近幾年，不管是刷新聞還是聊天，“老黃”、“黃仁勳”和“輝達”這幾個詞頻繁出現在人們的視野。一家原本做遊戲顯示卡的公司，市值卻一路狂飆至5兆美元，把蘋果、微軟甩在身後。很多人心裡有個問號：電腦的核心不一直是中央處理器CPU嗎？為何在人工智慧AI時代，顯示卡GPU反倒成了搶手貨？ CPU是學霸小隊定點突圍，GPU是學渣兵團人海戰術 家用電腦，最重要的硬體就是CPU，也就是中央處理器。它像是一支由全能學霸組成的小隊，它們心思縝密、反應敏捷，擅長處理複雜多變、需要靈活判斷的任務。打開軟體、編輯文件、運行系統、處理突發指令，這些需要複雜調度、精準運算的工作，都是CPU的強項。它習慣於一件事做完再做下一件，追求運算的深度，而不是數量。 而GPU，也就是我們常說的顯示卡，最初只是為了遊戲畫面、視訊渲染而生。它沒有CPU那麼靈活的腦子，卻擁有成千上萬個可以同時工作的小計算單元，就像一支由海量學渣組成的大兵團。面對大量簡單、重複、規律的計算，它不用深思熟慮，只管同步開工、人海戰術。

5月16日，杭州，國家人工智慧應用中試基地（具身智能）正式揭牌，摩爾線程成為共建合夥人並擔任產業委員會委員，雙方隨即成立“具身智能算力與模擬聯合實驗室”。 僅僅兩天后，5月18日，北京，摩爾線程舉辦“詞元時代，萬物智能”年度發佈會，誇娥萬卡叢集、AICUBE家庭AI中樞、小麥智能體同台亮相。 兩天兩場國家級大戲，釋放的訊號再明確不過。 國產GPU的突圍劇本，可能不再是“拚命追趕輝達”，而是被國家選中，去定義一條輝達還沒完全壟斷的新賽道。

【新智元導讀】GPU一塊沒加，程式碼一行沒改，僅靠重構組網架構就讓推理叢集多擠出15%的算力！中美大模型廠商不約而同押注同一個判斷：網路，才是AI基礎設施的下一個主戰場。 Vibe Coding太火了！ 幾乎所有人都一夜之間進入了「說人話就寫程式碼」的新紀元。 問題來了，如何打造更極致的算力支援？

過去三年，大家都在爭相搶購GPU。 輝達的股價在三年內飆升了15倍。H100顯示卡一機難求。HBM視訊記憶體供需失衡，美光和SK海力士的股價也因資本湧入而一路飆升。所有人都將整個人工智慧革命的成敗歸功於一個詞：計算。 但你可能忽略了一點——無論單個 GB300 GPU 的性能有多強大，如果它不能與成千上萬的其他 GPU 高速通訊，那麼大部分計算能力都會被浪費掉。 不妨這樣想。把人工智慧訓練叢集想像成一棟大樓，成千上萬的人在這裡一起工作。GPU 就是員工。HBM 就是每張桌子上的記事本。雲端儲存就是公司檔案庫。每個人都在爭論“我們應該招多少員工”和“記事本夠不夠大”，但卻沒有人問一個問題：樓梯和走廊夠不夠寬敞？

5月20日，在2026阿里雲峰會上，阿里發佈基於平頭哥新一代AI晶片真武M890的128卡超節點伺服器，搭載互聯晶片ICN Switch 1.0，通訊時延低至百納秒級，可讓128張AI晶片組成一台電腦，滿足海量Agent並行推理和大模型訓練需求。這是面向Agentic時代全面升級的重要部分，當天阿里雲推出了全新“芯-雲-模型-推理”技術體系。 Agentic時代，算力叢集需要承載成千上萬個Agent同時運行，每個Agent在一次任務中可能連續發起數十次模型呼叫，這對通訊時延和頻寬有極高要求。磐久AL128超節點伺服器基於自研AI晶片和互聯晶片打造，通過單機櫃128卡緊密耦合互聯，P2P時延低於150ns，單櫃頻寬達到Pb/s級，可支海量Agent的並行請求。該超節點伺服器已上線阿里雲百煉，支援Qwen、DeepSeek、Kimi等主流模型。 據介紹，首次亮相的真武M890採用自研平行計算架構，內建144GB視訊記憶體，性能是真武810E的3倍，片間互聯頻寬達到800GB/s，晶片原生支援FP32到FP4等多種資料精度，可應用於高精度訓練、低精度和超低精度推理的全場景，低精度推理場景下，不僅可以保證模型輸出質量，還能顯著降低單次推理的算力開銷。 平頭哥互聯晶片ICN Switch 1.0支援自研ICN互聯匯流排協議和PCCL通訊庫，吞吐量達25.6Tbps，可支援真武M890的高效互聯，提升AI叢集的算力效率。真武M890搭配ICN Switch1.0晶片，可實現64卡全頻寬互聯，顯著提升大規模智算叢集計算的效率與穩定性。基於平頭哥自研T-Head SAIL軟體棧的軟硬協同，可最大程度釋放晶片的算力。

據海外媒體報導，輝達和亞馬遜正在推進儲存架構的研發，該架構允許 GPU 直接控制 SSD 等儲存裝置。輝達計畫在其 Vera Rubin平台上率先推出 GPU 發起的直接儲存訪問 (GIDS) 技術，這一轉變會加速高頻寬快閃記憶體 (HBF) 的普及。 當前AI大模型參數持續暴漲，HBM高頻寬記憶體暴露出兩大致命短板： 一是物理堆疊上限決定其容量擴容難度極大、成本居高不下，無法承載兆級超大規模模型； 二是GPU與HBM之間的資料傳輸功耗，已佔據AI伺服器整機系統總功耗近50%，算力能效比嚴重失衡。與此同時，傳統馮諾依曼架構存在天生的資料搬運瓶頸，資料需經過CPU中轉→DRAM快取→再傳輸至GPU，而CPU線程調度存在結構性上限，GPU卻具備數萬級平行算力，二者的算力與資料調度效率嚴重錯配，成為AI推理、訓練提速的核心枷鎖。

老黃在北京喝豆汁「翻車」，全網笑瘋了。但真正值得警惕的，是他背後那個正在長出來的「中國版CUDA生態」。從萬卡叢集到機器狗，從SGLang主線到AI Agent自動遷移，這家公司這次不只是秀晶片，而是在重寫國產GPU的遊戲規則！ 這幾天，老黃喝豆汁的表情包，已經在全網刷屏了。 他穿著黑色皮衣，端著炸醬麵，站在方磚廠69號門口邊拌邊吃。 有人遞過來一碗豆汁，他喝了一大口，眉頭瞬間擰成一團，周圍一片哄笑。

5月17日，2026福布斯中國人工智慧50強榜單發佈，北京以21家企業上榜的成績佔據上榜企業的24.4%，位居全國首位。 當前，全球人工智慧產業正經歷從“技術競賽”向“生產力革命”的關鍵躍遷。 據國際資料公司IDC預測，2026年全球人工智慧市場規模將突破5000億美元，2024到2028年複合增長率達32.1%。 中國作為全球AI（人工智慧）發展的核心引擎，正以政策引領、技術攻堅與產業融合三重驅動，建構具有全球競爭力的人工智慧創新生態。