英伟达2025年达成Groq技术授权，AI芯片新架构加速突破算力瓶颈_CPU

1. 发哥的#天玑9500旗舰芯# 正式发布，第三代的全大核CPU架构，单核提升不少，算力更强。这一代提升最大的还得是GPU，新架构性能上涨33%，峰值功耗反到下降了42%，游戏画质和帧率提升明显，尤其是光追，强了一倍多。端侧AI能力稳定提高，新的图像处理器有点意思，支持4K 60帧的人像视频录制和4K 120帧防抖，今年天玑端的视频能力相当强。双 NPU，为加强端侧 AI 体验而生，实现4K高清画质文生图，NPU采用存算一体架构，运行功耗显著降低可以实现AI 模型常驻运行，推动主动式 AI。看看接下来，OPPO和vivo能在实机上玩出什么花样吧

2. 这次春节AI大战，国产模型与国产芯片第一次，双向奔赴！ #春节世界观察 #新年囤点专业货 #燃起来了大国重器 #大咖观察 #红衣聊AI

3. 得半导体技术者得天下在三星这里体现得淋漓尽致。三星推出业界首款商用HBM4，为人工智能计算提供极致性能HBM4 正式量产，传输速度稳定在 11.7Gbps，最高可达 13Gbps。采用 4nm 制程工艺的先进 DRAM，最大限度地提升了下一代数据中心的性能、可靠性和能效。可靠的制程技术和供应能力，进一步巩固了三星在 HBM4 之后的 HBM 产品路线图。全球领先的先进存储技术公司三星电子今日宣布，其业界领先的HBM4内存已开始量产，并已向客户交付商用产品。这一成就开创了行业先河，巩固了三星在HBM4市场的早期领先地位。通过积极利用其最先进的第六代 10 纳米 (nm) 级 DRAM 工艺 (1c)，该公司从量产之初就实现了稳定的良率和业界领先的性能——所有这些都是无缝完成的，无需任何额外的重新设计。三星电子执行副总裁兼存储器开发负责人黄相俊表示：“三星没有沿用传统的成熟设计，而是大胆创新，采用了最先进的制程节点，例如用于HBM4的1c DRAM和4nm逻辑工艺。凭借我们在制程方面的优势和设计优化，我们能够确保巨大的性能提升空间，从而满足客户日益增长的高性能需求。”树立性能和效率的最高标准三星的HBM4显存可提供高达11.7 Gbps的稳定处理速度，比业界标准的8Gbps提升约46%，树立了HBM4性能的新标杆。这比其前代产品HBM3E的最高引脚速度9.6Gbps提升了1.22倍。HBM4的性能还可以进一步提升至13Gbps，有效缓解随着AI模型规模不断扩大而日益严重的数据瓶颈问题。此外，与 HBM3E 相比，每个堆栈的总内存带宽提高了 2.7 倍，最高可达每秒 3.3 太字节 (TB/s)。三星采用12层堆叠技术，提供容量从24GB到36GB的HBM4固态硬盘。该公司还将通过采用16层堆叠技术，将容量选择扩展至最高48GB，以满足客户未来的需求。为了应对数据I/O引脚数量从1024个增加到2048个所带来的功耗和散热挑战，三星在核心芯片中集成了先进的低功耗设计方案。与HBM3E相比，HBM4通过采用低电压硅通孔（TSV）技术和电源分配网络（PDN）优化，实现了40%的能效提升，同时热阻降低了10%，散热能力提高了30%。三星 HBM4 为未来的数据中心环境带来卓越的性能、能源效率和高可靠性，使客户能够最大限度地提高 GPU 吞吐量并有效管理其总体拥有成本 (TCO)。全面而敏捷的生产能力三星致力于通过其全面的制造资源（包括业内最大的DRAM产能之一和专用基础设施）推进其HBM路线图，以确保具有弹性的供应链，以满足预计的HBM4需求激增。公司晶圆代工和存储器业务之间紧密整合的设计技术协同优化（DTCO）机制，确保了最高的质量和良率标准。此外，公司在先进封装领域拥有丰富的内部专业知识，从而简化了生产流程，缩短了交货周期。三星还计划扩大与主要合作伙伴的技术合作范围，这是基于与全球 GPU 制造商和专注于下一代 ASIC 开发的超大规模数据中心运营商的密切讨论而做出的。三星预计其HBM产品销量在2026年将比2025年增长三倍以上，并正积极扩大HBM4的产能。在HBM4成功推向市场后，HBM4E的样品预计将于2026年下半年开始发放，而定制的HBM样品将根据客户的具体规格于2027年开始交付。

4. 英伟达OpenAI千亿交易：OpenAI锁定10GW算力，其他人还剩啥

5. 预防算力危机！OpenAI计划投入1000亿美元租备用服务器

6. 都在问泡沫何时破，老黄直接下了更大的赌注 #英伟达#黄仁勋#ces2026#GPU#AI新星计划

7. Rubin 是首代大规模搭载 HBM4 的架构。在技术层面，训练主要是 Compute-bound（计算受限），Batch比较大，而推理，尤其是长文本和高并发，是极度 Memory-bound（带宽受限）的，Batch小，延迟要求高，毕竟是服务大量群众的。Rubin 把带宽拉到 20TB/s 以上，本质上就是为了解决推理时的吞吐瓶颈。 Rubin 当然能训练，英伟达的卡从来不偏科。但为什么要强调推理？因为 HBM4。训练吃算力，推理吃带宽。Rubin 把内存带宽拉到 Blackwell 的两倍多，摆明了是要在推理端降维打击，能训练是保底，推理成本降一个数量级才是 Rubin 让大厂掏钱的主要原因。。现在大厂手里囤了那么多 H100 还没跑满，为什么还要盯着还没出的 Rubin？就是因为推理太贵。训练是研发投入，咬牙也就过了；但推理是日活开支，那是每天都在烧的钱。Rubin 的 HBM4 就是避免长期烧钱，没有谷歌的TPU也就算了，现在有个魔鬼TPU在边上，TPU 推理每 Token 成本比 H100 低 4 倍，不求变是不行的，不买是不行的。。我厂有很多V100，也有H100，AMD 的MI250，300X 等，现在GB200还太贵，TPU要用谷歌云不方便，Rubin还没发布，我作为厂长，当然要了解和学习这里面的名堂。。当然我肯定没写过实际代码，就像老黄也没写过，不妨碍我们吹牛啊，对不对。

8. 今夜无显卡！老黄引爆Rubin时代，6颗芯狂飙5倍算力

9. #互联网技术[超话]##个重磅信号！#黄仁勋 #AI #人工智能#机器人 #自动驾驶 #CES2026 #英伟达#新年演讲# 黄仁勋在2026年CES展会上的新年首场演讲，以"物理AI"为核心主题，宣告人工智能正式迈入从理解数字世界到改造物理世界的新阶段。以下是演讲的核心内容整理：一、时代定调：双重平台转移开启AI新纪元黄仁勋指出，计算机行业正经历十年一遇的"平台重置"，同时发生两大平台转移：一是应用程序全面构建于AI之上，软件开发从"编程"转向"训练"，运行载体从CPU迁移至GPU；二是软件的开发与运行逻辑彻底革新，AI应用不再是预编译的固定程序，而是能理解上下文、实时生成内容的智能系统。这一变革正驱动全球价值约十万亿美元的计算机基础设施进行现代化改造。二、物理AI的ChatGPT时刻已至物理AI成为演讲的核心焦点。黄仁勋认为，AI的演进可以分为四步：感知AI、生成AI、代理AI、物理AI。当模型能够理解重力、摩擦、惯性、动量守恒等物理定律，AI才能真正走出屏幕，进入物理世界执行任务。支撑物理AI战略的三大技术支柱已全面成型： Newton物理引擎：实现低于0.01秒的实时物理计算响应 Cosmos基础模型平台：以1000亿参数达成1毫秒级推理延迟，支持多模态物理世界理解 GPU+LPU混合架构：算力效率提升100倍，成本降低90% 三、Rubin计算架构全面量产英伟达推出新一代Vera Rubin计算架构（简称Rubin架构），该平台已进入全面量产阶段。Rubin架构通过CPU与GPU协同设计，AI训练性能较前代Blackwell提升3.5倍，推理性能提升5倍，token生成成本最高降低10倍。该架构包含六款全新芯片：Vera CPU、Rubin GPU、NVLink 6 Switch、ConnectX-9 SuperNIC、BlueField-4 DPU和Spectrum-X以太网交换机。四、自动驾驶与机器人突破自动驾驶领域：英伟达发布全球首个开源端到端AI系统Alpamayo，这是业界首个具备思考推理能力的自动驾驶AI模型。2025款梅赛德斯-奔驰CLA将首发搭载该技术，计划2026年第一季度在美国上路，随后推广至欧洲和亚洲市场。机器人领域：黄仁勋宣布"机器人领域的ChatGPT时刻已经到来"。英伟达发布了专为人形机器人设计的Isaac GR00T N1.6视觉语言行动模型等开源工具，同时推出Cosmos Reason 2推理型视觉语言模型。特斯拉Optimus人形机器人已通过Omniverse数字孪生平台完成90%以上的训练，自主运行比例达85%，2026年第一季度将实现5万台量产，成本降至2万美元以下。五、开源生态战略加速黄仁勋强调，开源模型与前沿闭源模型的差距已缩短至约6个月，且仍在持续缩小。英伟达不仅开源模型，还开源用于训练这些模型的数据，以建立真正的"系统信任"。现场展示的多款开源模型包括三家中国开源模型：Kimi K2、Qwen和DeepSeek V3.2。黄仁勋特别提到，DeepSeek R1的出现意外推动了整个行业的变革进程。六、全栈AI体系构建英伟达的角色已从芯片供应商转变为"全栈AI体系"的构建者。通过"三台计算机"的架构——训练（DGX超级计算机）、仿真（Omniverse与RTX）、推理（AGX系列边缘设备），英伟达构建了从云端训练到现实部署的完整闭环系统。同时，通过开源模型、数据及NeMo开发库，英伟达正推动技术民主化，让更多开发者和企业能够参与到物理AI的创新浪潮中。黄仁勋在演讲结尾强调，物理AI的落地将重塑全球千万家工厂与数十万个仓库的运作逻辑，开启AI与实体经济深度融合的新时代。 http://t.cn/AXb9Z9MM

10. 算力税第二波，CPU涨价

11. 钱德沛院士：算力——数字时代的“发动机”

12. 华为云押注“算力黑土地”

13. 当AI应用都在「撒钱」时，谁来扛住千亿交互背后的算力大考？

14. 谁能掌握能源、算力，还有应用生态，谁就能定义未来。 #大咖观察 #红衣聊AI #能源 #算力

15. 国务院国资委：中央企业要积极扩大算力有效投资

16. 摩尔线程重磅发布：新一代GPU架构“花港”能效提升10倍，系列芯片明年量产上市，推出AI算力笔记本

17. AI算力、AI Agent、AI游戏，游族抢跑AI时代

18. 华为昇腾宣布0Day支持DeepSeek-V3.2-Exp DeepSeek-V3.2-Exp重磅发布！华为宣布零Day支持！国产大模型牵手国产算力的背后是国产AI基建越来越成熟的适配能力！#华为 #昇腾 #DeepSeek

19. 黄仁勋CES上硬菜：Vera Rubin已量产！为AI赌上6颗芯片

20. 百度昆仑芯分拆上市，AI芯片赛道再添猛将1月2日，百度在港交所发布公告，其旗下AI芯片公司昆仑芯已向香港联交所提交上市申请。作为百度智能芯片及架构部的“升级版”，昆仑芯自2021年独立融资后，一直专注于通用人工智能芯片的研发。此次分拆上市，不仅是百度在AI芯片领域长期布局的成果，也体现了其“起大早赶大集”的战略眼光。昆仑芯的上市，将为百度在AI领域的生态布局注入新动力。其强大的芯片技术，有望为百度的萝卜快跑等业务提供更强大的算力支持，助力自动驾驶和智能交通的进一步发展。同时，这也标志着国产AI芯片在国际舞台上迈出重要一步，未来可期！

21. OpenAI走向“算力帝国”

22. AI从来不是空中楼阁，是算力，是电力。是一座座数据中心实实在在托起来的。#大咖观察 #红衣聊AI #算力 #基建 #电力

23. 英特尔掌门人警告：AI内存危机彻底爆发！别再盯着算力了，这才是真卡点。#大咖观察 #红衣聊AI #内存 #算力 #英特尔

24. AI最烧钱的战场：数据中心的真实账单【硅谷101】

25. 卖铲人的疯狂时刻，英伟达发布Rubin意欲何为

26. 【摩尔线程发新芯片称对AI大模型训练推理均强于英伟达上代产品】摩尔线程发新芯片称对AI大模型训练推理均强于英伟达上代产品在资本市场热捧中摩尔线程发布下一代产品。12月20日，摩尔线程（688795.SH）在北京召开了首届开发者大会，在会上发布了下一代的GPU架构“花港”和基于该架构开发的AI大模型训练、推理一体芯片“华山”和专用于图形渲染的芯片“庐山”。此外，摩尔线程还发布了万卡智算集群、端侧AI SoC（系统级）芯片“长江”等产品。　　摩尔线程并未公布新一代AI芯片的具体参数或量产时间，称“华山”的浮点算力、访存带宽、高速互联带宽这三个指标能力介于英伟达量产的最新架构Blackwell和上一代架构Hopper之间，而访存容量优于前二者。

27. 天玑9500抢先体验：看性能+能耗+AI的三重进化

28. 一天吃透一条产业链：AI 芯片（引爆市场）

29. 里程碑！3套国产AI万卡超集群同时上线国家级算力枢纽

30. 全球最强算力！华为算力大阅兵，AI芯片碾压全球#华为 #算力底座 #人工智能 #AI #昇腾AI

31. #马斯克宣布将在太空建数据中心# 这波操作真的把科技想象力拉满！马斯克靠星链V3卫星扩容实现太空算力，解决AI时代算力缺口的思路太绝了～太空数据中心简直是降维打击：太阳能发电效率是地面5倍，零下270℃环境天然散热，还能实现“天数天算”，避开地面传输瓶颈。现在科技巨头都在抢布局，太空算力竞赛已打响。但技术落地和大规模组网成本仍是挑战，不过这种突破物理限制的探索超有意义！你觉得太空数据中心多久能普及？

32. AI应用遇到性能瓶颈，先别堆卡。榨干每一滴算力，才是正解#AI##深信服##算力##显卡# 科技最前线的微博视频

33. 突破世纪难题！北大团队研制成功新型芯片，比美国卡脖子的GPU厉害1000倍！#芯片 #算力 #中国科技

34. 在乌镇世界互联网大会，我人麻了！亲眼见证中国“AI超级发电站”#中科曙光 #国产智算开放架构超节点 #全球首个单机柜级640卡超节点scaleX640 #科技改变生活 #算力

35. DeepSeek新模型爆火，硅谷玩疯了 #DeepSeek团队开源新模型 DeepSeek新模型爆火，硅谷玩疯了！把文字变成图像，让AI一目十行读完一本书！这次，它真的在教AI们，怎么省算力、怎么学会“遗忘” #AI #DeepSeek

36. 算力革命的总设计师！英伟达未来10年的AI蓝图！如何重构全栈生态？「超极氪」

37. 核心AI场景首超英伟达，一场国产算力的“破局叙事”｜甲子光年

38. #华为走出中国AI算力创新之路#9月18日，在上海举办的华为全联接大会2025上，华为副董事长、轮值董事长徐直军展望未来算力的产业生态。从“东数西算”政策落地到超节点集群商用，中国AI产业正迎来“算力突围”的关键窗口期。华为“超节点+集群”的战略，不仅解决了当前算力供给不足的问题，更构建了“技术创新→产业落地→生态共建”的完整路径——提升大模型训练效率，让传统行业AI转型成本降低，让中小企业也能参与到AI创新中。未来，随着全国一体化算力网的加速成型，以及更多企业加入昇腾生态，中国AI产业将逐步突破“算力瓶颈、生态短板”的限制，在全球竞争中占据更有利地位。而算力基础设施的完善，也将推动AI技术深度渗透到千行百业，成为培育新质生产力、推动中国式现代化的核心力量，最终实现“让AI惠及全体人民”的产业愿景。

39. 拆解OpenAI的AI需求后，巴克莱得出结论：AI资本开支周期仍将持续，技术突破可能在27/28年引发算力需求激增

40. 胜宏科技2025年业绩预增260.35%-295.00%，AI算力需求推动PCB业务爆发 | 财报见闻

41. 在AI时代，算力决定速度，内存决定高度。 #大咖观察 #红衣聊AI #GPU #内存

42. AI的未来，也许不在于模型规模的无限扩大。 #大咖观察 #红衣聊AI #transformer神经网络架构 #人工智能

43. #人工智能#当OpenAI砸3000亿建数据中心、xAI 豪掷10.8亿抢芯片，美国科技巨头们在AI 算力赛道上疯狂内卷时，微软CEO纳德拉的一句吐槽戳破真相：“库存里的芯片堆成山，却因为没电用不上”。缺电，正成为卡住 AI 泡沫的致命瓶颈。#AI创造营##AI智能# 凯文思考的微博视频

44. AI芯片2025：巨头血拼，权力鼎革

45. 我国太空算力网建设迈入关键阶段，2800 颗卫星将打造全球太空算力底座，这到底是算力格局的彻底颠覆，还是噱头大于实际？近地轨道建起太空数据中心，十万 P 级推理算力 + 百万 P 级训练算力实现天数天算，零成本太阳能供电、极寒高效散热，看似破解 AI 能源困局，却又无法替代地面能源，这波突破到底有多少含金量？更被吹为低空经济救星，号称能让个人飞行从概念落地，真能打破低空算力通信瓶颈，实现全民飞行的未来吗？太空算力 VS 地面算力，谁才是未来算力的核心？#微博超有用视频大赛##上微博涨知识##AI创造营##科技先锋官# http://t.cn/AXqHvkEL

46. #我国突破瓶颈成功研制新型芯片#我国这次芯片突破确实牛！北大团队搞出了个“模拟计算”芯片，和现在电脑、手机里的“数字计算”芯片路子完全不同。简单说，数字芯片要把数据变成0和1才能算（比如“十”得转成“1010”），而模拟芯片直接用物理信号（比如电压大小）代表数字，省了转换步骤。厉害在哪？速度爆炸快：处理某些复杂数学问题（比如矩阵方程），速度比最顶级的英伟达GPU 快100到1000倍！以前GPU要算一整天的任务，它1分钟搞定。省电王者：耗能只有传统芯片的几十分之一，特别适合大数据中心这种“电老虎”。精度大突破：老式模拟芯片容易“算不准”，这次通过新算法把精度提到了24位，和数字计算掰手腕没问题。能干啥用？主要用在需要疯狂算力的地方： AI大模型训练（让AI学得更快更省电）6G基站信号处理（更快更稳的网速）机器人实时决策（比如自动驾驶紧急避让）意义多大？这可不只是“快一点”，而是换赛道超车！在高端芯片被“卡脖子”的背景下，这种底层创新证明咱们能自己开辟新路，未来算力格局可能被改写。当然，离大规模量产还有段路要走（比如生产工艺优化），但实验室突破是实打实的。一句话总结：北大搞了个“物理算盘”，暴打了传统“电子计算器”，专治AI、6G这些“算力饥渴症”，省电还贼快——中国芯，新路子成了！我国突破瓶颈成功研制新型芯片

47. 旗舰芯片天玑9500搭载第三代3nm制程与全大核架构重新定义移动计算标杆。这次采用1+3+4全大核CPU设计，单核性能提升32%，多核提升17%，超大核功耗降低55%，安兔兔跑分突破400万。GPU方面，G1-Ultra峰值性能提升33%，光线追踪性能暴涨119%，支持虚幻引擎5.6技术，实现手游光追超百帧体验。双NPU设计堪称亮点：超性能NPU 990算力达100TOPS，支持4K文生图与BitNet大模型，功耗降低56%；超能效NPU以存算一体架构实现AI模型常驻运行。影像上，Imagiq 1190支持2亿像素直出与4K 60帧人像视频，双轨防抖技术让4K 120帧视频更稳定。配合MiraVision显示、Wi-Fi 7速传及AI通信节能等技术，续航与连接体验全面升级。现在已经确认vivo X300、OPPO Find X9系列搭载！

48. 【北京经济技术开发区：推进数模混合、存算一体等芯片架构研发创新延伸场景定义芯片、行业专用芯片、使能软件等产业链条】财联社1月31日电，北京经济技术开发区管理委员会印发《关于进一步加快建设全域人工智能之城的实施方案（2026—2027年）》。其中提到，夯实智能原生基础能力。发挥集成电路制造能力优势，推动“设计-制造-封测-算力”一体化协同发展，牵引算力基础设施与高性能智算产业持续迭代。推进数模混合、存算一体等芯片架构研发创新，延伸场景定义芯片、行业专用芯片、使能软件等产业链条。推动通用与垂类模型协同发展，加快认知模型向能动模型迭代升级。支持国家级人工智能软硬件测试验证中心和大模型评测中心建设，夯实“芯模适配”底层能力。积极部署人工智能安全体系，重点突破深度伪造识别、生成内容合规检测等技术，构建安全可信底座。北京经济技术开发区管理委员会印发《关于进一步加快建设全域人工智能之城的实施方案（2026—2027年）》的通知

49. 理想汽车 CTO 谢炎在 2025 云栖大会|开幕式圆桌会议做了分享，其中就包括大家关注的理想AI、VLA、芯片这三个领域内容:1. 理想汽车的AI战略与架构布局。谢炎表示，智能与新能源对未来车企的重要性是同等的，因此理想汽车超过 50% 的研发投入都放在人工智能领域，形成了差异化的战略路线。在架构设计上，理想将AI布局划分为三层：底层是高效的车端推理系统，涵盖芯片、操作系统、通信组件和上层服务的整合，目标是实现更高效率、更低成本和更强算力，支撑核心的自动驾驶任务；中层是VLA基座模型，既要让汽车具备理解三维世界的能力，又要具备人类常识和推理规划能力，理想同时与外部大模型团队开展合作；顶层则是具体应用，包括「AI驾驶员」，相当于每辆车标配的智能驾驶代理，以及「座舱管家」，能打通地图、音乐、外卖等互联网服务，满足用户出行与生活场景需求。通过三层垂直整合，理想强调技术从底到顶的联合设计，以追求极致的产品体验。⸻2. 为什么理想汽车坚持做VLA？在自动驾驶行业中，是否需要语言模型一直存在争议，但理想坚持推进VLA的原因主要有两点。第一，随着自动驾驶技术的演进，车辆必须应对越来越多corner case，这些低概率但复杂的情况无法仅靠大规模数据采集来解决，需要具备人类式推理能力的智能驾驶员。由于图像存在高噪声、不利于逻辑推理，而文字天然适合逻辑和抽象思维，因此语言模型成为关键。第二，从用户体验角度，智能驾驶必须让乘客感受到「像人一样思考」，否则即便安全也可能让人觉得不适。大语言模型通过学习人类海量文本，不仅能生成语言，也能形成接近人类的思维模式，使自动驾驶的行为更贴近人类直觉，提升信任感和舒适度。这些原因使理想坚定地将语言能力引入到自动驾驶核心架构中。⸻3. 为什么理想汽车要自研车端推理芯片？随着VLA和大规模AI模型引入车辆，Scaling Law「规模定律」开始发挥作用，模型的智能提升依赖于更大规模和更长推理链条，这使得车端算力需求呈指数级上升。现有芯片供应商难以满足这种演进需求，因此理想选择自研车端推理芯片，以保证长期自主可控的发展路径。同时，理想认为在推理计算上，可能存在比GPU更高效的架构，因此正在探索新的技术方案。自研芯片不仅能实现更高效的推理，还能帮助理想更好地进行软硬件一体化设计，优化功耗、成本和实时性能。谢炎也特别强调，车端与云端算力体系并不完全相同，云端可能采用另一套解决方案，而车端必须以极致优化为核心目标。因此，自研芯片是理想在智能化战略中不可或缺的探索与投入。#理想汽车##微博新知博主# #理想i6上市# 德卤爱开车的微博视频

50. 一年4次迭代，狂堆GPU成真！微软AI冷液灌芯，散热暴涨3倍

51. 英伟达争霸“推理时代”，新Rubin CPX GPU“1亿美元投入，50亿美元推理收入，50倍回报率”！

52. 英特尔公布首个18A工艺芯片架构细节，称CPU/GPU性能提升超50%，股价微涨0.99%，如何解读？

53. 马斯克最新访谈：特斯拉机器人的新版本会很惊艳#马斯克 #特斯拉 #机器人 #optimus #芯片

54. 【硬核教程】教你搭建Mac AI集群！4台M3 Ultra，运行万亿参数大模型！

55. 终有一天，中国芯片公司会成为英伟达的噩梦#英伟达 #阿里巴巴 #芯片 #科技 #AI

56. 英伟达很快会反超谷歌TPU，AI模型的竞争格局会在2026年1季度变天#英伟达 #马斯克 #算力 #Gemini3#TPU #GPU #AI模型#算力集群

57. 之前已经有不少品牌旗舰机宣布搭载天玑9500处理器。我猜到发哥这次会很强，但没想到这么强，尤其是AI性能方面的能力，给人太多想象空间。高达100 TOPS的AI算力，加上“存算一体”能效黑科技，极大地提升大模型响应速度与处理效率。在ETHZ AI Benchmark测试中，天玑9500直接排名第一，性能霸榜！同时得益于全新搭载的超性能+超能效双NPU架构，在拥有超强AI性能的同时，还可以实现低功耗AI常驻。这次还首发了端侧4K超高画质文生图，#天玑9500旗舰芯#这是把端侧大模型能力做到了极致。

58. #一条音频告别2025##微博声浪计划# 英伟达发布新一代GPU Rubin平台，算力实现跨越式升级，NVFP4推理算力达50 PFLOPS，是前代5倍，训练算力提升3.5倍。平台为全栈硬件生态，集成多款芯片，扩展能力强大。战略转向物理AI，开启机器人与自动驾驶新赛道，2026下半年交付，同时面临市场竞争与地缘政治挑战。#英伟达发布新一代GPU# http://t.cn/AXbJpSJw

59. #一分钟视频创作季# 突破 AI 算力瓶颈：英伟达 Spectrum-X 如何重构数据中心网络当万亿参数大模型训练时，数千张 GPU 协同产生的海量数据传输，常让传统以太网陷入带宽浪费困境，利用率仅 35%~40% 的网络成为算力释放的关键瓶颈。Spectrum-X 以太网解决方案破解了这一难题，将成为AI工厂的高性能神经系统。Spectrum-X三重突破：无损传输通过 PFC 流量控制与 ECN 拥塞通知，实现微秒级反馈避免数据包丢弃，彻底告别传统网络的丢包重传延迟；自适应路由采用逐包动态负载均衡，由 Spectrum-4 交换机实时选择最优路径，配合 BlueField-3 SuperNIC 完成乱序重组，让带宽利用率飙升至 95%。硬件级拥塞控制依托交换机内置遥测技术，精准调节数据注入速率，根除多 GPU 同步引发的 Incast 拥塞。在实际场景中，Spectrum-X 已展现硬核价值，在 Israel-1 超级计算机上将 800 GPU 集群的读带宽提升 48%，使 TB 级模型 Checkpoint 保存时间大幅缩短，避免训练中断导致的算力浪费。Oracle 用其构建十亿瓦级 AI 工厂，实现数百万 GPU 高效互连，加速生成式 AI 部署；Meta 则将其集成到 FBOSS 系统，为数十亿用户的 AI 服务提供稳定低延迟的网络支撑。对于检索增强生成场景，Spectrum-X 使向量数据库的检索延迟显著降低，助力多租户 AI 服务每秒处理数千查询。#有点东西##AI创造营##微博兴趣创作计划# 种斌Marco的微博视频

60. 任正非万字重磅发言刷屏，终于又听到任老爷子发声！聊AI，聊算力，聊教育，聊人才，聊未来机会…硬核干货的背后，是惊人的智慧和格局！ #任正非 #ai #算力

61. #DeepSeek下个王炸是什么#DeepSeek在去年春节炸场，这几天AI圈又在等它“过年”。2026年才开始不到两个月，DeepSeek已经连续更新四次，这种高频迭代不像是常规小修小补，更像是新一代旗舰模型更新前的最后冲刺。这次的技术明牌了，mHC（流形约束超连接）和Engram（条件记忆）。mHC解决的是“芯片墙”问题，通过优化层间信息流动来对冲国产芯片在互联带宽上的短板；Engram则是打破“内存墙”，把静态知识存进便宜的DRAM，把昂贵的HBM留给动态计算。在算力受限的现实约束下，用架构创新把能效比压榨到极致。至于V4，业界普遍预期它不会继续卷参数，而是走“极致效率+垂直穿透”的路线。编程能力据说已经对齐甚至超越Claude和GPT系，百万级上下文也基本实锤。现在的悬念是：DeepSeek这发子弹打出去，会不会再次把Token成本打下来，催生出一波真正的AI原生应用？ #HOW I AI#

62. 【站稳AI存储C位？HBM紧缺恐成定局但这一技术正“虎视眈眈”】《科创板日报》10月3日讯，AI时代，存储芯片已从配角跃升为核心瓶颈与突破口。随着大模型参数规模与训练数据量的爆炸式增长，传统内存技术已成为制约算力发挥的“内存墙”，而HBM凭借其超高带宽、低功耗和小体积特性，正成为AI芯片的主流选择。全球科技巨头纷纷将HBM作为战略要地。站稳AI存储C位？HBM紧缺恐成定局但这一技术正“虎视眈眈”

63. 华为公布未来三年昇腾芯片规划，首款 950PR 采用自研 HBM，明年一季度推出，传递了哪些信号？

64. 100根内存条换一套房！AI疯狂吞噬全球内存，普通人电脑快买不起了

65. 在AI算力需求爆发的背景下，高性能内存HBM的价格正持续飙升，SK海力士确认，明年向NVIDIA供应的HBM4单价约为560美元。这一价格不仅高于此前业内预期的约500美元，而且比目前供应HBM3E的约370美元价格高出50%以上。面对高端HBM价格的暴涨，以及中国企业遭受的出口管制，华为刚开源的技术或许可以减轻对这种产品的依赖。日前华为宣布了一项针对AI推理加速的关键技术UCM推理记忆数据管理，并正式将其开源。UCM的关键创新在于，它可以根据数据的“记忆热度”，在不同的存储介质中进行分级缓存，比如HBM存储“实时记忆数据”，DRAM中存储“短期记忆数据”，而SSD则存储“长期记忆数据与外部知识”。

66. 三星将率先量产HBM4：抢下AI存储的"下一张门票"

67. 直指英伟达！报道称谷歌将推出最强AI芯片TPU Ironwood，性能提升四倍，获Anthropic大单

68. NVIDIA：发布世界最快AI超算

69. 1nm芯片的终极密码，竟然是稀土！？为什么台积电也绕不开？深度分析稀土战略与芯片制程的博弈

70. 从算力到存储，谁能掌握AI时代的“口粮”？ #大咖观察 #红衣聊AI #算力 #存储 #硬件

71. 盘点一周AI大事(9月28日)｜ChatGPT上线私人秘书 OpenAI与英伟达签手成功，英伟达投资OpenAI 1000亿打造算力中心微软与Anthropic感情升温，Copilot也接入了Claude ChatGPT上线私人秘书Agent ChatGPT Palse OpenAI 发布职业力基准测试GDPval 阿里推出千问全家桶，Qwen 3 Max数学竞赛拿满分，多模态Qwen 3 omni全面对标Gemini，最强视觉Qwen VL打败闭源 DeepSeek更新V3.1最终版 Meta开源代码世界模型 Google开发出生成式操作系统原型 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

72. 英特尔宣布首款Xe3P架构显卡！160GB显存，专攻AI推理的GPU！「超极氪」

73. 英伟达的“印钞机”停不下来！AI护城河太稳，大家都盼着比Blackwell更强的下一代Rubin GPU。好消息是，Rubin已经顺利流片，连配套的CPU、网卡芯片都搞定了，接下来优化、试产，离商用不到一年。它用台积电3nm工艺，搭HBM4显存，和CPU互联带宽飙到3.6TB/s，AI性能肯定大涨。消费级版本预计2026年下半年出，按这行情，价格大概率又涨，但AI厂商抢着要，英伟达营收和股价怕是又要爆了。

74. 狙击推理时代！英伟达200亿美元收购Groq，能否巩固AI帝国护城河？

75. CES 2026：英特尔这次有药可救了！

76. #华为走出中国AI算力创新之路# 随着全国一体化算力网的加速成型，以及更多企业加入昇腾生态，中国AI产业将逐步突破“算力瓶颈、生态短板”的限制，在全球竞争中占据更有利地位。而算力基础设施的完善，也将推动AI技术深度渗透到千行百业，成为培育新质生产力、推动中国式现代化的核心力量，最终实现“让AI惠及全体人民”的产业愿景。

77. TrendForce总结的zHBM和ZAM与传统HBM的对比非常清楚。给大家分享一下。传统HBM制程是采用垂直TSV堆叠，这种垂直设计会实现高速数据传输，同时也带来热设计的挑战，散热成为一个比较大的问题。三星提出的zHBM技术是直接做3D多晶圆键合，除了带宽大幅度提升外，还可以理论上降低75%功耗。不过在散热上也存在传统HBM类似的问题。Intel的ZAM方案采用对角堆叠技术，目标是提升性能的同时，解决散热和功耗问题。ZAM采用对角线方式在堆叠层中布线，对角铜路径可以改善散热并提高能源效率，Intel的目标是降功耗40-50%并大大改善散热。zHBM和ZAM技术商用时间还要很久，ZAM有明确商用时间表2030年，zHBM还没有透露时间计划。国内也有厂商在研究zHBM类似技术，商用的时间都不一定比三星晚。

78. OpenAI 与 Cerebras 达成价值 100 亿美元的 AI 基础设施协议OpenAI 同意从 Cerebras 购买高达 750MW 的计算能力，用于运行 AI 模型的推理。Cerebras 采用晶圆级引擎技术，将计算和内存集成在单个巨型芯片上，大幅减少了多 GPU 集群中常见的互连瓶颈问题，从而实现更低的延迟和更高的效率。OpenAI 将分阶段将这一低延迟计算能力整合到其推理栈中，覆盖不同工作负载。该计算容量将分多个批次上线，一直持续到 2028 年。类似于英伟达与 xAI的合作，OpenAI 和 Cerebras 都在通过非传统 GPU 或专为推理优化的技术，来加强低延迟推理能力。这标志着 AI 基础设施竞争进入新阶段，重点转向更快、更自然的实时 AI 交互体验。#AI芯片##人工智能##芯片#

79. AI下一个风口：存储！中国早站在顶端，就等超车时刻！

80. OCP大会焦点：制造和封装已大幅扩产，AI芯片瓶颈转向下游，包括内存、机架、电力等

81. 美东时间1月5日，CES 2026大会上，英伟达CEO黄仁勋发表演讲：英伟达宣布推出模型“Alpamayo”，全球首款具备思考、推理和自主驾驶能力的智能汽车AI系统。该系统采用端到端训练模式，从摄像头输入到执行器输出实现全流程训练。英伟达发布用于语音、多模态检索增强生成和安全领域的Nemotron模型。英伟达推出NVIDIA Cosmos开放世界基础模型，该模型具备类人推理能力。英伟达推出全新Clara AI模型，架起数字探索与现实医疗之间的桥梁。英伟达将为2025款梅赛德斯-奔驰CLA车型提供全栈式自动驾驶解决方案。推出Vera Rubin平台，包含六款全新芯片，旨在打造一台人工智能超级计算机。基于Rubin芯片架构的产品将于2026年下半年上市。亚马逊云服务、谷歌云、微软、OCI将于2026年部署基于Vera Rubin的实例。微软的“Fairwater”人工智能超级工厂将扩展至配备数十万块英伟达Vera Rubin超级芯片。英伟达推出BlueField-4数据处理器，为英伟达推理上下文内存存储平台提供算力支持。Bluefield-4将于2026年下半年上市。北环爱好者之家的微博视频

82. 需求太火爆！智谱AI因算力告急“限购”：GLM编程计划每日仅售20%，老用户优先

83. 华为云碾压局，最强算力全家桶发布！

84. AI在太空觉醒：人类算力正在离开地球 Al在太空“觉醒”：人类算力走出地球！战略级科技计划发布 #人工智能 #太空算力 #超算 #英伟达 #马斯克

85. 英伟达 B30A 中国特供芯片！2.4万美元一片！国内大厂还得抢着要？「超极氪」

86. #我国突破瓶颈成功研制新型芯片# 真是令人兴奋的话题。两周前和一位硬件领域的专家讨论 AI 的演进，最后我说“T-800 里装的肯定不是冯•诺伊曼结构，要么是忆阻器，要么是类器官智能”。我们现在用的计算机都是冯•诺伊曼结构，内存是内存，CPU 是 CPU，存储和计算是分开的。冯•诺伊曼结构用电子器件实现起来比较容易。不过大脑的工作方式显然并非如此，而是存算一体，不需要把数据在存储单元和计算单元之间搬来搬去。这也是大脑如此高效节能的原因。加州大学伯克利分校蔡少棠教授在 1971 年提出来的忆阻器就是一种存算一体设计。2008 年惠普做出了忆阻器的第一个实现，后来又提出基于此的类脑计算路线。我当年看了惠普的研究后曾对其抱有有很大希望（网页链接）。不过后来惠普逐渐放弃了研究。这次北大做的“阻变存储器”就是忆阻器的一种工程实现。当年惠普也想做这个，但没成。其实这个领域清华也有很棒的研究。不过看起来北大在工程上走的更靠前一些。

87. 联发科天玑9500 芯片超前瞻：性能AI两手抓

88. 【类脑脉冲大模型“瞬悉1.0”成功研发】近日，中国科学院自动化研究所李国齐与徐波团队联合相关单位，成功研发出类脑脉冲大模型“瞬悉1.0”（SpikingBrain-1.0）。该模型基于原创的“内生复杂性”理论，在国产千卡GPU算力平台上完成全流程训练与推理，显著提升大模型在超长序列任务中的效率和速度。当前主流Transformer模型在处理长序列时存在明显局限，其训练开销随序列长度呈平方级增长，推理时显存占用也线性增加，严重限制实际应用。研究团队借鉴大脑神经元工作机制，提出新型类脑脉冲架构，在保持线性或混合线性复杂度的同时，大幅降低计算和内存需求。“瞬悉1.0”实现多项突破：极低数据量高效训练、推理效率数量级提升、多尺度稀疏处理机制，并构建起国产自主类脑大模型生态。团队同步开源7B模型，开放76B测试接口及技术报告。该模型在法律、医学文本分析、DNA序列处理、多智能体模拟等长序列应用中展现出显著效率优势，是我国首次在国产GPU集群上实现类脑脉冲大模型的全流程构建，为发展自主可控的新型AI架构奠定重要基础。（网络端的试用端口：网页链接）#中国科普博览#

89. 虽然一直在大量采购NVIDIA AI芯片，但是马斯克旗下的特斯拉、xAI一直在研发自己的AI芯片，看起来进展相当不错。按照马斯克的说法，他刚刚和特斯拉AI5芯片设计团队完成了一场非常出色的设计评审，认为AI5将成为“史诗级的”芯片，而接下来的AI6，有望成为迄今为止最好的AI芯片。有网友猜测这是一款汽车AI芯片，但马斯克随后补充说，他认为AI5可能是所有AI推理芯片中，对于参数数量低于2500亿的模型来说是最好的。因为它的硅片成本最低，性能功耗比也最高，AI6则会更进一步。马斯克还强调，从开发两种芯片架构到专注于一种架构，意味着特斯拉所有的芯片人才，都将专注于打造一款不可思议的芯片。

90. SK海力士：HBM4已准备好首次量产，预计功耗效率提升40%

91. #网络强国百人谈# 【直面障碍｜大模型应突破数据芯片算法瓶颈】在大模型提速发展的背后，核心技术自主性不足等瓶颈仍亟待破解。对此，电信与互联网分析师马继华直言：“我们想象中的人工智能无所不能，但现实中很难落地，关键问题集中在算力、算法和数据三大核心要素。”在他看来，无论哪个国家、哪家公司，谁能把这几方面处理好，谁就可能实现弯道超车。

92. 黄仁勋最新访谈：AI芯片起码还有10倍空间，华尔街严重低估了这个机会#黄仁勋 #AI #芯片 #英伟达 #AI芯片

93. 奥特曼最新访谈：我为什么要如此激进地建算力中心，AI研究和商业化的最新进展#山姆奥特曼 #openai #Ai #世界模型 #Sora

94. OpenAI囤的不是算力，是未来10年的AI门票。 #大咖观察 #红衣聊AI #OpenAI #算力 #芯片

95. 谁能控制芯片供应链，谁就能主导AI的未来。 #大咖观察 #红衣聊AI #英伟达 #芯片

96. 合纵连横筑生态：英伟达市值飙升的底层逻辑当英伟达市值触及 4.94 万亿美元的历史高点，带给国内的科技企业不应该只有羡慕还要有思索，要知道，英伟达增长的这么快速，是因为英伟达早已不把自己当成单一芯片制造。构筑市场门槛了。英伟达这场市值狂奔的核心驱动力是英伟达以合纵连横构建的全球 AI 生态共同体。资本纽带成为生态聚合的关键抓手。英伟达以 20 亿美元战略投资 xAI，通过采购 - 租赁闭环锁定核心客户算力需求；向英特尔注资 50 亿美元深化芯片级整合，更以千亿 GPU 换股 OpenAI，将硬件转化为生态股权锚点。这种资本换绑定的玩法，让谷歌、微软等巨头在 2023 年第四季度贡献了其近半营收。技术协同则打通价值传导链路。与谷歌联合开发量子计算模拟平台，将噪声模拟效率提升百倍；向特斯拉开放 Isaac GR00T 模型与 Omniverse 平台，赋能机器人研发；携手诺基亚布局 6G AI 平台，延伸算力边界。多领域技术输出形成用则必选的生态粘性。基础设施共建更筑牢增长根基。联合 OpenAI 投建 10 吉瓦算力集群，联动甲骨文等打造 4000 亿美元数据中心网络，让算力供给成为市值托底的硬支撑。正如分析所言，这种长板集群模式，正推动英伟达从芯片商升级为 AI 时代的架构者，其市值飙升本质是生态价值的市场兑现。#黄仁勋上升至福布斯富豪榜第8位##AI生活指南##黄仁勋发出警告# 种斌Marco的微博视频

97. 英伟达的财报我分析下。目前市场最担心的不是营收，而是展望，随着 3nm 工艺、性能暴增 10 倍的 Rubin 架构定档 2026 下半年，大厂们必然陷入了“电子产品买新不买旧”的心理博弈。Blackwell 虽强，但在 Rubin 的降维打击预期下，新订单的增长斜率面临失速风险。英伟达非常聪明，他们在 Blackwell 和 Rubin 之间插了一个 Blackwell Ultra。它在 2026 年上半年开始交付，解决了部分性能瓶颈，起到了很好的衔接作用。目前英伟达手握超 5000 亿美元深度的订单，保证了短期业绩的下限。但资本市场是看“增量”的。如果黄老总不能在电话会上证明 Blackwell Ultra 能够无缝衔接 Rubin 的真空期，可能会导致市场信心不足。现在美股太脆弱了，但凡有一点点毛病，必然就是大跌了。。最好的策略就是观望，财报后再做出决策比较稳妥。。

98. 三星、SK海力士和美光近期相继透露，其下一代高带宽内存HBM的明年产能已几乎被抢购一空。在第三季度成功开始向英伟达交付期待已久的HBM3E后，三星存储业务执行副总裁金在俊在财报会议上证实，下一代HBM4明年的产量已经全部售罄。他表示，公司已大幅提高了明年的HBM产能，但客户需求依然超过了供应，目前正考虑进一步扩大产能以满足持续增长的订单。至于SK海力士，HBM已成为其重要收入支柱，该公司第三季度营收创下历史新高，其中HBM3E 12GB及以上高容量显存和DDR5服务器内存的强劲销售功不可没。SK海力士透露，明年的HBM供应谈判已经完成，下一代HBM4计划于今年第四季度开始出货，并计划明年全面扩大销售规模。占据全球DRAM和HBM产量约三分之一的美光也表示，其明年生产的所有HBM订单已接近全部售出。

99. SemiAnalysis详解英伟达新芯片“Rubin CPX”：彻底改变推理架构，重塑行业路线图

100. 三星电子股价飙至历史新高！报道：公司HBM4芯片拟大幅提价30%

101. AI芯片架构创新深度解析

102. 新型AI芯片能耗重大突破，已登Nature子刊

103. 推理芯片架构创新分类

104. 2026年，3D新架构将让国产AI芯片“弯道超车”

105. 图灵奖得主Patterson - 现有的AI芯片架构已过时，推理芯片的四大新方向

106. AI芯片新赛道

107. 我国新型模拟芯片突破精度瓶颈

108. 全光计算芯片突破关键瓶颈开辟AI算力新赛道

109. 中国突破算力瓶颈高精度芯片算力超GPU千倍

110. 芯片革新突破算力瓶颈，中国创新引领“后摩尔时代”

111. 中国新型模拟芯片突破芯片领域瓶颈，算力瞬间提升千倍，开启绿色算力的崭新时代

112. 新型光子芯片有望显著提升AI运算的能效并大幅降低能耗

113. 国产AI芯片如何通过存算一体技术突破算力瓶颈？

114. 告别架构内耗

115. 存算一体打破“内存墙”

116. 存算一体

117. 忆阻器存算一体芯片，芯片架构迎来奇点时刻

118. 存算一体芯片是一种将存储单元与计算单元深度融合在同一芯片内的创新架构

119. 芯资讯 | 聚焦AI时代计算架构创新，全球首个RISC-V存算一体标准研制工作正式启动

120. 核芯资讯|聚焦AI时代计算架构创新，全球首个RISC-V存算一体标准研制工作正式启动！

121. 大模型时代两大痛点:内存墙和计算精度

122. 新的3D芯片设计解决人工智能最大数据瓶颈之一

123. 普渡大学提出受大脑启发的AI算法，有望突破“内存墙”并降低能耗

124. 翻译| 利用类脑算法突破“内存墙”，或将有助于克服人工智能的能耗瓶颈

125. 美光

126. 内存带宽成为限制AI发展的关键瓶颈

127. 斯坦福等大学研发新款3D芯片，打破阻碍人工智能发展的“内存墙”

128. 12倍性能飞跃！美国造出“芯片摩天楼”，AI算力要大变天？

129. AI和内存墙

130. AI芯片发展及AGI进程专业预测

131. 统一内存打破显存墙实测AMD锐龙AI 解锁本地AI新可能

132. 显存跃升至72GB！英伟达如何破解科研计算的“内存墙”难题？

133. 150TB/s！d-Matrix用3D堆叠技术终结"内存墙"，AI推理迎来光速时代

134. 基于UCIe的高效内存解决方案

135. AI算力产业链的重构（五）

136. 为什么功耗优化成为数字设计的核心

137. 聊聊阻碍高性能芯片发展的“三堵墙”

138. AI云计算的繁荣与幻象

139. 光算一体革命

140. 挑战英伟达！半导体低功耗技术浪潮来袭

141. 对话知存科技CEO王绍迪

142. 【硬核工程】GPU 跑 AI 终将过时？揭秘“稀疏化”和“存算一体”如何击穿 NPU 的功耗墙

143. 英伟达发布新一代Rubin架构AI芯片训练速度提升3.5倍推理速度达5倍

144. 英伟达Rubin让算力接近自由

145. 不再卷算力的2026，英伟达开始重做数据中心

146. 英伟达Rubin平台发布，大幅降低AI训练和推理成本

147. CES 2026速览

148. NVIDIA放大招！2028年Feynman GPU携X3D堆叠破AI推理

149. Cerebras的晶圆级算力革命

150. OpenAI联手Cerebras

151. HBM4 仍采用微凸点，混合键合被推迟

152. Lightmatter

153. 光子互连平台Lightmatter Passage M1000技术解析 | HotChips2025

154. 3D 光子封装来了！Lightmatter 2025 开启 AI 互连新纪元

155. Lightmatter Passage M1000 3D光子Interposer技术

156. 算力之巅的“逆向行驶”

157. 英伟达200亿美金收购Groq背后

158. 英伟达200 亿美元收购 Groq

159. Nvidia 并没有真的“吞掉” Groq，但这不妨碍我们聊聊专用芯片的几道“鬼门关”

160. 跟踪 | 从英伟达整合Groq看近存计算新路径

161. Nvidia与Groq的200亿美元圣诞前夜交易：半导体行业的终局之战与技术版图重构

162. 英伟达“拿下”Groq的深层逻辑：能耗、内存和封装技术瓶颈的破解之道

163. 100倍算力狂飙！英伟达Rubin架构曝光，2000万张GPU出货，市值超5万亿！

164. 黄仁勋说的“世界前所未见的芯片”究竟是什么？

165. 英伟达的下一代 AI 超级计算平台Rubin 将带动光模块、AI PCB、散热、HBM存储等行业爆发式增长

166. LPU 真是 GPU 杀手吗？拆解 Groq 架构，看懂英伟达的 200 亿防御战

167. 新赛道！忆阻器突破引爆AI芯片革命，存算一体架构重塑算力格局

168. 独角兽Lightmatter的基本情况

169. 【产业信息速递】AI芯片黑马融资53亿，估值490亿

170. 存算一体架构:突破冯诺依曼瓶颈

171. OpenAI与Cerebras达成超100亿美元AI推理芯片合作协议

172. 行业观察｜电子芯片快跑不动了，光子要来救场了！2026-2030算力革命终极前瞻

173. Groq：重新定义实时 AI 推理的领跑者

174. 2026，开启Rubin时代！

175. 英伟达下一代Rubin芯片已流片

176. 数据中心互连：带宽飙升下的功耗挑战与协同技术解构

177. 英伟达Rubin架构带来的变化有哪些？

178. 中天科技评论 | 英伟达200亿美元收购Groq！背后逻辑与中国对标企业研究Meta收购Manus

179. 【产业信息速递】HBM之争，升级

180. 英伟达维和收购 Groq？ AI命门被卡揭秘内存墙如何重塑全球AI格局 - 王利杰深度解析为什么AI的发展速度突然受限？不是算力不够，而是“内存墙”在作祟！本视频带你深度剖析2023-2026年AI行业的底层逻辑：从Groq的SRAM黑科技到英伟达的HBM霸权，从科技巨头“人才洗劫式”收购到全球反垄断监管的博弈。看懂了内存，你才算看懂了AI的未来。内容点： 1. 什么是“内存墙”，它如何成为AI性能的瓶颈？ 2. Groq LPU vs 英伟达 GPU：谁才是推理之王？ 3. 揭秘“许可加人才收购”：大厂如何规避反垄断审查？ 4. 未来三年的AI基建狂魔：台积电、SK海力士与xAI的布局。订阅频道，获取最硬核的科技趋势洞察！ #AI架构 #内存墙 #英伟达 #Groq #半导体 #人工智能未来 #看一看长视频

181. Lightmatter 光子互连技术

182. 光芯片，最新突破

183. 面向大模型计算的3D3.5D架构存算一体AI芯片

184. 存算一体技术研究进展与挑战

185. 行业前沿 | Lightmatter在全球率先实现单模光纤16波长双向链路传输

186. 英伟达Rubin架构将量产算力布局向多层级应用展开

187. （图解）HBM4技术规范！芯片巨头升级先进工艺

188. 英伟达芯片架构升级，“带飞”石英电子布

189. 压力给到三星 SK海力士全球首发12层堆叠HBM4内存

190. 黄仁勋预告“前所未见”的芯片新品，下一代Feynman架构或成焦点

191. Nvidia霸权不保？这家估值44亿美元的初创Lightmatter，将用「光」颠覆AI芯片战争！

192. 一文读懂HBM：是什么？为什么？怎么办？

193. Groq融资7.5亿美元，其核心产品LPU有什么特点

194. 独角兽Groq的基本情况

195. 英伟达圣诞夜战略布局：以LPU授权协议重塑AI

196. [手把手喂饭指南]之：从HBM到3DIC演进，提升AI算力

197. 破局“内存墙”！澜起科技量产7200MT/s芯片，为AI算力注入新动能

198. 用AI设计AI芯片！台积电秀新策略：Chiplet封装+AI优化电路，推动AI计算芯片能效涨10倍

199. 芯片界新核弹！NVIDIA Feynman显卡首发1.6nm工艺，背面供电技术颠覆能效极限

200. 光芯片，最新进展

201. AI Infra：一篇文章说明白 Groq 以及国产对标

202. Passage 3D光子技术详解与AI互连应用

203. 面向大模型计算的3D/3.5D架构存算一体AI芯片（节选自“先进封装Chiplet与片上超算”）

204. 高通发布云端AI芯片，挑战英伟达

205. 解密多核性能天花板：内存墙与NUMA

206. AI芯片能效突破！港大博士生提出硬件原生ADC架构，解锁存算一体极致能效

207. 高通亮剑AI处理器：AI200/AI250直指数据中心，英伟达AMD霸主地位迎挑战

208. AI芯片：为什么GPU算力再高，也可能“憋死”在内存墙？为什么GPU（图形处理器）算力翻倍，AI训练速度却跟不上？因为“内存墙”这个最强瓶颈。本期深度解析HBM（高带宽内存）如何用1024-bit超宽位宽和近存计算，将传统内存从双向四车道升级为上百条高速公路，彻底释放AI算力！#内存墙 #GPU #AI芯片 #半导体技术

209. 高性能计算笔记- 专用加速器

210. AI芯片，面临功耗挑战

211. IT视觉｜2025年存算一体范式革新：数字式突破与全域渗透（2025年第12期（总第30期））

212. Groq推理引擎快10倍！| 英伟达Blackwell架构30倍↑ | OpenAI开源vLLM框架

213. 一文读懂GPU最强辅助：HBM

214. AI芯片设计系列一：芯片分类及架构

215. 英伟达Rubin架构引爆Q布紧缺，AI算力核心材料全景透视

216. AI算力瓶颈如何破局？全球计算大会七大论坛交出答卷

217. 打破国际垄断，我国算力核心部件国产化实现关键突破

218. AI算力革命引爆医疗与机器人新机遇！华为新技术突破70%瓶颈

英伟达2025年达成Groq技术授权，AI芯片新架构加速突破算力瓶颈

精选参考来源