#算力競賽
•

Altman「 名利場」深度訪談：人類滅絕風險非零、開源模型將引發網路安全海嘯，算力競賽不會停

“世界大機率會被下一個出大問題的事情打個措手不及”。 10月5日，OpenAI聯合創始人兼CEO Sam Altman在接受《名利場》深度專訪時，就人工智慧的存在性風險、開源模型的網路安全威脅、監管邊界以及AI基礎設施競賽等核心議題發表了迄今最為系統的表態。 他承認AI導致人類文明終結的機率"非零"，同時警告開源大模型將引發"網路安全海嘯"，並堅持認為算力投入與安全標準必須同步提升。 在風險與監管問題上，Altman的立場頗為微妙：一方面，他主動暫停了Astra 6.1模型的發佈，理由是該模型“傾向於事故風險”；另一方面又明確表示支援開源模型，即便這意味著社會必須承受“相當嚴重的網路安全事件”。
Altman「 名利場」深度訪談：人類滅絕風險非零、開源模型將引發網路安全海嘯，算力競賽不會停
科技#AI監管#算力競賽#Astra 6.1
•

不是欺詐，但風險真實！大空頭貝瑞警告AI五巨頭暗藏3兆美元風險，「當音樂停止，表外承諾會很快變成真實負債」

因精準做空2008年次貸危機而聲名鵲起的「大空頭」原型人物麥可·貝瑞(Michael Burry)，又一次站在了市場共識的對立面。而這一次，他把矛頭對準了人工智慧(AI)軍備競賽背後那本厚重的賬本。 智通財經APP獲悉，因精準做空2008年次貸危機而聲名鵲起的「大空頭」原型人物麥可·貝瑞，又一次站在了市場共識的對立面。而這一次，他把矛頭對準了人工智慧(AI)軍備競賽背後那本厚重的賬本。 貝瑞在其部落格中再度發出警告，稱$亞馬遜 (AMZN.US)$、$Meta Platforms (META.US)$、$Google-C (GOOG.US)$、$微軟 (MSFT.US)$和$甲骨文 (ORCL.US)$——這五家超大規模雲服務商(hyperscaler)——已悄然積累超過3萬億美元的表外承諾，但市場對此風險普遍視而不見。 他估算其中未開始的租賃承諾接近1.2萬億美元，採購承諾超過1.5萬億美元;若將特殊目的實體、擔保及或有支援承諾一併計入，總規模突破3萬億美元。
科技#Michael Burry#AI泡沫#資本開支
•

都在搶晶片公司

當前，AI產業正在發生一個顯著的轉向：科技巨頭的競爭已經不再侷限於“搶晶片，”而是變成“爭搶晶片公司”。 過去行業習慣直接採購現成晶片，如今，GPU企業、雲廠商、AI大模型公司，都在動用股權、長約、資本投資等方式深度繫結供應鏈企業。這已經不是簡單的“買卡囤貨”，巨頭們爭奪的不只是當下可用的算力，更是未來數年的產能配額、晶片定製能力與系統級技術的話語權。 三類玩家上演搶芯大戰 面對算力供應鏈的緊張，GPU廠商、雲服務商、AI大模型企業擁有的資源和處境各不相同，由此演化出不同的佈局策略。
科技#AI算力#NVIDIA#輝達
•

馬斯克罕見認慫，天價收購 Cursor 首次發聲：Grok 落後了

咱們的 Grok 已經落後了，但我這人可不習慣輸。 在 SpaceX 正式以 600 億美元的驚天價格將「程式碼神器」Cursor 收入囊中後，馬斯克在全員大會上的開場白，依然保持著他一貫的直白與犀利。 據 The Information 報導，本月早些時候，這筆備受行業矚目的天價收購案正式塵埃落定。隨後，馬斯克通過視訊連線，首次直面了聚集在 Cursor 舊金山總部及各辦公區的 1000 多名新員工。 在這場內部會議上，馬斯克非常坦誠地剖析了當下的競爭格局。
馬斯克罕見認慫，天價收購 Cursor 首次發聲：Grok 落後了
科技#馬斯克#AI收購#算力競賽
•

2028 年 AI 需求會震驚世界？亞馬遜 CEO 拋出預警，算力競賽進入全新階段

最近矽谷流傳一個極具衝擊力的判斷：2028 年的 AI 需求，或將讓整個世界感到震驚。 這句話並非來自行業分析師的紙面預測，而是亞馬遜 CEO 安迪・賈西，在二季度財報電話會上的公開表態。當市場還在反覆爭論 AI 是不是泡沫、大模型會不會過剩的時候，手握全球最大公有雲的 AWS，已經看到了三年之後真實的訂單壓力。 亞馬遜CEO 2200 億資本開支，依然填不滿當下的缺口
2028 年 AI 需求會震驚世界？亞馬遜 CEO 拋出預警，算力競賽進入全新階段
科技#AI需求#亞馬遜#CEO
•

萬字訪談實錄 | Kimi K3火到美國，奧特曼回應：開源一定有一席之地，機器人兩三年內迎來ChatGPT時刻

繼DeepSeek之後，Kimi K3又一次讓中國模型沖上全球討論的中心，OpenAI怎麼看這件事？ 在《Invest Like the Best》最新一期訪談裡，主持人帕特里克·奧肖內西（Patrick O'Shaughnessy）把這個問題拋給了薩姆·奧特曼（Sam Altman）。 奧特曼沒有繞開。他說開源模型一定會在AI生態裡佔一塊位置，有人想掌控權重，有人想按自己的需求改模型，這些需求都是真實的。OpenAI想做的，是在不同的能力、價格和延遲區間裡，都能給出足夠好的選擇。 比拚的不再只是"誰的模型最強"，還包括誰能在智能、成本和使用體驗之間找到更好的平衡點。
萬字訪談實錄 | Kimi K3火到美國，奧特曼回應：開源一定有一席之地，機器人兩三年內迎來ChatGPT時刻
科技#AGI#Sam Altman#OpenAI
•

AI晶片正式進入“封裝時代”！ECTC 2026揭示算力競爭的五個關鍵方向

當摩爾定律放緩，封裝開始決定算力上限 過去幾十年，半導體產業的核心邏輯一直很簡單：電晶體越來越小，晶片越來越強。 但今天，這條路線正在逼近物理極限。 隨著先進製程成本不斷攀升、電晶體縮放收益持續下降，行業開始把更多希望寄託在先進封裝（Advanced Packaging）上。封裝已經不再只是把晶片裝起來，而是決定性能、功耗、頻寬甚至成本的核心技術。
AI晶片正式進入“封裝時代”！ECTC 2026揭示算力競爭的五個關鍵方向
科技#AI晶片#2026年#ECTC
•

算力霸權與突圍：輝達和華為的較量

一、發展歷史：兩種基因，兩條路1、輝達：賭出來的王者輝達的起點和"GPU"這個名字一樣——做遊戲顯示卡。1993年黃仁勳帶著"為PC增加真實感"的想法創立，最初連正經辦公室都沒有，靠著給世嘉做遊戲晶片的副業活了下來。轉折點在2006年——輝達推出CUDA架構，把GPU從"遊戲專用"變成了"通用計算"。當時沒人看好這個決定，因為GPU處理平行計算的能力雖強，但根本沒人在CPU之外寫程序。輝達硬是砸了多年錢，補貼學術圈，培養了最早一批在GPU上跑AI研究的人。2012年是歷史性時刻：多倫多大學的AlexNet用兩塊輝達GTX 580在ImageNet競賽中碾壓傳統演算法，深度學習時代開啟。從那以後，輝達的所有投入——CUDA生態、NVLink、TensorCore——全部被驗證是對的。2、華為：被迫長大的海思華為進入晶片領域是被逼的。2004年海思成立，最初做的是視訊解碼晶片和基帶晶片，沒有人會把它和GPU聯絡在一起。真正的GPU故事要從2019年說起——美國實體清單把華為逼到了必須自研晶片的死角。昇騰910在2019年8月發佈，被宣傳為"全球算力最強AI晶片"，對標輝達A100。雖然事後被證明良率和生態差距巨大，但在極限封鎖下能拿出可用產品，已經說明華為的晶片工程能力不容低估。二、投入強度：錢不是問題，問題是買不到1、輝達輝達2025財年研發投入超過350億美元，佔營收的20%左右。這個數字什麼概念？相當於中國頭部AI晶片公司投入的10倍以上。而且輝達的研發投入是"系統性"的——晶片設計、封裝工藝、EDA軟體、CUDA生態、InfiniBand網路，每一塊都在砸錢。2、華為華為沒有單獨披露海思的研發投入，但整體研發費用率常年維持在20%以上，2023年研發總投入超過1600億人民幣。分到海思身上大約在200-300億人民幣量級。3、關鍵差距不在錢，在於工具鏈輝達用的是全球最領先的EDA工具（Synopsys、Cadence）和最先進的製造工藝。華為被封鎖之後，EDA工具斷供（Synopsys/Cadence均已停止服務華為），製造被卡在7nm（台積電斷供，中芯國際14nm勉強能用）。這意味著華為每往前走一步，都要比輝達多付出幾倍的工程代價。三、製程限制：華為的七吋這是華為最現實的困境。輝達H100/H200用的是台積電4nm工藝，B200用的是3nm。晶片製程不是單純"越先進越好"，而是直接決定了：-電晶體密度：同樣面積能放多少計算單元-功耗效率：每度電能跑多少算力-發熱密度：散熱設計難度華為昇騰910C據報導用的是中芯國際7nm N+2工藝，實際良率和性能都存在較大不確定性。一位國內晶片工程師私下說："7nm做出來的和台積電7nm做出來的，性能可能差30%，功耗可能差50%。"輝達的Blackwell B200單晶片算力達到20PFLOPS（FP4），華為昇騰910據官方說法是256TFLOPS（FP16），差距大約80倍——當然這個數字要打個折扣，因為測試標準不同，但數量級差距是客觀存在的。但有一種觀點值得注意：封鎖讓華為無法追逐最先進製程，反而倒逼了"系統級創新"。昇騰通過"達文西架構"的3D Cube技術，在特定AI算子上的效率比輝達A100高；通過最佳化記憶體頻寬和互聯頻寬，部分場景可以彌補製程劣勢。四、開發者生態：這是最難跨越的護城河如果說晶片是硬體，生態就是空氣——看不見摸不著，但一刻也離不開。1、輝達：CUDA就是壁壘全球有超過600萬開發者熟悉CUDA程式設計。所有主流AI框架（PyTorch、TensorFlow、JAX）都以CUDA為第一優先順序支援目標。全球幾十萬家AI創業公司，從第一天寫程式碼就是在輝達的生態裡。這個生態的壁壘有多深？不是靠"性能更好"就能打破的。假設華為明天發佈一顆晶片，理論性能比H100強50%，但PyTorch不支援、C++編譯器不支援、所有開源模型沒針對華為NPU最佳化——沒有開發者會用的。2、華為：正在建，但差距是數量級的華為有MindSpore框架，有CANN計算架構，有昇騰社區。但和CUDA比，MindSpore的開發者數量差了至少兩個數量級。更致命的是，全球AI開源生態幾乎全部建構在CUDA之上，華為要推動生態遷移，估計需要付出十年以上的時間和幾千億元的投入。五、產業應用：輝達吃肉，華為喝湯1、全球AI算力市場現狀輝達在全球資料中心GPU市場的份額超過88%。全球四大雲廠商（AWS、Azure、GCP、阿里雲）都在大量採購輝達的H100/H200。訓練一個GPT-4量級的大模型，需要大約1萬到10萬塊H100，這個門檻已經把絕大多數玩家攔在門外。2、華為：中國市場的"替代陷阱"在中國市場，華為是政策推動下的"正確選擇"。由於美國對中國的出口管制，中國企業無法獲取A100/H100，昇騰成了唯一的替代方案。百度、科大訊飛、商湯等公司都宣佈接入華為昇騰生態。但"替代"和"能用"是兩回事。一位國內大模型公司的技術負責人說："用昇騰訓練一個百億參數模型，要比用A100多花3到5倍時間。開源模型遷移到昇騰，偵錯適配的工作量大約是6到12個月。"這不是華為的問題，是整個中國AI算力生態的短板。六、未來走向：兩個平行宇宙1、輝達的劇本輝達正在推進"全端AI公司"的戰略——從晶片到伺服器（DGX），從網路到軟體（CUDA、X86上的AI企業套件）。Blackwell之後是Rubin架構，每年一代的速度在迭代。輝達的終極目標不是賣晶片，而是賣算力即服務——通過DGX Cloud，讓企業直接租用算力，不需要買硬體。這個模式下，輝達的護城河會從"晶片性能"延伸到"維運能力"和"軟體生態"。2、華為的劇本華為的算力戰略高度依賴政策保護和市場壁壘。如果輝達中低端晶片繼續實施限制，華為昇騰在中國的市場份額會繼續擴大。但如果封鎖持續，華為的晶片迭代速度會逐漸放緩（因為7nm之後往5nm/3nm走會越來越難）。華為另外一個籌碼是"軟硬一體"——鴻蒙作業系統、昇騰晶片、MindSpore框架、盤古大模型，這是中國唯一具備端到端能力的AI全端。但這整套東西的競爭力，目前主要體現在中國市場。七、結論：誰贏了這個回合？輝達贏了嗎？ 贏了，而且贏得毫無懸念。在全球市場，華為短期內沒有挑戰輝達的可能性——製程、生態、應用，一個都打不過。華為輸了嗎？ 沒有。在中國市場，華為是唯一現實的大規模AI算力供應方。沒有華為，中國的AI大模型訓練會不會停擺不知道，但至少token經營無從談起。這本身就是一種價值。真正的博弈在別處：算力競爭從來不只是晶片競爭，而是標準競爭、生態競爭、人才競爭。美國有輝達CUDA，有台積電製造，有PyTorch生態；中國有華為，有中芯國際，有MindSpore。前者開放但可封鎖，後者自主但封閉。兩個體系未來大機率會長期並存，形成事實上的"算力兩極格局"。 (大饒不老)
科技#華為#輝達#AI算力競賽