18 posts tagged with "Roadmap"

大语言模型的算力叙事渐入「推理经济学」阶段，黄仁勋在 GTC 柏林把下一个故事讲得非常具体：物理 AI——让模型走进机器人身体和汽车里。这次不是概念，是参考机型与定点车型。

一、Agile ONE SN：人形机器人参考机​

• 合作方：英伟达 × Agile Robots（思灵机器人）
• 规格：31 个自由度，搭载英伟达计算平台与全套软件
• 节奏：2027 年第一季度上市
• 配套：Isaac 平台大扩展——新增参考人形机器人、数据集、运行时与机器人学习框架更新

「参考机」策略与当年 DGX 对 AI 的意义同构：给硬件生态一个标准靶子，让传感器、执行器、模型开发者在同一平台上收敛。GR00T（人形机器人基座模型）+ Isaac 仿真 + 参考硬件 = 机器人版的「模型-框架-算力」三件套。

二、Hyperion：自动驾驶平台拿下德系定点​

要素	配置
传感器	14 摄像头 + 9 雷达 + 3 激光雷达
计算	双 GPU（Orin/Thor 代际）
定点	Volvo、大众、JLR、奔驰下一代车型
Robotaxi	Bolt（与 Lucid）、Einride 等展示自动驾驶运营用例

德系全线定点是关键信号——自动驾驶平台的市场格局此前由英伟达/高通/Mobileye 三分，奔驰与大众商用车的加入意味着英伟达在高端智驾域控的份额继续固化。

三、物理 AI 的算力经济学​

1. 训练在云、推理在端：世界模型（Cosmos 3.5）与机器人策略训练吃数据中心算力，车载/机载推理吃 Thor 级边缘芯片——「云-边-端」的算力分层在物理 AI 上最完整
2. 仿真即训练场：Isaac/Omniverse 仿真管线的算力消耗常被低估——合成数据生成是介于训练与推理之间的第三种负载
3. 单机价值量：一个人形机器人 ≈ 一台高性能边缘服务器的芯片价值量（计算 + 传感处理 + 互联），百万台级出货就是新的 GB 市场

四、国产对照​

国内人形机器人芯片（地平线、寒武纪行歌等）与车载智驾芯片（华为 MDC、地平线 J6）在单点算力上已可对标，但「参考机 + 仿真平台 + 基座模型」的三件套完整度仍是英伟达的结构性优势——这也是昇腾等玩家在机器人侧的下一个投入方向。

延伸阅读：GTC 柏林综述 · Jetson Thor 卡片 · GPU/ASIC/CPU 三分天下

每一次关于 AI 芯片供给紧张的讨论，最后都会落到 HBM 身上。但「HBM 紧张」这个说法在 2026 年已经不够精确了——真实的约束不在 HBM 晶圆的产能，而在先进封装环节，以及一个正在发生的架构转变：基底裸片要换代了。

2027 年的供需账本​

行业预测 2027 年 HBM 需求增长率为 56%，高于 50% 的供应增速——缺口不大，但方向明确。据公开报道，市场普遍认为 2027 年 HBM4 价格将较 2026 年上涨约 65%。更有参考意义的是晶圆效率数据：HBM3E 良率约 35%，每片晶圆有效晶粒约 580 颗，远低于一般 D1B DRAM 的约 1750 颗；HBM4 良率进一步降至约 25%，每片有效晶粒约 500 颗，而 D1C DRAM 约为 2100 颗。也就是说，同样一片晶圆，HBM 产出的数据量只有普通 DRAM 的四分之一不到，这是产能转化率上最难跨越的一道坎。

产能节点按厂商拆开看：

厂商	2026 关键进展	2027 关键节点	2028 及以后
三星	HBM4 大规模供货，良率从低于 60% 提升至约 80%	平泽 P5 Fab 1 投产，HBM4E 量产，晶圆月进料量从 18 万片增至 25 万片	P5 Fab 2 与龙仁新基地提前至 2029 年
SK 海力士	HBM4 二季度批量出货，下半年全面爬坡	龙仁 Y1 厂投产，HBM4E 正式量产	Y2 厂提前至 2028 年下半年
美光	HBM4 占总产出比例从 20% 至 30% 拉高至 50%，累计出货收入突破 10 亿美元	新加坡先进封装厂贡献供应	日本广岛工厂 2028 年夏季开始出货

SK 海力士 CEO 郭诺定在印第安纳动工仪式上的表述是：存储芯片短缺至少持续到 2030 年底。

资本开支的斜率能说明决心。三星半导体资本支出预计从 2025 年约 48 万亿韩元增至 2028 年逾 100 万亿韩元，SK 海力士同期从 28 万亿韩元提升至接近 80 万亿韩元。三家已公开的 HBM 专项投资加总超过 900 亿美元，这个数字还不包括跨品类工厂里 HBM 的占比——各家都没有单独拆分。

份额：一年之内差距缩小一半​

据 Counterpoint Research 数据，三星 HBM 收入份额从 2026 年第一季度的 21% 攀升至第二季度的 33%；同期 SK 海力士从 58% 降至 50%。两家之间的差距在一个季度内从 37 个百分点缩小到 17 个百分点。SK 海力士的守势动作是清州 M15X 工厂晶圆月产量从约 1 万片提升到 8 万片，同时加速龙仁集群首座晶圆厂建设。三星则依靠存储、代工、先进封装的垂直整合结构，用自家 4 纳米基底裸片工艺争取差异化。

美光是差距最大但追赶最快的一家：2025 年月产约 4 到 5 万片，一年内翻倍到 10 万片目标，新加坡 70 亿美元封装厂、日本广岛 1.5 万亿日元（约 93 亿美元）工厂、以及 18 亿美元收购力晶铜锣 P5 晶圆厂构成全球撒网的投资版图。

定制基底裸片：HBM 以来最重要的转变​

从 HBM4E 开始，DRAM 堆叠下方的基底裸片变成客户专属。内存控制器和协议逻辑从 GPU 或 ASIC 搬到 HBM 基底裸片本身，加速器裸片上由此腾出更多计算面积。代价是基底裸片需要在先进逻辑制程上制造——HBM4 基底裸片预计采用 12 纳米，HBM4E 则要向先进逻辑演进。

各家路线因此分化：

厂商	基底裸片策略	制程合作方
SK 海力士	与台积电合作定制 HBM4E 与 HBM5 基底裸片，计划导入台积电 3 纳米	台积电
三星	使用自家代工工艺，作为垂直整合打法	自有代工
美光	没有自有代工，目标 2027 年推出定制 HBM4E，押注更高利润率	未公开

这是自堆叠技术以来 HBM 行业最重要的结构性变化，它把壁垒从「谁会堆叠」挪到了「谁能把内存专业和领先制程代工绑在一起」。SK 海力士在这条线上的位置明显更稳。

真正的瓶颈不是 HBM​

一个需要反复强调的判断：当前绑定约束是台积电的 CoWoS-L 产能，不是 HBM 晶圆供给。据公开报道，CoWoS-L 产能目前在 13 万到 15 万片每月量级，NVIDIA 在 2026 年内持有台积电 CoWoS 约 60% 的分配份额。

未来的容量账本也在提前准备：有预测认为到 2029 到 2031 年，20 层堆叠成为主流，14 倍光罩尺寸的 CoWoS 中介层需要承载 24 组 HBM5E 堆叠，并配合浸没式冷却。这些数字现在还是路线图而非订单，但它们说明瓶颈的性质会从「谁能造 HBM」变成「谁能装 HBM」。

更早期的信号值得留意：HBF（高带宽闪存）已在铠侠、闪迪、美光处进入采样阶段。它的定位不是在带宽上击败 HBM，而是在每美元容量上补上 HBM 的短板——对于 KV Cache 容量需求正在膨胀的推理场景，这可能是一条不同于 HBM 的成本路径。

展望​

投资判断上有一个被反复验证的经验：新产能正式开出通常是存储上升周期接近尾声的先行指标。按已公布的节点，SK 海力士 2027 年 2 月、美光 2027 年 5 月、三星 2027 年 7 月这三个时间点，是观察本轮周期位置最值得标记的坐标。机构预测本轮景气高点可能落在 2028 年下半年，AI 超大型数据中心资本支出则可能在 2029 年进入平台期。

对下游的采购与架构团队，2027 年的实际含义是：HBM4E 会成为主力供应SKU，定制基底裸片带来的裸片面积与功耗收益会逐步传导到 XPU 指标上，而 CoWoS 排期仍然是比内存价格更值得提前锁定的资源。任何把 HBM 当成唯一瓶颈来做产能规划的做法，在 2027 年都会算错。

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。

2026年10月，边缘 AI 迎来了标志性的一周：NVIDIA DGX Spark 正式发布、RTX Spark 笔记本预订开启、AMD Gorgon Halo 亮出 192GB 统一内存、微软与联想的新机同日开售。算力正在从数据中心向 PC、桌面和机器人急剧下沉。本文梳理边缘算力金字塔的完整版图。

边缘算力金字塔​

边缘 AI 不是一个市场，而是四层结构分明的金字塔：

层级	典型芯片	算力区间	典型场景
手机 NPU	骁龙/天玑/麒麟 NPU	数十 TOPS	拍照增强、语音助手、实时翻译
AI PC	RTX Spark、Ryzen AI Max、Core Ultra 2	100-1000+ TOPS（AI 总算力）	本地大模型、创作 Copilot
桌面超算	DGX Spark/Station、GB300	1-20 PFLOPS FP4	百亿至万亿参数本地推理
数据中心	Rubin R200、MI455X、昇腾950	EFLOPS 级	前沿模型训练与超大规模推理

站内规格卡可以精确刻画中间两层。AI PC 层：NVIDIA RTX Spark 采用 Arm CPU + Blackwell GPU 统一内存架构，最多 20 核 Arm、6144 CUDA 核心、128GB LPDDR5X、带宽 300GB/s，AI 算力 1 PFLOPS FP4（稀疏，官方口径），可运行 1200 亿参数模型与 100 万 token 上下文；AMD Ryzen AI Max+ 395（Strix Halo）为 16 核 Zen 5 + 40 CU RDNA 3.5 + XDNA 2 NPU 50 TOPS，128GB UMA 中 96GB 可分配给 GPU，端侧可跑 70B 模型；Intel Core Ultra Series 2（Lunar Lake）NPU 4.0 达 48 TOPS，是全球首款满足 Copilot+ PC 标准的 x86 芯片。

桌面超算层：DGX Spark 64GB 售价 $4,999，2026 年 10 月 23 日起经宏碁、华硕、戴尔等 OEM 开售，单机可流畅运行千亿参数模型；两台 Spark 通过 ConnectX-7 直连后内存池化至 128GB，模型上限提升至 2000 亿参数级，双机集群实测较单台 128GB 系统峰值最高提升 70%。更上层的 DGX Station for Windows 搭载 GB300、748GB 统一内存（252GB HBM3e + 496GB LPDDR5X）、20 PFLOPS FP4，2026 Q4 上市，把桌面推到了接近数据中心的量级。

新机潮：一周之内的三家对决​

2026 年 10 月上旬，边缘 AI 设备密集落地。微软 Surface Laptop Ultra 定价 $2,599，官方口径 AI 性能达竞品 Mac 的 2 倍、视频场景 6 倍，10 月 16 日发货；联想 YOGA Pro 15 RTX Spark 同日开售，预装天禧 AI 35B 本地模型，已有 100 余款软件完成适配；NVIDIA RTX Spark 笔记本预订同步开启，首发 OEM 覆盖 Dell、HP、Lenovo、Asus、MSI 等 8 家厂商，形态包括 30 余款笔记本与约 10 款桌面。

AMD 的回应是 Gorgon Halo：Ryzen AI Max 400 系列（Pro 495/490/485）最高 192GB 统一内存，通过 VGM 可变显存最多将 160GB 划给 GPU，单机离线运行 1000 亿参数级大模型——按官方口径可支持 300B 级模型的本地量化部署。它的差异化卖点是原生 x86、无模拟层，避开 Arm 方案在 Windows 上的 Prism 转译开销。

本地大模型的隐私经济学​

边缘算力下沉的驱动力不只是性能，还有隐私与成本的双重账本。站内 Ryzen AI Max Pro 495 规格卡记录了一个典型案例：艾美奖获奖 VR 工作室 LightSail VR 在锐龙 AI Max 桌面机上搭建"制作协调员" AI Agent，同时管理 6-9 个制作项目，相当于过去 2 个人力的工作量；由于全部本地运行，云费用为零，同样的工作量放云端每月 token 费用要数千美元。

这笔账可以推广：当一台 $4,999 的 DGX Spark 或一台 Pro 495 工作站能够离线承载千亿参数模型，敏感数据（报税文件、医疗记录、未发布的设计稿）不再需要上传云端，企业同时获得隐私合规与可预测的成本结构。本地 Agent 的边际成本趋近于零，这是云 API 定价模型无法做到的。

具身智能：边缘算力的第二战场​

机器人是 2026 年边缘 AI 最陡峭的增长曲线。国内动态方面，江苏昆山张浦一次性发布 12 款具身智能产品，覆盖轮足巡检、重载作业等场景，具身智能正从展会样机走向批量交付。海外方面，通用机器人大脑公司 FieldAI 完成 7 亿美元融资，估值达 100 亿美元，资本对"机器人的 GPT 时刻"下注明显。

NVIDIA 自己也在用机器人造机器人：其西雅图机器人实验室以 Flexiv Rizon 4S 协作臂搭配 UR10e，配合视觉-语言-动作（VLA）管线，实现了 GB300 测试托盘装配的自动化，官方口径成功率 95%。这个案例的意义在于示范了完整的机器人技能习得闭环——感知、决策、执行全部在端侧算力上运行。

具身智能对边缘芯片提出了 AI PC 完全不同的需求：低时延控制回路（毫秒级）、多模态感知融合、以及抗震动宽温的工业可靠性。这将是未来 2-3 年边缘芯片的第二增长极。

边缘-云协同架构​

金字塔的各层不是替代关系，而是协同关系。当前主流的分工模式是：云端完成模型训练与大规模推理（Rubin R200、MI455X 的主场），桌面超算承担本地 Agent 的常驻推理（DGX Spark/Station），AI PC 处理隐私敏感的个性化任务（RTX Spark、Ryzen AI Max），手机 NPU 兜底最高频的轻量推理。数据在层间按敏感度与时效性分流：原始数据尽量不出端，模型权重与更新从云端向下推送。

对开发者而言，这意味着一套模型需要在四层硬件上都有高效的运行时——从 CUDA 到 ROCm、从 ONNX 到各厂商 NPU SDK，跨平台部署能力正在取代单点性能成为边缘 AI 工程的核心竞争力。

小结​

2026 年 10 月的这波新品潮，标志着边缘 AI 完成了从"能跑 demo"到"能干活"的跨越：DGX Spark 把千亿美元参数级推理装进机顶盒大小的机身，Gorgon Halo 用 192GB 内存重新定义 AI PC 的上限，具身智能则把边缘算力推向了物理世界。边缘算力金字塔的四层结构已经成型，接下来的竞争焦点将从单机性能转向边缘-云协同的系统能力——谁能把算力放到离数据最近的地方，谁就赢得下一代 AI 交互的入口。

当 HBM4 在 2026 年刚刚完成从标准品到量产品的转身，三大存储原厂已经把战场推向了 HBM4E 与 HBM5。这一次，比拼的不再只是堆叠层数与带宽，而是谁能把更多逻辑塞进基础裸片——存储与计算的分界线，正在被定制化浪潮重新划定。

三大原厂的 HBM4E 时间表​

据韩国媒体 The Elec 等多方报道，三大存储厂在 HBM4E 上的进度几乎并驾齐驱：

• 三星：定制 HBM4E 基础裸片已进入后端设计阶段，计划 2026 年 5 至 6 月完成设计，并向重点客户交付首批样品，采用 1c DRAM 工艺搭配 4nm 级代工基础裸片，还计划在部分堆栈中引入混合键合技术；
• SK 海力士：目标 2026 年下半年送样，DRAM 工艺从 1b 升级到 1c，基础裸片与台积电深度合作——主流服务器产品用 12nm 工艺，面向英伟达旗舰 GPU 与谷歌 TPU 的高端设计则升级到 3nm；
• 美光：据 Tom's Hardware 此前报道，已委托台积电代工 HBM4E 基础逻辑裸片，同样基于 1c DRAM，量产目标定在 2027 年下半年。

业界普遍预期 HBM4E 将在 2027 年正式放量，而 HBM5 大约在 2029 年登场。

代际	量产窗口	DRAM 工艺	基础裸片策略	关键词
HBM4	2026 年	1b	逻辑裸片起步，三星采用 4nm 工艺	标准品为主、接口翻倍至每堆栈 2048bit
HBM4E	2027 年	1c	三星自研 2nm；SK 海力士、美光倚重台积电 3nm	定制化主战场
HBM5	2029 年前后	待定	更深度的逻辑集成	散热与键合工艺竞赛

定制化：从卖颗粒到卖半颗 SoC​

定制 HBM 的核心诉求来自客户侧。基础裸片负责控制堆叠 DRAM 的读写与纠错，直接决定整体性能与稳定性，英伟达、谷歌、Meta 等头部客户纷纷要求在基础裸片中集成额外的逻辑功能，例如近存计算、自定义接口与缓存一致性逻辑。据公开报道，三星为定制项目增聘了约 250 名工程师，并从 HBM4 起分设标准品与定制品两条产品线。这意味着 HBM 正在从标准化存储颗粒，演变为"半颗定制 SoC"，存储厂与代工厂的边界也随之模糊。

需求侧同样在变化。据 TrendForce 研究，三大原厂 HBM 晶圆投入占 DRAM 总投入的比例将从 2025 年底的约 18% 升至 2026 年底的 22%，2027 年进一步达到 30%；而生产同等 bit 数的 HBM 消耗的晶圆产能约为标准 DDR5 的三倍，供给弹性天然受限。客户端方面，英伟达在 2026 年仍占 HBM 总需求的约六成，2027 年随着谷歌、亚马逊、微软自研芯片放量，这一比例预计回落到 48% 左右。客户结构多元化，恰好给了存储厂对定制产品差异化定价的机会。

散热与键合：下一个工艺竞技场​

堆叠层数增加带来的热密度问题愈发突出。据公开报道，三星在 2026 年 Computex 上展示了内嵌 HPB 铜基散热方案的 HBM5 原型，目标量产时点在 2028 年前后；SK 海力士则推出 iHBM 散热技术，宣称可将热阻降低超过 30%，量产窗口指向 2029 至 2030 年。与此同时，SK 海力士还与 SanDisk 合作推动高带宽闪存（HBF）的国际标准化，试图把 HBM 的高带宽思维延伸到存储层级，为超大模型权重的持久化加载提供新选项。

从制程路线也能看出竞争焦点的转移：三星 HBM4 的逻辑裸片采用 4nm 工艺，定制 HBM 则计划直接跳到自研 2nm；SK 海力士与美光选择绑定台积电最先进的 3nm 产能。存储厂商第一次把先进逻辑制程当成核心竞争力来经营，这在 HBM 历史上还是头一遭。

结语：存储的定价权时代​

从 HBM4E 开始，存储行业正在从"按 bit 卖"转向"按方案卖"。掌握先进逻辑制程资源（无论自研还是绑定台积电）、并率先在混合键合与散热工艺上突破的厂商，将拿到下一代定制 HBM 的定价权。对 2027 年之后规划 AI 集群的采购方而言，显存路线图的确定性，已经不亚于芯片本身的算力参数——毕竟在推理时代，带宽与容量才是吞吐量的第一约束。

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 1	2019-Q3	28nm 级	32GB HBM2	—	—	EOL
Gaudi 2	2022-Q3	7nm	96GB HBM2E	—	600W	EOL
Gaudi 3	2024-Q2	TSMC 5nm	128GB HBM2E	1.835 PFLOPS	900W	现役旗舰
Gaudi 4	2026-Q2（推测）	Intel 18A	192GB HBM3E	3.7 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 IP	Gaudi + GPU 融合	Gaudi v4 架构演进
集成 CPU	无	Xeon 6/7 紧耦合
网络	无集成 NIC	800G 集成 NIC
制程	Intel 18A	Intel 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
TDP	350W
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。

由丰田、索尼、软银等八家日本产业巨头共同筹办，累计获得近 3 万亿日元资金支持——Rapidus 正在北海道千岁为日本重夺先进逻辑芯片制造权发起最后一搏。

2nm 量产时间表：2027 财年下半年​

Rapidus 成立于 2022 年 8 月，目标是基于 2 纳米 GAA（全环绕栅极）工艺打造世界最先进的逻辑芯片制造能力。其位于北海道千岁市的 IIM-1 试验线自 2025 年 4 月起投入运行，2025 年 7 月成功实现 2 纳米 GAA 晶体管的首次点亮，并已完成试制流片与基本电气特性验证。按照既定计划，Rapidus 将在 2026 年底前开始为客户生产 2 纳米测试芯片，2027 财年下半年启动大规模量产。

产能规划采取渐进策略：初期月产能 6000 片晶圆，目标到 2028 年提升至约 2.5 万片。公司同时启用了 Rapidus Chiplet Solutions 先进封装设施，采用 600 毫米乘 600 毫米玻璃基板，单块基板可产出的中介层数量达到以往 10 倍，并正在开发连接 2 纳米逻辑芯片与 HBM 内存的 2.5D 封装方案。

项目节点	时间与指标
试验线运行	2025 年 4 月，北海道千岁 IIM-1
2nm GAA 晶体管点亮	2025 年 7 月
客户测试芯片	2026 年底前
大规模量产	2027 财年下半年
初期月产能	6000 片，2028 年目标约 2.5 万片
晶圆定价	每片 300 万至 350 万日元
政府累计支持	约 2.35 万亿日元以上

价格战与差异化：RUMS 模式​

定价是 Rapidus 最锋利的武器。社长小池淳义 2026 年 7 月公开表示，2 纳米晶圆定价将为每片 300 万至 350 万日元，作为后来者"不能输给台积电"——而台积电同级先进制程 300 毫米晶圆报价约 3 万美元且传出涨价消息，Rapidus 定价折算后具备明显价格竞争力。

更深层的差异化在于商业模式。Rapidus 提出的 RUMS（快速统一制造服务）模式强调极短的生产周期与小批量快速迭代，瞄准的正是 AI 芯片客户"先流片、快速试错"的需求，与传统代工厂动辄排队长龙的大宗订单模式形成区隔。客户拓展已有实质进展：富士通成为首家商业客户，计划委托生产 2 纳米 AI 神经网络处理器；日本 IBM 被视为第二大锚定客户；加拿大 AI 芯片公司 Tenstorrent 获得早期产能承诺。小池淳义透露，2026 年以来已与超过 60 家潜在客户接洽。

资金、人才与尚未跨过的门槛​

资金端，日本政府的支持持续加码：2026 财年追加 6315 亿日元研发补助后，累计研发支持金额已达约 2.35 万亿日元，叠加民间企业出资，到 2027 年度累计投入预计接近 3 万亿日元。技术端，Rapidus 延续与 IBM 的深度合作，一半工程师驻扎纽约州参与联合研发，下一代 1.4 纳米工艺研发计划 2026 年内全面启动、目标 2029 年量产，更远期的 1 纳米节点目标是把落后台积电的时间差压缩到半年左右。

挑战同样清晰：量产良率尚待验证，先进制程的客户数量仍少，设计生态与巨额资本的持续投入都是长期考验。业界普遍认为，Rapidus 更现实的定位是服务日本本土及盟友体系的 AI 芯片供应链，而非在成熟大客户市场上正面争夺。

小结​

在全球先进制程被三家代工厂主导的格局下，Rapidus 承载着日本重返第一梯队的国家意志。2027 年 2 纳米量产若如期兑现，全球 AI 芯片设计公司将第一次拥有一个价格激进、迭代迅速的新代工选项。这场豪赌的答案，将在未来两年内揭晓。

2025 年 11 月 13 日的百度世界大会上，昆仑芯 M100 与 M300 正式亮相，同时发布的还有天池 256 与天池 512 超节点。这不是百度第一次发布自研芯片，却是第一次以完整路线图的形式，宣告芯片、超节点、集群三层算力体系的未来五年规划。大厂自研芯片由此进入深水区。

十四年积累：从昆仑 1 到 P800​

昆仑芯的历史可追溯到 2011 年百度内部的数据中心加速器研发。2018 年第一代昆仑 1（818-300）发布，基于三星 14nm 工艺与自研 XPU 架构，INT8 算力 260 TOPS；2021 年第二代昆仑 2 采用 7nm 工艺，R300 加速卡提供 128 TFLOPS FP16 与 256 TOPS INT8，150W 功耗，并完成独立融资。2024 年 3 月发布的 P800 是当前部署主力：96GB HBM 显存、2.4 TB/s 带宽、FP16 算力 345 TFLOPS、400W 功耗。据 IDC 数据，2024 年昆仑芯出货 6.9 万片，位居国产 AI 芯片厂商第二，仅次于华为昇腾。

型号	发布时间	关键规格	定位
昆仑 1（818-300）	2018 年 7 月	260 TOPS INT8，14nm	首代云端推理
昆仑 2（R300）	2021 年 8 月	128 TFLOPS FP16，32GB GDDR6	训练推理通用
P800	2024 年 3 月	345 TFLOPS FP16，96GB HBM，2.4 TB/s	万卡集群主力
M100	2026 年上市	面向 MoE 推理优化	大规模推理
M300	2027 年初上市	峰值算力 1000 TOPS 量级（据公开报道）	超大规模多模态训推

M100：为 Token 时代设计的推理芯​

M100 是昆仑芯科技第四代产品，延续自研 XPU 架构理念，针对大规模推理场景做了专项设计：通过革新资源架构大幅提升 MoE（混合专家）模型的推理性能，主打极致性价比。它于 2026 年初进入商业放量期，已交付大客户测试并小规模出货，2026 年 7 月芯片实物在央视报道中首次公开亮相。高盛预计昆仑芯 2025 年销售额约 35 亿元，2026 年有望跃升至 65 亿元。

与 M100 配套的天池超节点同样关键：天池 256 最高支持 256 卡极速互联，卡间互联带宽较上代提升 4 倍、整体性能提升 50%；天池 512 单个超节点即可支撑万亿参数模型训练。百度已点亮昆仑芯三万卡集群，计划将单一集群规模扩展至百万卡级别。

M300 与路线图：每年一代的承诺​

M300 面向超大规模多模态模型的训练与推理，针对视频生成、3D 建模等任务专项优化，据公开报道其峰值算力可达 1000 TOPS 量级，训练效率较通用方案有望提升 3 倍以上，计划 2027 年初上市。后续路线图同样清晰：2028 年天池千卡级超节点、2029 年昆仑芯 N 系列、2030 年百万卡单集群点亮。未来五年，昆仑芯承诺每年推出新产品。

资本层面，昆仑芯已于 2026 年 1 月向港交所提交上市申请，并开启科创板上市辅导，有券商对其估值给出约 440 亿美元的高预期。分拆上市后，昆仑芯将更多以"中立供应商"身份服务外部客户——事实上其外部业务比重已超过向百度内部供货。

小结：大厂自研的正确姿势​

昆仑芯的价值在于样本意义：它证明了大厂自研芯片可以从内部工具成长为独立商业体。M100 承接推理放量的当下，M300 冲刺训练上限的未来，天池超节点补上系统级短板，三层协同构成完整拼图。对于既需要稳定算力供给、又希望绑定长期演进路线的用户，这套"芯片加超节点加云平台"的全栈方案，是国产算力市场里确定性最高的选项之一。

当 Rubin R200 还在陆续爬坡之际，NVIDIA 的下一个两年已经被写进路线图：2027 H2 的 Rubin Ultra 与 2028 年的 Feynman。但与以往"官宣即定型"不同，Rubin Ultra 在 2026 年经历了一次罕见的架构大改——原版 4 芯片设计被取消。本文依据站内芯片数据库与行业路线图口径，拆解这次调整背后的工程与商业逻辑。

Rubin Ultra（V300）：从官宣到修订​

Rubin Ultra 在 GTC 2026（2026-03-17）与 Rubin R200 一同公布，定位超大规模训练/推理的顶端产品。据站内芯片数据库，其原版设计规格如下：

规格	参数（原版设计，待官方最终确认）
GPU 架构	Rubin 架构（MCM 多芯片模块）
封装	原版 4 芯片设计（已取消）
FP4 推理算力	推测约 100 PFLOPS（原版，密集）
FP8 训练算力	推测约 70 PFLOPS（原版）
显存容量	576 GB HBM4e（原版设计）
显存带宽	推测 >44 TB/s（HBM4e）
互联技术	NVLink 7（推测，单向 >3.6 TB/s）
TDP	推测 3000W+（必须液冷）
量产时间	推测 2027 H2 – 2028
定价	推测单 NVL144 机柜 1500-2100 万美元

原版 NVL144 机柜配置为 144 颗 Rubin Ultra GPU + 72 颗 Vera CPU，总显存 82.9 TB HBM4e，FP4 总算力推测约 14 EFLOPS，TDP 推测约 360kW——是 Vera Rubin NVL72（约 180kW）的整整一倍。

关键调整：4 芯片设计取消​

2026 年最重要的路线图变化，是据 SemiAnalysis 报道，原版 4 芯片 Rubin Ultra 设计因封装制造难度被取消，新版规模缩减约一半、性能相应减半，仅保留 2 芯片版本——规模扩展能力弱于原设计。站内芯片数据库也明确记录了这一调整。

与之相伴的是显存减配传闻：2026 年 9 月，SemiAnalysis 与科创板日报报道 Rubin Ultra 的 HBM 配置拟从 HBM4E 12-Hi（384GB 档）下调至 HBM4 8-Hi（192GB），三星配合开发 8 层产品。动因是 HBM/DRAM 涨价后内存已占整机 TCO 约 40%，减配后 HBM 成本可降超 50%；省下的预算转向 Scale-up 纵向扩展网络——以 NVL576 NPO 方案测算，Scale-up 网络占机架支出比例将从 4% 升至 12%。TrendForce 显示 NVIDIA 自 2026 Q3 起并行评估 HBM4E 8-Hi、HBM4E 12-Hi、HBM4 8-Hi 多套方案。

行业路线图口径：VR300 NVL576 与 Feynman​

行业路线图汇总口径（Thunder Compute，2026-10）给出了另一个观察视角，需注意与 GTC 2026 原版公布信息存在差异，最终以官方为准：

产品	目标时间	关键规格（行业口径）
Rubin Ultra VR300	2027 H2	100 PFLOPS FP4/GPU、1TB HBM4e、NVL576、机架约 600kW
Feynman	2028	规格未公布（preliminary/未确认）

这个口径下的 VR300 与站内数据库记录的原版 NVL144（576GB HBM4e/GPU）明显不同：单卡显存更高（1TB）、机柜规模更大（NVL576）、单机架功耗推高到约 600kW。两条信息线的分歧恰恰说明 Rubin Ultra 仍处于架构修订期，唯一确定的是方向——显存继续翻倍、机柜规模继续翻倍、功耗继续飙升。

一年一代：与客户 capex 的绑定节奏​

从 Hopper（2022）到 Blackwell（2024）再到 Rubin（2026），NVIDIA 已把旗舰产品节奏锁定为两年一代；而在同一代际内部，GB200→GB300 的中期升级又把"可买的最新品"刷新周期压缩到约一年。这种节奏对客户 capex 形成了强绑定：

• 锁定采购：超大规模云厂商若想保持算力性价比领先，必须按 NVIDIA 的节奏滚动下单，否则两年后单位算力成本被拉开数倍；
• 规划反推：Rubin Ultra 的 2027 H2 时间点，意味着客户 2026 年就要锁定机位、电力与液冷改造——约 600kW/机架的功耗口径直接改写数据中心设计规范；
• 竞争挤压：AMD Helios II/MI500 同样瞄准 2027 年窗口，NVIDIA 把 Rubin Ultra 顶在 2027 H2，本质上是在客户年度预算分配前抢先占位。

HBM4e 供给与功耗：砍半的真实原因​

Rubin Ultra"砍半"并非技术退缩，而是三重现实约束的交汇：

1. 封装良率：4 颗计算 die 的 MCM 封装对 CoWoS-L 工艺的良率要求过高，量产风险不可控；
2. HBM 成本：内存占 TCO 40% 的现实下，576GB→192GB 档的减配能省下过半 HBM 预算；
3. 功耗墙：原版 360kW 乃至行业口径 600kW 的机架功耗，正在逼近现有液冷基础设施与供电改造的承受极限。

省下的预算被重新分配给 Scale-up 网络——这透露出 NVIDIA 的判断：下一代旗舰的瓶颈不在单卡 FLOPS，而在机柜内纵向扩展的互联效率。光互联（NPO）进入 Scale-up 网络，就是这个判断的落地。

Feynman：2028 的悬念与命名暗示​

Feynman 目标 2028 年，目前规格完全未公布（preliminary/未确认）。但命名本身已传递信息——继以物理学家命名的传统（Fermi、Maxwell、Volta），Feynman（理查德·费曼）指向的是量子电动力学与路径积分的缔造者。行业普遍猜测其架构方向可能包括：更激进的近存计算、光子互联的规模化引入，以及面向 agentic AI 负载的原生优化。考虑到 NVIDIA 2026 年收购 Groq 后已在 LPU 架构上积累经验，Feynman 完全可能首次把"训练芯片"与"推理加速器"在架构层面统一调度。

不过需要冷静看待：NVIDIA 的公开路线图历来在临近发布时大幅修订，Feynman 的最终形态大概率与今天的任何猜测都不同。

与 AMD Helios II/MI500 的时间赛跑​

2027 年的正面交锋已经排定：AMD 的 Helios II 机架与 MI500 系列瞄准同一时间窗口。AMD 的打法是开放生态（UALink、开放 HBM4/4e 规格）+ 激进显存（延续 MI400 432GB HBM4 的堆料路线），而 NVIDIA 则以 NVLink 域规模与 CUDA 软件栈守正。Rubin Ultra 的架构修订，某种意义上正是对 AMD 显存策略的回应——当单卡显存竞争的成本效益递减时，把预算转向 Scale-up 网络与系统效率是更聪明的花法。

小结​

NVIDIA 2027-2028 路线图的核心叙事是"从堆规格到堆系统"：Rubin Ultra 取消 4 芯片设计、显存减配、预算转向 Scale-up 光互联，是 HBM4e 供给与功耗现实下的理性选择；行业口径中 2027 H2 的 VR300 NVL576 与 2028 年的 Feynman，则勾勒出机架功耗迈向 600kW、架构走向异构统一的下一幕。对采购方而言，最重要的不是记住这些规格数字，而是理解一年一代节奏下"早买早享受、晚买享折扣"的 capex 决策模型正在失效——不跟上节奏，两年后的单位算力成本差距将大到无法用预算延迟来弥补。

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%。

海外基地	制程定位	最新进展
亚利桑那一厂	4纳米	2024年量产，2026年产能提升1.8倍
亚利桑那二厂	3纳米	主体完工，2027年下半年投产
亚利桑那三厂	2纳米级	2026年5月封顶
熊本一厂	22与28纳米	已量产，良率追平台湾厂区
熊本二厂	升级至3纳米	2025年动工建设
德累斯顿ESMC	28与22、16与12纳米	主体完工，目标2027年底投产

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。