璇璣A3來了： 中國第一顆車規級4奈米智駕晶片，橫空出世：從自主研發、設計、測試完全自主完成。 三顆組合超2100 TOPS，但更重要的是對比通用GPU架構，單位功耗低20%，結合自研演算法，深度最佳化算力資源利用率提升100%。 算力榜上的TOPS不再是唯一的信仰。

從應用王者到矽基帝國的驚險一躍《700億美元》 當這個數字從科技界圈層與企業財報的縫隙中悄然流出，即便是見慣了頂級巨頭揮金如土的華爾街分析師，也忍不住倒吸一口涼氣。折合5.28兆人民幣的巨額投入，絕非簡單的年度預算指標，而是字節跳動投向全球AI賽道、當量空前的戰略核彈。 根據最新內部戰略規劃，字節跳動將在2026年把AI基礎設施投入拉升至超700億美元的史詩級規模，而這場轟轟烈烈的算力升級運動，核心驅動力正是全面提速的算力自研工程——從定製化資料中心CPU到大模型專屬AI晶片，字節正從底層顛覆自身發展模式，徹底重構AGI時代的核心競爭力。 過去十餘年，字節跳動是全球公認的頂級“應用工廠”與“演算法機器”。今日頭條的精準推薦演算法、抖音與TikTok席捲全球的內容生態，讓字節依託極致的軟體工程最佳化與演算法調優能力，將輝達商用GPU的性能潛力挖掘到極致。

比亞迪4nm智駕晶片“璇璣A3”落地！5月28日，比亞迪正式發佈了完全自研的4奈米車規級智駕晶片“璇璣A3”，單顆算力700TOPS，三顆並聯直接飆到2100TOPS。但你以為這只是比亞迪的一次“秀肌肉”？不，這是中國車企造芯潮的縮影。 放眼望去，理想發佈了馬赫100，蔚來的神璣NX9031早已亮相，小鵬5nm圖靈晶片量產上車，2026全年出貨量目標接近100萬片，更別提華為海思那龐大的晶片矩陣。那麼問題來了，造晶片難嗎？難，投入巨大、周期極長、風險極高。為什麼這些車企還要前赴後繼往裡沖？ 首先，打破一個誤區，很多人覺得，車企自研晶片，關鍵在於外購晶片太貴，想省錢。簡單算筆帳，蔚來2024年採購80萬顆Orin-X，花費約21億元人民幣，每車搭載4顆晶片，單車智駕晶片硬體成本約1.04萬元。自研神璣NX9031晶片後，單顆替代4顆Orin-X，單車成本降低近1萬。 毋庸置疑，自研晶片確實能直接壓低單車硬體成本，但比省錢更關鍵的，是話語權。過往的外購通用晶片，雖然參數亮眼，但和車企自研的演算法適配度往往很低，實際算力利用率可能只有30%-50%，這就叫大馬拉小車，性能全浪費在傳輸延遲上了。

5月26日，騰訊贏了一場和輝達、AMD、英特爾同台的比賽。 作為一項辦了20多年的權威評測，莫斯科國立大學（MSU）的視訊編碼比賽與Google、英特爾、輝達、AMD等晶片大廠保持評測合作或長期往來，是該領域少數被業界公認的"裁判席"，業內把它視作硬體視訊編碼的"奧林匹克"。 今年的硬體視訊編碼比賽有41款硬體編碼器參賽，覆蓋H.264、H.265、AV1、H.266全部主流標準。 騰訊自研編解碼系列晶片"滄海"，在30fps、60fps、120fps、240fps四個速度檔位、所有評測指標（SSIM、PSNR、VMAF）裡全部第一，多項指標領先超30%。

今天，和大家分享一個「硬核」好消息。 5月26日，莫斯科國立大學（MSU）舉辦的硬體視訊編碼比賽成績揭曉： 騰訊自研的編解碼系列晶片“滄海”在30—240fps所有速度檔位的SSIM、PSNR、VMAF等所有評測指標上全部斬獲第一，再次刷新硬體編解碼的壓縮率上限，在多項指標上領先超30%。 MSU是視訊編解碼領域的權威賽事，本次硬體編碼器比賽吸引了AMD、輝達、英特爾等知名企業超過40款產品參與。比賽的核心命題非常直接：

據The Information在5月7日報導稱，OpenAI與晶片設計廠商博通合作研發定製AI晶片項目遭遇了阻礙。OpenAI希望博通提供第一階段的資金支援，但是博通要求，只有OpenAI的合作夥伴——微軟同意購買約40%的晶片產能時，博通才會為該項目提供融資。 早在2025年秋天，OpenAI與晶片設計廠商博通高調宣佈聯合研發定製AI晶片。當時雙方將這樁交易描繪成板上釘釘——這項代號為“Nexus”的龐大計畫，將在2030年前部署總規模達10吉瓦的算力，目標是徹底擺脫OpenAI對輝達昂貴硬體的依賴。 然而，雙方當時沒有對外說明一個關鍵問題：OpenAI究竟如何為這個項目買單？ 最新的報導顯示，OpenAI與博通目前正在談判一項融資協議：由博通出資推進晶片生產的第一階段，這一階段需要消耗1.3吉瓦的資料中心算力容量，造價約為180億美元。若按此成本推算，整個Nexus項目僅晶片生產環節的費用就可能高達1800億美元，這還沒有計入資料中心建設和配套設施的開支。

據報導，棣山科技對外披露其2nm高端AI GPU晶片最新研發進展。據悉，該款2nm AI GPU原型晶片採用FinFET/GAA混合製程與Chiplet異構整合架構，搭載公司自主研發的“棣山智核（DS- Core）”，核心電晶體數量達1700億顆，採用2.5D CoWoS-L先進封裝技術。性能表現上，這款晶片FP32單精度算力可達50 TFLOPS，FP16半精度算力達100 TFLOPS，FP4低精度算力高達400 TFLOPS，可靈活適配不同精度需求的人工智慧大模型訓練、推理等高端算力場景；能效比較上一代產品提升40%，典型功耗控制在350W以內，每瓦算力可達142 GFLOPS。同時，研發團隊成功攻克高頻寬記憶體（HBM）封裝互聯、超低延遲片間通訊（<0.25ns/mm）、微流道高效熱管理三大核心技術瓶頸，其中搭載的HBM4記憶體單顆容量達48GB，引腳速率超11Gb/s，記憶體頻寬可達3.2TB/s，相較上一代HBM3E頻寬提升約2.5倍，可滿足大模型訓練時海量資料的高速傳輸需求；微流道熱管理技術可使晶片熱失控風險降低68%，晶片工作溫度穩定控制在85℃以下。此外，該晶片支援NVLink 6相容互連協議，單鏈路頻寬達1.6TB/s，多晶片互聯時可實現無瓶頸協同運算，進一步提升整體算力規模，同時相容主流CUDA軟體生態，可大幅降低下遊客戶技術遷移成本。截至2026年4月13日，棣山科技這款自主研發的2nm高端AI GPU晶片尚未進入正式流片階段，仍未完成從設計方案到實體晶片的關鍵跨越。在2026年舉辦的日本國際半導體裝置及材料展覽會等國內外核心半導體行業展會上，棣山科技對外公開了該款晶片的完整設計方案、核心技術參數及多輪模擬測試資料，重點展示了其在2nm製程適配、Chiplet異構整合、自研智核架構等方面的核心技術突破，讓行業各界及市場主體直觀瞭解到該晶片的設計實力與發展潛力，披露具體的流片啟動時間節點。 (半導體技術天地)

當地時間4月9日，亞馬遜首席執行長安迪·賈西（Andy Jassy）在年度致股東信中釋放重磅資訊：亞馬遜正考慮首次向第三方客戶直接出售其自研晶片，此舉將使其與輝達、博通等晶片巨頭在更廣闊的市場展開正面競爭。自研晶片業務年化營收已超200億美元，AI業務年化營收突破150億美元賈西在信中首次披露，亞馬遜的自研晶片業務年化營收已超過200億美元，且正以三位數的年增長率快速成長。該業務涵蓋三大核心產品線：基於ARM架構的伺服器處理器Graviton系列、專為AI訓練設計的Trainium系列加速器、用於虛擬化與安全的專用晶片Nitro。他透露，市場需求對於亞馬遜自研晶片的計算實例需求已遠超當前供給能力：“已有兩家大型客戶詢問，是否能在2026年包下全部Graviton計算實例。由於需要顧及其他客戶的需求，我們無法同意這項請求——這充分顯示出市場需求的強勁程度。”賈西同時首次披露，AWS的AI服務年化營收已超過150億美元，且仍在快速成長。這與自研晶片業務的200億美元營收是兩個獨立統計口徑——前者是AWS對外提供AI算力服務的收入，後者是自研晶片的價值體現。若自研晶片獨立銷售，年化營收可達500億美元賈西在致股東信中做了一個大膽的推算：“如果我們的自研晶片業務成為一項獨立業務，並且像其他晶片公司一樣對外銷售，將今年生產的晶片銷售給AWS及第三方業者，那麼我們的年化營收將達到約500億美元。”他進一步明確表示：“市場對我們晶片的需求如此旺盛，未來我們很有可能向第三方銷售大量晶片。”需要說明的是，這500億美元不僅包括AI晶片（Trainium），還涵蓋了Graviton伺服器CPU和Nitro等所有自研晶片產品。2000億美元投入“並非憑直覺”亞馬遜今年2月宣佈，2026年資本支出預計約2000億美元，絕大部分將投向AI基礎設施，包括資料中心、晶片及網路裝置。這一數字較2025年增長近60%，遠超同行水平。賈西在股東信中重申，這是“一生一次的機會”：“我們不會在此一領域採取保守策略，我們的目標是投入資金，成為具影響力的領導者。”他特別強調，這筆巨額投入“並非憑直覺”，而是基於客戶的實際承諾。賈西在信中提及OpenAI超過1000億美元的投資承諾，並表示亞馬遜已獲得客戶願意負擔“相當大一部分”資本支出。亞馬遜的晶片野心目前，亞馬遜已通過AWS向客戶提供Trainium加速器的使用權，與OpenAI、Anthropic及蘋果等公司達成了相關交易。但若直接對外銷售自研晶片，則意味著亞馬遜將從算力服務商升級為晶片供應商，與輝達、博通等在硬體層面展開直接競爭。分析師指出，亞馬遜自研晶片在成本和能效方面具備顯著優勢，若能成功打開第三方市場，將對現有晶片格局產生深遠影響。今年以來，亞馬遜股價表現相對掙扎，主要因投資人對公司激進的AI投資計畫存疑。隨著股東信的發出，亞馬遜股價9日收盤上漲5.6%。賈西在信中傳遞的資訊，與數十年前創始人貝佐斯向市場傳達的理念一脈相承——堅持長期主義，用巨額投入換取未來的主導地位。當年亞馬遜在雲端運算、倉儲裝置上的重注，最終創造了可觀的利潤並主導了市場。如今，同樣的邏輯正在晶片業務上重演。 (芯智訊)