未公布2026-09 云栖发布，2027 Q1 量产

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​

型号架构制程显存带宽FP16（稀疏）TDP状态
H100 SXMHopperTSMC 4N80GB HBM33.35 TB/s1,979 TFLOPS700W上代主力
H200 SXMHopper（refresh）TSMC 4N141GB HBM3e4.8 TB/s1,979 TFLOPS700W大显存主力
B200Blackwell（双 die）TSMC 4NP192GB HBM3e8 TB/s5 PFLOPS1000W2025 起量产
GB300Grace Blackwell UltraTSMC 4NP576GB HBM3e（超节点口径）16 TB/s10 PFLOPS（双芯）3000W超节点主力
Rubin R200Rubin台积电 3nm288GB HBM419.2 TB/s4 PFLOPS1800W2026 H2 已规模出货

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）​

芯片FP16（稀疏）FP8 / FP4 备注架构
国产
天垓 300超 1,000 TFLOPS支持 FP4 / FP8SIMT
昇腾 910C800 TFLOPSFP8 1.5 PFLOPSDa Vinci 双 die
思元 690700 TFLOPSFP8 约 1.4 PFLOPSMLUarch 4.0
昇腾 950DT547 TFLOPSFP4 2 PFLOPSDa Vinci v5
摩尔线程 MTT S5000400 TFLOPS（BF16）FP8 约 1 PFLOPS 稠密MUSA 4
天垓 150192 TFLOPS384 TOPS INT8ivcore11
云燧 T21134.4 TFLOPS未公布GCU-CARA 2.0
昆仑芯 R200128 TFLOPS256 TOPS INT8XPU-R
国际
GB300（双芯）10 PFLOPSFP4 40 PFLOPSGrace Blackwell Ultra
MI455X10.1 PFLOPSFP4 40.3 PFLOPSCDNA 5
B2005 PFLOPSFP4 20 PFLOPSBlackwell
Rubin R2004 PFLOPSFP4 50 PFLOPSRubin
Gaudi 31,835 TFLOPS（BF16 矩阵）FP8 1,835 TFLOPSGaudi 3
H100 SXM1,979 TFLOPSFP8 3,958 TFLOPSHopper
H200 SXM1,979 TFLOPSFP8 3,958 TFLOPSHopper
TPU v6p1,350 TFLOPSFP8 2,700 TFLOPSTPU v6
MI300X1,307 TFLOPS未单列CDNA 3
MI325X1,307 TFLOPS未单列CDNA 3

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​

芯片显存类型带宽
昇腾 960DT288GBHBM9.6 TB/s
MI325X256GBHBM3e6.48 TB/s
阿里真武 V900216GB未公布未公布
思元 690196GBHBM33.35 TB/s
B200192GBHBM3e8 TB/s
MI300X192GBHBM35.3 TB/s
H200141GBHBM3e4.8 TB/s
H10080GBHBM33.35 TB/s

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​

芯片TDPFP16/W（稀疏能效）
昇腾 910C600W1.33 TFLOPS/W
思元 690500W1.40 TFLOPS/W
天垓 150350W0.55 TFLOPS/W
H100700W2.83 TFLOPS/W
B2001000W5.0 TFLOPS/W
MI300X750W1.74 TFLOPS/W
TPU v6e200W4.59 TFLOPS/W

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​

厂商代表芯片制程晶体管
华为910C中芯 7nm N+2未公布
寒武纪思元 690中芯 N+2（5nm 级）未公布
NVIDIAH100 / B200TSMC 4N / 4NP800 亿 / 2080 亿
AMDMI300XTSMC 5+6nm 混合1530 亿
AMDMI455XTSMC 2nm（计算芯粒）+ 3nm未公布

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）​

芯片价格币种口径
H100$28,000USD市场均价
H200$38,000USD市场均价
B200$42,000USD市场均价
GB200$62,000USD市场均价
MI300X$13,500USD市场均价
MI325X$16,500USD市场均价
Gaudi 3$16,500USD市场均价
TPU v6e$22,000USDCloud 仅按小时
昇腾 910C¥110,000CNY2026-09 渠道（年初约 ¥9 万，+22%）
昇腾 950PR¥80,000CNY2026-09 渠道（年初约 ¥6 万，+30%）
昇腾 950DT¥250,000CNY2026-09 渠道（较 7 月 +20~50%）
思元 690¥175,000CNY2026-09 渠道（官方指导价 ¥19 万）
MTT S5000¥75,000CNY渠道估算

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​

厂商软件栈框架支持迁移难度特点
NVIDIACUDA + cuDNN全支持—算子覆盖约 100%，生态壁垒
AMDROCm主流支持中覆盖约 90%，持续补齐
华为CANN主流支持中覆盖约 80%，昇思 MindSpore
寒武纪NeuWare主流支持中覆盖约 75%~85%
天数智芯IXUCA主流支持低（兼容 CUDA）CUDA 兼容路线
燧原DTU Toolkit部分支持高覆盖约 60%
百度昆仑XREA / 飞桨主流支持低（飞桨原生）与 Paddle 深度绑定

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）​

厂商2026 出货（万颗）同比主要客户
NVIDIA（全球）150–200+30%全球科技巨头
华为（昇腾）20–30+100%政府、国企、科技公司
寒武纪（MLU）10–15+150%字节、阿里、百度
AMD（全球）30–40+80%Meta、微软等
其他国产10–20+200%各类 AI 公司

6.2 中国市场份额​

类型20242026（预估）趋势
国际（NVIDIA/AMD）约 80%约 40%大幅下降
国产（华为/寒武纪等）约 20%约 60%快速提升

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）​

阵营产品时间状态
华为昇腾 960DT / 960PR2027 Q1 / Q3已官宣
华为昇腾 9702028已官宣
NVIDIARubin Ultra2027已公布
AMDMI450 / MI5002027 Q2 起已公布
IntelJaguar Shores2027+已公布
AWSTrainium42027已公布（FP4 为 Trainium3 的 6 倍以上）
寒武纪思元 7902027未公布

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。

Intel AI 芯片十字路口：Gaudi 系列承压、Jaguar Shores 待发、Crescent Island 补位

· 阅读需 7 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

2026 年的 Intel 呈现出一种罕见的矛盾景象：一边是 x86 服务器 CPU 持续丢失份额、却在 10 月 5 日启动年内第三次涨价（涨幅 10%）；另一边是 AI 加速器产品线在 Falcon Shores 取消后重组为"Gaudi 现役 + Jaguar Shores 待发 + Crescent Island 补位"的三层结构。这家 x86 巨头正站在 AI 芯片战略的十字路口，每一步选择都关乎未来十年的市场地位。

现役主力：Gaudi 3 与承压中的 Gaudi 4​

根据站内芯片卡数据，Gaudi 产品线的演进脉络清晰可见：

产品发布时间制程显存FP8 算力TDP状态
Gaudi 12019-Q328nm 级32GB HBM2——EOL
Gaudi 22022-Q37nm96GB HBM2E—600WEOL
Gaudi 32024-Q2TSMC 5nm128GB HBM2E1.835 PFLOPS900W现役旗舰
Gaudi 42026-Q2（推测）Intel 18A192GB HBM3E3.7 PFLOPS（推测）700W待发布

Gaudi 3 的差异化武器是集成 24× 200GbE RoCE 以太网互联——双向 600 GB/s 带宽，兼容任意以太网交换机，无需 NVLink 等私有互联，最多可扩展至 8,192 节点。这让 Gaudi 成为多云、多厂商环境下软件独立性最强的方案。官方数据显示其 LLM 训练较 H100 快 50%，PyTorch 迁移只需 3 行代码改动，客户覆盖 IBM 云、Supermicro、ASUS、Lambda Labs。

但承压也是真实的。Gaudi 4 是 Gaudi 系列的关键一搏：转向 Intel 18A 自有工艺（从 TSMC 5nm 的战略转变），192GB HBM3E、FP8 算力翻倍至 3.7 PFLOPS。站内卡提示了一个残酷的可能性——随着 Intel 于 2026 年 5 月 14 日取消 Falcon Shores、转向机柜级 Jaguar Shores，Gaudi 4 可能是独立 Gaudi 加速器的最后一颗芯片。

Jaguar Shores：从单芯片竞赛转向机柜级系统​

Jaguar Shores 代表了 Intel AI 路线图的根本转向。Falcon Shores 的失败教训很明确：单芯片 200 PFLOPS 的目标在 Rubin R200（约 50 PFLOPS 已是行业极限）面前既不现实也不经济，叠加连续季度亏损与 HBM 供应紧张，Intel 在 2026 年 5 月正式砍掉该项目。

指标Falcon Shores（已取消）Jaguar Shores（路线图）
形态单芯片 GPU机柜级系统
对标B100/B200 单芯片NVL72 / AMD Helios 机柜
加速器 IPGaudi + GPU 融合Gaudi v4 架构演进
集成 CPU无Xeon 6/7 紧耦合
网络无集成 NIC800G 集成 NIC
制程Intel 18AIntel 18A / 14A
发布2025（取消）2027-2028

Jaguar Shores 的每机柜配置（推测口径）：64-128 颗 AI 加速器、32-64 颗 Xeon、机柜级 160-320 PFLOPS FP8、80-120 kW TDP。其本质是承认一个现实——2026 年之后的市场由 NVIDIA NVL72、AMD Helios、谷歌 TPU Pod 这类机柜级/超节点方案主导，单芯片对标已经失去意义。

Crescent Island：补位智能体推理​

在 Jaguar Shores 遥远的 2027-2028 到来之前，Intel 需要一张当下就能打的牌，这就是 Crescent Island。站内卡显示，这款推理 GPU 于 2026 年 6 月 Computex 首次披露、8 月 Hot Chips 公布完整架构：

项目Crescent Island
架构Xe3P（XMX 升级至 16 深度脉动阵列）
内存160GB LPDDR5X（参考卡）/ 最高 480GB（ODM 版本）
精度原生 FP8 / FP4
TDP350W
形态PCIe Gen5 x16，风冷
目标智能体 AI（Agentic AI）推理
出货2026 下半年限量

480GB LPDDR5x 是它的灵魂——约为 NVIDIA L40S（48GB GDDR6）的 10 倍容量，而 LPDDR5x 的成本远低于 HBM。350W 风冷 PCIe 意味着可以塞进任何现有服务器。它甚至移除了 3D 图形与光追硬件，成为纯 AI 推理芯片。对于词元密集、成本敏感的智能体推理负载，这是一条务实的差异化路线。

三次生态错位：Intel AI 的病根​

回顾 Intel 在 AI 加速器上的挣扎，三次错位值得复盘：

  1. 收购整合错位：2019 年以约 20 亿美元收购 Habana Labs 替代 Nervana，但 Gaudi 1/2 两代产品始终未能形成规模出货，错过 2020-2022 年训练市场的窗口期。
  2. 软件栈错位：SynapseAI 生态仅积累数年，PyTorch 模型虽约 80-90% 可零修改运行，但复杂 LLM 训练仍需手工优化——在 CUDA 十八年生态面前，"能跑"与"好用"之间隔着巨大的工程鸿沟。
  3. 路线图错位：从 Gaudi 独立产品线，到 Falcon Shores 融合芯片，再到 Jaguar Shores 机柜级系统，五年三次转向，每一次转向都让潜在客户陷入观望。

值得肯定的是，Intel 并非全面溃败。MLPerf v6.1 中 Intel 以纯软件优化收获了可观的性能增益，证明 Gaudi 软件栈在快速成熟；Applied Materials 与 Intel 扩大下一代互连扩展与 Foveros 3D 封装合作，AI 芯片对先进封装的需求加速反而放大了 Intel 少数的结构性优势——Foveros 3D 与互连技术正是 Intel 在先进制程追赶之外，最有底气的能力项。

CPU 涨价与份额流失并存的怪象​

10 月 5 日起 Intel CPU 涨价 10%，这已是年内第三次提价。与此同时，分析师圈流传着客户计划"dump Intel"的说法——服务器 CPU 份额持续流向 AMD EPYC 与 ARM 阵营。涨价与丢份额并存看似悖论，实则反映了 Intel 的定价策略转变：与其用低价守卫正在流失的份额，不如在存量客户身上实现利润最大化，将资源投向代工与 AI 业务。PC 侧，微软推动的驱动质量倡议 DQI（Driver Quality Initiative）中，Intel GPU 驱动率先适配 Windows 11 26H2，显示 Intel 在客户端生态上仍在积极投入。

"CPU 求稳 + AI 求突破"的双线评价​

Intel 当前策略可以概括为双线作战：x86 CPU 业务追求利润与稳定性（涨价、Clearwater Forest/Diamond Rapids 按部就班），AI 业务则寻求结构性突破（18A 代工、Foveros 3D、Jaguar Shores 系统级翻身仗）。这条路线的风险在于时间——Jaguar Shores 2027-2028 年才落地，期间 AI 市场的每一轮洗牌都在稀释 Intel 的存在感；机会在于，一旦 18A/14A 制程如期兑现，Intel 将同时握有"AI 代工厂 + 机柜级系统"两张牌，这是 NVIDIA 与 AMD 都不具备的组合。

小结​

Intel 的 AI 芯片故事是一部持续纠错史：Gaudi 3 以开放以太网互联守住性价比阵地，Gaudi 4 背负着独立产品线的存亡押注，Crescent Island 用 LPDDR5x 在智能体推理市场找到现实的立足点，Jaguar Shores 则代表彻底放弃单芯片竞赛、转向机柜级系统的战略重构。对采购决策者而言，2026 年的 Gaudi 3/4 + Crescent Island 组合在多云、成本敏感场景仍有独特价值；而对行业观察者，2027 年 Jaguar Shores 的兑现程度，将决定 Intel 是 AI 算力牌桌上的常驻玩家，还是仅仅扮演"AI 代工厂"的幕后角色。

服务器 CPU 变天：EPYC Venice 256核 2nm 量产 vs Intel 三度涨价仍失份额

· 阅读需 5 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

服务器 CPU 市场正在经历一次角色重定义：AMD 用 2nm 制程和 256 核密度继续扩大领先，Intel 被迫靠涨价在需求中求生，而 NVIDIA 自研 Vera CPU 则带着 AI 专用设计入场。AI 服务器里 CPU 不再是主角，但恰恰因此，它的选型逻辑被彻底改写。

AMD Venice：2nm 量产 + 256 核密度登顶​

AMD 第六代 EPYC "Venice"（Zen 6 架构，最高 256 核）已经在台积电 2nm 产线启动量产，这是行业首批进入 2nm 量产的处理器产品之一。更值得关注的是，量产正在从台积电延伸至 AMD 的亚利桑那工厂——先进制程的美国本土化，对政府采购和主权 AI 项目是重要的加分项。

项目EPYC Venice（6th Gen）说明
架构Zen 6新一代核心
最高核心数256 核服务器 CPU 密度新纪录
制程TSMC 2nm，延伸至亚利桑那工厂首批 2nm 量产处理器
角色定位Helios 机架 CPU，配套 72×MI455XAI 机架主机侧
下一代"Verano"，已为 AI 工作负载预留设计设计即前馈

Venice 还有两层战略价值：其一，它是 Helios 机架（72 颗 MI455X）的配套 CPU，AMD 的 GPU 机架方案因此获得了"自家 CPU+自家 GPU"的垂直整合能力；其二，下一代 "Verano" 已经为 AI 工作负载预留设计，说明 AMD 在产品定义阶段就开始为 AI 节点做优化，而不是拿通用服务器芯片顺手兼容。

Intel：年内三度涨价，份额仍在流失​

Intel 的处境则截然不同。10 月 5 日起，Intel 对 CPU 提价 10%——这是年内第三次涨价，驱动因素是 AI 需求带动的产能紧张。但涨价并没有止住份额流失：多家分析师在报告中持续给出卖出的建议口径，认为 Intel 服务器 CPU 的市场份额下滑尚未见底。

维度AMDIntel
制程2nm 量产（Venice）制程追赶中
核心数路线256 核密度登顶密度竞赛落后
价格策略产品迭代驱动年内三度涨价（累计幅度未公开）
服务器份额持续提升持续流失（分析师建议卖出口径）
价格支撑机架级方案带动AI 服务器配套 x86 需求托底

值得注意的悖论是：Intel 涨价的底气部分恰恰来自 AI——AI 服务器爆发也拉动了配套 x86 CPU 的需求，产能紧张让 Intel 敢于连续提价。但"涨价求生"的另一面是，客户在 AI 服务器 CPU 选型上的议价空间被压缩，这反而给了 AMD 和 NVIDIA 更多切入机会。

Vera 入场：AI 节点上的 CPU 重新定义​

NVIDIA 自研的 Vera CPU 是第三个变量。Daytona 基准测试给出了一个惊人的对比：Vera 跑千沙盒仅需 10.8 秒，而 AMD 旗舰 EPYC 9755 需要 88.4 秒——约 8 倍的差距。

对比项NVIDIA VeraAMD EPYC 9755
Daytona 千沙盒10.8 秒88.4 秒（约 8 倍耗时）
设计目标专为 AI 节点设计通用服务器负载
配套内存Vera SCF + 1.5TB LPDDR5X传统 DIMM 路线

Vera 的设计思路与通用服务器 CPU 完全不同：SCF 互联加 1.5TB LPDDR5X 的组合，是专为 AI 节点上"数据搬运 + 调度"的角色优化的。在 Grace/Vera 与 GPU 紧耦合的架构里，CPU 的传统性能指标（如 SPEC 系列）重要性下降，而内存带宽、与加速器的耦合效率成为新的评价维度。

分析：AI 服务器中 CPU 角色的重定义​

AI 服务器里，CPU 不再是算力的主角，而是被压缩到三个角色：主机侧调度（内核、虚拟化、作业分发）、数据搬运（存储/网络与 GPU 之间的通路）、以及配套生态（x86 软件兼容性）。这带来了三强格局下的不同打法：

  • AMD 走密度路线：用 256 核 + 2nm 的硬件优势，同时服务传统虚拟化和 AI 机架主机侧，Venice 与 Helios 的绑定让"买 AMD GPU 就配 AMD CPU"成为默认选项；
  • Intel 涨价求生：利用产能紧张和 x86 生态惯性提价保收入，份额换取现金流，等待下一代产品翻盘；
  • NVIDIA 自研入场：Vera 不参与通用服务器竞争，只在 AI 节点上用专用设计建立垂直优势，Daytona 8 倍的差距就是其叙事武器。

对采购方的影响：三强博弈叠加产能紧张，意味着锁量窗口正在关闭。Intel 年内三度涨价已经发出信号——服务器 CPU 的价格曲线在 2026 年是向上的。有大批量采购计划的企业，应尽快与供应商锁定价格和交期；同时，AI 集群主机侧 CPU 的选型需要重新评估，传统"EPYC 对标 Xeon"的通用跑分逻辑，在 Vera 这类 AI 专用 CPU 出现后已不再充分。

小结​

服务器 CPU 市场的竞争维度正在迁移：从通用性能转向"AI 节点适配度"。AMD Venice 以 2nm + 256 核的量产优势延续密度路线，并借 Helios 机架实现 CPU/GPU 协同；Intel 连续三次涨价反映的是产能紧张下的议价权，而非竞争力回升；NVIDIA Vera 用 Daytona 基准 8 倍的成绩宣告 AI 专用 CPU 的独立赛道成立。对采购方而言，2026 年的关键词是"锁量"和"重估"——锁定涨价前的采购窗口，重估 AI 集群中主机侧芯片的技术选型标准。

Intel年内第三次涨价：CPU上调10%，AI需求下的产能博弈

· 阅读需 4 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

2026年10月5日起，Intel CPU正式上调价格10%。这是自2025年以来的第三次涨价——当AI吞掉大量先进制程与封装产能，连最基础的CPU也开始变得紧俏。"比涨价更糟的是没货"，戴尔CEO的这句话，或许是这一轮周期最好的注脚。

涨价事实：年内第三次，涨幅10%​

根据2026年9月18日AI日报披露的信息，Intel计划自2026年10月5日起将CPU价格上调10%。值得注意的是，这已是自2025年以来的第三次涨价。涨价的驱动力主要来自两个方面：

  • AI需求外溢：AI服务器的爆发式增长挤占了先进制程晶圆、先进封装（如CoWoS类产能）与HBM之外的配套资源，传统CPU的供应与产能分配同步承压；
  • 产能紧张：半导体结构性短缺并非短期现象，而是供需结构错位的结果。

资本市场：涨价周期中的芯片股​

涨价消息所处的市场环境同样值得关注。同期美股芯片板块整体上涨：NVIDIA收涨2.54%，AMD涨超6%。华尔街对三巨头的上行空间预期如下：

公司华尔街预计上行空间
NVIDIA51.61%
AMD25.78%
Intel16.33%

可以看出，市场对AI纯度更高的公司给出了更高的预期上行空间，Intel的16.33%虽相对保守，但涨价本身也在改善其盈利预期。

供给端的判断：2027年可能更严重​

戴尔CEO迈克尔·戴尔在高盛大会上给出了一个更沉重的判断：半导体结构性短缺短期内难以缓解，2027年可能比2026年更严重。他的原话是："比涨价更糟的是没货。"

这句话对整个产业链的启示在于：涨价是供需失衡的结果而非原因，如果2027年供给进一步收紧，那么当前的10%涨幅可能只是开始。

Intel的AI芯片线：涨价之外的另一条战线​

在CPU涨价的同期，Intel的AI芯片布局也在推进，主要包括：

  • Gaudi 3 / Gaudi 4：AI加速器主线产品；
  • Jaguar Shores：下一代GPU，接替此前被取消的Falcon Shores路线；
  • Crescent Island：面向推理场景的GPU产品。

在服务器侧，Intel还面临AMD的正面竞争——AMD EPYC "Venice"（Zen 6架构）最高已达256核，x86服务器CPU的核数竞赛与AI服务器配套需求叠加，进一步加剧了先进产能的争夺。

涨价如何传导：整机与云价格​

CPU作为几乎所有服务器的核心部件，其10%的涨幅不会停留在芯片层面，而是沿着"芯片→整机→云服务"的链条逐级传导：

  1. 整机厂商：服务器OEM将面临BOM成本上升，戴尔等厂商已明确表态供给紧张，整机报价上调是大概率事件；
  2. 云厂商：云主机的计算实例价格与裸金属服务器租金，最终会反映上游芯片成本；
  3. AI基础设施：AI服务器同样需要CPU作为宿主与调度核心，GPU集群的配套CPU成本同步上升。

采购方应对建议​

面对"涨价+缺货"的双重压力，采购方可以考虑：

  • 提前锁量：在2027年供给可能进一步收紧的预期下，尽早与厂商或渠道签订量价协议锁定供应；
  • 关注国产替代选项：在x86服务器CPU与AI配套计算领域，国产芯片（如华为昇腾、寒武纪等）正在快速补位，可作为成本与供应风险的对冲选项；
  • 重新评估TCO：涨价环境下，单纯比较芯片单价意义下降，应转向整机级、集群级的总体拥有成本测算。

小结​

Intel年内第三次涨价10%，本质上是一场AI需求驱动下的产能博弈：AI吞噬先进产能，传统CPU被迫让位并提价，而戴尔CEO"2027年可能更严重"的判断，预示这场博弈还远未到终局。对采购方而言，提前锁量、关注国产替代、以TCO视角重新测算成本，是当下最务实的三步棋。

Hot Chips 2026 全景总结：Rubin、MI455X、Crescent Island 同台，AI 算力交付进入"系统级"时代

· 阅读需 8 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

2026年8月23日至25日，第38届 Hot Chips（HC38）在斯坦福纪念礼堂举行。作为全球高性能芯片架构的风向标，本届大会恰好撞上 AI 算力军备竞赛最焦灼的时刻——官方议程共 48 个条目，其中 AI 加速器 7 个、存储教程 6 个、CPU 6 个、GPU 与网络各 4 个。如果把各家演讲摆在一起，一个共识浮出水面：AI 算力的竞争单位，已经从"单颗芯片"变成了"整机柜 / 整个系统"。

1. 概览：三天议程，几乎就是 2027 年 AI 机柜市场的预演​

周一（8/24）下午的 GPU 专场是全场焦点，四家演讲几乎是 2027 年 AI 机架市场的对撞：

  • NVIDIA Rubin GPU（"Driving the Era of Agentic AI"）：首个 chiplet 架构 GPU，288GB HBM4、FP4 约 50 PFLOPS，搭配 88 核 Arm 架构 Vera CPU 组成 NVL72 / NVL144 机柜，2026 下半年量产。
  • AMD Instinct MI400 连讲两场（架构 + 系统架构）：把"机架级"故事讲透。
  • Intel Crescent Island：专为 Agentic AI 推理设计的 350W 风冷卡。

周二（8/25）下午的 AI 专场，则几乎是"超算厂商去 NVIDIA 化"的阅兵式：Google 第八代 TPU、OpenAI 首颗自研芯片、微软 Maia 200、Meta MTIA、Cerebras 晶圆级机架同台。

每一个登台厂商，都在开场两页 PPT 内用到了 "Agentic AI"（智能体 AI）这个词——这不是巧合，而是 2026 年 AI 负载设计目标的集体转向。

2. NVIDIA Rubin：一个机柜，就是一台超级计算机​

英伟达在 Hot Chips 上主讲的不是单颗 GPU，而是 Vera Rubin NVL72 整机柜——72 颗 Rubin GPU + 36 颗 Vera CPU，18 个计算托盘 + 9 个 NVLink 交换托盘，约 130 万颗组件、近 1300 颗芯片，整柜重约 4000 磅（约 1.8 吨）。

单颗 Rubin GPU 的规格同样惊人：

指标Rubin GPU对比 Blackwell
晶体管3360 亿（TSMC 3nm 双 die）2080 亿（+61.5%）
显存288GB HBM4—
带宽22 TB/sBlackwell 的 2.8 倍
NVFP4 推理50 PFLOPSGB200 的 5 倍
训练算力35 PFLOPS3.5 倍

最颠覆性的设计在计算托盘：无电缆、无软管、无风扇，全部通过 PCB 背板互联。英伟达称组装时间从近 2 小时压缩到 5 分钟（快 20 倍），同时提升可维护性。

英伟达这次卖的不是 FLOPS，而是 tokens per megawatt（每兆瓦 token 数）。 其引用 SemiAnalysis 基于 DeepSeek-v4-PRO（140K+ 上下文、AgentX 负载）的基准称：Vera Rubin NVL72 在交互强度上升时，较 GB300 NVL72 提供 10× 至最高 30× 的 tokens/MW。单柜提供 3.6 EFLOPS 推理算力，整柜功耗 190–230kW；远期产能目标为 每天 1000 个 NVL72 机柜。

3. AMD MI455X + Helios：显存反超与开放互联​

AMD 的答案是与英伟达正面硬刚的 MI455X + Helios 机架。MI455X 采用 CDNA 5 架构，8 个 N2 制程加速器 die + N3P 制程互联 die，256 个工作组处理器、192MB 全局 L2。

指标MI455X对比 Rubin
显存432GB HBM4（12 层堆叠）比 Rubin 288GB 高 50%
带宽23.3 TB/s略胜一筹
MXFP4 算力40.26 PFLOPS—
系统（Helios 72 卡）FP4 推理 2.9 ExaFLOPS—
报价约 525 万美元/柜—

系统层面，AMD 押注 UALoE（以太网上的超加速器互联） 开放标准：每颗 GPU 提供 3.6 TB/s 双向互联带宽，交换托盘内两颗 512 端口 200G UALoE 交换芯片合计 10.8 TB/s——对标 NVLink 的同时把互联协议开放给整个产业。

量产节奏：AMD 计划 2026 下半年交付工程样品与小批量系统，2027 年 Q2 大规模放量。此前市场曾传出 Helios 因散热问题延期，AMD 官方未予确认。

4. Intel Crescent Island：风冷大显存的"性价比异类"​

英特尔给出一条完全不同的路：Crescent Island——一颗 350W、风冷、标准 PCIe 槽位的推理 GPU，专为 Agentic AI 设计，核心指标是 tokens per watt。

指标Crescent Island说明
架构Xe3P，32 个 Xe 核心，32MB 统一 L2Hot Chips 披露
内存Intel 自牌卡 160GB / ODM 最高 480GB LPDDR5X比 Rubin 288GB HBM4 还多
形态350W 风冷 PCIe直插标准机架，免液冷改造
RASECC、动态页离线、硬封装修复、PCIe 高级错误上报回应"静默数据损坏"

英特尔的逻辑很清晰：推理场景对显存容量的需求远大于带宽，用低成本 LPDDR5X 堆容量、用风冷省掉液冷基础设施，就能把单位 token 成本打下来。配合 Diamond Rapids 至强（256 性能核、1.28GB 缓存、128 条 PCIe Gen6），英特尔试图用"CPU + 推理 GPU + 开放软件栈"从边缘到数据中心全场景围堵。

5. 自研 ASIC 大集结：Google、OpenAI、微软、Meta 同台​

周二下午的 AI 专场，是本届最有历史意义的一场——"超算厂商去 NVIDIA 化"的阅兵：

芯片厂商 / 合作定位关键规格 / 进度
TPU 8t（Sunfish）Google × Broadcom训练单 pod 9600 卡、121 FP4 ExaFLOPS、2PB 共享 HBM
TPU 8i（Zebrafish）Google × MediaTek推理288GB HBM、384MB 片上 SRAM（3× 上代）、ICI 19.2 Tb/s
JalapeñoOpenAI × Broadcom推理9 个月端到端设计，目标 token 成本降 ~50%，2026 底商用
Maia 200微软（TSMC 3nm）推理1400 亿+ 晶体管、10+ PFLOPS FP4、216GB HBM3E，已在得梅因数据中心服务 GPT-5.2
MTIA 300–500Meta（RISC-V）× Broadcom训推双使命最高 25× 算力增益，2027 前每 6 个月一款

Google 首次将 TPU 拆分为训练（8t）与推理（8i）两款专用架构，是其十年来最大的架构转向。Norm Jouppi 亲自登台主讲 TPU v8。

6. 存储与网络两条暗线：HBM4 元年 + AI 工厂操作系统​

除 GPU/ASIC 外，两场暗线同样关键：

  • 存储：三星 HBM Base Die（逻辑工艺做基础裸片）与 SK 海力士先进封装同台，HBM4 时代"基础裸片代工化"产业变局开启；HBF（高带宽闪存）、LPDDR5X-PIM、3D DRAM、CXL 计算存储集中展示"存算一体"从论文走向产品。
  • 网络：NVIDIA BlueField-4（DPU）与 Spectrum-X Multiplane 架构（Gilad Shainer 主讲）——网络正成为 gigascale AI 的决定性架构，规模从数十万卡向百万卡迈进；博通 Thor Ultra 以太网 NIC 持续进逼；Mojo Vision 展示芯片级光 I/O。

7. 三条路线，一个共识​

同一场大会上，三家给出了三种截然不同的 AI 算力交付哲学：

  1. 英伟达：全栈封闭整合——GPU、CPU、DPU、交换芯片全部自研，用极致软硬件协同把系统性能推到极致，代价是客户被深度绑定。
  2. AMD：开放标准追赶——用更大 HBM4 容量 + UALoE 开放互联打"性价比 + 开放"牌，配合 Meta、OpenAI 的 12GW 级订单撕开推理缺口。
  3. 英特尔：风冷性价比——放弃液冷、放弃 HBM，用 LPDDR5X 大显存 + 标准 PCIe 切入，赌"大多数推理不需要 200kW 机柜"。

但三家的共同结论是：竞争的单位不再是芯片，而是协同设计的系统（rack / system）。对采购方而言，2027 年的算力规划，要比对的不是"单卡 PFLOPS"，而是"每兆瓦 token 数、时延、可用性与全周期成本"。

相关链接​

参考资料​

本文基于 Hot Chips 2026（8月23-25日）官方演讲与 ServeTheHome、SemiAnalysis、TechPowerUp 等现场报道整理。性能数据均为厂商公布口径，实际表现以量产产品为准。

2026 H2 AI 芯片路线图重大更新：Qualcomm 入局、AMD MI400 三款型号揭晓、华为三代路线图

· 阅读需 8 分钟
Charles Qing
AI Hardware Analyst

2026 年 6 月更新——AI 算力卡市场正在经历近年来最剧烈的格局变化。本文将为您梳理最新路线图动态。

核心要点​

  • Qualcomm AI 200/250 正式进入数据中心 AI 推理市场，对标 NVIDIA H200
  • AMD MI400 系列 揭晓三款型号：MI430X（HPC）、MI440X（企业）、MI455X（旗舰）
  • 华为 昇腾 960 官宣提前发布：960DT 2027 Q2 上市（FP8 2 PFLOPS 翻倍），970（2028）/ 980（2029）一年一代
  • Intel Jaguar Shores 时间线存疑，可能延迟至 2027 或之后
  • NVIDIA Rubin R200 已全面量产，Vera CPU + Rubin GPU 组合正式交付

📌 更新（2026-09-18）：华为已于 9 月 17 日全联接大会官宣昇腾 960，本文第 3 节已按官方披露更新。

1. Qualcomm：移动芯片巨头进军数据中心 AI​

AI 100 → AI 200 → AI 250​

Qualcomm 在 2025 年 10 月正式发布了 AI 200 数据中心推理芯片，标志着移动芯片巨头正式进入数据中心 AI 市场。

型号发布时间上市时间关键特性
AI 1002025-102026 H2机架级 AI 推理，768GB LPDDR/卡
AI 2502025-102027 H1近存计算架构，10x 有效内存带宽

为什么 Qualcomm 能成功？​

  1. 低 TCO：LPDDR 内存比 HBM 便宜得多
  2. 能效优势：移动芯片设计经验，功耗控制出色
  3. 推理专用：不追求训练性能，专注推理场景
  4. 机架规格：直接液冷，160kW 机架级功耗，Ethernet 互联

市场影响​

  • 对标 NVIDIA H200：AI 200 推理性能接近 H200，但 TCO 低 30-40%
  • 倒逼 NVIDIA：可能促使 NVIDIA 推出推理专用芯片（如 Rubin CPX）
  • 多样化选择：打破 NVIDIA 在推理市场的垄断

2. AMD MI400 系列：三款型号精准定位​

在 CES 2026（2026 年 1 月）上，AMD 正式揭晓了 MI400 系列 的三款型号，精准覆盖不同市场：

MI430X（HPC + 主权 AI）​

特性规格
定位HPC + 主权 AI
FP32/FP64支持（这是关键区别）
适用场景科学计算、气候模拟、国家 AI 基础设施
竞争对手NVIDIA 不做 FP64 的 AI 卡

MI440X（企业服务器）​

特性规格
定位企业 8-GPU 服务器
兼容性兼容现有数据中心基础设施
适用场景企业 AI、私有云、边缘推理
竞争优势比 MI455X 更便宜，更易部署

MI455X（旗舰 AI 训练）​

特性规格
定位旗舰 AI 训练 + 推理
优化精度FP4/FP8/BF16
Helios 机架核心组件
竞争对手NVIDIA Rubin R200

Helios 机架级解决方案​

AMD 在 CES 2026 同时发布了 Helios 机架级 AI 解决方案：

  • 18 颗 Zen 6 CPU（2nm 制程）
  • 72 颗 MI455X GPU
  • 直接液冷
  • 预计 2026 H2 出货

3. 华为路线图：950 → 960 → 970 → 980（一年一代）​

华为在全联接大会 2025（2025 年 9 月）公布三代路线图，并在全联接大会 2026（2026 年 9 月 17 日）官宣昇腾 960 提前发布，节奏全面提速：

昇腾 950 系列（2026）​

型号发布时间关键特性
950PR2026-Q1PR（推理优化），已量产
950DT2026-Q4DT（Decode + 训练），预计全面放量

技术亮点：

  • 新增支持 FP8/MXFP8/MXFP4
  • 互联带宽 2TB/s（相比 910C 提升 2.5 倍）

昇腾 960（HC2026 官宣，提前发布）​

指标昇腾 960DT（训练版）
FP8 / FP4 算力2 PFLOPS / 4 PFLOPS（较 950 翻倍）
显存288GB（自研 HBM）
显存带宽9.6 TB/s
就绪 / 上市2027 Q1 / 2027 Q2（原计划提前三个季度）
  • 960PR（推理版）：2027 Q3 上市，配套 Atlas 960 液冷超节点
  • 昇腾 960 超节点：全球首个 NPO 超节点——4096 卡、8 EFLOPS FP8、1PB HBM、RTT 2μs，Hi-ONE 光引擎（业界首个量产 NPO，7.2T）替代 4.8 万颗 800G 光模块
  • 工艺：N+3（推测，SMIC 国产化）
  • 定位：对标 NVIDIA B200 / Rubin 一代（单卡仍有代差，以超节点系统级能力弥补）

昇腾 970 / 980（2028 / 2029 官宣）​

  • 970（2028）、980（2029）：HC2026 正式确认，一年一代稳定迭代
  • 韬定律：算力规格每代翻倍，访存带宽、访存容量、互联带宽同步大幅提升
  • 意义：从"路线图预告"升级为"确定兑现"——950、960 均已提前就绪，规划可信度显著上升

4. Intel Jaguar Shores：时间线存疑​

原定计划​

  • 发布时间：2026 年
  • 架构：Xe-HPC + Gaudi 融合
  • 制程：18A（Intel 最先进制程）
  • 内存：可能采用 HBM4E（而非原计划的 HBM4）

最新动态​

  • 可能延迟：部分消息源显示可能推迟至 2027 年
  • 竞争对手：AMD MI400 已揭晓，NVIDIA Rubin 已量产
  • 市场压力：Intel 在 AI 芯片市场节节败退，Jaguar Shores 是最后机会

对路线图的影响​

如果 Jaguar Shores 延迟至 2027 年，Intel 在 AI 芯片市场将基本出局。

5. NVIDIA Rubin 平台：已全面量产​

Rubin R200（2026-Q2 全面量产）​

特性规格
HBM288GB HBM4
算力50 PFLOPS FP4
NVLinkNVLink 6（1800 GB/s）
制程TSMC 4NP

Rubin NVL72 机柜（2026 H2 出货）​

  • 72 颗 Rubin GPU
  • 36 颗 Vera CPU
  • 1.8 EFLOPS FP4
  • 直接液冷

Vera CPU（首次亮相）​

  • 架构：自研 CPU，替代 Grace
  • 定位：与 Rubin GPU 深度协同
  • 意义：NVIDIA 从 GPU 公司转型为计算平台公司

6. Google TPU v8：训练/推理正式拆分​

TPU 8t（训练） + TPU 8i（推理）​

Google 在 Cloud Next 2026 宣布 TPU v8 将正式拆分为训练版和推理版：

特性TPU 8t（训练）TPU 8i（推理）
优化方向高算力、高带宽低延迟、低成本
互联光学互联以太网
发布时间20272027

意义​

  • 行业趋势：训练/推理芯片专用化
  • 跟随者：Qualcomm AI 200 也是推理专用
  • NVIDIA 压力：是否需要推出推理专用芯片？

7. Cerebras WSE-4：晶圆级引擎再进化​

核心规格​

特性规格
晶体管1.4 万亿
算力125 PFLOPS FP8
发布时间2026 H2
制程TSMC 5nm

竞争优势​

  • 超大模型训练：单颗 WSE-4 可训练 10T+ 参数模型
  • 低延迟推理：整个模型在单颗芯片上，无通信开销
  • 软件栈成熟：Cerebras 软件栈已支持 PyTorch、TensorFlow

8. 市场格局分析​

训练市场​

排名厂商产品市场份额（预估）
1NVIDIARubin R20070%
2AMDMI455X15%
3GoogleTPU v8t10%
4华为昇腾 950 / 9605%（中国为主）

推理市场（新战场）​

排名厂商产品优势
1NVIDIAH200 / Rubin CPX生态成熟
2QualcommAI 200低 TCO
3AMDMI440X兼容性好
4IntelGaudi 4价格低廉

9. 关键趋势​

趋势 1：推理专用芯片崛起​

  • Qualcomm AI 200：移动芯片巨头入局
  • NVIDIA Rubin CPX：NVIDIA 首次推出推理专用芯片
  • Google TPU 8i：训练/推理正式拆分

趋势 2：机架级解决方案成为标配​

  • NVIDIA NVL72：72 GPU + 36 CPU
  • AMD Helios：18 CPU + 72 GPU
  • Qualcomm 机架：160kW 液冷机架

趋势 3：中国国产芯片进入"规划驱动"阶段​

  • 华为一年一代：950（2026）→ 960（2027，官宣提前）→ 970（2028）→ 980（2029）
  • 时间线清晰且在兑现：950DT 提前上线华为云，960DT 提前三个季度就绪
  • 意义：从"追赶"到"规划"再到"确定兑现"

趋势 4：HBM 产能成为瓶颈​

  • SK 海力士：HBM4 产能已被 NVIDIA 预订
  • 三星：HBM4E 样品已交付 AMD
  • 影响：MI400、Rubin R200 出货量受 HBM 产能限制

10. 采购建议​

如果您在 2026 H2 采购​

  1. 训练场景：

    • 首选：NVIDIA Rubin R200（性能最强）
    • 备选：AMD MI455X（性价比更高）
    • 国产：华为昇腾 950DT（中国客户）

  2. 推理场景：

    • 首选：NVIDIA H200（生态成熟）
    • 性价比：Qualcomm AI 200（如果可用）
    • 成本敏感：AMD MI440X

  3. HPC 场景：

    • 唯一选择：AMD MI430X（支持 FP64）

如果您在 2027 采购​

  • 等待 Rubin Ultra：性能可能是 R200 的 2x
  • 关注 MI500：AMD 下一代产品
  • 评估 TPU v8：如果已在用 Google Cloud

结论​

2026 H2 将是 AI 芯片市场有史以来最卷的半年：

  • NVIDIA 继续领跑，但优势缩小
  • AMD 三款型号精准定位，市场份额将持续提升
  • Qualcomm 入局推理市场，低 TCO 策略可能颠覆市场
  • 华为 三代路线图清晰，国产替代加速
  • Intel Jaguar Shores 成败在此一举

对于采购决策者，现在是最难做决定的时刻——因为每个选项都有明显的优缺点。

对于技术从业者，这是最好的时代——芯片性能每年翻倍，架构创新层出不穷。

参考资料​

  • AI 算力卡未来路线图 - MirrorFrog 实时更新
  • NVIDIA Rubin R200 深度解析（见本站相关文章）
  • AMD MI400 系列 CES 2026 发布（见本站相关文章）
  • Qualcomm AI 100 发布分析（即将发布）

最后更新：2026-09-18（昇腾 960 官宣信息更新；原文 2026-06-20）
作者：Charles Qing
标签：#路线图 #市场分析 #采购决策

Intel Gaudi 4 / Jaguar Shores 最新进展：重返AI竞赛，HBM4内存加持

· 阅读需 7 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

2026年3月18日，Intel在Intel AI Summit上正式发布：Habana Gaudi 4定制AI加速卡。这是Intel在Gaudi 3（2024年4月发布）之后的最新一代AI训练/推理芯片，专为大规模模型训练设计。

同时，Intel确认下一代Jaguar Shores GPU（数据中心GPU）正在研发中，将采用HBM4内存，预计2027年发布。这标志着Intel正式重返AI芯片竞赛。

核心亮点​

  • Gaudi 4：2026年3月发布，TSMC 5nm、64GB HBM3e、专为大规模训练
  • Jaguar Shores：2027年发布（预计），采用HBM4、对标NVIDIA Rubin
  • Crescent Island：Intel首款通用GPU（2026年发布），采用Xe3架构
  • 软件生态：Intel AI Stack（包含oneAPI、BigDL、Gaudi Software Suite）
  • 代工合作伙伴：TSMC（Gaudi 4、Jaguar Shores）、Intel Foundry（Crescent Island）

Gaudi 4 详细规格​

Gaudi 4是Intel旗下Habana Labs（2019年收购）设计的第四代AI加速卡。

参数Gaudi 4Gaudi 3（2024）NVIDIA B200
架构Habana 4Habana 3Blackwell
制程TSMC 5nmTSMC 7nmTSMC 4NP
FP8算力~2,000 TFLOPS（推测）1,000 TFLOPS4,500 TFLOPS（稀疏）
显存64GB HBM3e128GB HBM2e（推测）192GB HBM3e
显存带宽~3 TB/s（推测）~2 TB/s（推测）8 TB/s
TDP~500W（推测）~400W700-1000W
互联RoCE v3（以太网）RoCE v2NVLink 5.0
发布时间2026年3月2024年4月2024年3月
量产时间2026年Q3（推测）2024年Q42024年Q4

📌 注：Gaudi 4具体规格尚未完全公开，上表部分为推测值。

Gaudi 4的关键特性​

  1. 以太网原生支持：采用RoCE v3（RDMA over Converged Ethernet），无需专用互联协议（如NVLink）
  2. 大规模扩展优化：万卡集群扩展效率优于InfiniBand（成本更低）
  3. 稀疏化加速：MoE模型原生支持
  4. 多精度支持：FP8/FP16/FP32/INT8/INT4
  5. 开放生态：支持PyTorch、TensorFlow、JAX（通过第三方适配）

Jaguar Shores：Intel的下一代GPU​

Jaguar Shores是Intel首款真正意义上的数据中心GPU（不是Gaudi那样的ASIC）。

为什么叫"Jaguar Shores"？​

  • Jaguar：美洲豹，代表"速度"和"敏捷"
  • Shores：海岸，代表"开放"和"连接"（对标NVIDIA的"海岸"命名风格？）

Jaguar Shores 推测规格​

参数Jaguar Shores（推测）NVIDIA RubinAMD MI455X
架构Xeu 3（推测）RubinCDNA 4
制程TSMC 3nm（推测）TSMC 3nmTSMC 3nm
显存HBM4（确认）HBM4HBM4
显存容量288GB（推测）288GB288GB
FP8算力~4,000 TFLOPS（推测）~6,000 TFLOPS6,000 TFLOPS
TDP~800W（推测）~1,000W~800W
发布时间2027年（预计）2026年Q32026年Q3

关键确认：

  • ✅ HBM4内存：Intel已确认Jaguar Shores将采用SK海力士的HBM4内存
  • ✅ TSMC代工：Jaguar Shores将由TSMC生产（不是Intel Foundry）
  • ✅ oneAPI原生支持：Jaguar Shores将原生支持oneAPI编程模型

Crescent Island：Intel的首款通用GPU​

Crescent Island是Intel在2025年10月公布的首款通用数据中心GPU，采用Xe3架构（Xe-HPG的升级版）。

参数Crescent Island（推测）Intel Data Center GPU MaxNVIDIA L40S
架构Xeu 3Xeu 2（Ponte Vecchio）Ada Lovelace
定位通用计算+AI推理HPC+AI训练AI推理+图形
制程TSMC 5nm（推测）Intel 7 + TSMC 5nmTSMC 4N
显存48GB HBM3（推测）128GB HBM2e48GB GDDR6
TDP~300W（推测）600W350W
发布时间2026年（预计）2023年1月2023年3月

定位：

  • ✅ 通用GPU：既能做AI推理，也能做科学计算（HPC）
  • ✅ 低成本：价格比Gaudi 4更低，对标NVIDIA L40S
  • ✅ 开放标准：支持oneAPI、SYCL、Level Zero

Intel AI芯片路线图（2024-2027）​

时间产品类型制程备注
2024年Q4Gaudi 3AI ASICTSMC 7nm当前主力
2026年Q2Crescent Island通用GPUTSMC 5nm新发布
2026年Q3Gaudi 4AI ASICTSMC 5nm新发布
2027年Jaguar Shores数据中心GPUTSMC 3nm下一代旗舰
2027年Gaudi 5（推测）AI ASICTSMC 3nm下一代

与竞品对比​

Gaudi 4 vs NVIDIA B200​

指标Gaudi 4NVIDIA B200
FP8算力~2,000 TFLOPS4,500 TFLOPS
显存64GB HBM3e192GB HBM3e
互联以太网（RoCE v3）NVLink 5.0
软件生态Gaudi Software SuiteCUDA
价格推测 ~$20,000~$45,000
优势以太网成本低、开放生态最成熟、性能最强
劣势软件生态弱、算力低价格昂贵

结论：Gaudi 4的定位是**"性价比训练方案"**，适合对成本敏感、且愿意投入软件适配的客户。

Jaguar Shores vs NVIDIA Rubin​

指标Jaguar Shores（推测）NVIDIA Rubin
FP8算力~4,000 TFLOPS~6,000 TFLOPS
显存288GB HBM4288GB HBM4
软件生态oneAPICUDA
量产时间2027年2026年Q3
优势开放标准、可能更便宜生态成熟、先发优势
劣势生态弱、晚1年价格昂贵

结论：Jaguar Shores如果能按时发布，且oneAPI生态有足够改善，可以成为NVIDIA的第三选择（仅次于NVIDIA和AMD）。

软件生态：oneAPI的进步与挑战​

oneAPI是什么？​

oneAPI是Intel推出的开放、跨架构编程模型：

  • 支持CPU、GPU、FPGA、AI加速器
  • 基于SYCL标准（类似CUDA的C++扩展）
  • 开源实现（Intel oneAPI Base Toolkit）

Intel AI Stack​

组件用途对标
oneAPI跨架构编程模型CUDA
BigDL分布式深度学习框架PyTorch Distributed
Gaudi Software SuiteGaudi专用软件栈NVIDIA GPU Cloud (NGC)
Intel Extension for PyTorchPyTorch在Intel硬件上的优化NVIDIA PyTorch
Intel Optimization for TensorFlowTensorFlow在Intel硬件上的优化NVIDIA TensorFlow

✅ 进步​

  • PyTorch 2.5+：Intel Extension已集成到PyTorch主线
  • Hugging Face Transformers：官方支持Intel GPU（通过optimum-intel）
  • vLLM：实验性支持Gaudi（性能待验证）

⚠️ 挑战​

  • 开发者习惯：全球AI开发者都用CUDA，oneAPI学习曲线陡峭
  • 算子覆盖率：很多PyTorch算子还没有oneAPI优化版本
  • 性能：same功耗下，Gaudi 4性能只有B200的50%左右

行业影响​

1. Intel能否重返AI竞赛？​

挑战：

  • ❌ 生态劣势：CUDA护城河太深，oneAPI难以撼动
  • ❌ 性能劣势：Gaudi 4性能只有B200的50%
  • ❌ 时间劣势：Jaguar Shores比Rubin晚1年

机会：

  • ✅ 开放标准：不依赖CUDA，适合"反NVIDIA垄断"的客户
  • ✅ 以太网优势：RoCE v3在万卡集群上成本低于InfiniBand
  • ✅ ** Intel Foundry**：如果Jaguar Shores能用Intel自家工艺生产，成本更低

2. 对AMD的影响​

Intel重返AI竞赛，对AMD是坏事：

  • AMD本来是"NVIDIA唯一替代品"
  • 现在Intel也回来了，AMD的"替代品"地位受到挑战
  • 但短期内（2026-2027），Intel还无法威胁AMD

3. 对国产芯片的影响​

Intel Gaudi 4的发布，对国产芯片是参考案例：

  • 证明以太网路线（RoCE）可行
  • 证明开放生态（oneAPI）虽难但有必要
  • 证明性价比路线有市场（成本敏感客户）

相关芯片​

参考资料​

本文基于Intel官方公告及公开资料整理，部分规格为推测值，以Intel官方最终发布为准。