18 篇博文 含有标签「Roadmap」

在超大规模云厂商与芯片大厂之外，马斯克的两家公司给出了自研芯片的另一种打开方式：一家砍掉自研训练超算、押注推理芯片量产，一家干脆不造芯片、把租来的 GPU 堆成全球最大集群。

Dojo 的终结与 AI5 的转向​

2025 年 8 月，马斯克在社交平台确认解散特斯拉 Dojo 训练超算团队，并给出一句著名判断：Dojo 2 是一条"演化死胡同"。他解释称，当所有路径都汇聚到 AI6 芯片时，特斯拉没有理由同时维持两套差异巨大的芯片设计。这座投入了 5 亿美元的布法罗 Dojo 设施随之失去原有使命。

转向的落点是车载推理芯片。据公开信息，AI5 芯片于 2026 年 4 月完成流片定稿，由台积电亚利桑那厂与三星得州厂双源代工，2027 年年中启动大规模量产，优先服务 Cybercab 与 Optimus 项目；AI6 处于早期开发阶段，目标性能较 AI5 翻倍，定位同时覆盖车载推理、机器人控制与大规模 AI 训练。2026 年 5 月，特斯拉又以 Dojo 2 之名发布了一款面向 Cybercab 的自动驾驶芯片，据业界报道宣称可在 45W 功耗下提供 900 TFLOPS 算力，8 月起批量装车。

阶段	关键动作	时间线
Dojo 一代	D1 芯片加英伟达 GPU 混合集群	2023 年上线
项目关停	团队解散，D2 芯片搁置	2025 年 8 月
AI5	台积电与三星双源代工	2026 年流片，2027 年中量产
Dojo 2 命名	车载推理芯片，45W 下 900 TFLOPS	2026 年 5 月发布
AI6	目标性能翻倍	计划 2028 年量产

"Dojo 3" 的新含义：用通用芯片攒超算​

马斯克为 Dojo 这个名字保留了另一种存续方式：既然 AI5 与 AI6 在推理之外"至少还不错"地能做训练，那么把大量 AI6 芯片集成到单块电路板上，就能构成训练集群，还能把网络布线的复杂度与成本降低几个数量级。他甚至直接表示，"或许可以把它称为 Dojo 3"。这实质上宣告了专用训练芯片路线的终结——用一条高量产的车规芯片产线，摊薄训练集群的芯片成本。

与特斯拉形成有趣对照的是 xAI。这家公司几乎完全放弃了芯片自研，而是以惊人的速度从英伟达采购和租借 GPU，在孟菲斯建成了全球首个吉瓦级训练集群 Colossus 2，并逐步把富余算力对外出租，谷歌、Anthropic 均已成为其大客户。马斯克体系内由此形成分工：xAI 造算力工厂，特斯拉造端侧芯片，训练与推理各取所需。

非典型路线的启示​

特斯拉与 xAI 的组合揭示了自研芯片的另一种经济学：当端侧场景（车辆、机器人）足够确定且出货量足够大时，自研芯片的核心价值在于规模与迭代速度——马斯克甚至希望把未来芯片的设计周期压缩到 9 个月；而当需求爆发快于自研节奏时，直接采购现成 GPU 抢时间，比造芯片更理性。三星与特斯拉之间 165 亿美元的代工协议，也说明车载 AI 芯片已成为先进制程的重要买家。

小结​

Dojo 的落幕并非自研芯片的失败，而是一次清醒的止损：把有限资源从长周期的训练超算转向出货量以百万计的端侧推理芯片。在"要不要自研"这个问题上，马斯克给出了一个与云厂商截然不同却同样自洽的答案——自研与否，取决于你的芯片要装在哪里、装多少颗。

2026年进入第四季度，AI芯片竞争的关键词从"发布"转向"交付"。Rubin能否持续放量、Helios能否如期爬坡、昇腾950DT如何定价上市，将共同决定2027年竞争格局的起点。

NVIDIA：Rubin放量与生态开放双线推进​

Q4期间NVIDIA的计划主线：

• Vera Rubin NVL72：2026下半年持续放量，MLPerf Inference v6.1首秀已登顶（Qwen3-VL较GB300最高3.7倍），HBM4平台优势开始兑现；
• N1X：基于RTX Spark的PC处理器按计划2026年秋季上市，打开消费级战场；
• Blackwell Ultra（B300）：租用价格参考Nebius口径约9.50美元/GPU小时，仍是当前租赁市场的重要基准；
• 后续代际：Rubin Ultra等后续路线待发；
• 生态动作：NVLink Fusion持续开放生态，NVHBM定制内存方案推进。

产品/计划	Q4状态
Vera Rubin NVL72	2026下半年持续放量
N1X	秋季上市
B300租用	9.50美元/GPU小时（Nebius口径）
Rubin Ultra	待发布
NVLink Fusion / NVHBM	生态开放与定制内存推进

AMD：Helios从首发出货到Q4爬坡​

AMD在Q4的核心任务是交付：

• Helios机架：MI455X首批出货目标Q3末，Q4进入量产爬坡阶段；
• 客户部署：OpenAI 6GW、Meta 6GW部署合作推进中，微软作为首批客户计划2026年下半年交付；
• MI430X：驱动欧洲LUMI-AI超算，拓展科学计算场景；
• ROCm：软件生态继续补齐；
• 下一代：Helios II / MI500级产品路线待公布。

华为：昇腾950DT上市与云服务全球商用​

华为Q4的关键节点最为明确：

• 昇腾950DT：Q4上市，报价超25万元；
• 昇腾950智算集群云服务：9月30日已国内商用，11月30日全球商用；
• 960系列：计划2027年接棒，970/980排在2028-2029年。

阿里平头哥：真武V900量产倒计时​

平头哥的时间表指向2027年：真武V900计划2027年Q1量产上云，配套磐久AL128与50万卡集群规划；J900排期2027年Q3。Q4将进入量产前最后的验证阶段。

OpenAI/博通 Jalapeño：多吉瓦部署推进​

OpenAI与博通合作的Jalapeño定制芯片规格已明确：13.4 PFLOPS（4-bit精度）、232GB内存，多吉瓦部署规划正在推进。这枚自研芯片的量产进度，将直接影响OpenAI未来的算力自给率。

关键变量：三大约束​

Q4的交付兑现程度，将取决于三个外部约束：

1. HBM供给：戴尔CEO警告2027年可能比2026年更紧缺，HBM产能是所有GPU路线图的共同瓶颈；
2. 国产涨价传导：昇腾950DT涨价20%-50%、寒武纪690涨价20%-30%（路透，HBM成本驱动），涨价将传导至国产算力服务价格；
3. 电力约束：Emerald AI/Google/NVIDIA成立的AEMA电网响应模式，预示电力正在成为算力扩张的第一性约束。

三条观察建议​

基于上述事实，给三类角色的观察点（非投资建议）：

• 采购方：昇腾950DT与寒武纪690的涨价幅度表明国产算力已进入卖方市场，锁量谈判宜早不宜迟；同时关注Helios Q4实际爬坡数据，作为第二供应源评估依据；
• 开发者：ROCm生态补齐与NVLink Fusion开放，意味着2027年异构算力混布的软件门槛正在降低，可提前在推理侧做多框架适配；
• 投资者：可跟踪的公开观察点包括——Helios首批交付兑现情况、昇腾950云服务11月30日全球商用落地、HBM价格走势对各家毛利率的影响信号。

小结​

2026年Q4是"交付验证季"：NVIDIA Rubin放量、AMD Helios爬坡、昇腾950DT上市与云服务全球商用、平头哥V900量产倒计时——各家计划均已排定，剩下的变量集中在HBM供给、涨价传导与电力约束三点。所有时间节点以"计划/预计/排期"口径为准，Q4末回看兑现率，就是对2027年格局的最好预判。

从"国产兼容显卡"到"硬件光追+AI生成式渲染"，摩尔线程正在完成一次技术范式层面的跃迁——而AI算力与游戏GPU的双线并进，让这次跃迁有了更厚实的商业底座。

"庐山"来了：15倍渲染、50倍光追、64倍AI​

2026年9月3日，摩尔线程在半年度业绩说明会上介绍了下一代高性能图形渲染芯片规划：基于**"花港"架构的新一代GPU——"庐山"**，预计实现三大性能跃升：

• 3A游戏渲染性能提升15倍
• 光线追踪性能提升50倍
• AI性能提升64倍

官方计划于2026年底推出"庐山"芯片（上市时间以官方发布为准）。这三个数字放在一起，勾勒出的不是一次常规的代际迭代，而是一次"重写底座"式的升级：光追50倍意味着硬件光追从"支持"走向"实用"，AI性能64倍则预示着AI能力将从图形附庸升级为核心卖点。

两大核心渲染技术​

"庐山"的性能跃升背后，是两项核心渲染技术支撑：

其一是实时光线追踪。"庐山"基于花港架构设计了硬件光线追踪加速引擎，并支持DirectX Raytracing（DXR）。此前国产GPU普遍通过软件手段或有限硬件支持来兼容光追，而专用加速引擎+DXR支持的组合，意味着"庐山"将具备与主流游戏引擎光追管线对接的能力——这是3A游戏生态的门票。

其二是AI生成式渲染AGR。摩尔线程推出全自研的MTAGR 1.0技术，推动渲染范式"从计算走向生成"。传统光栅化渲染是逐像素计算的暴力美学，而生成式渲染借助AI模型直接生成画面细节，用更少的算力换更高的画质与帧率。NVIDIA的DLSS、AMD的FSR已验证了AI超分路径的价值，MTAGR 1.0则是国产GPU在渲染范式变革上的主动跟进——且选择直接押注"生成"而非仅仅"超分"。

双线并进：游戏GPU与AI算力​

"庐山"的故事不止于游戏。摩尔线程2026年的商业化进展呈现出游戏与AI算力两条腿走路的格局：

时间	事件	意义
此前	登陆科创板上市	打开资本通道，支撑高研发投入
9月3日	半年度业绩说明会公布"庐山"规划	图形GPU技术路线图明确
9月19日（报道）	京东云与摩尔线程合作万卡级集群部署上线	国产GPU万卡集群规模化落地
9月23-27日	数贸会（杭州）展示AI智算卡、万卡级集群	展示"模型训练工厂/词元生产工厂/智能体生产工厂"

在杭州数贸会上，摩尔线程展示的产品覆盖云-边-端全场景：AI智算卡、万卡级集群，以及面向大模型生命周期的"模型训练工厂""词元生产工厂""智能体生产工厂"。这套叙事与京东云万卡集群的落地相互印证——摩尔线程的AI算力业务已经从"卖卡"进入"卖集群、卖工厂"的深水区。

技术跃迁的深层逻辑​

回顾国产GPU的发展路径，第一代产品的核心命题是"兼容"——让Linux桌面、办公软件、视频播放跑起来；而"庐山"的命题变成了"范式"——硬件光追对接主流3A管线、AGR参与全球渲染范式变革、AI性能面向大模型时代。从跟随式兼容到范式级参与，这是国产GPU厂商第一次在图形技术方向上与国际一线站在同一条起跑线附近。

AI性能提升64倍的目标也值得放在行业背景下解读：图形与AI本就同源，硬件光追引擎与AI算力单元共享大量基础能力。"庐山"把AI性能提升作为核心指标，说明花港架构在设计之初就为图形+AI双重负载做了统一规划。

小结​

"庐山"GPU承载着摩尔线程的三重跨越：技术上，从软件兼容走向硬件光追与MTAGR 1.0生成式渲染的范式创新；产品上，从单一显卡走向云-边-端全栈布局；商业上，从科创板上市到京东云万卡集群落地，AI算力与游戏GPU双线并进。3A渲染15倍、光追50倍、AI性能64倍的目标能否兑现，要等2026年底产品揭晓（以官方发布为准），但方向已经清晰：国产GPU不再满足于"能用"，而是开始追求"领先"。

2nm不再只是制程路线图上的一个名词，它已经成为AI算力竞赛的物理基础。AMD MI455X的问世，宣告最先进制程正式进入AI加速器的主战场。

MI455X：首款N2制程AI GPU登场​

2026年7月23日，AMD在Advancing AI活动中正式发布基于CDNA 5架构的MI455X。而在Hot Chips 2026上，AMD首次公开了这款芯片的chiplet级细节，其中最重磅的信息是：8个加速复杂裸片（XCD）采用台积电N2（2nm）制程制造，这使MI455X成为业界首款采用N2的AI GPU。

N2是台积电首个量产的2nm节点，也是其首次在逻辑制程中采用GAA环绕栅极晶体管的第二代演进。把旗舰AI加速器的主力计算裸片押注在新节点上，AMD对2nm良率与产能的信心可见一斑。

Chiplet架构深度解析​

MI455X的架构设计体现了"异构集成极致化"的思路：

部件	制程/规格	关键参数
8个XCD计算裸片	台积电N2（2nm）	3D混合键合（Hybrid Bonding）堆叠
Fabric/Cache/IO裸片	台积电N3P	承担互连、缓存与外围功能
封装	CoWoS-L	台积电先进封装
晶体管总数	—	3200亿
HBM4	12个堆栈	432GB、23.3TB/s带宽
全局L2缓存	—	192MB

几个值得注意的设计选择：

• 3D混合键合：8个XCD不再仅靠2.5D互连并排摆放，而是通过3D混合键合垂直堆叠集成，大幅缩短裸片间信号路径、提升互连密度。
• 制程分工：计算裸片用最先进的N2追求性能与能效，而fabric/cache/IO裸片采用更成熟、成本更低的N3P——这是chiplet时代"好钢用在刀刃上"的典型做法。

内存与算力：对MI355X的代际跃升​

对比上一代MI355X，MI455X在内存和算力两个维度都实现了跨越：

指标	MI355X（HBM3E）	MI455X（HBM4）	提升幅度
显存容量	288GB	432GB	1.5倍
总带宽	—	23.3TB/s	约2.9倍
MXFP4算力	—	40.26 PFLOPS	4倍
MXFP6/MXFP8算力	—	各20.13 PFLOPS	—

低精度数据格式的全面支持是CDNA 5的重点：MXFP4算力达到MI355X的4倍，直接面向当前主流的大模型FP4推理与训练场景。

架构演进：Wave32、超越函数引擎与数据搬运器​

除了制程和规格，MI455X在微架构层面有三处关键改动：

1. 原生Wave32执行：从传统Wave64转向原生Wave32，降低指令延迟与寄存器压力，让SIMD单元利用率更高，尤其利于注意力机制等不规则计算负载。
2. 超越函数引擎：新增专用引擎加速attention中的数学运算（如指数、归一化等超越函数），直击Transformer推理的热点。
3. Tensor Data Mover：专门的数据搬运单元，减少计算单元在数据调度上的空转，提高实际有效算力占比。

这三项改动共同指向一个目标：让纸面PFLOPS尽可能转化为真实吞吐。

2nm量产竞速：台积电、三星与Intel的三角格局​

MI455X只是2nm竞赛的开局。2026年9月的报道显示，三星正联合台积电推进2nm AI芯片制程，目标2027年量产，能效比提升40%。两大代工厂不约而同地把2nm的市场切入点选在AI芯片上——因为只有AI客户能承受先进制程的晶圆成本，也只有AI负载能把每瓦性能的价值放大到极致。

另一边，Intel Foundry的High NA EUV已累计处理超过100万片晶圆（截至2026年9月21日当周的报道），在1.4nm及以下节点上，Intel试图用High NA EUV实现技术反超。代工三强的2nm/1.4nm竞速，本质上是在为2027年之后的AI芯片订单排兵布阵。

能效比：下一个主战场​

为什么整个行业都在押注2nm？答案不是峰值算力，而是能效比。当单个训练集群的功耗达到数百兆瓦时，制程每提升一代带来的每瓦性能改善，会直接折算成电力基建成本和运营费用的下降——这正是前文所述"算力竞赛变成电力竞赛"的技术呼应。三星与台积电宣传的"能效比提升40%"，对应的正是客户最痛的那根神经。

小结​

MI455X用8个N2制程XCD、3D混合键合、3200亿晶体管和432GB HBM4，把AI GPU的工程上限推到了新高度；而Wave32原生执行、超越函数引擎和Tensor Data Mover则展示了微架构层面让算力"落地"的努力。随着三星/台积电剑指2027年2nm量产、Intel以High NA EUV蓄力，先进制程与AI算力已经深度捆绑。2nm时代的开启意味着：未来AI芯片的竞争，将在原子尺度上决出胜负。

在Agentic AI重塑算力需求结构的当下，平头哥首次公开倚天服务器CPU发展蓝图——全自研微架构与ICN总线直连，是这份路线图最值得关注的两个关键词。

云栖大会：倚天蓝图首次公开​

2026年9月22日的云栖大会上，平头哥首次公开倚天系列服务器CPU的发展蓝图：2027年将推出倚天720与倚天730两款服务器CPU。这是平头哥第一次以路线图的形式，系统性地向外界展示倚天CPU的演进节奏——从"发布单点产品"到"公布多代路线"，意味着倚天系列的研发与规划已经形成了清晰的代际滚动机制。

型号	推出时间	核心亮点
倚天710	已商用	现役主力，后续产品的性能基准
倚天720	2027年	单核性能、核密度与能效全面提升
倚天730	2027年	首次基于平头哥全自研CPU微架构设计，单核SPECint2017/GHz性能最高提升至倚天710的1.4倍
倚天750	时间未公开	基于第二代自研核，支持平头哥自研ICN片间互联总线协议

倚天720与倚天730：差异化分工​

两款2027年的新品各有侧重。倚天720走的是"全面均衡"路线：单核性能、核密度与能效三项指标同步提升，面向通用算力场景的规模化部署——在数据中心机柜功率与空间约束日益收紧的背景下，核密度与能效的提升直接决定了单位机柜可承载的算力上限。

倚天730则是更具突破意义的一代：它首次基于平头哥全自研CPU微架构设计，单核SPECint2017/GHz性能最高提升至倚天710的1.4倍。SPECint2017/GHz衡量的是单位频率下的整数性能（即IPC水平），1.4倍意味着微架构层面的显著优化，而非单纯依靠频率或制程红利。从"基于授权架构"到"全自研微架构"，这是服务器CPU自研道路上最关键的一次跨越——它决定了后续每一代产品能否摆脱外部授权的节奏约束。

ICN总线：CPU与AI芯片的直连时代​

路线图中另一个关键角色是ICN片间互联总线协议。根据蓝图，基于第二代自研核的倚天750将支持平头哥自研的ICN总线协议，倚天CPU与真武AI芯片之间可通过ICN总线直接互联，进一步提升CPU与AI芯片的协同效率。

这一设计直指传统架构的痛点：在现有体系中，CPU与AI加速卡之间通常通过PCIe等通用互联通信，带宽与延迟都存在损耗，而这些损耗恰恰发生在数据预处理、梯度同步、通信协同等高频环节。ICN总线让CPU与AI芯片"原生对话"，相当于把CPU纳入AI集群的整体互联拓扑，而非让它们停留在AI芯片的"外围"。

Agentic AI时代的CPU需求分化​

平头哥此时公布CPU路线图，并非偶然。其背景是Agentic AI正在驱动CPU需求分化：智能体应用大规模兴起后，CPU不再是AI服务器里"配平"的角色——Agent的调度、编排、数据处理与轻量推理，对CPU的核密度、能效与协同能力都提出了新要求。通用CPU与AI算力的配比、互联方式，都在被重新设计。

同期发布的真武V900构成了这套蓝图的全栈拼图：216GB显存、1200GB/s片间互联、支持50万卡集群。叠加倚天CPU经ICN总线直连的能力，阿里云正在构建"AI芯片+CPU+网络"的全栈算力体系——芯片自研、互联自研、CPU自研，三层能力的耦合度越高，系统的整体效率上限就越高。

小结​

倚天720/730定档2027年、倚天730首次采用全自研微架构、单核SPECint2017/GHz性能最高提升至倚天710的1.4倍，再加上ICN总线与真武AI芯片直连的规划、真武V900（216GB显存、1200GB/s片间互联、50万卡集群）的全栈拼图，平头哥给出了一条清晰且野心不小的CPU自研路线。在Agentic AI驱动的算力变革中，"AI芯片+CPU+网络"的全栈协同能力，或将成为云厂商竞争的下一个分水岭。

2026 年 9 月 17 日，华为全联接大会（HC2026），华为常务董事、ICT 基础设施业务总裁汪涛正式发布昇腾 960。与 8 月数字中国峰会上的"路线图预告"不同，这次是完整的规格官宣——而且提前三个季度就绪。本文基于华为官网新闻稿及多方报道整理，逐项拆解 960 的规格、超节点与路线图含义。

---

1. 昇腾 960：双版本，训练先行​

昇腾 960 分为两个版本，节奏错开一个季度：

指标	昇腾 960DT（训练版）	昇腾 960PR（推理版）
FP8 算力	2 PFLOPS（较 950 翻倍）	待披露
FP4 算力	4 PFLOPS	待披露
显存	288GB（自研 HBM）	待披露
显存带宽	9.6 TB/s	待披露
配套超节点	Atlas 860（风冷）	Atlas 960（液冷）
就绪 / 上市	2027 Q1 / 2027 Q2	2027 Q3

三个读数：

• 提前三个季度就绪：960DT 原计划 2027 年 Q4，现在 2027 Q1 就绪、Q2 上市——与 950DT"提前上线华为云"一脉相承，路线图可信度在持续兑现；
• 精度口径与英伟达对齐：FP8 / FP4 主口径（辅以自研 HiF8 / HiFP8），FP4 已是 2026 新卡的通用口径；
• 288GB 自研 HBM + 9.6TB/s：显存容量与带宽同步翻倍，对训练长上下文大模型是实打实的容量红利。

单卡规格详见昇腾 960 规格页；上一代昇腾 950DT 规格页。

2. 昇腾 960 超节点：全球首个 NPO 超节点​

这是本场发布真正的"重器"——昇腾 960 超节点是全球第一个采用 NPO（近封装光学）的超节点：

指标	昇腾 960 超节点
单节点规模	4096 卡
系统算力	8 EFLOPS FP8 / 16 EFLOPS FP4
HBM 总容量	1 PB
互联 RTT	低至 2μs
可用度	99.8%

NPO 意味着什么：传统光模块挂在交换机面板上，信号要先出封装再转电—光；NPO 把光引擎挪到交换芯片封装近旁，大幅缩短 SerDes 距离、降低功耗与时延。华为的具体数字：

• 5500 个自研 Hi-ONE 光引擎（业界首个量产 NPO，单引擎 7.2T）；
• 替代 4.8 万颗 800G 光模块；
• 降低功耗 550kW 以上，同时支撑 2μs 级互联时延。

对比 8 月数字中国峰会的口径（Atlas 960 单超节点 15488 卡），官方最新口径为单超节点 4096 卡（1 个超集群可由多超节点组成）——以华为官网最新新闻稿为准。

⚠️ 华为还给出了"MFU 提升 2.75 倍""推理时延降低 70%"等收益数据，均出自华为马尔科夫实验室仿真，尚无独立第三方实测，阅读时注意口径。

3. 一年一代：970（2028）→ 980（2029）​

华为首次把"一年一代"从愿景变成官宣承诺：

年份	产品	状态
2026	昇腾 950 系列	950PR 已量产，950DT Q4 放量
2027	昇腾 960	本次官宣，提前就绪
2028	昇腾 970	HC2026 确认
2029	昇腾 980	HC2026 确认

支撑这一节奏的是华为提出的"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。

生态侧的同场数据也值得记录：CANN 外部开发者占比首次超过 61%、月活开发者 5200 人；910C 超节点部署已超 1000 套。

4. 竞争坐标：单卡有代差，系统级对打​

把 960DT 放到 2027 年的棋盘上看：

• 对 NVIDIA Rubin（R200：288GB HBM4 / 50 PFLOPS FP4）：单卡 FP4 算力约为 R200 的 8%（4 vs 50 PFLOPS），单卡代差客观存在；但 4096 卡超节点 + NPO 互联是系统级竞争——用"可交付的超大集群"对打单卡性能；
• 对采购方：960 的价值主张是"在国产量产约束内拿到最大可用集群"。DeepSeek 拟采购 16 万颗 950DT 跑推理的订单已经证明：当供给与生态到位，头部实验室愿意主动选国产；
• 对国产链条：950→960 的显存翻倍直接拉动国产 HBM 迭代，这是整条链的胜负手。

5. 小结​

• 960DT：FP8 2P / FP4 4P、288GB HBM、9.6TB/s，2027 Q2 上市，提前三个季度；
• 960 超节点：全球首个 NPO 超节点，4096 卡 / 8 EFLOPS FP8 / 1PB HBM / RTT 2μs；
• 路线图：一年一代官宣至 2029，950、960 均提前兑现，规划可信度显著上升；
• 看什么：2027 Q2 实际交付节奏、国产 HBM 产能、CANN 生态的第三方模型覆盖度。

---

相关阅读​

• 昇腾 960 规格页（本站，含双版本与超节点完整参数）
• 国产三强 2026 H2：国产化率突破 40% 向 60% 迈进（已按 960 官宣更新）
• 2026 H2 AI 芯片路线图重大更新（已按 960 官宣更新）
• 昇腾 950 超节点 Q4 上市，中兴、新华三、曙光全线跟进

参考资料​

• 华为官网：发布全球首个采用 NPO 的超节点（昇腾 960 超节点）（2026-09-17）
• 电子工程专辑：国产 AI 芯片新突破！华为昇腾 960 芯片将提前发布
• 环球网：华为全联接大会 2026 主题演讲报道

本文基于华为官网新闻稿与公开报道整理。MFU、时延等收益数据为华为实验室仿真口径；2028 / 2029 产品仅为路线图官宣，规格以未来发布为准。

本文基于 AWS 与 NVIDIA 官方公告（2026 年 9 月 5 日）及双方高管公开表态整理。

2026 年 9 月 5 日，AWS 与英伟达宣布扩大战略合作：在 GTC 2026 已宣布的「2026 年起新增 100 万颗 GPU」计划之上，再追加部署 200 万颗 NVIDIA GPU，覆盖 Blackwell Ultra、Rubin 与 Rubin Ultra 三代架构，时间窗口为 2027-2028 年。需求增长超出此前所有预测，是双方给出的直接理由。

这不再是单纯的「买卡」，而是一次覆盖 GPU、CPU、互联、内存、开源模型与软件的全栈合作。我们把关键信息拆成六点。

一、200 万颗 GPU 的构成与节奏​

• 规模：200 万颗（在原有 100 万颗计划之上追加，总承诺规模翻了三倍）
• 架构：Blackwell Ultra、Rubin、Rubin Ultra
• 时间：2027-2028 年，部署于 AWS 全球基础设施（含新建 AI 工厂）
• 背景：亚马逊 2026 年资本支出指引已从 2000 亿美元上调至 2200 亿美元，CEO 安迪·贾西明确表示仍不足以满足 AI 算力需求

作为参照，GTC 2026 上黄仁勋给出的口径是：Blackwell 与 Rubin 两大平台至 2027 年的累计订单与需求规模已上看 1 万亿美元（GTC 2025 时对 2026 年的判断约为 5000 亿美元）。AWS 的加购是这个大盘子里最重的一块拼图之一。

二、Vera CPU 首次登陆 AWS​

这是本次合作里最具结构性的变化：NVIDIA Vera CPU 基础设施将进入 AWS。

Vera CPU 是 Vera Rubin 平台中面向 agentic AI 设计的通用处理器，定位是把 AI 资源高效转化为「完成的智能体任务」。随着智能体工作负载兴起，CPU 侧的任务编排、内存管理、数据调度压力同步上升——纯 GPU 扩容已经不够，AWS 需要与之配套的高性能 CPU 层。这也与 AWS「从自研芯片（Graviton/Trainium）到合作伙伴芯片提供最广算力选择」的策略一致：Vera 不替代 Trainium，而是补齐加速基础设施旁边的 CPU 算力层。

三、NVLink Fusion × NVHBM：开放架构走向纵深​

在 re:Invent 2025 上，AWS 宣布下一代 Trainium 芯片支持 NVIDIA NVLink Fusion 高速互联。本次双方把合作再推进一步：

• 亚马逊 Annapurna Labs 将支持英伟达新的定制高带宽内存 NVHBM（与内存供应商合作开发）
• Trainium 由此可以获得更快、更省电的内存选项
• Trainium 与 GPU 可以在同一机架级架构内协同，共享 scale-up 互联

对芯片行业来说，这是一个值得盯紧的信号：NVLink Fusion + NVHBM 意味着英伟达的互联与内存技术开始向竞品 ASIC「供货」。自研 ASIC 阵营（Trainium、TPU、MTIA）与英伟达 GPU 阵营的边界，正在从「二选一」变成「混布」。

四、10 万颗 GPU：美国政府主权 AI 工厂​

合作中专门划出一块公共部门业务：AWS 与英伟达将为美国政府建造 AI 工厂，在安全 AWS 基础设施上部署 10 万颗 GPU，承载联邦与国家安全负载（Impact Level 6 及以上），支持在强监管框架内开发先进 AI 模型。

主权 AI 从口号变成明确数字，是本轮周期的显著特征——政府客户正在成为 AI 算力的一等买家。

五、软件与物理 AI 同步深化​

硬件之外，软件层合作也在加码：

• NVIDIA Nemotron 开源模型继续登陆 Amazon Bedrock 与 SageMaker
• Amazon EMR 数据处理与 OpenSearch 向量索引用 cuDF / cuVS 加速
• Amazon Robotics 正式采用 NVIDIA 物理 AI 平台（Jetson、Omniverse、Isaac），用于仓储自动化与下一代机器人

物理 AI（机器人、具身智能）正在成为云厂商算力叙事的新增长极，这与国内京东、特斯拉等把具身智能写进算力采购逻辑是同一趋势。

六、对算力买家的启示​

观察	含义
需求「跑赢所有预测」	供给紧张不是短期现象，2027-2028 的算力窗口现在就要锁定
三代架构混采	Rubin/Rubin Ultra 量产爬坡期间，Blackwell Ultra 仍是交付主力，采购需要跨代规划
CPU 层被重估	agentic AI 把瓶颈从 GPU 推向 CPU 编排与内存带宽，选型时别只盯加速卡
主权 AI 落地	政府级订单入场，进一步收紧高端 GPU 的可分配供给

对自建与租用的决策者而言，云巨头的每一次天量加购都在重定价未来的租金曲线。如果你正在评估 GPU 采购或租用方案，建议用 TCO 计算器 做一次量化测算：输入芯片价格、功耗、利用率与租用单价，即可对比 3 年持有成本。

小结​

200 万颗 GPU、Vera CPU 上云、NVHBM 开放、10 万颗主权算力——AWS 与英伟达这轮扩盟把「AI 工厂」竞赛推进到全栈时代。算力的稀缺性在 2027 年之前大概率只紧不松，无论是买卡、租卡还是押注国产替代，尽早锁定供给与成本曲线，都是当前最确定的动作。

（本文数据均来自 AWS/NVIDIA 官方公告与双方高管公开表态；架构性能口径以厂商发布为准。）

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 100	2025-10	2026 H2	机架级 AI 推理，768GB LPDDR/卡
AI 250	2025-10	2027 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
950PR	2026-Q1	PR（推理优化），已量产
950DT	2026-Q4	DT（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
HBM	288GB HBM4
算力	50 PFLOPS FP4
NVLink	NVLink 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	2027	2027

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）
1	NVIDIA	Rubin R200	70%
2	AMD	MI455X	15%
3	Google	TPU v8t	10%
4	华为	昇腾 950 / 960	5%（中国为主）

推理市场（新战场）​

排名	厂商	产品	优势
1	NVIDIA	H200 / Rubin CPX	生态成熟
2	Qualcomm	AI 200	低 TCO
3	AMD	MI440X	兼容性好
4	Intel	Gaudi 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