106 posts tagged with "Industry News"

距离第一代 Maia 100 发布两年多之后，微软的第二代自研 AI 加速器 Maia 200 终于从传闻走向量产部署。这枚专为推理打造的芯片，正在改写 Azure 的成本结构。

从跳票到落地：Maia 200 的问世之路​

微软的自研芯片计划于 2023 年 11 月首次公开，与 Cobalt CPU 同期亮相。但 Maia 系列的推进并不顺利，据公开报道，设计变更与人员流失曾迫使时间表一再推迟，量产节点最终落到 2026 年。2026 年 1 月 26 日，微软正式发布 Maia 200，部署几乎随后展开，从首颗封装芯片到机柜上线的时间据称缩短至同类项目的一半以内。

这枚芯片的核心参数相当激进：台积电 3 纳米工艺，单颗集成超过 1400 亿晶体管；配备 216GB HBM3e 显存，带宽达 7TB/s，另有 272MB 片上 SRAM 与专用 DMA 引擎；在 750W 的 SoC 功耗包络内，提供超过 10 PetaFLOPS 的 FP4 算力与超过 5 PetaFLOPS 的 FP8 算力。微软称其 FP4 性能是亚马逊第三代 Trainium 的 3 倍，FP8 性能超过谷歌第七代 TPU，每美元性能较 Azure 现有最新硬件提升 30%。

标准以太网上的超大推理集群​

Maia 200 在系统层面有一个鲜明取舍：放弃私有互联协议，全面基于标准以太网构建两层 Scale-up 网络。每颗加速器提供 2.8TB/s 的双向专用带宽，单个托架内四颗芯片通过直连链路全互联，机架内与机架间则统一采用 Maia AI 传输协议，集群规模最大可扩展至 6144 颗加速器。

这套设计的商业逻辑很直白：推理是 Azure 每天承载的最大负载，而以太网生态的成熟度与成本优势远非私有协议可比。配合第二代闭环液冷换热单元和与 Azure 控制平面的原生集成，微软宣称这是其迄今部署过的效率最高的推理系统。

服务 GPT-5.2 与 Copilot，但不取代英伟达​

Maia 200 首批部署在爱荷华州德梅因附近的 US Central 区域，亚利桑那州菲尼克斯附近的 US West 3 区域紧随其后。它将承载 OpenAI 最新 GPT-5.2 系列模型的推理、Microsoft Foundry 与 Microsoft 365 Copilot 服务；微软超级智能团队也用它进行合成数据生成与强化学习，为下一代自研模型供料。与此同时，微软开放了 Maia SDK 预览，包含 Triton 编译器、PyTorch 支持与模拟器等工具。

值得注意的是，纳德拉明确表示微软将坚持"自研加外购"的双轨策略，继续向英伟达和 AMD 采购芯片。Maia 200 的定位是异构算力矩阵中针对推理优化的一环，而非全面替代。微软 2026 财年第一财季资本开支高达 349 亿美元，自研芯片每一分省下的成本，都直接体现在 Azure AI 的利润率上。

小结​

从 Maia 100 的试水到 Maia 200 的规模化部署，微软用两年多时间补上了超大规模云厂商自研芯片这块拼图。据公开报道，接替者 Maia 300 已在设计之中，时间线指向 2027 年。在谷歌 TPU 已开始对外销售、亚马逊 Trainium 加速扩张的背景下，Maia 系列的每美元性能优势，将决定 Azure 在 AI 推理时代的议价能力。

NVIDIA 与 OpenAI 宣布达成一项足以改写 AI 基础设施格局的战略伙伴关系：NVIDIA 承诺最高1000亿美元投资，用于加速 OpenAI 下一代 AI 数据中心的建设与部署。这是目前 AI 行业规模最大的单一投资承诺之一。

当一家公司的九成收入来自同一个业务板块，而这个板块里又有三分之一以上来自两三个客户，财报阅读的方式就必须变了：你读的不只是一家公司的业绩，而是一张全球AI算力供需的压力表。

收入几乎全部押注数据中心​

英伟达2026财年（截至2026年1月25日）交出的成绩单是：全年营收2159.4亿美元，同比增长65%；GAAP净利润1200.8亿美元。其中数据中心业务贡献1934.8亿美元，同比增长68%，占总营收约89.7%。也就是说，游戏、专业可视化、汽车等所有其他业务加起来，只占一成出头。

第四财季的拆分更能说明结构变化：数据中心收入623.1亿美元，同比增长75%；其中计算业务（主要是GPU与系统）513.3亿美元，同比增长58%；网络业务109.8亿美元，同比增长263%。网络收入的爆发式增长来自GB200与GB300系统配套的NVLink交换机以及Spectrum-X以太网平台的交付放量——这说明英伟达卖的已经不再是"一颗芯片"，而是整机柜级别的系统，网络互连正在成为第二增长曲线。

客户集中度：36%的收入来自两个名字​

真正的看点在客户结构。根据英伟达10-K文件披露，2026财年有两位直接客户分别贡献了总营收的22%和14%，两家合计36%。此前三季报披露的口径更细：2026财年第三季度，四家直接客户分别占22%、15%、13%和11%。同时，第四财季全球前五大云服务商和超大规模企业合计贡献了数据中心业务50%以上的收入。

这些匿名客户几乎可以确定是大型云厂商与系统集成商。对英伟达而言，这意味着收入基础并没有随着规模扩大而分散，反而在加速集中；对投资者而言，任何一家头部云厂商调整资本开支节奏，都会被放大传导到英伟达的收入表上。此外英伟达自己也在10-K中提示，部分间接最终客户的采购规模可能达到总营收的10%以上——集中度是双向的。

主权AI与采购义务：两个被低估的信号​

除了云大厂，2026财年主权AI业务贡献了超过300亿美元收入，采购方主要分布在加拿大、法国、荷兰、新加坡和英国。这为高度集中的客户结构提供了一定的对冲，但也意味着这块收入与政府预算周期高度绑定。

更值得关注的是资产负债表：期末"采购义务"（向台积电等供应商支付的不可取消采购合同）飙升至950亿美元，而一年前只有约160亿美元。这是英伟达在用真金白银为未来几个季度的出货背书。管理层给出的2027财年第一财季指引为780亿美元，且明确不含中国市场收入的假设。

研判：集中度是价签，也是风险敞口​

英伟达的财报正在变成一个宏观指标：S&P 500中其权重一度达到7.58%（据2026年3月底的ETF披露口径），这意味着英伟达股价每波动30%，指数本身就会被拖动约2.3个百分点，而财报中的客户集中度又把云厂商资本开支与这根杠杆直接焊在一起。收入结构上，计算与网络的双轮驱动、主权AI与系统级出货的放量，都指向2027财年继续增长的确定性；但36%收入系于两个客户的事实提醒我们：这份财报的核心风险不是需求，而是需求方的单一性。读懂英伟达，本质上是读懂少数几家公司的资本开支意愿。

每一台GB300机柜从台系代工厂的产线走向北美数据中心，都会在财报上留下痕迹。2026年，这些痕迹汇聚成一场收入海啸：单月营收年增近九成、全年AI服务器营收翻倍目标、单季出货上万柜。但繁荣的背面，是毛利率被压缩到个位数、现金流被库存吞噬的另一本账。

海啸有多猛：营收数字的集体跳涨​

先看台系ODM阵营2026年的成绩。广达3月合并营收3628亿元新台币，月增68.3%、年增88.4%，创单月历史新高，第一季度营收8092亿元、年增66.6%；纬创3月营收3330亿元、年增118%，第一季度8463亿元、年增144%。更早的1月数据同样惊人：鸿海年增35.5%，广达年增61.9%，纬创年增151.5%，服务器代工专业户纬颖年增121.9%。

增长的核心引擎是机柜级AI系统。广达确认2026年第一季度GB300系列出货量已超过GB200，并维持全年AI服务器营收翻倍的目标；纬创2025年出货约5万柜英伟达AI服务器，2026年预估提升至7.5万柜，年增50%，订单能见度已到2027年。广达与鸿海均评估2026年AI服务器业务将实现三位数百分比成长。

OEM 的另一面：超微的高营收与紧现金流​

美系OEM代表超微（Supermicro）交出的账本更能说明行业的天花板与地板。据第三方研究机构基于其财报的拆解，超微2026财年净销售收入达390.6亿美元，同比增长78%，其中GPU与整机柜配置增长83.4%；净利润同比增长113%至22.3亿美元。但代价同样醒目：毛利率仅10.82%，同比还在下滑；经营现金流为负68亿美元，现金转换周期拉长到约169天，存货堆积至103亿美元，另有342亿美元的不可取消采购承诺压在身上。

这组数字揭示了AI服务器生意的商业模式真相：组装厂赚的是"流水钱"——收入巨大、利润极薄、营运资金占用极重。组件成本里昂贵的硅片占比越来越高，机箱与组装的增值空间被进一步压缩，规模不赚毛利、只赚周转。

隐忧清单：三重挤压正在形成​

机遇之下的隐忧值得逐条列出。其一是利润挤压：ODM毛利率普遍在个位数徘徊，AI服务器占比越高、越接近"过手贸易"的财务特征，一旦上游降价或客户压价，缓冲空间极小。其二是资本开支重担：纬创追加近90亿元新台币购置新竹厂房设备、在美国德州设厂，ODM们被迫从轻资产走向重资产，以换取关键客户的独占份额。其三是客户与代际风险：每一代GPU平台切换都是一轮淘汰赛，未能切入新平台供应链的厂商将被迅速甩开；而云厂商自研整机（如开放机架规范）的推进，也在长期侵蚀传统ODM的设计价值。

研判：海啸之后，看谁能把流水变成利润​

AI服务器代工的黄金窗口至少延续到2027年——订单能见度、Vera Rubin平台切换与北美资本开支共同托底，收入海啸不会退潮。但行业内部将剧烈分化：能同时拿下机柜设计权、液冷交付能力与多平台卡位的头部ODM，会把规模优势转化为议价权；纯组装型玩家则可能陷入"增收不增利加现金流紧绷"的Triple挤压。观察下一阶段的两个关键指标：一是机柜级订单中自主设计（而非纯代工料件）的占比，二是现金转换周期能否从极端水位回落。海啸所有人都能淋到，但只有学会冲浪的厂商能把浪头变成护城河。

据 The Gist/The Index Today 10月10日汇总，OpenAI 的商业化图景正以两条相互撕扯的曲线展开：一边是年化营收朝年底约700亿美元的方向快速推进，另一边是 Q2 运营亏损扩大至123亿美元。与此同时，这家公司在企业服务、消费产品与广告变现三条战线上同时铺货，并用数千亿美元级的算力协议锁定未来。本文为您梳理全景。

华为昇腾与寒武纪之外，一批二线国产 AI 芯片厂商正在 2026 年集体进入收获期：上市潮、大厂订单与超节点产品同时落地，国产算力的第二梯队正在成形。

资本市场：从独角兽到上市公司的批量切换​

2026 年是国产 AI 芯片的上市大年。燧原科技的科创板 IPO 已过会并获注册批复，拟募资 60 亿元，公司自研迭代了四代架构、五款云端 AI 芯片；壁仞科技于 2026 年 1 月 2 日在港交所挂牌，开盘大涨 82%，市值一度突破千亿港元，成为港股 GPU 第一股；天数智芯也在 2026 年 1 月登陆港交所。据业界统计，摩尔线程、沐曦等厂商同样在冲刺科创板，"国产 GPU 四小龙"有望在资本市场聚齐。

产品与订单：超节点成为竞争主线​

2026 世界人工智能大会清晰地展示了行业竞争重心的迁移：从单芯片算力比拼转向芯片、高速互联与整机集群的系统级较量。壁仞科技推出基于芯粒架构 BR2xx 芯片的光互连千卡超节点，最多 1024 张 GPU 可共享同一内存空间；燧原科技联合中兴通讯发布的云燧 ESL64-O 超节点采用正交无背板设计，实现零线缆以大幅降低互联成本，其与腾讯云合作的"燎原"智算集群 3.0 已完成数千卡至万卡级部署。

订单侧的突破更具标志性意义。据多家媒体援引消息报道，字节跳动正与天数智芯洽谈采购至少 5 万颗智铠系列云端推理 GPU，若落地将成为继华为、寒武纪之后字节跳动的第三大国产 GPU 供应商；业界普遍认为，国产推理芯片定价约为英伟达同级产品的六到七成，成本优势叠加安全可靠测评的政策导向，正在推动互联网大厂从试点采购转向规模导入。登临科技等专注推理加速的厂商，也在互联网与行业客户中持续推进规模化商用。

生态与隐忧：窗口期不会永远敞开​

软件生态的比拼同样白热化。壁仞科技已对智谱 GLM、DeepSeek、通义千问等 20 余款头部大模型完成当日同步适配，其中 DeepSeek 全系列适配据称仅用数小时；2026 年 5 月，首批 9 款国产芯片获评国家最高安全可靠等级，壁仞、天数智芯等均榜上有名，信创需求的井喷进一步打开了市场空间。

但隐忧同样明确：先进制程产能受限于代工排期，交付能力决定谁能兑现政策红利；英伟达下一代架构随时可能随出口政策变化重返中国市场，国产芯片的时间差优势存在收窄风险。二线厂商能否从"能跑"走向"好用、稳定、规模供货"，仍是决定最终座次的关键。

小结​

2026 年的国产 AI 芯片第二梯队，第一次同时拥有了资本弹药、大厂订单与系统级产品能力。燧原、壁仞、天数智芯的上市潮解决了资金可持续性，超节点与大模型适配解决了生态可用性，剩下的问题——产能与长期竞争力——将在未来两年给出答案。

每一颗AI加速器都绕不开台积电的晶圆。当AI需求以指数级膨胀，"把所有先进制程放在一座岛上"的地缘脆弱性就成了全球供应链最敏感的神经。台积电的答案是把厂搬出去——但搬出去的产能，和留在岛内的产能，并不是同一种产能。

扩建速度翻倍：18座工厂的全球棋局​

在2026年技术论坛上，台积电运营与先进技术工程副总经理田博仁表示，面对AI与高性能运算的强劲需求，公司正以过去两倍的速度加速扩建，全球范围内将新建与改造共计18座半导体工厂，其中包含5座先进封装厂。2025至2026年间，台积电每年可新建约9座工厂，较2017至2024年每年约4座的节奏翻倍。台积电同时预计，2022年至2026年间AI加速器晶圆需求将增长11倍，2纳米及更先进制程产能在2026至2028年的年复合增长率达70%。

亚利桑那：AI 芯片的美国制造心脏​

亚利桑那是这场海外扩张的绝对重心。2026年5月，台积电核准在不超过200亿美元的额度内增资美国子公司，作为去年公布的1650亿美元全球扩建计划的提速动作。英伟达、AMD、苹果等主要客户已预订其产能，台积电还计划在现有基础上继续扩容，考虑使亚利桑那的晶圆厂总数达到8座、封装厂达4座，形成"超级晶圆厂"集群。

关键的战略指标是：未来台积电在美国的产能将占其全球2纳米及更先进制程的约30%。这对AI芯片供给意味着什么？英伟达与AMD最尖端的加速器晶圆将有三分之一产自美国本土，出口管制、关税与地缘风险对这部分产能的扰动模式将完全不同。值得注意的是，亚利桑那厂区已从此前累计约12.5亿美元的爬坡亏损（2021至2024年，据公开报道）转为单季盈利——2026年第一季度盈利约188亿元新台币，超过2025年全年总和。

熊本与德累斯顿：两种完全不同的海外逻辑​

日本熊本与德国德累斯顿的角色定位截然不同。熊本一厂目前量产22与28纳米，台积电披露2026年该厂28与22纳米产出将达2025年的20倍；二厂原本规划6纳米与7纳米，因AI需求强劲已升级为3纳米制程——这是熊本首次触碰先进制程。不过2026年7月底熊本发生的强震一度迫使JASM停工，虽然厂体无损，但也直观展示了"多元化"本身也会遭遇多元化风险。

德累斯顿则压根不是为AI而生。由台积电与博世、英飞凌、恩智浦合资的ESMC聚焦28与22纳米及16与12纳米制程，面向汽车与工业客户，欧洲芯片法案承担了接近一半的资本开支。它解决的是欧洲"汽车芯片完全依赖亚洲"的焦虑，而非AI算力的供给问题。

研判：先进制程的"去中心化"才刚起步​

读懂台积电海外布局的关键，是认清一个事实：目前最尖端的AI芯片制造主力依然留在台湾——2纳米大规模量产由新竹与高雄厂承担，海外产能要到2027年后才逐步接棒先进节点。海外建厂买的是地缘保险与客户信任，付出的则是建厂成本数倍于台湾、工程师与文化磨合的代价。对AI产业而言，未来三到五年会形成一个分层供给结构：美国负责最尖端制程的三成产能，日本承接先进与成熟制程的过渡带，欧洲专注车规与工业。供应链韧性在提升，但供给的定价权，依然牢牢握在新竹的排产会议桌上。

按照IT行业的老经验，服务器硬件三年折旧归零。但H100正在改写这条铁律：机龄一年半到两年半的二手卡仍能保住原价的四分之三以上，2026年甚至出现了挂牌交易的机构化二手市场。AI芯片为何成了科技史上罕见的"硬通货"？

一条反常的价格曲线​

先看数据。多家渠道2026年的报价显示：二手H100 80GB单卡价格大致稳定在1.2万至2.2万美元区间，视成色与渠道而异；英国经销商Servnet报告称，2023年底卖约4万美元的H100如今二手市场成交在1.2万至2.2万美元。硬件金融公司Mercatus追踪的残值曲线显示，机龄18至30个月的H100仍保留75%至85%的价值，60个月后才降至25%至35%的底部区间。

对比之下，消费级显卡在下一代发布后12个月内通常贬值40%到50%。更反常的是租金与售价的背离：据Silicon Data等机构研究，H100按小时计的市场租赁价已从2023年峰值的7至10美元跌至2至4美元，但一年期合约租金却从2025年10月的1.70美元/小时涨到2026年3月的2.35美元/小时——零散供给在跌价，锁定型需求在涨价。

硬通货的三重支撑​

H100保值的第一重支撑是推理经济学。大模型推理对算力的要求低于训练，H100跑推理的单位token成本依然划算，二手买家买的是"每token成本"而非"峰值性能"，这为旧卡创造了长尾需求。第二重是供给端：Blackwell虽在放量，但HBM与先进封装持续受限，新旧交替被拉长，H100大规模退役的时点不断后移。第三重是稀缺的合规供给——据英国《金融时报》援引中国芯片贸易商的报道，一台美国零售约40万美元的DGX B300服务器在中国市场成交价一度超过800万元人民币，同款硬件因法律可及性不同而出现数倍价差，套利需求外溢抬高了全球二手价格。

从灰色交易到机构化市场​

2026年7月，一个面向企业级客户的二手、翻新与富余算力交易平台正式开放，挂牌覆盖H100、H200、B200、A100、L40S等多代产品，询价量从数百台到数万台不等。这标志着二手GPU从零散的电商与拍卖，走向有报价、有质保分层（翻新机较未测试机溢价15%到25%）的机构化市场。与此同时，超过200亿美元的算力抵押贷款依赖残值假设——二级市场给出的可观测价格，让贷款方第一次能用真实数据校准折旧模型。

研判：保值是周期现象，不是永恒规律​

必须清醒地看到，H100的保值建立在"下一代产能受限、推理需求爆发"两个暂时条件上。行业共识是：一旦Rubin世代在2026年底至2027年大规模铺开，H100二手价将再承压10%到20%，残值曲线终会走向传统IT设备的归宿。但这段插曲的产业意义深远：它证明了当算力成为生产资料，GPU就从"设备"变成了"资产类目"，拥有租金、残值、证券化与抵押融资的完整金融属性。对采购方而言，现在的关键是时机——在下一代广泛可用前，H100仍是最抗跌的算力资产。

快科技10月10日消息，AI 代码执行平台 Daytona 公布了最新一轮智能体 AI 基准测试结果：NVIDIA Vera 处理器在沙盒启动速度和任务吞吐量两项核心指标上，均明显优于采用 AMD EPYC "Zen 5" 架构的产品。对正处爆发期的 Agentic AI 行业而言，这是第一次有一组公开数据，把"多智能体场景下的 CPU 选型"这个新命题摆上了台面。

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。

"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。