14 篇博文 含有标签「NVIDIA」

本文基于 Bloomberg Intelligence 与 Bernstein 2026 年 9 月发布的市场分析及公开报道整理；市场份额与营收为分析师预测口径，非官方披露。

9 月 28 日，两份华尔街报告同时描摹出一个戏剧性的画面：中国 AI 算力市场的份额天平，在 12 个月内完成了几乎彻底的翻转。

一、份额翻转：40% → 8%，昇腾 → 50%​

Bernstein 最新预测：

• 英伟达在中国 AI 芯片市场的份额，将从约 40% 跌至今年年底的约 8%
• 华为昇腾升至接近 50%
• 直接导火索：9 月中国对英伟达 H20 新订单的禁令，关上了英伟达重返中国市场的最后通道
• 字节跳动、阿里、腾讯均已下出大额昇腾订单

时间线上看，这不是一次突变，而是出口管制三年收紧的累积结果：英伟达在中国 AI 芯片市场的份额一度高达 95%，随着高端芯片断供，中国超大规模云厂商整体转向华为与国产替代；即便 2026 年 1 月华盛顿放开 H200 对华销售，转向的齿轮已经咬合，回不去了。

二、昇腾 950PR：分析师眼里的「中国版 H200」​

支撑这份份额数据的，是产品力本身：

• 昇腾 950PR 今年 3 月量产，FP4 算力最高 2 PFLOPS，搭载 128GB 国产 HBM
• 分析师将其评为大致对标英伟达 H200
• 华为 AI 芯片营收预计今年达 120 亿美元，较 2025 年的 75 亿美元增长 60%

950 系列的完整规格可参考我们此前的深度文章：昇腾 950PR/950DT 双配置解析 与 昇腾 960 官宣发布——960 已提前三个季度就绪，确认一年一代节奏。

三、模型侧：中国开源模型拿下 OpenRouter token 大盘​

芯片份额翻转的同时，模型使用侧的数据同样惊人（OpenRouter 平台统计）：

指标	数据
DeepSeek token 份额（6 月）	16.3%，超过 Google、Anthropic、OpenAI 各自单独份额，居第一
中国开放权重模型合计 token 份额（5 月）	约 61%（DeepSeek、Qwen、MiniMax、腾讯混元等）
中国模型周 token 消耗	约 18 万亿，美国模型约 5.5 万亿，3 倍以上差距且一年内完成反超
中美前沿模型性能差距（6 月）	收窄至 6%，创历史新低（5 月为 9%）

算力与模型形成正循环：买不到的卡倒逼国产算力放量，放量的国产算力养出便宜的 token，便宜的 token 让中国开源模型吃下全球推理流量的大头。

四、但股票市场没有买单​

Bloomberg Intelligence 同期指出一个矛盾：中国科技八巨头（China Tech 8）相对美股「七巨头」（Magnificent Seven）的估值折价达到年内最宽的 超过 50%，BI 认为只有「真正的 AI 突破」才能弥合。个股年内表现：阿里约 -7%、腾讯约 -23%，而美国 AI 基础设施龙头普涨 15% 以上。

这种背离有两种解读：要么市场低估了中国 AI 基本面，要么盈利执行（阿里上季 EPS 低于预期 17.3%、百度低 36%）拖累了 AI 叙事的兑现。对产业观察者而言，值得注意的是：算力侧的数据（份额、营收、出货）已经先行，应用侧的变现仍在路上。

五、对算力采购者的三点提示​

1. 在华部署，昇腾生态已是默认选项。 从 CUDA 迁移到 CANN 的成本是一次性的，而供给不确定性是持续性的；9 月禁令后，新采购英伟达卡在中国市场已无合规路径。
2. 国产算力「对标 H200」是分水岭。 过去国产替代的隐含假设是「性能打折、价格打折」；当单卡性能追平 H200 世代，采购决策就回归纯粹的 TCO 与供应安全计算——建议用 TCO 计算器 把电费、折旧、利用率放进同一张表里算。
3. token 成本曲线决定应用格局。 中国模型 61% 的 OpenRouter token 份额说明：算力自主 → token 降价 → 应用繁荣的链条已经跑通第一段，接下来看推理成本能否继续下探。

小结​

40% 到 8%，不是一句口号，而是一个由禁令、产品力与模型生态共同驱动的市场重排。对中国市场而言，昇腾 950/960 的量产节奏与 CANN 生态成熟度，将决定这份份额能否守住；对全球市场而言，中国算力「内循环 + 开源模型出海」的组合，正在改写推理流量的地理分布。

（市场份额与营收预测来自 Bernstein / Bloomberg Intelligence 分析师报告，实际数字以各公司财报为准。）

本文基于 NVIDIA 官方产品页、2026 年 3 月 GTC 架构博客及第三方基准数据整理；性能口径为厂商架构对比，实际收益需以自测为准。

英伟达确认，Groq 3 LPX——Vera Rubin 平台的「第七颗芯片」——已进入全面量产，由三星平泽园区代工。这是继 2025 年 12 月英伟达斥资约 200 亿美元获得 Groq 非独占 IP 授权与核心工程团队之后，这笔交易第一次以量产硅的形式落地。

对推理硬件格局而言，这是一次范式级事件：英伟达第一次把「别家定义的专用推理架构」纳入自家旗舰平台，且不是外挂销售，而是深度协同设计。

一、Groq 3 LPU 芯片与 LPX 机架：规格速览​

单颗 Groq 3 LPU（4nm，三星代工）：

项目	数值
编译器管理的片上 SRAM	500 MB
SRAM 带宽	150 TB/s
片间 scale-up 带宽	2.5 TB/s（96 条 chip-to-chip 链路，每条 112 Gbps）

单个 LPX 机架（32 个 1U 液冷托盘，每托盘 8 颗 LPU）：

项目	数值
LPU 总数	256 颗
FP8 算力	315 PFLOPS
片上 SRAM 总量	128 GB
SRAM 聚合带宽	40 PB/s
机架内 scale-up 带宽	640 TB/s
DDR5 内存	12 TB（承载大模型权重）

每颗 LPU 500MB 的 SRAM 看起来不大，但乘上 256 颗、再叠加 40PB/s 的聚合带宽，构成了「确定性低延迟解码」的物理基础——LPU 的设计哲学正是用编译器静态调度片上 SRAM，彻底消除推理解码阶段的内存取数停顿，而这恰恰是 GPU 推理最典型的瓶颈。

二、AFD：注意力与 FFN 分家，GPU 和 LPU 各干各的​

LPX 不是替代 GPU，而是与 Vera Rubin NVL72 组成异构系统，核心是 AFD（Attention-FFN Disaggregation，注意力-前馈解耦）：

1. Rubin GPU 负责 prefill 与 attention——在大上下文上构建 KV cache、执行注意力层，吃 HBM 容量与高吞吐；
2. Groq 3 LPU 负责 FFN / MoE 专家层解码——延迟敏感、模式可预测，恰好是 SRAM 确定性调度的主场；
3. 中间激活在两个引擎间逐 token 交换，由 NVIDIA Dynamo 编排路由，GPU 算每一层注意力，LPU 算每一层前馈，协同完成每个输出 token。

这套分工的逻辑很清晰：智能体应用消耗的 token 量可达传统 AI 应用的 15 倍，瓶颈从「能不能算完」变成「能不能以稳定低延迟持续吐 token」。让 HBM 大容器去跑 attention、让 SRAM 确定性引擎去跑 decode，各取所长。

三、实测与官方口径​

• 第三方实测（Artificial Analysis）：Gemma 4 31B、100K token 上下文下，LPX 输出约 3400 tokens/s——单 token 间隔低于 1 毫秒，长上下文智能体场景的交互感质变
• 官方架构对比：与 LPX 组合后，Vera Rubin NVL72 对万亿参数模型的每兆瓦吞吐最高提升 35 倍；「高价值 token」场景下每瓦收入机会最高 10 倍
• 首发客户：Nebius 率先部署 LPX 机架扩展其 token 产能；CoreWeave 已在生产环境用 Spectrum-X Multiplane 连接 Vera Rubin 机架

需要强调：35 倍/10 倍是特定高交互工作点的架构对比数字，不是普适结论。训练、大吞吐批量推理、需要 CUDA 生态灵活性的负载，GPU 仍是正解；LPX 的主场是「单用户交互延迟即产品」的场景——智能体循环、实时编码助手、长上下文对话。

四、三个行业信号​

1. 专用推理芯片被收编，而非对抗。 过去 LPU 是「GPU 挑战者」的叙事，现在变成了 Vera Rubin 的组成部分。推理硬件的终局可能不是一种架构赢，而是「GPU + 专用解码引擎」的异构组合成为标配。对其他推理芯片创业公司（Cerebras、Etched 等），这既是天花板抬高的证明，也是「要么被集成、要么找差异化」的警示。

2. 三星代工拿到高端 AI 订单。 在台积电几乎垄断 AI 主芯片的背景下，三星 4nm 承接 LPX 量产意义重大——叠加此前特斯拉 AI6 的 2nm 订单，三星代工有望在 2027 年重回全年盈利。

3. 推理经济性进入「按 MW 定价」时代。 当厂商开始用 tokens/MW 和每瓦收入讲故事，算力选型的核心 KPI 已经从峰值算力（TFLOPS）彻底转向单位能耗的 token 产出。这与我们在 TCO 计算器 里内置的功耗-电费模型逻辑一致：峰值参数好看的芯片，未必是每 token 成本最低的芯片。

小结​

Groq 3 LPX 量产标志着推理硬件进入「GPU 管吞吐、LPU 管延迟」的异构时代。对于正在选型推理集群的团队，建议把工作负载拆开评估：批量离线推理留在 GPU，交互式长上下文智能体值得单独测算 LPX 类方案的单位成本。拿不准的话，先用 TCO 计算器 跑一遍两种架构的 3 年持有成本再拍板。

（本文性能数据来自 NVIDIA 官方架构对比与 Artificial Analysis 第三方实测，实际部署请以自测为准。）

9 月 16 日，MLCommons 公布 MLPerf Inference v6.1 Closed Division 结果，NVIDIA Vera Rubin NVL72 完成基准首秀。同一天，CoreWeave 宣布在自家云上上线多机架 Vera Rubin 集群——"新硬件首发即可租用"的节奏，正在把新一代算力从发布到可计费产出的周期压缩到季度级别。

---

1. 首秀成绩：3.7 倍与 2.5 倍​

NVIDIA 以预览提交（entries 6.1-0106 / 6.1-0074）给出两代旗舰的同口径对比：

基准模型	Vera Rubin NVL72 vs GB300 NVL72	软件栈
Qwen3-VL-235B-A22B（235B 多模态 MoE）	吞吐最高 3.7 倍（离线 / 服务器 / 交互三场景）	vLLM + NVIDIA Dynamo
DeepSeek-R1-671B（671B 推理模型）	吞吐最高 2.5 倍	TensorRT-LLM

支撑数字的三项技术：

• NVFP4 精度：压缩模型权重、注意力张量与 KV Cache 的显存占用，等效批尺寸显著提升；
• 分离式服务（Disaggregated Serving）：prefill（算力密集）与 decode（带宽密集）拆到不同 GPU 池独立优化；
• 专家并行：MoE 专家层跨卡分布式路由，配合第六代 NVLink / NVLink Switch（NVIDIA 宣称包速率较现成以太网高 10 倍、时延低 3 倍）。

2. 同场亮点：扩展效率与软件红利​

• GB300 四机架 288 卡 99% 扩展效率：DeepSeek-R1 离线场景下，从单机架 72 卡扩展到 4 机架 288 卡几乎无折损（entries 6.1-0073 / 6.1-0074）——机架级互联的扩展效率第一次在 288 卡规模上得到验证；
• 软件仍在释放红利：同一 GB300 硬件上，v6.1 软件优化较 v6.0 带来最高 1.6 倍 Qwen3-VL 提升；NVIDIA 还报告了 GPT-OSS-120B 与 DLRMv3 的提交后增益（未经 MLCommons 验证）；
• 19 家合作伙伴提交，其中 8 家采用多节点 Blackwell NVL72 配置（ASUS、Azure、Cisco、CoreWeave、Crusoe、Dell、Fujitsu、HPE、Lambda、Nebius、OCI、Supermicro 等）；Nebius 也提交了 Vera Rubin 预览成绩。

3. CoreWeave 同日上线：首发即可租用​

CoreWeave 在 MLPerf 结果公布同日宣布其云上多机架 Vera Rubin NVL72 集群上线：

• Spectrum-X 网络将数百颗 Rubin GPU 组成单一横向扩展集群，每颗 GPU 配 2 颗 ConnectX-9 SuperNIC（1.6Tb/s 横向扩展带宽）；
• AI 对象存储 LOTA 将读取时延降低 8 倍；
• 运维侧：Valvey 软件定义液冷（NVIDIA 规格 45°C 液冷进液）、Racky 机架控制层与 Rack LifeCycle Controller 把整个 NVL72 机架当作单一可编程实体管理；
• 此前 7 月，CoreWeave 自测 Vera Rubin 对 GB200 NVL72 在 DeepSeek R1 上达到 10 倍 tokens/s/MW（公司口径，非 MLCommons 验证）。

4. 竞争侧写​

• AMD + Crusoe：以 512 卡创下 575 万 tokens/秒的 MLPerf 历史最高聚合吞吐（AMD 本轮提交覆盖面最广）；
• SemiAnalysis AgentX 预览：Vera Rubin 在 agentic 负载上较 GB300 最高 30 倍（预览口径）；MLPerf Endpoints 基准 forthcoming，将把 agentic 推理纳入标准化测量；
• 待验证项：Vera Rubin 成绩为预览提交、尚待独立复现；NVFP4"几乎无损"未给出量化质量指标；每 token 成本与功耗的规模化对比数据均未公布。Google TPU v7 与 AMD MI455X UALoE72 的对标提交预计 2026 年内出现。

站内规格对照：Rubin R200（288GB / 22TB/s）、B300 Ultra（GB300 核心）。

5. 小结​

• Vera Rubin NVL72 首秀：Qwen3-VL 3.7 倍、DeepSeek-R1 2.5 倍于 GB300 NVL72（预览口径）；
• GB300 四机架 288 卡 99% 扩展效率，机架级互联进入可用区间；
• CoreWeave 同日多机架上线——新一代算力从发布到可计费的周期进入季度级；
• 看什么：独立复现与正式（非预览）提交、TPU v7 / MI455X 对标结果、每 MW 实测 token 产能。

---

相关阅读​

• Rubin R200 规格页 / B300 Ultra 规格页（本站）
• NVIDIA Vera Rubin 量产与液冷部署
• Hot Chips 2026 全记录：Rubin、MI455X、Crescent Island 同台

参考资料​

• NVIDIA Blog：Vera Rubin NVL72 首度亮相 MLPerf Inference v6.1（2026-09-16）
• MLCommons：MLPerf Inference v6.1 Closed Division 结果（entries 6.1-0073 / 6.1-0074 / 6.1-0106）
• CoreWeave 投资者关系：多机架 Vera Rubin NVL72 上线公告（2026-09-16）
• AMD Blogs：MLPerf Inference v6.1 提交结果

本文基于 MLCommons 公开结果与厂商官方口径整理。Vera Rubin 成绩为预览提交，部分增益数据未经 MLCommons 验证，已逐项标注。

本周（2026 年 9 月 1 日–5 日）AI 算力行业的题眼，是两条相反方向的成本重构：海外，英伟达以史上最大并购吞下开发者生态入口，同时给旗舰减配显存——"内存太贵"倒逼硬件从单卡堆料走向系统级互联；国内，DeepSeek 16 万颗昇腾订单把"国产替代"从口号变成头部实验室的资产负债表决策，字节近 300 亿美元融资为算力扩张装上杠杆。

---

1. DeepSeek 拟购 16 万颗昇腾 950DT：国产算力的"标志性订单"​

彭博社 9 月 4 日报道，DeepSeek 计划在内蒙古乌兰察布新建的约 1GW 数据中心部署至少 16 万颗华为昇腾 950DT，主要用于推理而非训练。按每颗约 11.1 万元的市场价估算，订单总额约 178 亿元人民币（约 25.6 亿美元）——这是迄今已知规模最大的昇腾集群，是半年前深圳首个万卡级集群的 16 倍。

三个关键读数：

• 主动选择，而非被迫替代：DeepSeek 是公认最会"榨干"算力的实验室。创始人梁文锋 7 月曾直言：华为超节点能完成 GB300 的任务、延迟没有明显差别，但约需 4 颗昇腾才抵 1 颗英伟达、技术上落后约两年。选择昇腾跑推理，是在综合成本、供应链安全与本土化后的理性决策——推理对软件生态依赖较浅，正是国产芯片的突破口；
• 瓶颈在供给端：受高端内存（HBM）短缺制约，昇腾 950DT 今年产量仅数十万颗（2026 年全部昇腾 die 计划约 160 万颗），DeepSeek 希望加购更多但产能所限，整单交付或需一年以上——国产 HBM 与先进封装成为整条链的胜负手；
• 过渡性押注：DeepSeek 同时在与中芯国际合作开发自研推理芯片，并于 6 月完成约 500 亿元融资、继续洽谈数十亿美元基建融资。国产算力的终局是多元自主，而非单一依赖。

单颗 950DT：144GB HBM、4.0TB/s 带宽、2.0TB/s 互联，原生支持 FP8/FP4/HiF8，详见昇腾 950DT 规格页。

2. 英伟达 129.3 亿美元收购 Hugging Face：买下"铲子的交易所"​

当地时间 9 月 3 日，英伟达宣布以 129.3 亿美元收购全球最大开源 AI 平台 Hugging Face，超过 2020 年 69 亿美元收购 Mellanox，成为其史上最大并购。交易含约 119 亿美元股权款与最高约 10 亿美元员工留任计划，预计 2027 年上半年完成，待监管批准。

Hugging Face 托管超 300 万个模型、50 万个数据集，服务超 1800 万名开发者。黄仁勋承诺平台继续开放中立运营：不强制绑定英伟达资源、开源属性完整保留。

解读：算力霸主的护城河从"芯片 + 网络 + 软件栈"一路修到了"模型分发 + 开发者生态"——卖铲人开始收购铲子的交易所。平台的"中立性"承诺能否兑现，将成为全球监管与竞争性云厂商持续盯防的焦点；对国内产业而言，模型托管、权重分发这类"轻资产 AI 基础设施"与芯片一样，正在成为大国科技博弈的卡点。

3. Rubin Ultra 显存减配：内存占 TCO 40% 后的算术题​

SemiAnalysis 最新报告（科创板日报 9 月 3 日转引）显示，英伟达已将旗舰 Rubin Ultra 的 HBM 配置从 HBM4E 12-Hi（384GB 档）下调至 HBM4 8-Hi（192GB），三星正配合开发 8 层产品。

• 动因：HBM/DRAM 涨价后，内存已占整机 TCO 约 40%；减配后 HBM 成本降超 50%，即便计入 2026 年 HBM 涨价预期，内存占总资本开支比例也将从 40% 压至 28%；
• 钱去了哪：转向 Scale-up 纵向扩展网络——以 NVL576 NPO 方案测算，光模块取代机架间互连后，Scale-up 网络占机架总支出比例从 4% 升至 12%；
• 连锁反应：TrendForce 显示英伟达自 2026 Q3 起并行评估 HBM4E 8-Hi / 12-Hi / HBM4 8-Hi 多套方案，部分云厂商也在考虑下调下一代自研 ASIC 的 HBM 容量。

连定价权最强的英伟达都给旗舰"减配求量"，等于官宣：当前 AI 硬件最紧的约束是内存（美光高管称新增内存供应 2028 年前难有实质放量），单卡堆料的军备竞赛告一段落，硬件价值重心正迁移到光互联、CPO、高速交换与 PTFE 背板。华泰测算 2027 年存储供需缺口将从约 -7% 收窄至 -3%——上行周期未逆转，但从"普涨"走向"结构性紧缺"。

详见本站已同步更新的 Rubin Ultra 规格页与HBM4 量产竞速分析。

4. 推理 ASIC 军备提速：谷歌"一年两款"，Jalapeño 规格落地​

• 谷歌 TPU 迭代周期从两年一代压缩至"每年两款"（华创证券 9 月 4 日研报）：第八代已拆分为训练（8t）与推理（8i）双架构，8i 把内存/算力配比拉到 8t 的 1.65 倍，专为推理放量设计；
• OpenAI Jalapeño 规格披露：6 堆栈 HBM4 共 216GB、带宽 15.4TB/s、700W，围绕投机解码设计；OpenAI 称在 DeepSeek R1 负载下 tokens/kW 达 GB300 的 1.7 倍；RTL 冻结到流片 9 个月，首批硅片后约 10 周承载 ChatGPT 流量。详见规格页（本站已更新）；
• workload-specific 时代开场：训练、推理、推荐各自长出专用芯片，上游 HBM/封装/光互联的供应节奏必须跟上"半年一代"。

5. 国内动态：字节 296 亿美元加杠杆，摩尔线程 Token 超节点投产​

• 字节跳动获约 296 亿美元融资安排（彭博 9 月 3 日），较最初约 200 亿美元目标大幅上调，用于数据中心与 AI 基建；另据产业报道正洽谈在内蒙古新增 5-6GW 算力产能——中国 AI 公司迄今最大规模基建融资之一，算力正被当作可融资、可证券化的重资产经营；
• 摩尔线程 × 趋境科技 "Token 超节点"投产（光明网 9 月 4 日）：以 MTT S500 承担 Prefill 与 KV Cache 生成、高带宽 GPU 专注 Decode 的 PD 异构方案，实测平均生成速度超 50 TPS、KV Cache 命中率超 90%、稳定性 99.9%，已承接头部模型厂商官方业务流量——超节点竞争维度从"单卡参数"转向"单位 Token 生产成本"；
• OpenAI 发布 GPT-6 Astra（9 月 4 日）：超 10 万颗 GPU 在 Stargate 集群完成训练，推理放量与超大规模集群仍是全球算力叙事主线；
• SemiAnalysis 基准：AMD MI355X 新提交在 AgentX 基准低交互区间tokens/$ TCO 击败 B300——vLLM + LMCache 软件栈的贡献首次被独立机构量化认可。

6. 市场：中美算力资产一涨一调​

美东 9 月 4 日，美国 8 月非农仅增 8.9 万人（预期 16 万），10 年期美债收益率回落至 3.78%，成长股走强：科技板块 XLK 周涨 4.2%，英伟达周涨 8.7% 收于 230.36 美元。A股 9 月 4 日反向回调：AI 算力芯片板块 -1.99%、服务器 -2.51%、超节点 -2.86%，浪潮信息跌停、寒武纪 -2.54%——基本面无恶化（博通、戴尔、中际旭创订单与财报持续验证景气），更多是交易层面获利兑现。

下周起三连催化密集：CIOE 光博会（9/9-11）→ 华为全联接大会（9/17-19）→ 云栖大会（9/22-24）。国产超节点从"发布会 PPT"到"批量交付"的成色，将迎来集中检验。

本周一句话​

内存太贵改变了所有人的算法：英伟达给旗舰减配显存、把钱投给互联；DeepSeek 用 16 万颗昇腾买推理确定性；谷歌把 TPU 迭代压到半年一代。2026 年 Q4 起，"每兆瓦/每美元 token 数"将取代"单卡 PFLOPS"，成为算力采购的第一指标。

---

相关链接​

• 华为昇腾 950DT 规格页
• NVIDIA Rubin Ultra 规格页
• OpenAI Jalapeño 规格页
• NVIDIA Rubin 规格页

参考资料​

• 彭博社（转引）：DeepSeek 拟部署 16 万颗昇腾 950DT（2026-09-04）
• cnBeta/今日头条：DeepSeek 据称采购 16 万颗华为昇腾 950DT 芯片（2026-09-05）
• 科创板日报：SemiAnalysis 拆解 Rubin Ultra 减配（2026-09-03）
• Natural News/DailyAI：Nvidia To Acquire Hugging Face For $12.9B（2026-09-05）
• 光明网：摩尔线程 × 趋境科技 PD 异构推理方案投产（2026-09-04）
• AGI Hunt：AI News Daily 2026-09-05

---

本文基于彭博社、科创板日报、SemiAnalysis、TrendForce、华创证券研报及光明网等公开报道整理。订单金额与市场数据为媒体/机构预估口径，实际以相关公司正式披露为准。

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 9 月初，供应链信息确认：英伟达 Vera Rubin 平台已于 8 月正式量产、9 月启动批量出货，无延期、无卡顿。与 Blackwell 迭代初期的产能波折不同，这次量产节奏异常平稳——谷歌云、微软 Azure、CoreWeave、甲骨文云等头部云厂商已启动机架部署。但真正值得产业记住的，不是"又一代 GPU 量产了"，而是 Rubin 把液冷从"可选配置"变成了"硬性前置条件"。

---

1. 量产节奏：史上最平稳的一次平台切换​

根据产业链调研与券商跟踪信息：

• 2026 年 8 月：Vera Rubin 正式量产；
• 2026 年 9 月：批量出货启动；
• 2026 下半年：CoreWeave、谷歌云、微软 Azure、甲骨文云机架部署落地；
• 2026 年：上代 GB 架构机柜出货量有望达 6 万台（同比翻倍）；
• 2027 年：GB 与 Rubin 两代平台合计出货体量有望接近 10 万台，Rubin 新机柜远期产能目标为每天 1000 个 NVL72 机柜。

需求侧同样在加码：华尔街报告披露，英伟达管理层表示 FY28 同比增长 70% 的目标并非需求上限——若供应不受限，增速可能超过 100%。当前主要约束已从需求端转向先进晶圆与 HBM 供应。

2. 单卡 2300W：风冷时代的终结​

Rubin 平台与前代最根本的差异不在算力，而在功耗密度：

指标	H100	GB300	Rubin
单 GPU TDP	700W	~1400W	2300W
机柜功耗	~40kW	~140kW	190–230kW
散热方案	风冷为主	风液混合	100% 全液冷
供电架构	48V	48V	800V 高压直流

单芯片 TDP 从 700W 升至 2300W、单机柜功率密度突破风冷物理极限——这意味着 液冷不再是高端算力的选配升级，而是运行 Rubin 服务器的先决条件。英伟达官方将 Rubin 全液冷架构定义为"数据中心历史上最重要的能效突破之一"，并已写入 DSX AI 工厂参考设计：所有跟随英伟达技术路线的云厂商和数据中心运营商，都必须采用全面液冷方案。

三个关键架构变化：

1. 无风扇整机：GPU、CPU、交换机、DPU 全部器件强制采用直接冷板式液冷，45℃ 温水冷板成为出厂标配；
2. 液冷边界延伸：散热覆盖范围从 GPU 冷板延伸至 CPU、DPU、交换机乃至光模块（液冷 Cage/鼠笼开始从"可选"变"刚需"），整套液冷系统价值量较 GB300 提升约 40%；
3. 800VDC 供电：替代传统 48V 机架配电，整机电源 BOM 价值增长 30% 以上，PSU 电源模块从 5.5kW 向 18.3kW 迭代，固态变压器、高压直流 CDU 成为数据中心新增核心设备。

3. 对产业链的三重传导​

第一重：液冷从"配套"变"主角"。 2026 下半年以小规模部署验证为主，真正的放量窗口在 2027 年——Rubin 机架大规模铺货后，冷板、快速接头、CDU、液冷泵进入业绩兑现期。台系供应链 7 月数据已率先验证：AVC 奇鋐 7 月营收 185.9 亿新台币创历史新高（同比 +57.4%），双鸿、健策 7 月同比分别 +116.7%、+91.0%。

第二重：国产液冷供应链进入核心 BOM。 国内厂商由外围冷源和代工环节逐步进入芯片平台、服务器 ODM 和海外云厂商供应体系，替代路径从 Manifold、管路推进至高可靠快接头和冷板。英维克 26H1 海外收入占比 71.4%，飞龙股份液冷泵小功率平台订单超 5 万台——液冷全核心零部件自主可控正在成为现实。

第三重：供电与散热边界融合。 800VDC 架构下，电源模块、PDB 配电单元、高速交换芯片自身发热也达到很高水平，部分电源组件同样需要液冷辅助散热——电源与温控两条产业链正在合并成一条。

4. 需求矩阵扩容：云厂商之外，太空算力入场​

Rubin 的客户矩阵已从传统云厂商扩展至三个层次：

• 全球云厂商：谷歌云、Azure、甲骨文云、CoreWeave；
• AI 科技巨头：马斯克公开披露 2027 年 8GW 超大规模 IDC 建设规划；SpaceX 将 Vera Rubin 架构定义为"最优 AI 计算架构"，计划地面与太空双向部署，支撑 "Starmind" 卫星算力项目；
• 主权与边缘：远期 Rubin Ultra 及 2027 年后更高功耗机型单机柜有望冲击 600kW+。

普华永道预计全球数据中心累计投资到 2035 年将达 31.6 万亿美元。AI 基础设施建设的确定性，已经从"是否建设"变成"多快建设"。

5. 对采购方的启示​

• 机房规划前置：2027 年起采购 Rubin 级算力，液冷改造（单千瓦改造成本较高）或按全液冷标准新建，必须在预算周期一开始就纳入；
• 看 PUE 也看水温：45℃ 温水直冷允许更高进水温度，可利用自然冷源压低 PUE——选址时人工冷源依赖度成为新的评估维度；
• 供应商组合即风险对冲：HBM 与先进封装供应是当前核心瓶颈（详见本站 HBM4 竞速分析），供应链多元化比单点性能更重要。

---

相关链接​

• NVIDIA Rubin 规格页
• NVIDIA Rubin Ultra 规格页
• NVIDIA Rubin CPX 规格页

参考资料​

• 英伟达官方博客：Rubin 全液冷架构解析
• 财联社：Rubin 全面量产，看好液冷二次侧放量（2026-09-04）
• 东方财富研报：Vera Rubin 开启量产周期，AI 算力硬件环节迎来量价齐升（2026-08-27）
• 雪球：Vera Rubin 量产交付落地，全液冷 800V 高压架构重构（2026-09-03）

---

本文基于 2026 年 9 月初供应链调研、券商研报与英伟达官方披露整理。出货量与功耗数据为产业链预估口径，实际以英伟达及客户正式披露为准。

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/s	Blackwell 的 2.8 倍
NVFP4 推理	50 PFLOPS	GB200 的 5 倍
训练算力	35 PFLOPS	3.5 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 L2	Hot 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
RAS	ECC、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
Jalapeño	OpenAI × 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 300–500	Meta（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​

• NVIDIA Rubin 规格页
• AMD MI455X 规格页
• Intel Crescent Island 规格页
• Google TPU 8t 规格页
• Google TPU 8i 规格页

参考资料​

• Hot Chips 2026 三巨头同台：Rubin 3360 亿晶体管、MI455X 432GB、Crescent Island 480GB - IC 芯片行业观察
• Hot Chips Day 2: Rubin, MI400 and Diamond Rapids Go Head-to-Head - AI2Work
• NVIDIA Vera Rubin NVL72 Rack at Hot Chips 2026 - ServeTheHome
• Hot Chips 2026: 4 Hyperscalers Put Custom AI Silicon on One Afternoon - Sean Kim

---

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。

如果说 2025 年是 HBM3E 的产能爬坡年，那么 2026 年就是 HBM4 的量产元年。NVIDIA Vera Rubin 与 AMD MI400 两代旗舰同时押注 HBM4，让这块"AI 芯片上的内存"第一次成为决定整机柜交付节奏的战略物资。而 8 月密集披露的良率与认证数据，正在重写全球 HBM 供应版图。

---

1. 黄金良率突破：三星六个月从不足六成冲上 80%​

据韩国《首尔经济日报》8 月 9 日披露，三星电子 HBM4 良率已于 8 月初正式跨过 80% 的"黄金良率"门槛——较其原定年底达成的目标提前了四个多月。

时间节点	三星 HBM4 良率	备注
2026 年 2 月（量产启动）	不足 60%	产线爬坡期
2026 年 8 月初	约 80%	跨过规模量产 / 稳定盈利分水岭

半导体行业素有"80% 良率为黄金良率"之说——它既是晶圆厂竞争力的标尺，也被视为大规模商业化供给的财务转正点。推动这一跃迁的关键，是三星在 热压非导电薄膜（TC-NCF）键合工艺 上的突破，以及底层 1c DRAM 良率早已站上 80% 所提供的稳定基底。同期，三星 HBM4E 可靠性测试良率也已突破 70%。

业界评估，SK 海力士的 HBM4 良率同样迈入 80% 区间。两大巨头在量产品质上的差距正被快速抹平。

---

2. 供应版图：SK 海力士握有 Rubin 六至七成分配​

黄仁勋 6 月 5 日在首尔公开确认：三星、SK 海力士、美光三家均已通过 Vera Rubin 的 HBM4 认证——这是三大存储厂首次同时获得同一平台的公开认证。

但认证只是"进门券"，分配份额才是话语权：

厂商	2026 年 Rubin HBM4 分配（估算）	备注
SK 海力士	60%–70%	凭借 HBM3/3E 世代积累的客户关系与 MR-MUF 封装工艺
三星	25%–30%	良率跃迁后份额快速提升
美光	剩余部分	HBM4 曝光有限，份额相对稳定

Counterpoint Research 预测 2026 年 HBM4 市场格局为 SK 海力士 54% / 三星 28% / 美光 18%。三星已设定阶梯式追赶目标：Q3 HBM4 营收环比三倍增长、下半年 HBM4 占 HBM 总营收超 60%、年底 HBM 整体市占率向 38% 靠拢。

---

3. 真正的瓶颈：从晶圆转向"后端堆叠"​

随着前端良率企稳，AI 加速器供应链的节奏，不再取决于"能产多少晶圆"，而取决于后端堆叠、键合、测试、出货的速度。

• 行业分析师将 HBM 堆叠列为 AI 芯片供应链第二严重的瓶颈，仅次于 TSMC 的 CoWoS 先进封装产能。
• HBM 占 2026 年 DRAM 晶圆产量的约 25%；每片 HBM 晶圆消耗约 3–4 倍于普通 DRAM 晶圆的资源（额外 TSV 与堆叠步骤），每redirect一片晶圆就等于从现货市场抽走 3–4 单位商品内存。
• 三星正考虑将部分传统内存后端产线（天安、温阳）迁往越南以释放 HBM 后端产能——侧面印证后端吞吐已是整条链最紧的环节。

---

4. HBM4 规格速览：带宽与能效的代际跃迁​

规格	HBM4（12-Hi / 16-Hi）	HBM4E
单栈容量	36 GB / 48 GB	—
引脚速率	11.7–13.0 Gbps	16 Gbps
单栈带宽	最高 3.3 TB/s	最高 3.6 TB/s
总线位宽	2048-bit	—
能效	较 HBM3E 提升 40%	—
热阻 / 散热	改善 10% / 提升 30%	—

三星 HBM4 于 2026 年 2 月量产，11.7 Gbps 的引脚速率已超出 Vera Rubin 兼容所需的 8 Gbps 行业基线；HBM4E 样品则于 5 月 29 日率先发往主要客户。

---

5. 价格权力延续至 2027：供给仍将是紧平衡​

TrendForce 判断，HBM 供应商的定价权将贯穿 2027 年，原因是供给持续受限：

• 2027 年 HBM bit 出货量预计年增 50%–60%，但仍跟不上需求增速，市场维持紧缺；
• 行业已预期显著涨价；
• 对 NVIDIA 与 AMD 而言，一个更强的三星意味着更多供货选择与更从容的交期——在内存成为 AI 服务器最紧一环的市场里，第二、第三供应商的存在本身就是缓冲。

对整机柜而言，HBM 成本已是最大推手：Rubin Ultra 机柜预估售价高达 2100 万美元，HBM 占其中相当比重。

---

6. 对中国的启示：HBM 出口管制加速国产迭代​

HBM 是当前 AI 芯片管制的核心环节之一。在海外 HBM4 军备竞赛白热化的同时，国产 HBM 技术迭代被同步推快——华为昇腾路线图已明确将"推动国产 HBM 技术迭代"写入产品节奏（950 系列推进国产 HBM 配套，960/970 系列规划于 2027–2028 年陆续推出）。

短期看，HBM4 的紧缺会直接传导到 Rubin / MI400 的交付节奏；长期看，谁能锁定稳定的 HBM4 供给，谁就握住了 2027 年 AI 算力扩张的阀门。

相关链接​

• NVIDIA Rubin 规格页
• AMD MI455X 规格页
• Hot Chips 2026 全景总结

参考资料​

• Samsung's HBM4 Yield Hits 80% as HBM Race Heats Up - TrendForce
• Samsung HBM4 Yield Hits 80%, Boosting AI Memory Supply - PC Central
• Samsung Weighs Shipping Legacy Memory Backend to Vietnam to Unlock HBM Capacity - TechTimes
• 芯闻|六个月良率跃迁：三星HBM4突破80%黄金门槛 - 今日头条

---

本文基于 TrendForce、Seoul Economic Daily、TechTimes 等 2026 年 8 月公开报道整理。HBM 分配份额与市占率为第三方机构估算，非厂商官方确认数据。

2026年7月，NVIDIA 下一代 AI 计算平台 Vera Rubin 正式启动首批出货，接替 Blackwell 架构，并计划在 2026 年下半年进入大规模量产。首批客户包括微软、谷歌、亚马逊、Meta、Oracle 等大型云服务商。

1. 全球首台 VR200 NVL72 交付（里程碑）​

CoreWeave 联合 Dell 宣布，全球首台 NVIDIA Vera Rubin VR200 NVL72 机柜已正式交付，并一次性通过 L11 全机柜级硬件诊断测试。这标志着 Rubin 从路线图走向实物，供应链核心环节（HBM4、先进封装、液冷、超高功率电源）未出现重大卡点。

VR200 NVL72 核心配置​

指标	Vera Rubin VR200 NVL72
机柜代号	Oberon
GPU	72 块 Rubin GPU
CPU	36 颗 Vera CPU
单 GPU 显存	288 GB HBM4
单 CPU 内存	1.5 TB LPDDR5X
整柜 HBM4	20.7 TB（20,736 GB）
整柜 LPDDR5X	54 TB
互联	NVLink 6 全互联
推理性能	~3.6 exaFLOPS 级别
散热	液冷
代际提升	单 GPU 计算约 3.5×、内存带宽约 2.8×（对比 Blackwell）

Vera CPU 集成 88 个定制 Olympus ARM 核心，与 GPU 间互联带宽 1.8 TB/s，可作为 GPU 显存扩展池。NVIDIA 已于 5 月完成对 Anthropic、OpenAI、xAI 及 Oracle Cloud 的首批 Vera CPU 交付。

2. 三星 HBM4 量产：关键瓶颈松动​

2026年7月8日，三星电子正式启动面向 Vera Rubin 平台的 HBM4 量产，据报道其 HBM4 量产良率达到 70%（超出 60–65% 的初始预期）。这一关键供应链环节的确认，为 Rubin 大规模部署扫清障碍。

HBM 供应格局（2026 Q1）	份额
SK 海力士	45%
三星	40%
美光	15%

HBM4 采用 8 层堆叠（12 层设计计划 2028 年），价格约为 HBM3e 的 2.8 倍。TrendForce 预测 HBM 供给将年增 65%，到 2027 Q4 HBM4 占总产出的 35%。

3. Rubin Ultra 天价：HBM 成本主导​

据美国银行全球研究（BofA Global Research）测算，Rubin 一代将把单台服务器成本推向历史新高：

成本项	Rubin VR200（Oberon）	对比
单柜 HBM4 用量	20,736 GB	—
HBM4 单价	~$18.40 / GB	Blackwell（HBM3e）~$11.26 / GB
仅 HBM4 成本	~$38.2 万	尚未计入 LPDDR5X
Rubin Ultra 机柜预估售价	~$2,100 万	IT 之家 / BofA 估算

4. Rubin Ultra 设计调整：原 4 芯片方案取消（据 SemiAnalysis）​

半导体研究机构 SemiAnalysis（2026-06-30） 披露，GTC 2026 发布的原版 4 芯片 Rubin Ultra GPU 已被取消，2027 年实际出货的版本规模与性能均缩减约一半：

• 取消原因：原版在单一 CoWoS-L 封装内集成 4 颗计算 die + 16 颗 HBM4E，基板在 4 die 配置下出现翘曲（warpage），导致计算 die 与基板接触失效、良率崩塌；替代方案 CoPoS 量产要等到 2028 年底以后，赶不上 2027 节点。
• 新方案：改为 双 die（与标准 Rubin 同构）+ HBM4E，单 GPU 约 384 GB HBM4E（高于标准 Rubin 的 288 GB），但总算力与带宽仅为原版一半；为逼近原设计的聚合算力，NVIDIA 预计在 Kyber 机架内以"2+2"板级配置 拼出四 die 等效规模。
• Kyber 机架延迟：配套 Kyber NVL144 机架因中板 PCB 制造难题推迟 12 个月以上至 2028 年，800V 直流供电方案同样推迟至 2028 年。

⚠️ 口径提示：NVIDIA 未就上述设计调整发表官方评论；X 平台亦有声音认为"芯片数量并未改变、属旧闻翻炒"。本段基于 SemiAnalysis 公开报告整理，最终以 NVIDIA 官方披露为准。我们已在 Rubin Ultra 预览卡 中标注"规格待官方确认"。

产业解读​

1. "Never doubt"时刻兑现：Rubin 首发交付一次性通过 L11，打消了市场对"Rubin 延期"的疑虑，2026 H2 AI 算力供应确定性提前锁定。
2. 专为 Agentic AI 设计：Rubin 面向智能体工作流、超长上下文推理，将进一步压低万亿参数模型的训练/推理成本曲线。
3. HBM 是全链条赢家：单机柜 20.7 TB HBM4 用量巨大，SK 海力士、三星、美光及先进封装（CoWoS-L）、液冷、电力改造全链条受益，同时也成为成本与产能的最大约束。

相关链接​

• NVIDIA Rubin R200 规格页
• NVIDIA Vera CPU 规格页
• NVIDIA Rubin CPX 规格页

参考资料​

• Samsung Starts Mass Production for Nvidia's Vera Rubin AI Platform（2026-07-08）
• Rubin 机柜首次交付，CoreWeave 联合 Dell 交付全球首台 VR200 NVL72
• 英伟达 Rubin Ultra 机柜预估售价 2100 万美元 - IT 之家（2026-07-09）
• NVIDIA Vera Rubin 定档 2026 年 7 月出货 - VendorDeep

---

本文持续跟踪 Vera Rubin 量产爬坡与 HBM4 供应链动态。

2026年上半年，AI芯片产业发生了历史性转折——产业重心从"训练竞赛"转向"推理效率"，国产芯片市场份额首次突破40%，NVIDIA以Blackwell Ultra筑高壁垒，推理专用芯片赛道百花齐放。

---

一、算力再翻番：NVIDIA Blackwell Ultra 发布（6月1日）​

2026年6月1日，NVIDIA CEO黄仁勋在**台北国际电脑展（Computex 2026）**上揭晓新一代AI芯片 Blackwell Ultra，为未来两年的AI基础设施竞赛划定新起跑线。

关键规格​

指标	Blackwell Ultra	B200	提升
FP8算力	20 petaFLOPS	~10 petaFLOPS	100%
架构	Blackwell Ultra	Blackwell	升级
预计交付	2027年Q1	2026年Q1	—
定位	超大规模训练+推理	训练+推理	旗舰

产业意义​

1. 算力翻倍的直接影响：20 petaFLOPS FP8意味着千亿参数模型训练时间大幅缩短，万亿参数模型训练从"科学实验"走向"工程常态"
2. 系统级平衡：Blackwell Ultra不仅是芯片，更是NVLink、HBM、散热、供电的系统级工程突破
3. 路线图确定性：2027年Q1交付时间表，让云厂商和AI实验室可以提前18个月规划基础设施预算

挑战​

• 能耗危机：性能翻倍伴随功耗大幅上升，数据中心供电和冷却设计面临极限挑战
• 可及性问题：顶级算力优先供应顶级云厂商，中小开发者和研究机构如何通过云服务以合理成本触达算力
• 软件栈适配：新硬件需要匹配的CUDA版本和框架支持，软件生态成熟度成为算力转化的关键瓶颈

---

二、国产AI芯片：从"可用"到"好用"的临界点​

2026年6月16日，信创世界发布**《2026中国国产AI芯片厂商能力象限》**，清晰勾勒出国产AI芯片的整体格局。

2.1 能力象限排名​

象限	代表厂商
领导者象限	华为昇腾、海光信息、寒武纪、阿里平头哥、摩尔线程
远见者象限	百度昆仑芯、壁仞科技、燧原科技、沐曦股份、瀚博半导体
竞争者象限	清微智能、黑芝麻智能、芯驰科技、砺算科技、后摩智能
挑战者象限	登临科技、知存科技、芯原股份、瑞芯微、云天励飞

2.2 华为昇腾：国产算力的定海神针​

市场地位​

• 2025年昇腾系列出货 81.2万张，占国产AI加速卡 49% 份额，稳居国产第一
• 昇腾950PR单卡FP8算力达 1P（PetaFLOPS）、FP4算力达 2P
• 推理性能约为NVIDIA H20的 2.87倍，定价仅 7.2-7.5万元，性价比优势显著

全栈优势​

华为"端管云芯"一体化战略是昇腾的核心壁垒：

• 芯片设计：Da Vinci 3.0架构持续迭代
• 操作系统：鸿蒙/欧拉OS深度优化
• 网络通信：欧拉网络协议栈
• 云服务：华为云ModelArts平台无缝集成

最新进展​

• 2026年6月5日，深圳河套学院联合哈工大（深圳）、华为团队，依托昇腾910C集群完成 1.6万亿参数DeepSeek V4 Pro大模型全参数后训练
• 这是国产AI芯片首次完成万亿参数级大模型训练，标志着"国产替代"从推理迈向训练

2.3 寒武纪：率先盈利的国产AI芯片标杆​

业绩爆发​

指标	2025年全年	2026年Q1	同比增长
营收	64.97亿元	28.85亿元	+453% / +160%
净利润	20.59亿元（首次年度盈利）	10.13亿元	— / +185%

核心产品：思元590​

• 在DeepSeek R1推理场景下，TPS可达 942，比H20高出约 50%
• 与字节跳动多年联合优化，具备短期最强的云端推理部署能力
• 2026年Q1营收28.85亿元中，思元590贡献超过70%

潜在风险​

在2026年第2号《安全可靠测评结果公告》中缺席，原因尚未明确，将对其国内政企市场表现产生影响。

2.4 清微智能：可重构芯片的"第三路线"​

技术路线​

清微智能采用与Groq LPU同源的可重构数据流架构，在GPU通用性与ASIC极致效率之间找到了平衡点。

指标	清微智能 TX81	传统GPU方案	优势
推理成本	基准	+100%	降低50%
能效比	基准	基准	提升3倍
架构	可重构数据流	SIMT/SIMD	更适合推理

落地进展​

• 可重构芯片累计出货量已超 3000万颗
• 在全国十余座千卡规模智算中心实现规模化落地
• 已启动A股IPO辅导，有望成为"可重构芯片第一股"

---

三、推理芯片赛道：产业重心转移的核心信号​

2026年6月4日，TrendForce发布深度报告**《推理经济时代来临：AI芯片的规则正被重写》，指出AI产业的算力竞争重心正在从训练转向推理**。

3.1 为什么是现在？​

成本结构改变​

• 训练是一次性成本：模型训练完成后，边际成本趋近于零
• 推理是持续性成本：每一次API调用、每一个生成token，都代表算力消耗与毛利压力
• 单位推理成本与能效表现将直接影响毛利率与规模扩张能力

模型精简技术成熟​

• 1.58-bit量化技术与权重剪枝，使模型可在极低内存占用下维持推理准确度
• MoE（混合专家）架构通过"部分唤醒"机制，每次推理仅激活少数专家子网络，大幅降低实际运算量
• 精简模型的崛起，为硬式编码推理芯片提供了商业可行性

3.2 NVIDIA的百亿押注：收购Groq（2025年12月）​

2025年12月24日，NVIDIA以 200亿美元取得Groq的Inference技术授权与核心团队，这是NVIDIA历史上最大规模的并购/技术收购之一。

战略意图：

1. 补全推理短板：NVIDIA GPU在训练领域无可撼动，但推理效率一直不是最强
2. 对抗专用推理芯片：Cerebras、Taalas、SambaNova等初创公司正在蚕食推理市场
3. 布局Agentic AI：Agentic AI需要极低延迟、极高吞吐的推理能力

3.3 Taalas HC1：硬式编码推理的概念验证​

2026年2月20日，加拿大AI芯片初创公司Taalas发布推理芯片 Taalas HC1，将Meta的开源AI模型Llama 3.1 8B直接刻印在芯片中。

关键指标​

指标	Taalas HC1	NVIDIA B200（throughput optimized）	优势
推理速率	16,960 tokens/s/user	基准	~4-5x
每百万tokens成本	0.75 cents	3.79 cents	降低80%
功耗	~250W	~700W	降低64%
制程	TSMC N6	TSMC 4nm	更成熟
HBM	❌ 不使用	✅ HBM3e	成本更低

技术原理​

Taalas HC1采用**存储内运算（Computing-in-Memory, CIM）**的激进实现：

• 将模型权重直接固化于Mask ROM中（完全硬体定义）
• 以片上SRAM处理动态资料（KV cache和LoRA微调权重）
• 仅需修改2层光罩就能产出另一个AI模型的专用芯片，将一个AI模型转化为实体芯片仅需2个月

局限性​

• 缺乏弹性：硬式编码无法应对快速迭代的模型更新
• 生态壁垒：当前云端市场仍依赖通用平台，客户可能更偏好可随模型升级的弹性方案
• NRE成本：一次性工程费用高，需要足够大规模的部署才能摊薄

3.4 Cerebras：晶圆级整合的上市之路​

2026年5月14日，Cerebras Systems正式在纳斯达克挂牌上市，成为首家上市的晶圆级AI芯片公司。

核心技术：Wafer-Scale Integration（WSI）​

• WSE-3（第三代晶圆级引擎）：整片12英寸晶圆做成单一芯片
• 44GB片上SRAM：无需外部HBM，彻底消除内存带宽瓶颈
• 21 PB/s带宽：片上通信带宽，是GPU的千倍级别
• 与OpenAI合作：已签署逾200亿美元、规模750MW的三年算力合作协议

上市意义​

Cerebras的上市是推理专用芯片赛道成熟的标志：

1. 资本市场开始为这类公司定价
2. 证明"非GPU"技术路线具备商业可行性
3. 为其他推理芯片初创公司（Groq、SambaNova、Taalas等）提供了估值参照

3.5 推理芯片格局：多元技术路线并存​

公司	技术路线	核心优势	代表产品
Taalas	硬式编码（Mask ROM）	极致推理效率、低成本	HC1
Cerebras	晶圆级整合（WSI）	超高带宽、大模型推理	WSE-3
Groq	SRAM-first架构	确定性延迟、高吞吐	LPU（已被NVIDIA收购）
d-Matrix	数字存储内运算（DIMC）	灵活性强于硬式编码	Corsair
Etched	Hard-wired Transformer	所有Transformer模型适用	Sohu
Axelera AI	数字存储内运算（D-IMC）+ RISC-V	高能效比	Metis AIPU

TrendForce预测：

• 通用GPU仍主导训练与多模型环境
• 但在成熟、可预测场景中，通用GPU的利润空间将受到压缩
• 产业格局从通用算力垄断，走向通用与专用并行的双轨结构

---

四、2026年H1国产AI芯片整体格局​

4.1 行业进入放量期​

指标	2025年	2026年Q1	趋势
国产AI加速卡出货量	165万张（占比41%）	—	持续上升
中国AI加速卡总出货量	~400万张	—	—
海光信息营收增速	—	翻倍增长	↑
寒武纪营收增速	—	+160%	↑
摩尔线程营收增速	—	翻倍增长	↑

头部厂商集体进入业绩兑现通道，行业从"技术验证"迈向"规模商用"。

4.2 三大核心发展趋势​

趋势一：资本化浪潮重塑格局​

• 2025年底至2026年初，摩尔线程、沐曦股份登陆科创板
• 壁仞科技登陆港股
• 燧原科技科创板IPO获受理
• 昆仑芯、平头哥启动上市进程
• 清微智能、瀚博半导体等推进IPO

资本化带来双重效应：

• ✅ 正面：为研发和生态建设提供支撑
• ⚠️ 负面：估值泡沫和业绩兑现压力

趋势二：产能成为最大制约变量​

国产AI芯片爆发式需求与有限先进制程产能的矛盾日益尖锐：

厂商	先进制程产能需求	实际获得
华为昇腾	每月1.5万片（7nm级）	优先保障
中芯国际总产能	每月约2万片（7nm级）	—
其他厂商	合计约5000片/月	极度紧张

能否拿到稳定晶圆产能直接决定厂商生死。寒武纪75.4%的营收占比存货，本质是对产能的锁定。

趋势三：竞争从"可用"转向"好用"​

早期竞争聚焦"能否跑通模型"，当前升级为"运行效率、部署成本"的比拼：

竞争维度	"可用"时代	"好用"时代
硬件性能	能否跑通模型	运行效率、能效比
软件栈	基本适配	成熟度、框架广度
生态	有无	开发者社区活跃度
部署成本	不敏感	核心竞争要素

---

五、2026年H2展望​

5.1 即将到来的关键事件​

时间	事件	影响
2026年Q3	NVIDIA Rubin架构详情公布	下一代旗舰规格揭晓
2026年Q3	华为昇腾950PR/950DT正式发布	国产推理芯片新标杆
2026年Q4	AMD MI350X规模化交付	NVIDIA Blackwell竞品
2026年Q4	寒武纪思元690发布（推测）	新一代训练芯片
2027年Q1	NVIDIA Blackwell Ultra交付	算力新标杆落地

5.2 未来三年关键竞争要素​

1. 晶圆产能获取能力：先进制程产能是稀缺资源，绑定中芯国际、TSMC的厂商具备先天优势
2. 资本运作效率：IPO窗口期有限，能否在资本市场上融到足够资金决定研发持续性
3. 软件生态建设深度：硬件性能只是入场券，软件栈成熟度、框架适配广度、开发者社区活跃度才是核心壁垒

---

六、结语：多元生态终将形成​

2026年H1，AI芯片产业正在经历从"一家独大"到"多元并存"的历史性转变。

• NVIDIA以Blackwell Ultra筑高训练壁垒，同时以收购Groq布局推理效率
• 华为昇腾以全栈能力守住国产算力的基本盘，950PR在推理性能上开始超越H20
• 寒武纪以率先盈利证明国产AI芯片的商业化可行性，思元590在特定场景超越国际竞品
• Cerebras、Taalas等推理专用芯片公司开辟了"非GPU"的第三路线
• 清微智能的可重构架构为中国AI芯片提供了技术路线的多元化选择

未来三年，国产AI芯片终局将形成GPU、ASIC、可重构计算三大技术路线并存，云端与边缘协同发展的多元生态。"国产替代"不再是口号，而是正在发生的产业现实。

---

数据来源：

• 信创世界《2026中国国产AI芯片厂商能力象限》（2026-06-16）
• TrendForce《推理经济时代来临：AI芯片的规则正被重写》（2026-06-04）
• RayByte《算力再翻番！英伟达Blackwell Ultra芯片发布》（2026-06-02）
• 各公司官方财报和公告

相关阅读：

• 华为昇腾910C规格深度解析
• 完整对比表

---