AMD與Anthropic宣佈最多2GW MI450部署：這個數字不能直接換算成GPU訂單 2GW很大。但它和GPU數量不是同一種單位。 美國東部時間7月22日，也就是北京時間7月23日，AMD與Anthropic宣佈戰略合作。按照AMD公告，Anthropic計畫在Helios機架級方案中部署最多2GW的Instinct MI450系列GPU，首個1GW計畫於2027年上半年開始部署。AMD還準備在未來向Anthropic進行最多50億美元的戰略股權投資。 AMD主源之外，CNBC與The Verge分別確認了2GW、MI450、Helios和首個1GW的時間表；MarketWatch確認了最多50億美元投資及晶片合作。事實沒有爭議，容易出錯的是讀法。

WAIC2026告訴我們：物理AI真的變“芯”了！ 前言： 7月17日至20日，2026世界人工智慧大會在上海舉行。千余家企業攜3000余項成果亮相，超300款新品首發。 但今年大會最重要的訊號，不在展品數量上。

今天，一年一度的AMD Advancing AI （以下簡稱AAI）大會在舊金山隆重舉行。在會議開始的時候，AMD董事會主席及首席執行長CEO蘇姿丰（Lisa Su）博士發表了重要演講。 “人工智慧是近50年來最重要的技術。”蘇姿丰在演講開頭首先強調，她同時指出，人工智慧的發展速度之快，前所未見。儘管仍處於發展初期人工智慧已經開始改變各行各業。 按照蘇姿丰在會上所說，模型性能的提升顯著，群毆提升速度也超過了硬體性能的提升速度。與此同時，AI行業還呈現另一個特徵，那就是用於推理的AI計算能力超過用於訓練的計算能力。而且，計算需求正以驚人的速度增長，智能體人工智慧需要的計算資源遠比早期的AI聊天機器人要多得多。 AMD預計，到2030年，人工智慧加速器市場的潛在市場規模將達到1.4兆美元，這將與目前整個晶片市場的規模相當。當中，有不少貢獻是來自GPU，因為很多任務還是需要GPU完成。但正如蘇姿丰所說，CPU也必不可少，因為除了需要協助GPU外，智能體AI還需要大量的CPU來實際處理智能體正在運行的任務。這也是AMD認為CPU市場在2030年將達到2300億美元的原因。

資本開支數字越來越大，但大摩認為，這還不是問題。摩根士丹利認為，資本開支上調的主要推手包括GPU成本上漲約20%、資料中心建設周期拉長至3年，以及政治壓力倒逼提前開工。更關鍵的是，資本開支背後是近4倍的算力擴張，將從2025年約30GW增至2028年約120GW，而Meta、亞馬遜等的潛在收入空間遠未被市場定價。 一、報告綜述 摩根士丹利分析師Brian Nowak團隊於2026年7月12日發佈最新研報，對五大超大規模雲廠商——Meta、亞馬遜、微軟、Google、SpaceX——的資本開支預測進行了全面上調。這是大摩自2025年以來對AI基礎設施支出的又一次顯著上修——一年前，大摩對五大雲廠商2026/2027年的合計資本開支預測僅為約4500億美元。 二、核心資料

2026年的人工智慧競爭，正在進入一個新的階段。 過去幾年，AI產業的核心競爭集中在數字空間：更大的模型、更強的算力、更高效的資料中心。資本市場圍繞大語言模型、GPU以及雲端運算基礎設施展開定價。 但隨著AI開始進入產業應用，一個新的問題正在成為核心約束：如何讓智能進入現實世界。 軟銀與安川電機近期聯合輝達展示的Physical AI平台，提供了一個觀察這一變化的產業案例。該平台利用輝達資料中心GPU雲作為開發環境，將機器人運動資料採集、AI訓練、模型評估以及機器人部署連接起來，使機器人開發從傳統的規則程式設計模式，逐漸轉向由資料驅動的學習模式。

7月初，一條消息在全球資本市場掀起了巨浪。 據彭博社報導，Meta正在籌劃推出全新的雲基礎設施業務，將過剩的AI算力賣給外部客戶。消息一出，Meta股價單日暴漲8.8%，市值一天增加約1270億美元。 同一時間，被視為AI基礎設施受益者的算力產業鏈卻集體承壓——CoreWeave、Nebius AI雲廠商分別重挫13.92%、17.01%；閃迪、美光科技等儲存晶片股跌超10%。 一條新聞，讓算力龍頭的市值坐上了過山車。

隨著AI模型向各行各業加速滲透，算力需求呈指數級增長。面對這一挑戰，北京大學電子學院和積體電路學院的研究團隊近日在《國家科學評論》（National Science Review）上發表了一項突破性成果。他們開發了一種全光互連系統，將標準電子晶片通過光學方式連接，並結合特定演算法，在AI分佈式推理任務中實現了超過100倍的速度提升，同時計算資源消耗僅為傳統方案的九分之一。 傳統的AI算力擴展路徑高度依賴“堆積木式”的GPU叢集擴張——通過堆疊更多的晶片來應對算力瓶頸，但這種路徑正面臨“功耗牆”和“頻寬牆”的雙重限制。北大團隊另闢蹊徑，選擇了以光為互聯媒介的技術路徑。 研究團隊使用FPGA（現場可程式設計門陣列） 晶片作為計算節點——這類可程式設計晶片在導彈制導、自動駕駛和資料中心等需要高平行計算能力的領域有廣泛應用。團隊為這些FPGA設計了兩款關鍵的通訊硬體作為“連接件”： 矽光子收發器晶片：運行速率達400 Gb/s，負責電訊號與光訊號之間的轉換。