#AI GPU
•

剛剛，國產GPU實測硬剛H200！

天垓300實測對標H200： 國產GPU從性能追趕邁向高價值應用競爭 從複雜模型推理到Token工廠、物理AI，天數智芯展示高品質算力的真實價值 10月28日，“從模型到世界”天數智芯2026媒體開放日活動在上海舉辦。天垓300首次面向媒體開放實機演示，基於天垓300的AFD分離方案、IXL144超節點方案，以及天數智算軟體棧、彤央端側算力終端同台亮相，並預告標稱算力達600T的下一代端側產品。上海儀電今年7月完成的第三方實測顯示，在典型PD分離部署下，天垓300折算單卡整體端到端吞吐達到H200的1.05倍，這是國內首個實測性能達到H200水平的通用GPU。與此同時，軟體棧展示“用AI開發AI”的新路徑，彤央TY1200在實測中超越Thor T5000。
剛剛，國產GPU實測硬剛H200！
科技#國產GPU#NVIDIA H200#AI算力
•

「這種模式我們見過！」大空頭交易員詳解：為何做空AI新貴CoreWeave

《大空頭》三位原型交易員創立的Seawolf Capital已建立CoreWeave空頭頭寸，認為其高資本消耗、GPU經濟壽命不確定及競爭性晶片供給擴張，令商業模式面臨風險。更關鍵的是，CoreWeave未來需要持續融資數百億美元，若融資成本上升或資本獲取受阻，業務將難以為繼。這筆做空並非看空AI行業，而是押注其融資能力與資本成本。 因《大空頭》一書和電影而聲名大噪的交易員們，正將目光瞄準AI算力租賃公司CoreWeave。由三位"大空頭"交易員聯合創立的投資機構Seawolf Capital公開宣佈做空CoreWeave，並系統闡述了其看空邏輯——這家公司的商業模式似曾相識，而資本獲取能力才是真正的致命軟肋。 Seawolf聯合創始人Vincent Daniel在一篇Substack文章中披露，該機構已建立CoreWeave空頭頭寸，並將其商業模式與多家資產租賃公司進行類比。他指出，GPU的經濟壽命可能遠不及石油鑽井平台、飛機或航運設備，而競爭性晶片供給正在以驚人速度擴張，這使CoreWeave的護城河存在根本性疑問。 Daniel強調，這一空頭押注的核心邏輯並非看空AI行業整體前景，而是對資本可得性與融資成本的判斷。他認為，科技公司正與政府爭奪融資資源，疊加貨幣政策收緊周期，CoreWeave若無法以低廉成本持續融資，其商業模式將難以為繼。CoreWeave股價近期已因債務問題引發市場擔憂而出現明顯下跌。
美股#CoreWeave#Seawolf Capital#GPU
•

當年電子遊戲養活了輝達，今天為何看不起AI短劇？

AI視訊生成當然不一定重演GPU的發展歷史，消費需求不僅購買現有技術，也通過持續的商業回報，支援未來技術能力的形成。 隨著AI視訊生成技術的發展，越來越多的人開始利用人工智慧製作短劇、漫劇。這原本是人工智慧走向商業應用的一個自然結果，卻引來一種頗為奇怪的批評：如此先進的人工智慧技術，本應服務於科學研究、工業製造和人類社會的重大問題，如今卻被大量用於生產娛樂內容，實在有些不務正業。比如最近網上就有這樣的比較，“中國拿AI拍短劇，美國用AI寫程序”，言下之意就是中國企業在浪費算力。 我的疑問是，為什麼一項技術用於科學研究就是進步，用於滿足普通人的娛樂需求就成了浪費？如果回顧一下當今人工智慧最重要的基礎設施——輝達GPU的發展歷史，我們可能會發現，今天的AI短劇與當年的電子遊戲，存在著某種耐人尋味的相似性。 一、如果沒有電子遊戲，可能就沒有今天的輝達
當年電子遊戲養活了輝達，今天為何看不起AI短劇？
科技#AI視訊#漫劇#AI短劇
•

當AI壓進GPU，邊緣算力走向融合

近日，Arm公佈新一代Mali GPU架構更新，在圖形管線內升級矩陣運算單元，強化端側大模型推理與神經渲染協同，面向車載、移動及嵌入式終端推出統一軟體調度方案。 這種把AI算力融入GPU、以統一硬體承載多類負載的方式，正成為行業共同選擇。類似的融合嘗試也在不同市場層次展開，從移動端到桌面端，再到IP授權市場，廠商路徑各異，指向的卻是同一個方向。 01 本地AI為何需要GPU 隨著邊緣端應用場景持續豐富，裝置需要同時承載圖形渲染、機器視覺、訊號處理與大模型推理等多類任務。
當AI壓進GPU，邊緣算力走向融合
科技#GPU#AI算力融合#半導體架構
•已編輯

城堡肯格里芬對談：AI模型演進、GPU供給周期與科技資本市場投資邏輯

Ken Griffin探討了AI革命對白領崗位與企業護城河的顛覆，深入剖析了算力建設中的產能與折舊風險，指出面對40兆美元聯邦赤字與高企的國債殖利率，提升技術生產力並做大經濟蛋糕是化解財政壓力的唯一出路。 參與者：正文使用“主持人、Ken、說話人、當然挑戰同樣存在”區分發言。 主持人：非常感謝大家今晚的光臨，Ken，也感謝你的邀請。 Ken：很高興來到這裡。非常感謝大家今天的到來。
科技#Citadel#Ken Griffin#AI模型演進
•

GPU互聯，最新熱點

雖然像GPU這樣的專用加速器在人工智慧熱潮中備受矚目，但事實上，目前制約工作效率提升的瓶頸在於資料傳輸，而非資料處理。近期在矽谷舉辦的Hot Interconnects 2026大會展示了互連和網路領域的最新突破。我們最近採訪了HotI'26組委會，聽取了他們對此的看法。 HPCwire：目前高性能計算和人工智慧的瓶頸似乎在於資料傳輸，因為記憶體頻寬（以及網路）的增長速度並沒有跟上處理能力的增長。您認為造成這種情況的原因是什麼？ HotI'26組委會：晶片內部計算的速度會隨著處理技術的進步（包括節點尺寸的增大）而提升，但晶片間的資料傳輸速度卻無法同步提升。此外，隨著處理器速度的提升和資料傳輸需求的增加，互連技術必須應對序列或平行互連方案的選擇、SerDes的成本以及尚未成熟的能耗預算等問題。 這種情況已經持續了大約十年，只是在過去五年裡，由於人工智慧/機器學習計算需求的激增（邁向“超級”智能及更高層次！），我們才更加深刻地感受到這一點；因此，擴展領域（縱向擴展、橫向擴展和跨域擴展：HotI'26 的主題）也得到了持續改進。隨著處理任意複雜查詢所需的推理能力不斷增長，資源解耦架構和機架級計算（例如 CXL、NVLink/NVSwitch 等）目前仍佔據著有利地位。
科技#GPU互連#AI基礎設施#資料傳輸瓶頸
•

輝達GTC掀起AI工廠革命，中國國產記憶體份額躍升全球前三

晶片記憶體 01 中國國產記憶體雙雄市佔率躍升 從“追趕者”向“競爭者”的關鍵轉變 中國國產記憶體迎來里程碑，高端突圍仍是下半場硬仗。
輝達GTC掀起AI工廠革命，中國國產記憶體份額躍升全球前三
科技#算力產業鏈#晶片#GPU
•

TrendForce：2027年全球HBM平均售價同比上漲121%

儘管此前市場一度傳出輝達計劃將下一代Rubin AI加速器的HBM配置從12層堆疊降至8層堆疊，但最新供應鏈消息顯示，Rubin系列產品預計仍將以12層HBM4方案為主，而高帶寬內存市場則可能面臨新一輪大幅漲價。 根據Counterpoint Research引用的產業鏈調查結果，絕大多數Rubin架構產品仍將保持最初規劃的12層堆疊HBM4設計。這與此前有關輝達準備大規模轉向8層HBM4配置的傳聞有所不同。 按照輝達已經公佈的官方技術路線，Rubin GPU將配備12層堆疊HBM4內存，單顆GPU擁有最高288GB顯存容量，並可實現高達22TB/s的內存帶寬。對於當前的大型語言模型訓練和推理任務而言，顯存容量與帶寬仍然是決定性能表現的關鍵指標，因此業界認為輝達沒有太大動力在覈心規格上妥協。 此前韓國媒體曾報導稱，輝達要求三星電子和SK海力士增加8層HBM4產品供應，主要原因包括製造良率、散熱控制以及供應鏈壓力等問題。由於HBM4將內存介面寬度提升至2048位，同時需要將12層DRAM晶片進行垂直堆疊，其製造複雜度遠高於前幾代產品。
科技#輝達#Rubin AI加速器#HBM