#主權 AI
•

外媒：主權 AI 競爭的關鍵在於能否將算力、能源、供應鏈與治理能力整合成一套可長期運作的國家能力

隨著各國加速佈局人工智慧基礎設施，圍繞「主權 AI」與資料中心的競賽，正從技術話題升級為地緣政治與國家戰略議題。AI競爭可視為一次新的“星球大戰”。 來自外媒的分析指出，真正決定勝負的，不是誰能蓋出最多機房，而是誰能穩定掌握電力、水資源、晶片與全球供應鏈，並在此基礎上維持可控、持續的運算能力。 相關討論顯示，企業與政府在規劃 AI 策略時，焦點已從模型與軟體轉向能源與實體基礎設施。大型 AI 系統的部署與運作高度依賴電力、土地、冷卻與網路等條件，若仍把資料中心視為一般 IT 支出，將難以理解當前競爭的本質。美國、歐洲與中國面對的物理限制各不相同，也使各自的投資方向與安全優先順序出現明顯差異。 在美國，資本投入速度領先全球。亞馬遜（Amazon）、Alphabet、微軟（Microsoft）與 Meta 在 2026 年預計合計投入約 7,250 億美元資本支出，較 2025 年創下的 4,100 億美元紀錄大增 77%，其中相當部分流向 AI 資料中心、半導體與能源資源。這股資金潮推動整條供應鏈，從晶片製造到變壓器生產都受到帶動，但也讓電網壓力迅速升高。國際能源總署（IEA）指出，美國近半資料中心容量集中在五個區域群聚，並預測到 2030 年，資料中心將佔美國電力需求成長的近一半。
外媒：主權 AI 競爭的關鍵在於能否將算力、能源、供應鏈與治理能力整合成一套可長期運作的國家能力
科技#主權 AI#科技主權#算力基礎設施
•

德銀研究主管：AI泡沫破裂或成明年市場最大系統性風險，美債有望迎來避險資金湧入

德意志銀行全球外匯研究主管 George Saravelos 表示，今年以來，全球投資者對債券市場的悲觀情緒已經過度蔓延，而市場可能低估了人工智慧行業出現重大風險後引發資金大規模湧入債券市場的可能性。 他認為，明年金融市場面臨的最大系統性風險或許並非歐洲債務問題，而是 AI 生態系統出現意外衝擊。 Saravelos 在周五發佈的報告中指出，近期與美國客戶的交流顯示，投資者普遍擔憂 AI 投資熱潮正在推動債券殖利率上升，同時認為美國財政部已逐漸失去對長期國債殖利率的控制能力。 在這一背景下，市場開始猜測美國財政部可能暫停發行 20 年期國債，以緩解長期債券市場的壓力。與此同時，法國國債市場近期經歷劇烈拋售，也令投資者信心明顯惡化。Saravelos 表示，他接觸的客戶對法國國債幾乎普遍持悲觀態度。
國際#德意志銀行#AI泡沫#美債殖利率
•

美國版 DeepSeek 交捲了

成立兩年後，想做“美國版DeepSeek”的Reflection AI終於交捲了。 頭圖｜Reflection AI官網，經由AI處理 美國時間10月5日，Reflection AI公佈了首個開放權重模型 Beam，主攻程式設計、推理和智能體任務。（虎嗅註：開放權重模型指公開訓練好的模型參數，使用者可以下載、自己部署，能否修改和商用取決於許可證） 許多美國媒體和科技業人士，將Beam視為美國對中國開放AI的回應。
美國版 DeepSeek 交捲了
科技#Reflection AI#Beam模型#開源AI模型
•

為什麼歐洲做得出光刻機，卻做不出大模型？

在幾輪工業革命中長期領先的歐洲，到了人工智慧時代，也開始擔心自己掉隊。 據英國《衛報》報導，9月14日，歐洲央行行長拉加德發出警告，歐洲必須發展自己的人工智慧技術並建設更多資料中心，否則將面臨被美國或者中國切斷供應的威脅。 拉加德在維也納就歐洲與人工智慧發表講話 幾乎同一天，路透社發佈了一組資料。摩根大通估算，2025年ASML佔全球光刻機市場的94%；在製造先進AI晶片所需的EUV光刻機領域，ASML仍然沒有商業競爭對手，實際份額接近100%，產能已被預訂至2027年。
為什麼歐洲做得出光刻機，卻做不出大模型？
科技#光刻機#大模型#ASML
•

韓國擬向主權財富基金注資140億美元，押注AI與數據中心

根據政府聲明，新設專項帳戶將設於KIC現有架構之內，初始規模不低於20兆韓元，資金來源包括政策性銀行等公共機構的股權出資。此次調整最具標誌性意義的變化在於，KIC的投資授權將首次延伸至國內資產。 韓國政府宣佈向主權財富基金韓國投資公司（Korea Investment Corporation，KIC）注資20兆韓元（約139億美元），專項投資人工智慧、數據中心及基礎設施，並首次將國內資產納入投資範圍。此舉標誌著韓國主權財富基金戰略方向的重大轉型。 7月31日，據彭博報導，上述計劃於周五以政府聲明形式公佈。受注資消息提振，KOSPI指數周五盤中一度大漲17%，強勢反彈。 韓國政府表示，此次注資旨在"主動應對"全球資本對韓國投資興趣的持續升溫，並將KIC定位為吸引外國主權財富基金和資產管理機構進入韓國市場的"錨定投資者"。政府計劃最快下月向國會提交《韓國投資公司法》修訂案，新帳戶有望於明年正式啓動運營。
國際#韓國政府#主權財富基金#AI投資
•

周末發酵：主權AI敘事升級引爆工業富聯、輝達的巨大增量、阿里3年3800億Capex

周四晚寒武紀發佈了一個“不實質承諾”的營收預期，周五市場給了預期之內的負反饋，但並不那麼負面，這個在社群裡有過討論。結果周五工業富聯扛起大旗，市值衝破1兆，勢大力沉、捨我其誰的架勢非常震撼。結果達鏈，甚至包括寒王的情緒都因此回升，可謂精彩。周末討論比較多的，除了一些“阿里買什麼不踩坑”，就是討論達鏈的後續，簡單聊3個話題。1，主權AI引爆工業富聯，敘事開始升級JPM周五的Asia Tech Tour紀要引爆了主權AI的敘事，其中鴻海的部分非常有趣。鴻海認為，未來五年將出現超過1兆美元的自主AI投資項目，成為計算市場新的重要增長點。同時GB200和GB300之間不會出現重大過渡問題，GB300將在2025年下半年佔據出貨量主導地位，並強調GB300將在2025年下半年引領出貨量。鴻海非常看好美國的“星際之門”項目、歐盟的InvestAl計畫，以及沙烏地阿拉伯的“Humain AI”項目，預計2026年開始貢獻營收。到GB300階段，鴻海的CSP客戶預計將由2家增至3家（新增Meta)。JPM估計，如果10GW的星際之門項目得以實施，未來幾年可能會產生相當於70,000個GB200機架的需求。這個數字什麼概念？僅“星際之門”項目一項，幾年內對輝達晶片的需求就幾乎相當於2026年預計的總量。JPM預計2026年鴻海AI伺服器增長63%，這還是在今年大幅增加的基礎上。基本上，周五工業富聯就是在上面背景下再也按不住了…2，輝達的增量巨大且清晰鴻海對於主權AI極度看好，同時預期2026年GB機架出貨在5-6w櫃。（今年主流預期大概在3.4-3.6w櫃，MS最新的預期上調了4k櫃，達到了3.4w櫃）老黃畫餅到2030年AI基礎設施投資3-4w億美金是年度而非累計用量…50%復合年增長率的TAM可預見性主要來自於主權AI，以及2個基礎邏輯：（1）以Rubin vs.Blackwell為例，資料中心規模越來越大，需要每年定期提升每瓦性能（token/能源)，以節省成本、增加收入。Blackwell 的推理每瓦性能比 Hopper高出幾個數量級，Rubin會帶來許多新驚喜，雖然價格更貴，但卻更“划算”；（2）AI初創企業融資激增（去年1000 億美元->今年1800億美元，明年可能增長10倍）帶來了“非常有意義的”可預見性。H100/H200已售罄，超大規模資料中心營運商正在其他地區租賃產能，需求依然強勁，支撐著可觀的增長。老黃比較猛也是我比較喜歡的一點是，他講故事喜歡上升數量級，經常10倍、100倍、10000倍…讓投資者可以理解他講的故事的基礎邏輯，而不是磨磨唧唧追求謹小慎微的精確數字。AI時代贏家有一個特質：猛。從老黃到OpenAI，都是猛人…從這個角度來說，Meta、Anthropic等等，都夠強。要麼Meta之前在AI明顯落後的情況下，最近弄的還不錯呢。3，阿里3年3800億Capex，下周演繹的會比較複雜阿里的業績會，投行味道越來越濃…很會調動市場情緒。不過看了紀要，市場對於其他沒啥興趣其實，主要是AI的可見度。最後聚焦到了3年3800億Capex，因為很簡單：你有業務才需要支出。說個題外話，其實投資者一點也不信騰訊“卡夠了”，你怎麼能夠呢？你必須不夠…周末主要討論2個點，一個是下周能不能買得到，另一個是下周會不會買到套…從目前來看，阿里季度資本開支超預期，A股上市公司沒咋享受到。所以，情緒受益的多，實際受益的少，自研ASIC也是遮遮掩掩…所以下周還真就要麼買不到，要麼咔咔一頓博弈。當前情緒下，也許會有一個走趨勢，但還沒看到。最後，大家又回到了寒武紀…無論如何，這個最受益吧？要麼海光也行…oops，兜兜轉轉回到了文章開頭…至於現階段市場風格，歡迎大家到圈子裡看看。（橙子不糊塗）
周末發酵：主權AI敘事升級引爆工業富聯、輝達的巨大增量、阿里3年3800億Capex
A股#主權AI#工業富聯#輝達
•

這，才是真正的DeepSeek 時刻：中國主權AI 系統的輪廓已然顯現

上周，DeepSeek 發佈了新版模型，引發了市場的廣泛關注。然而，這波熱潮的源頭，並非來自模型表現的提升，也不是因為它像GPT-5 那樣的混合性質，更不是源自於其強大的智能體能力。真正的引爆點，是DeepSeek 團隊主動發佈的聲明，旨在澄清新模型中的一個數值格式選擇。聲明內容言簡意賅：UE8M0 FP8 格式，是為即將發佈的下一代國產晶片而設計的。由一則技術評論引發的市場狂潮這則評論如同一顆投入湖面的石子，立刻在中國人工智慧半導體類股激起千層浪，整個類股連續大漲兩天。中國的圖形處理單元設計公司寒武紀一馬當先，股價單日暴漲20% 觸及漲停，隔天再度大漲11%。其他人工智慧相關的公司，從老牌的阿里巴巴，到資料中心供應商、微軟的本土合作夥伴世紀互聯，股價都隨之飆升。上海和深圳的股指也在這股熱潮中全面上漲。在本文發佈時，這條攪動市場的技術評論，其點贊數正以不亞於模型發佈帖子本身的速度飛速增長。真假DeepSeek 時刻這篇關於 UE8M0 FP8 的評論，對多數人來說，可能和摩斯電碼一樣晦澀難懂，但它卻可能是真正DeepSeek 時刻的序幕。相比之下，今年一月那個曾讓整個行業和股市陷入狂熱的所謂“DeepSeek 時刻”，更像是一次虛晃一槍。當時，市場先生顯然陷入了恐慌，他先是瘋狂拋售，然後再回頭問為什麼。那場恐慌源自於幾個下意識的判斷，其中一些後來被證實，而另一些則不然：哇，中國的AI 實驗室原來這麼強！ (事實如此)輝達要完蛋了，因為DeepSeek 訓練成本太低了！ (並非如此)開源模型在前沿領域足以和閉源模型抗衡！ (事實如此)AI 基礎建設的大規模資本投入將無以為繼！ (並非如此)那天，輝達股價重挫17%。同時，市場預期AI 應用將迎來爆發，雲端軟體公司的股價反而保持堅挺。而像阿里巴巴這樣常被視為產業風向標的中國科技股，股價先是飆升，隨後又隨著最初的熱情消退而回落。在過去的幾個月裡，市場逐漸回歸理性。 AI 領域的投資邏輯，或多或少又回到了DeepSeek 出現之前的狀態——一個主要由硬體引領的局面。這個局面由輝達領頭，AMD 緊隨其後，背後是長長的晶片、記憶體和伺服器製造商名單，由能源和散熱方案商提供動力，並由科技巨頭們承諾的數千億資本開支作為燃料。這就是為什麼說，一月的那次，只是一次虛晃一槍。真正的變革：軟體定義硬體那麼，是什麼讓這次的時刻如此不同，意義更加深遠？因為DeepSeek v3.1 正在開啟一個由軟體引領的AI 發展路線圖。中國的AI 晶片製造商們，正圍繞著這個路線圖進行設計，並可能從 UE8M0 FP8 開始，將其樹立為新的行業標準。FP8 是一種資料格式，它透過犧牲精確度來換取計算效率。更高精度的格式如FP16 或FP32 雖然精確，但也更消耗運算資源和記憶體。UE8M0 是FP8 格式的一種極端變體。它將用於表示精度的“尾數”部分降為0，以此換取極高的記憶體效率。這個設計，讓那些採用非頂尖製程（如5nm 或7nm）製造、記憶體和頻寬都相對有限的AI 晶片，獲得了越級挑戰的可能性。換句話說，以中芯國際目前的能力，只要能達到穩定量產​​，或許就足夠了！這個技術選擇的背後，傳遞了一個更深遠的訊號：DeepSeek 正在為整個中國AI 硬體生態系統，從晶片代工到晶片設計，再到其他的AI 模型，設定前進的方向和標準。這是一個重大的轉變。整個生態系統的北極星，正從“奮力追趕輝達的最新發明”，轉變為“全力成就DeepSeek 的最新模型”。後者的目標更清晰，也更可行。中國主權AI 的輪廓軟體引領和硬體引領，那條路比較好？很難定論，兩者都能成功。我們今天所處的AI 繁榮，至今主要是由硬體引領的。但回顧歷史，無論是伺服器領域的Linux，或是行動裝置領域的Android，都是以軟體為核心，成功地統一了硬體生態。一個技術堆疊中的領先開源選項，往往會隨著時間演變為事實標準。DeepSeek 是否能成為AI 模型層的那個標準尚不確定，但中國硬體廠商顯然願意圍繞它進行協同設計。這種軟硬體的深度耦合，正在勾勒出一個功能完整的中國主權AI 系統的輪廓。主權AI 是一個將決定未來數年全球基礎設施格局的新興趨勢。美國的策略是向全球積極推銷美國技術堆疊。而DeepSeek 的這一步棋，可能剛剛改變了整個遊戲。它讓一個完全中國製造的AI 技術堆疊，有望比任何人預期的都更早大規模出現。這個技術堆疊不僅能滿足國內的龐大需求，還可能進軍海外市場，在國內外同時對輝達和美國AI 技術堆疊構成真正的挑戰。當然，UE8M0 FP8 是DeepSeek 的一次大膽研發賭注，它完全有可能失敗。精準度上的犧牲，或許最終會證明代價過高。但如果它成功了，那麼一月份因高估威脅而犯錯的市場，或許此刻正因低估改變而犯下另一個錯誤。這一次，真正的DeepSeek 時刻，或許真的已經到來了。 （智能情報所）
這，才是真正的DeepSeek 時刻：中國主權AI 系統的輪廓已然顯現
科技#DeepSeek#中國主權#AI系統
•

華為，再破

唯物的中國晶片產業深度觀察這款令美國嚴防死守、輝達CEO黃仁勳念茲在茲的中國晶片，到底有多強？任何國家使用華為晶片，美國都要管。美國商務部禁令自5月13日發佈，以長臂管轄的“不講理”方式，間接宣告了華為昇騰晶片的實力。從原文來看，美方懷疑華為似乎使用了美國的技術，換句話說，是美國不肯承認中國自有技術可以生產出高性能晶片。第一個“受害者”馬來西亞不得不避其鋒芒。5月19日，馬來西亞數字通訊部宣佈啟動“策略AI基礎設施計畫”，核心裝備為3000台華為昇騰高階GPU，搭載深度求索的開源模型。然而，24小時內，馬方撤回新聞，未提供進一步說明。馬來西亞數位通訊部副部長張念群5月19日宣佈，將成為第一個在其人工智慧基礎設施項目中採用華為升騰晶片的國家短短數日之間，華為昇騰已攪動全球科技產業一池春水：不同的國家、區域和晶片企業紛紛關注昇騰的“虛實”。1 AI主權和其他國家一樣，馬來西亞現有的AI應用也多基於輝達框架，轉向昇騰需要花很大的力氣和成本。一位本地AI創業者公開表示，“我們歡迎主權算力，但工程師培訓、模型遷移成本，都遠遠超過政策的宣示。”馬來西亞AI計畫，本來是“中國AI體系首次海外落地”。美國引爆“關稅戰”以來，馬來西亞是東南亞國家中不肯“選邊站”的中堅力量，今年正式成為金磚夥伴國，同時還擔任東盟輪值主席國和中國—東盟關係協調國。根據馬來西亞最初規劃，“策略AI基礎設施計畫”是“資料存於大馬、大馬人管理、大馬人使用”的全端生態，希望規避歐美雲服務商的資料控制權。配套購買華為硬體和深度求索軟體，是其他國家捍衛AI主權的一種有力方式——經過本地化實踐，擺脫對美國企業輝達、OpenAI的依賴。華為昇騰的吸引力在於提供了一套系統級解決方案：基於昇騰910系列晶片的Atlas伺服器，結合CANN異構計算架構，可支援輝達的CUDA程式碼70%適配率，訓練成本降低75%。華為昇騰晶片其實，華為的新型AI加速器早在4月10日華為雲生態大會就露面了。恰巧那時美國總統川普掀起的關稅風波沸沸揚揚，搶走了大會的風頭。生態大會上推出的華為雲CloudMatrix 384超節點，達到單叢集300 PFlops（每秒一千兆即10^15次浮點運算；浮點運算是小數的四則運算）的算力突破，據悉能效比超越輝達同類產品40%。華為雲CloudMatrix 384超節點的算力核心是昇騰910晶片，單晶片算力達256 TFLOPS（每秒一兆即10^12次的浮點運算），性能超越輝達A100。昇騰310晶片負責邊緣計算場景。配套的AlterMatic DT250伺服器性能較業界同類產品提升20%，能耗降低30%。同時，深度求索的開源模型DeepSeek-R1，已在CloudMatrix 384超節點上實現了與輝達 H100相當無幾的性能，驗證了中國算力的商業化潛力。然而，即使馬來西亞強調技術的“主權”性，仍讓美國大感緊張。美國商務部先後修改昇騰禁令，想要封鎖華為晶片設計、生產、使用的整個鏈條。當然，對於絕大多數國家而言，AI主權的深層矛盾在於AI生態的“路徑依賴”。2 用一切換算力像CloudMatrix 384超節點的設計，甚至考慮了機架外部的系統級限制，證明華為的解決方案將保持多種擴展路徑。華為雲不僅在業內引發震動，也在“圈外”引爆了輿論——一款對標輝達GB200NVL72系統的產品，在多項關鍵指標上超越了輝達方案。華為雲，具體厲害在什麼地方？簡而言之，是“用一切換算力”：用空間換算力，用能源換算力……CloudMatrix 384超節點， 據悉由384顆昇騰910C晶片、通過全連接拓撲結構互聯而成。昇騰晶片數量達到五倍之多，足以彌補單個GPU性能僅為輝達Blackwell三分之一的情況。輝達Blackwell完整的CloudMatrix系統，可以提供300 PFLOPs的密集BF16（佔用16位的電腦數字格式）計算性能，幾乎是輝達GB200 NVL72的兩倍。總之，憑藉3.6倍以上的總記憶體容量和2.1倍的記憶體頻寬，中國華為的AI加速器已經具備超越輝達的AI系統能力。“用一切換算力”自然也有其代價，其短板在於功耗達到GB200 NVL72的3.9倍，每FLOP能效低2.3倍，每TB/s記憶體頻寬能效低1.8倍，每TB HBM記憶體容量能效低1.1倍。這個功耗缺陷放在其他國家可能確實是“缺陷”，但中國的電力比較充足，使這個缺陷也沒那麼可怕。中國能源體系雖然長期依賴煤炭驅動，但近年來太陽能、水電、風電裝機量均居全球首位，更在核電部署領域佔據領先地位。相比之下，美國核電產能還停留在20世紀70年代水平，能源電網的升級擴容能力已顯萎縮，而中國自2011年以來新增的電網容量，已相當於整個美國電網規模。2015-2024年，中國核電裝機和新增裝機情況（單位：萬千瓦）/ 來源：中能傳媒能源安全新戰略研究院由於電力相對充裕，大型AI加速器也就不需擔心能耗的約束，華為放棄功率密度、轉向規模擴展（包括在設計中引入光互聯技術）也就成為合理選擇。3 挑戰輝達當科技霸凌成為常態，自主創新就是最好的回應。華為AI訓練叢集能挑戰輝達，意味著中國人工智慧產業有了堅實的基礎。也無怪黃仁勳這幾天氣鼓鼓的，公開批評美國政府的晶片出口管制“使中國科技公司更強大”。值得注意的是，輝達在人工智慧晶片市場的主導地位，並非僅僅得益於出色的硬體和網路架構，也得益於其深度整合的軟體生態系統CUDA。輝達CUDA函式庫包含八大函式輝達的以CUDA、高性能庫以及與PyTorch（最廣泛使用的機器學習框架，默認情況下還能與CUDA配合使用）無縫相容的生態系統，給開發者提供了良好體驗，創造出一個活躍社區，從而進一步鞏固了輝達的領先地位。對於軟體替代，華為的辦法是，擴充自主研發的軟體棧，推出大量工具套件，實現CUDA同等的功能；深化與PyTorch的整合；開發ONNX（開放式神經網路交換的開放標準），方便客戶用非華為晶片訓練的模型也能在華為晶片上進行推理。最典型的替代就是CANN（神經網路計算架構），這是華為給昇騰神經網路處理器打造的專有程式設計環境。CANN在軟體棧中所處的層級與CUDA 相同。自2019年華為被列入美國實體清單起，CANN就一直在開發中。2024年，華為的年度報告重點介紹了當年9月推出的CANN 8.0版本，稱其在推進人工智慧計算能力方面“邁出重要一步”。華為針對AI場景推出的CANN AI異構計算架構不過，CANN開發者社區的活躍度不高，公開的偵錯也很有限。有使用者反映，讓模型適配華為的平台也很麻煩，要先經過華為的深度最佳化，才能在華為的平台上運行……進展比較緩慢。為了“獲客”，華為還模仿輝達在21世紀初推廣CUDA的辦法，直接把工程師派到客戶現場，幫客戶進行程式碼遷移。據悉華為向百度、科大訊飛和騰訊都部署了工程團隊。從目前來看，華為AI晶片的生態並不能說很成熟。同時，昇騰晶片依然離不開全球化的產業鏈。它的設計完全由中國完成，但生產還是有賴於其他企業：比如三星的高頻寬儲存器（HBM），美國、荷蘭、日本等企業的裝置。只要持續推動，事情總會有所轉變。輝達花了近20年，才建構起今日的霸主地位。建構任何一個具有競爭力的生態系統，都需要多年的努力。 (南風窗)
華為，再破
科技#華為#華為晶片#美國商務部