超大芯片两条路线生死局：90%场景根本不该碰_CPU

1. 30W！骁龙 8 Elite Gen6 Pro 功耗追平轻薄本！厂商散热挑战来临「超极氪」

2. 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」

3. 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？

4. #科技先锋官# 别再死磕通用芯片了！Arm 推出 AGI CPU、特斯拉砸千亿建芯片工厂，全球 AI 硬件早已彻底换道！还在认为国外芯片垄断不可撼动？觉得国产硬件只能跟跑？大错特错！低延迟、高能效的专用芯片时代来临，数据中心格局正在重塑。而中国凭借完整制造产业链、领先绿电资源与海量 AI 应用场景，手握三大硬核优势，完全具备弯道超车的底气。是国外硬件继续领跑，还是中国 AI 硬件实现逆袭突围？专用芯片究竟有多重要？国产机会到底藏在哪？一条视频讲透全球 AI 硬件大变局，看完你会彻底看懂未来趋势！#微博超有用视频大赛##AI创造营##上微博涨知识##科普大作战# http://t.cn/AXIPAs8R

5. 都2026年了，为什么ASML还在研究“上一代”DUV？【硅谷101】

6. 黄仁勋最新访谈（一）：AI商业化拐点来了，Anthropic2030年收入可能达到1万亿美元#黄仁勋 #英伟达 #AI #GTC #AI商业化

7. 最让英伟达害怕的，是华为的这个大家伙！昇腾384超节点，是华为打造的超大算力集群，单节点集成384颗昇腾NPU与192颗鲲鹏CPU，由12个计算柜和4个总线柜组成。它打破传统冯诺依曼架构，采用对等计算架构，凭借高速总线互联，通信带宽较传统方案提升15倍，单跳时延降至200纳秒，大幅突破算力互联瓶颈。其稠密算力达300PFLOPs，千亿大模型训练性能较传统集群提升2.5倍以上，MoE模型性能提升可达3倍。该超节点可灵活扩展为数万卡规模集群，支持训推共池、错峰调度，算力利用率更高，能高效支撑超大规模AI模型训练与推理，是国产高端算力的核心标杆方案。#第九届数字中国建设峰会# 通信老柳的微博视频

8. 把模型“刻”在芯片上，定制ASIC芯片跑出17000tps的逆天速度

9. 每天140万亿算力消耗到底藏着什么机会？这场大会可能有答案#移动云智能新空间

10. 黄仁勋最怕中国AI的事 DeepSeek刚刚做到了黄仁勋最害怕事还是发生了：DeepSeek V4发布，华为昇腾超节点深度适配，全球AI圈等待已久的大事落定，聊一聊背后的三大核心真相 #ai #deepseek v4 #deepseek #黄仁勋 #梁文锋

11. 2026英伟达GTC：“推理之王”的ASIC反击战与Token经济学【硅谷101】

12. 难得一见：黄仁勋因为这件事，在访谈中跟主持人吵起来了，DeepseekV4可能带崩美国科技公司#黄仁勋 #英伟达 #DeepSeekV4 #芯片 #中美科技竞争

13. 2025年，鸿蒙生态从“可用”迈向“好用”！

14. #曝苹果A20芯片单颗成本达280美元# 280美元约合1958元，苹果这颗芯片成本直接看齐一台安卓的中端机了！较A19暴涨80%，只因用上台积电2nm工艺+GAA全环绕栅极技术，再叠加WMCM先进封装，技术堆料够猛但成本也飙到新高。但问题来了，CPU、GPU性能提升不过10%-15%，日常使用感知微弱，成本却全砸在良率低、研发贵的新工艺上。这波成本大概率会转嫁到iPhone 18定价，起售价破万大概率。技术迭代是好事，但让消费者为“感知不强的升级”买单，难免有点溢价过高了！

15. 【中国芯片炸裂突破！1台顶228台GPU，电费直降99%，中国要改写AI游戏规则" 】国产芯片迎来颠覆性突破！北大孙仲团队研发的新型模拟计算芯片，在真实业务场景下能效比超越顶级GPU 228倍——过去需要228台服务器完成的算力任务，现在1台就能搞定；原本100元的电费支出，如今仅需1元！这项发表于《Nature Communications》的成果，三大技术突破彻底打破AI算力依赖GPU堆砌的固有模式： 1️⃣ 精度革命：将模拟计算精度提升至24位，媲美数字芯片 2️⃣ 并行计算：利用物理定律一次性求解矩阵运算，速度提升12倍 3️⃣ 工艺自主：28纳米成熟制程即可量产，摆脱高端制程卡脖子商业影响远超想象： ▸ 互联网巨头数据中心年省数亿电费（某企业原年耗电超100亿度） ▸ AI开发门槛暴降，中小企业不再受GPU成本束缚 ▸ 普通用户将享受更精准推荐、更迅捷响应这不仅是技术迭代，更是商业规则的重构——当算力成本按"电费"而非"芯片价格"计算，中国正用模拟计算这张后摩尔时代王牌，开辟一条西方无法围堵的全新赛道！

16. 美国MATCH法案，芯片绝境突围 #热点零距离 #零距离看懂财经 #财经 #芯片

17. 基因的本质是信息。ATGGTGCACCTGACTC，3AE45E1D，是一回事。但生物演化要用成百上千万年才能从埃及古猿分化出猴子和智人。智能的本质也是信息。生物演化到可以产生智能后，不同生物智能体间的差异主要就不是基因数据差异了，而是学习和思考产生的神经数据差异。形成这种差异，只需要几十年时间。这边有一个 GPU 集群，那边也有一个 GPU 集群，但最终训练出的模型是由训练方法和训练数据决定的，不是由 GPU 决定的。哪怕两个集群的硬件完全相同，训练数据和训练方法的差异也可能导致最终获得的模型性能差一万倍，以至于相互之间完全不可能沟通协作。所以，生物智能体之间出现相互无法理解的情况是正常的，也是必然的。

18. 实验室一块GPU都没有怎么做深度学习？

19. 全网刷屏的 DeepSeek V4，官宣万亿参数架构，支持百万 Token 超长上下文。推理成本仅为 GPT-4 Turbo 的八分之一，还全面深度适配华为芯片，国产 AI 黑马已然站稳脚跟。它不止做模型迭代，更瞄准通用人工智能、端侧轻量化、全模态升级三大方向。后续还计划布局 AI 专用芯片、智能穿戴硬件，打造算法、芯片、硬件、应用全生态闭环。技术领跑、成本碾压、绑定国产算力的同时，难免遭遇同行人才挖角、算力封锁、价格内卷。但凭借硬核技术壁垒与战略合作加持，短期根本无法被替代。DeepSeek 早已不只是一款大模型，而是国产 AI 全产业链的核心玩家。#专业视频创作季##AI创造营##科技先锋官# 种斌Marco的微博视频

20. 直击GTC：1万亿美元GPU、为龙虾做“CUDA”，老黄就指着你烧 token 了

21. 机器人行业爆发在即，这家公司值得关注#机器人 #AI #光轮智能 #芯片 #算力

22. 中国科技企业在全球半导体舞台上，将发出越来越响亮的声音。 #大咖观察 #红衣聊AI #半导体 #芯片

23. REDMI Turbo 5 Max 评测：性能质感大升级

24. 国产GPU，拐点已现

25. 年薪过亿！AI时代，为何是华人占半边天？

26. AI大模型现在的一个趋势就是从训练全面走向推理。走向推理后，AI真正的赋能生产生活就铺开了。AI这条链上的相关需求都会有新一轮变化目前可以肯定的是，最直接受益的第一梯队：算力芯片 / ASIC + HBM / 高带宽内存 + 高速网络光互联第二梯队：企业级 SSD / NAND、DDR5、服务器、PCB、液冷、电源第三梯队：IDC、储能、电网、边缘AI芯片、端侧设备光模块，光连接件需求会更大，因为推理阶段需要更低延迟，更快连接存储的需求也会不断增大，HBM，DDR5，企业级的SSD，NAND，因为推理不光吃算力，还需要更多的内存来做数据读写训练的本质是用海量算力把模型做出来，推理阶段，每天有海量用户，海量应用，海量API请求，Token消耗巨大。还怎么操作，买哪些题材，懂得都懂图是我的Hermes做的，用的GPT Image 2

27. 阿里千问与“AI Layer”崛起：一场重塑互联网的“操作系统”生态战【硅谷101】

28. 用DAA衡量智能体百度智能云用“新全栈”重新定义AI云｜甲子光年

29. HPC迎来AI大考，鲲鹏如何为开发者“减负”？｜甲子光年

30. 【张捷财经】美国对华芯片征税，中国芯片在逆袭#热点观点# #张捷财经# #美方拟2027年起对华半导体产业征关税# 美国长期在芯片领域卡中国脖子，光刻机是关键卡点。但近期中国芯片产业喜讯频传，中芯国际代工涨价，设备制造及光刻机领域均有突破，出口大增且全行业贸易逆差扭转。美国以 “不公平贸易” 为由，拟 2027 年 6 月起对中国半导体加征关税。中国凭借电力、成本等优势，在中低端芯片及封装领域进步显著，正全方位补短板，随着摩尔定律遇阻，缩小与美高端差距，未来全球市场占比将提升，赶上美国只是时间问题。张捷观察-谁是谁非任评说的微博视频

31. 独家｜聚焦大模型推理，水下AI芯片公司斩获10亿元Pre-A轮融资

32. 根据《The Information》的一份报告，xAI 规模宏大的孟菲斯（Memphis）和 Colossus GPU 集群虽然配备了大量 H100 和 H200（包括液冷配置），但其利用率仅为 11% 左右。这意味着在已安装的 55 万颗 GPU 中，只有约 6 万颗处于活跃状态。这一问题并非 xAI 所独有。高效运行数十万颗 GPU 是当今人工智能领域面临的最严峻挑战之一。随着集群规模的扩大，闲置时间会迅速累积，软件栈也难以跟上硬件扩展的步伐。Meta 和谷歌在软件优化方面投入了巨资，利用率分别达到了 43% 和 46%。而 xAI 的分布式训练网络和软件栈仍处于成熟期，导致了更长的闲置时间和数据流水线瓶颈。xAI 的目标是通过未来的基础设施和软件升级，将利用率提高到 50%。随着公司将工作负载转向更适合“智能体 AI”（agentic AI）任务的硬件，xAI 也可能开始出租其 GPU 阵列。此外，马斯克正加倍投入 Terafab 项目，自主研发芯片并采用英特尔的 14A 技术，以支持 xAI、SpaceX 和特斯拉下一代的计算需求。#马斯克##人工智能#

33. 市值近600亿，大模型公司上市了！ #AI #智谱ai

34. 自研才是终极底气！ #大咖观察 #红衣聊AI #谷歌 #芯片

35. 美国的芯片精英们，开始嫌弃硅和铜了。。。【X.PIN】

36. AI最烧钱的战场：数据中心的真实账单【硅谷101】

37. 伊利亚重磅观点：情绪，是人类智能关键要素伊利亚回归第一句话：别再迷信算力了，人类之所以聪明，是因为有情绪 #Ilya #伊利亚 #OpenAI #AI趋势 #人工智能

38. 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

39. 算力王冠易主！ #零距离看懂财经 #2026经济风向标 #财经 #芯片

40. 从小米新车发布会，看懂2026年财富新趋势

42. 国产版Ollama来了，Clawdbot终于不只属于Mac和英伟达

43. 阿里甩出 AI 王炸！ Qwen3-Max-Thinking 高调对标 GPT-5.2-Thinking，是真硬刚还是博眼球？这款阿里旗舰推理模型拿下 19 项国际基准测试高分，自带自适应工具调用，能自主搜信息、做计算，主动解决问题，还成了阿里全生态的技术底座，打通电商、本地生活等全场景实现智能闭环。有人说它缩小了中外 AI 差距，坐稳中文 AI 头把交椅，让阿里 AI 生态形成良性循环，未来可期；也有人质疑，对标全球顶尖模型只是纸面数据，落地商业场景的实际能力仍需检验。阿里这次的 AI 大招，到底是技术突破的里程碑，还是营销造势的噱头？这款模型的真实实力究竟如何，一起来聊聊吧！#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/AXqpEa95

44. 黄仁勋最新访谈（2/3）：面对激烈的竞争，为什么英伟达的市场份额不降反升？#英伟达 #黄仁勋 #GTC #芯片 #算力

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. CES 2026：英特尔这次有药可救了！

47. 历史性时刻！M芯片Mac支持雷电外接GPU进行AI大模型计算！

48. 安卓秒变Win11？教你手机如何玩转PC软件

49. DeepSeek新论文来了！联手清华、北大，优化智能体大模型推理

50. 当AI成为全球科技竞争的核心战场，苹果、微软、亚马逊等科技巨头正掀起一场史无前例的烧钱竞赛。这些巨头用于基础设施建设等长期投资的资金正迎来爆炸式增长。训练一个先进的大模型需要海量数据和超强计算能力，而支撑这一切的，是布满高端芯片的数据中心。微软2026财年第一财季资本开支达349亿美元，创下单季纪录，同比增幅74%，这些资金几乎全部投向AI基础设施；亚马逊2025年前三季度资本开支累计近900亿美元，全年有望突破1250亿美元，重点用于AWS云服务的AI算力扩容；苹果则将2025财年资本开支的50%-80%投入AI领域，全力推进Apple Intelligence计划落地。当前，训练与推理并行的算力需求结构，让巨头们不得不提前布局。一块英伟达顶级AI芯片成本高达6万美元，而一个大型模型训练可能需要上万块芯片，形成了难以回避的英伟达税。为打破依赖、保障算力供应，巨头们不仅疯狂采购芯片，还纷纷布局自研芯片和多元化供应链，这些都进一步推高了资本开支。AI竞争已不是单点技术比拼，而是系统生态的较量。微软通过Azure云服务绑定OpenAI，构建企业级AI生产力生态；亚马逊靠Bedrock平台助力企业构建AI，巩固云服务优势；苹果则试图将AI深度融入终端系统，打造差异化体验。但巨额投入也带来挑战，数据显示，多家巨头资本开支占运营现金比例已达60%，自由现金流可能大幅下降。巨头的算力投入终将转化为更智能的服务与产品，而资本开支的可持续性，也决定着AI技术落地的速度与质量。这场烧钱大战的结局，将重塑全球科技格局，最终影响我们每个人的数字生活。#科技先锋官##AI创造营##AI创作热点##AI生活指南# 种斌Marco的微博视频

51. 近日，马斯克宣扬称将部署太空数据中心，“太空数据中心”概念在小说《天堂之泉》曾有设想，在马斯克之前，谷歌和英伟达都讨论过把算力部署到太空轨道上。#满谈科技#AI数据中心用电量大，一个大型AI数据中心，用电量相当于一个城市，数据中心建到哪，哪就用电紧张，服务器工作还会发热，显卡越多越热，进而还需要大量用水，选址需要有水有电，用地还很难批，因为涉及环保、能耗等问题。基于以上原因，马斯克瞄准了太空，AI数据中心在太空轨道，可通过太阳能持续供电，加之太空属于真空环境，没有空气阻力，可以直接辐射散热。最关键的是，太空没有土地指标，马斯克可以随意占用。当前，中美科技的较量正转向太空，马斯克有SpaceX、星舰，可实现低成本火箭发射及回收。未来，AI公司之间的竞争，本质上就是算力的竞争，马斯克部署太空数据中心，想在算力赛道上先下手为强。

52. 第一时间，寒武纪原生适配DeepSeek-V4！两大国产之光再次强强联合

53. 老游戏主机也能有杜比5.1.2？OXS傲希Thunder DUO X兼容性好强！

54. A股最赚钱的十大存储芯片公司。1、江波龙总部位于深圳市，存储芯片设计公司，2026年一季度净利润38.62亿元。2、德明利总部位于深圳市，存储芯片设计公司，2026年一季度净利润33.46亿元。3、佰维存储总部位于深圳市，存储芯片设计公司，2026年一季度净利润28.77亿元。4、兆易创新总部位于北京市，存储芯片设计公司，2026年一季度净利润14.73亿元。5、澜起科技总部位于上海市，存储芯片设计公司，2026年一季度净利润8.7亿元。6、通富微电总部位于南通市，存储芯片封测公司，2026年一季度净利润3.5亿元。7、华润微总部位于无锡市，存储芯片设计及封测公司，2026年一季度净利润3.3亿元。8、北京君正总部位于北京市，存储芯片设计公司，2026年一季度净利润3.2亿元。9、长电科技总部位于无锡市，存储芯片封测公司，2026年一季度净利润2.9亿元。10、普冉股份总部位于上海市，存储芯片设计公司，2026年一季度净利润2.51亿元。

55. 我的观点是一致的：不管是 E2E 还是 VLA，又或者 WA、VA......核心参数量上不去，做啥都差不多，没必要打嘴炮，非要说哪个技术路线好，哪个技术路线坏否则地平线 HSD没有量产车的情况下，用看起来最“不先进”的E2E 做成这样；各位一个个吹牛超越 E2E，不是要找个豆腐撞死算了？现在的普遍做法，是先用行车数据在云端服务器集群上，训练一个足够大的世界模型；然后再用这个世界大模型，训练出车端用的小模型，再下发到用户车辆所以核心是车企在超大AI 集群上跑的那个世界模型，车端小模型走什么路线其实都没太大所谓，小模型训练起来还是比较容易的小米的人自己也说了：基建做得好，找新方向时不用投入太多人就是这个意思

56. 如何看待字节跳动也开始做AI芯片？

57. AI算力进入“光传输时代”：1.6nm芯片的蝴蝶效应英伟达GTC 2026大会昨夜开幕，黄仁勋甩出王炸：全球首款1.6nm AI芯片，并大规模集成硅光子光互连技术。这意味着AI算力正式从“电传输”跨入“光传输”时代。从铜线到光纤：一场底层革命过去芯片靠铜线传输信号，速度慢、耗电高。1.6nm芯片算力密度暴增，铜线不堪重负。硅光互连用光代替电，带宽密度提升10倍，能耗降90%。这不仅是升级，更是逻辑颠覆——光模块从“配套组件”升级为“算力核心基建”。英伟达预计2026年1.6T光模块采购量从700万只上修至2000万只，单价涨超70%，千亿市场被点燃。国产链的“弯道超车”窗口芯片制造虽受制程限制，但光模块、光芯片、封装测试等环节，国内企业已具全球竞争力。硅光技术绕开部分传统半导体瓶颈，给了国产供应链超车机会。未来3-5年趋势预判AI算力将呈现三大趋势：基建光化（光互连成标配）、场景下沉（AI从云端走向边缘）、生态重构（芯片、算法、应用层分工更细协作更紧）。中国企业虽在高端芯片受制，但在应用层、行业解决方案、光通信等环节大有可为。互动一下：你觉得“光传输”技术除了AI算力，还会在哪些领域引发革命？是通信、医疗，还是能源？我是凯文，一个爱琢磨财经、科技、商业的朋友。每天一杯咖啡的时间，和你聊聊昨天发生的那些事儿。关注我，每天一起进步一点点。#AI创造营#

58. 【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。

59. 摩尔线程的全新尝试？国产AI本，MTT AIBOOK到底长什么样？

60. 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

61. 64GB超大统一内存！华硕天选Air 2026锐龙AI Max版首发测评

62. 英伟达“护城河”要塌了？但这次是老黄自己动的手【X.PIN】

63. 1人顶3团队？领英全栈模式颠覆职场规则。 #大咖观察 #红衣聊AI #办公软件 #科技

64. 马斯克最新访谈：自动驾驶已经解决，能源问题不解决，芯片产能很快就过剩#马斯克 #特斯拉 #自动驾驶 #能源 #芯片

65. 芯片大咖访谈：英伟达最怕的不是AMD，而是华为，中国是半导体供应链最全的国家#AI #芯片 #半导体 #英伟达 #黄仁勋

66. 英特尔 Panther Lake-H 晶圆拆解！多工艺混搭、深度协同「超极氪」

67. #科技先锋官# 马斯克官宣AI5芯片设计接近完成，AI6启动初期研发，并确立9个月迭代周期、冲击全球最高产量的目标，为AI芯片行业注入新变量。这款芯片的核心优势并非参数堆砌，而是场景定制化带来的极致适配。AI5以专用架构重构效率，算力达2000-2500TOPS，是上代HW4芯片的5倍，能效比为英伟达同类产品3倍，144GB超大内存及高带宽堆叠技术，解决了自动驾驶海量数据传输卡顿痛点。其摒弃通用芯片冗余模块，专攻自动驾驶与人形机器人场景，实现有用算力最大化，同时成本仅为英伟达的10%，性价比优势显著。AI5属于车规级专用AI芯片第一梯队。相较于英伟达兼顾多场景的通用芯片，它在自动驾驶实时推理、极端环境稳定性上更胜一筹，能支撑超大型AI模型车端本地运行，为完全自动驾驶铺路，这是多数同类产品难以企及的场景适配能力。场景驱动研发打破通用芯片通吃的惯性，证明专用芯片的效率与成本优势；软硬闭环生态的价值，特斯拉打通芯片、算法、整车全链路，实现9个月快速迭代，构建独特壁垒；供应链多元化布局，双代工厂策略与自建晶圆厂规划，为产能与成本控制提供新思路。马斯克的布局，正推动AI芯片行业从参数竞赛转向场景落地能力比拼。#微博超有用视频大赛##上微博涨知识##AI生活指南# 种斌Marco的微博视频

68. 谷歌论文，干崩存储？#谷歌 #存储芯片 #Google #Deepseek #AI推理

69. 苹果找 Intel 代工，不代表台积电要被取代#台积电的护城河# 苹果可能要用 Intel 18A 工艺代工自家芯片了。这个消息一出来，很多人第一反应是：台积电是不是要失去苹果了？Intel 是不是要重新翻身了？但冷静看，这件事没有那么简单。苹果引入 Intel，更像是一种供应链策略，而不是马上抛弃台积电。为什么？因为芯片代工不是只看工艺名字。不是说 Intel 有 18A、未来有 14A，就一定能直接拿下苹果核心订单。苹果最看重的，是稳定量产、良率、功耗、性能、封装能力，以及最终产品的一致性。而这些，恰恰是台积电最强的地方。过去这么多年，苹果 A 系列、M 系列芯片一直深度绑定台积电。台积电不仅有先进制程，还有 InFO、CoWoS 这类先进封装能力，这些都是苹果芯片性能释放的重要基础。更关键的是，苹果和台积电已经磨合了很多年。这种长期协同，不是竞争对手靠一两个工艺节点就能马上追上的。所以 Intel 现在的角色，更像是苹果的第二选择。苹果当然不希望所有高端芯片产能都押在一家供应商身上。多引入一家代工厂，可以分散风险，也能在供应链和价格谈判上增加主动权。但这不等于 Intel 已经能取代台积电。Intel 真正要证明的，不是自己有没有先进工艺路线图，而是能不能把 18A、14A 做到稳定量产，良率够高，性能功耗达标，还能满足苹果这种顶级客户极其严苛的商业标准。苹果选择 Intel，不是台积电输了，而是苹果不想只有一个答案。台积电的护城河，依然是制程、封装、良率、量产经验和深度绑定。Intel 要挑战它，靠一次转单还不够，必须先把“技术承诺”变成“稳定交付”。

70. 为什么微软誓言为高耗能数据中心自掏腰包？

71. 台积电计划于 2028 年投产下一代 A14 制程技术，这将如何改变芯片行业的格局？

72. 折叠屏适配：鸿蒙ArkUI有话要说

73. 2026年AI主线换了！这5大趋势必须看清。 #大咖观察 #红衣聊AI #趋势风口 #人工智能

74. AI应该像个会成长的伙伴，而不是只会复述的机器。 #大咖观察 #红衣聊AI #智能体

75. 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

76. 马斯克最新访谈（上）：去太空建算力集群纯属是被逼的#马斯克 #太空算力集群 #AI #XAI #特斯拉Optimus机器人

77. 【美商务部：韩国存储厂商不在美国扩产将被征收100%关税】特朗普政府在半导体领域掀起关税战。“美光（NASDAQ：MU）的两个韩国竞争对手需要明白，要么在美国建造（生产基地），要么支付100%关税。”当地时间 1月16日，美国商务部部长Howard Lutnick在美光纽约州存储产线动工仪式上称，“公司需要自己弄清楚如何在美国建设基地、如何雇佣美国人，我们将把半导体制造带回家。”网页链接　　当地时间1月16日，美光宣布，其位于纽约、总投资1000亿美元的先进存储芯片产线正式破土动工，项目规划最多建设四座晶圆厂，于2030年正式投产，届时将成为美国境内最大的半导体制造基地。Howard Lutnick正是在此场合做出上述发言，其指称的两家韩国公司为三星（005930.KS）和SK海力士（000660.KS）。加上美光，三大厂商共占据全球内存（DRAM）市场九成份额和闪存（NAND Flash）市场六成份额。　　而受北美地区数万亿美元级别的AI数据中心需求拉动，去年三季度起，存储芯片便已陷入涨价疯抢潮。数据中心需要的存储芯片数量和类型远超传统消费级硬件，挤压传统存储产能，而存储产能建设周期较长，难以快速跟随需求扩产，市场出于恐慌疯抢库存。市场调研机构Counterpoint统计，自2025年以来，内存价格累计上涨50%，仅四季度就预计上涨20%，2026年一季度将继续上涨40%~50%，二季度再涨20%。

78. 黄仁勋可能真的开始疯狂自救了，AI算力的游戏规则变了！对中国来说，这反而是一个窗口期。#红衣聊AI #黄仁勋 #英伟达 #芯片 #大有学问

79. 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

80. 17000 token/s，比B200快48倍！Taalas AI 芯片能否颠覆英伟达GPU？

81. #微博声浪计划##听见微博# 雷军宣布小米MiMo大模型单日调用量破1万亿Token，相当于处理约3000本《红楼梦》文字量。MiMo-V2-Pro采用万亿参数MoE架构，API成本仅为竞品1/5，OpenRouter数据显示其包揽多榜第一，中国大模型连续四周超越美国。小米推出四档Token套餐布局AI运营商，但面临调用量统计范围及盈利可持续性争议。蛋蛋科技说的微博音频

82. 一加Ace 6T今晚正式登场，硬核配置直接拉满！全球首发骁龙8 Gen5旗舰芯，性能释放激进；更震撼的是塞入了8300mAh超大电池，实测重度游戏续航惊人。这款“双王炸”组合的手机，能否重新定义高性能长续航？本期视频带你全面实测。移动叔叔的微博视频

83. 如果把芯片比作一幅极其复杂的微雕画，那么晶圆就是那张画布。绝大多数晶圆都是由高纯度硅制成的。无论是给英伟达做 AI 芯片，还是给三星做内存，起步阶段用的“白板”晶圆在材质上大同小异。核心差异在加工，内存、硬盘（闪存）、CPU 都要用晶圆。区别不在于晶圆本身，而在于光刻机往上面“画”了什么：CPU/GPU，电路结构最复杂，像迷宫，对工艺要求最高（比如 3nm）。内存，硬盘要求比较低，成品率高。晶圆通常是圆形的（常见的直径是 12 英寸，约 30 厘米）。在一块晶圆上可以同时刻成百上千个芯片，刻完后再像切饼干一样切下来，每一个小方块就是一个芯片顶级 GPU（如英伟达 B200）需要的是 3nm 或 4nm 的先进制程产线；而内存和硬盘目前主力还在 10nm-20nm 级别的工艺。现在晶圆不缺，但是先进制程产线是非常缺的，难干高端芯片的光刻机产量太低了，市场需求又这么大，价值是可以稳住的。反过来内存，硬盘这种良率很高，短时间市场需求接不住，马上上产线，这类光刻机是不缺的，很快就能缓解这种紧张。高带宽内存是一个特殊的例外：虽然普通内存不缺，但 AI 专用的 HBM 内存（焊在GPU上面的那个）其实非常缺。它的制程虽然不是 3nm，但它的封装工艺极其复杂。所以，GPU 的长期稀缺，有一半是因为这种特殊的内存跟不上。因此我判断GPU的稀缺是长期的，内存的稀缺是短期的（高带宽内存除外），谢谢。

84. 当海外开发者还在为Gemini3 Flash惊叹时，小米开源大模型MiMo-V2-Flash横空出世，直接被老外吹成“Gemini平替”！它以309B参数实现2.6倍推理加速，延迟仅为DeepSeek-V3.2的一小部分，却在通用基准测试中性能相当。最让开发者疯狂的是，它不仅免费开源，推理成本还低至闭源竞品的2.5%，中国开源大模型的实力，这次真的让海外刮目相看

85. 美国SkyWater Technology公司制造出首颗单片式3D芯片原型芯片，在其200mm生产线上制造而成，性能较普通平面芯片提升4倍，AI工作负荷中性能提升12倍！如果真量产了，那咱们还得努力追赶呀！小科普：3D芯片就是三维芯片，主要通过在垂直方向堆叠多个独立芯片或功能层，并借助专用互连结构实现电信号传输，让逻辑、存储、传感等功能实现垂直协同工作，从而突破传统二维集成在集成度、传输速度和功耗上的瓶颈。与平面架构相比，可在更小的物理空间内集成更多晶体管和电子元件；采用硅通孔（Through silicon via，TSV）、层间互连通孔（Inter layer via，ILV）等结构，缩短信号传输路径，降低功耗的同时提升数据带宽；支持不同材料、工艺的芯片组件集成，助力构建功能更全面的系统级芯片（SoC）。

86. #微博声浪计划##听见微博# 阿里发布性能比肩英伟达H20的芯片：平头哥真武810E参数达国际高端水平，实测性能与H20持平，功耗更低，大模型训练成本降超30%。已部署万卡集群，支撑400家企业。虽存生态等挑战，但推动国产替代加速。科技阿南的微博音频

87. Chiplet与UCIe标准

88. 小芯片与模块化设计

89. Chiplet技术突破

90. 有一家公司造出了比A4纸还大的芯片？解读传统GPU芯片和晶圆级芯片差异

91. Cerebras冲刺纳斯达克

92. 晶圆级芯片和存算一体结合

93. 晶圆级芯片革命

94. 中科院计算所Ouroboros芯片

95. OpenAI押注晶圆级芯片，国产算力路线怎么走？一条新闻背后的三条启示

96. 英伟达最强挑战者Cerebras明天上市！20倍超额认购背后有5个坑

97. 台积电建18座厂猛扩产能

98. 为什么说CoWoS + COUPE 光互联是台积电CPO 的终极方案？ TSMC 报告解释清

99. 英伟达率先锁定台积电A16，先进制程进入“算力优先”时代

100. 全球AI算力芯片行业发展趋势深度报告

101. 台积电封装大变局

102. 先进封装成AI决胜战场！台积电CoWoS称霸下一代技术路线浮出水面

103. 台积电CoPoS突然“跳票”，CoWoS成为最大赢家

104. 台积电技术论坛释出重大信号

105. 台积电

106. 先进封装｜芯片设计成本暴涨，它却能帮厂商省大钱…

107. 先进封装在解决什么问题？

108. 封装摩尔时代的突破——先进封装解芯片难题

109. 先进封装解芯片难题

110. 封装摩尔时代开启

111. 从砂子到智能协作文明

112. TSMC

113. 从铜到光

114. 共封装铜互连（CPC）

115. 摩尔定律的实际应用

116. Science杂志

117. 当工艺进入埃米级

118. 先进封装集成技术全解析

119. 【芯球派】产学研共话异构集成新未来——"AI大时代系列沙龙·异构集成新起点2026"成功举办！

120. 共封装光学CPO与异构集成

121. 先进封装良率：为什么芯片做出来了，还不等于产品能量产

122. 晶圆级芯片主流技术路径对比

123. 芯片良率四种模型 #半导体 #英特尔 #18A #中芯国际 #良率

124. 英特尔先进封装蓝图：单封装整合16颗计算芯片与24颗HBM5高带宽内存

125. 摩尔定律已死？别慌！这块“破玻璃”即将统治AI芯片界

126. 芯片封测系列 Vol.05 | Chiplet 来了，封装为什么开始决定系统边界

127. 大芯片，再度崛起？

128. 高端半导体芯片有多难？从物理极限到产业壁垒的深度透析

129. AI芯片新引擎：英特尔首秀EMIB玻璃基板，78mm超大封装

130. 干翻英伟达B200？不用2nm光刻机！国产芯也能搞的“晶圆级芯片”什么来头？

131. 【芯片封装】GPU Chiplet化进程解析—技术瓶颈、量产时间表与行业路线图

132. 英特尔先进封装，值得期待

133. MI300 vs H100 vs Gaudi2

134. 360mm²良率不到16%：Chiplet架构正在重做AI芯片的底层逻辑

135. 3D Chiplet互联生态链的投资地图

136. 台积电CoWoS售价，直逼7nm

137. 发展机会：chiplet架构的地位，未来规模

138. 一文详解先进封装--chiplet技术

139. 台积电先进封装路线图生变：CoWoS“生命周期更长”，下一代CoPoS“最快也要2030年4季度”

140. 异构转接板设计挑战

141. 魏哲家回应英特尔竞争：台积电提供最佳封装方案

142. 英特尔展示单个封装内集成16颗计算芯片和24颗HBM5模块

143. 从CoWoS到CoPoS：台积电加码面板级先进封装布局

144. 英特尔展示超大芯片封装技术

145. AMDGPU MI300架构及各子系统工作原理 (一)

146. （科普）Chiplet 架构：后摩尔时代的芯片模块化革命

147. 为争夺台积电CoWoS客户，英特尔展示与18A/14A结合的先进封装技术

148. 产能爆单：台积电 CoWoS 先进封装满负荷加速英伟达、苹果芯片交付

149. 重磅！台积电大力！推进SoIC+CoWoS混合封装！

150. 为争夺台积电客户，英特尔展示与Intel 18A/14A结合的先进封装技术

151. 英伟达 GB10 芯片 Die-Shot 图曝光：台积电 3nm 工艺

152. 台积电魏哲家亮王牌，CoWoS月产能2027冲刺17万片

153. 晶圆级芯片颠覆行业！直接挑战英伟达AI算力霸权!

154. Blackwell架构，但是3nm工艺：英伟达GB10芯片Dieshot照片曝光

155. 英特尔展示超大芯片封装成果，剑指AI与数据中心市场 12月23日，科技媒体Wccftech报道，英特尔针对高性能计算（HPC）和AI数据中心场景，在大规模芯片封装领域取得新突破，能构建超传统光罩尺寸12倍的超大芯片。突破光罩极限，意味着可通过拼接技术制造巨型芯片。英特尔为满足未来算力需求，设计出两种概念架构，一种集成4个计算模块与12个HBM内存位点，另一种更激进，集成16个计算模块与24个HBM位点，规模超越现有标准，直接对标台积电CoWoS方案。其封装方案采用精密3D堆叠结构，底层基础晶圆用Intel 18A - PT工艺制造，引入背面供电技术，提升逻辑密度与电源稳定性。基础晶圆集成大量SRAM缓存，未来数量有望进一步增加。主计算Tile采用Intel 14A或14A - E工艺，通过先进技术实现垂直互连与高速通信。在存储上，方案兼容性极高，支持多种标准，顶层可容纳24个HBM位点或集成48个LPDDR5x控制器。此次展示也是英特尔代工服务争取外部客户的关键信号，14A节点面向第三方开放，英特尔欲借此重回巅峰。#英特尔 #芯片封装 #半导体设备 #真空回流炉

156. 高密度云服务器：Chiplet技术引领的算力密度新突破

157. 台积电14×CoWoS预计2028年投产，美国AVP厂2029年前启用

158. 未来架构演进：随着Chiplet（小芯片）技术的兴起，FPGA未来的形态会是怎样的？

159. 英特尔展示新一代高性能先进封装方案

160. 先进晶圆级封装技术的五大要素

161. 英特尔封装技术颠覆性突破！12倍超大芯片挑战物理极限，AI算力战争进入新维度

162. 【科普】先进晶圆级封装技术的五大要素

163. 中国二维芯片材料重大突破：全球首次实现晶圆级WSi₂N₄ P型可控生长

超大芯片两条路线生死局：90%场景根本不该碰

精选参考来源