高頻寬記憶體 (HBM)在實現生成式人工智慧方面發揮了關鍵作用，它通過克服人工智慧加速器元件中的記憶體瓶頸，顯著提升了性能。然而，隨著超大規模人工智慧叢集越來越多地整合數千個 GPU 和 HBM 堆疊，一個新的瓶頸出現了：頻寬牆，它限制了系統間的資料傳輸。 在此背景下，SK海力士及其全球研究團隊在《自然·電子學》雜誌上發表了一篇論文。 該論文探討了用於高性能計算和人工智慧的共封裝光學器件（CPO）的開發，指出了關鍵的技術挑戰，並概述了下一代光互連技術的發展軌跡。 SK 海力士人工智慧基礎設施團隊負責人洪承勳和弗吉尼亞大學（UVA）電氣與電腦工程系李奎相教授擔任通訊作者，領導了一項與伊利諾伊大學厄巴納-香檳分校（UIUC）、南洋理工大學（NTU）、麻省理工學院（MIT）和延世大學的研究人員合作的研究。 從更廣泛的層面來看，該論文提出了一個全面的技術路線圖，闡述了記憶體器、先進封裝和光計算互連（OCI）應如何協同演進以支援下一代人工智慧系統。至關重要的是，它還展示了SK海力士如何超越HBM創新，在系統層面幫助定義下一代人工智慧基礎設施的架構。

這篇論文把SK海力士的技術邊界從HBM封裝內頻寬延伸到機架與叢集的資料移動。CPO方向已經清楚，量產節奏仍取決於熱、良率、標準與成本。 一、這篇論文真正推進了什麼 論文題為《Co-packaged optics for high-performance computing and artificial intelligence》，於2026年8月19日發表於Nature Electronics。作者來自SK海力士、弗吉尼亞大學、伊利諾伊大學厄巴納—香檳分校、南洋理工大學、麻省理工學院和延世大學。論文類型是綜述文章，重點在系統路線圖，沒有發佈單一器件性能。 公開摘要覆蓋三層內容。第一層梳理高速電互連的物理限制，包括電阻損耗、電容負載與頻率相關失真。第二層拆解CPO系統的電氣子系統、電光和光電介面、光傳輸路徑。第三層給出2D、2.5D與3D異構整合路線，並列出熱管理、可製造性和標準化挑戰。

二季度營收313.25億元，同比降4.2%，遜於預期 經調整每ADS收益7.22元，較一致預期低約27% GPU雲收入同比增283%，線上行銷收入下滑19% 【北京】百度公司二季度AI業務收入佔比連續第二個季度超過一半，但利潤大幅收縮令投資者失望，公司美股股價創下逾一年來最大單日跌幅。

百度最新季報呈現出AI業務加速擴張、盈利能力仍在調整的轉型特徵。 8月18日，百度發佈2026年第二季度業績，季度總營收313億元，略低於市場預期的316億元。值得關注的是，百度核心業務中AI收入佔比達到50%，已連續兩個季度超過半數，顯示AI正在成為公司收入結構的重要組成部分。 但AI業務擴張尚未完全轉化為利潤增長。本季度百度調整後每ADS利潤為7.22元，明顯低於市場預期的9.75元。儘管調整後營業利潤和EBITDA均略高於市場預期，但每股利潤的明顯落差顯示，AI基礎設施投入仍在對盈利能力形成壓力。 百度創始人、董事長兼CEO李彥宏在業績聲明中表示，AI業務持續增長進一步印證了百度從互聯網公司向AI優先公司轉型，並稱這「進一步增強了百度對長期增長潛力的信心」。

大摩研報拆解中國雲市場三大變現路徑：中國雲廠商投資資本回報率（ROIC）13%-20%，雖受高硬體成本壓制，但隨推理需求爆發上行空間巨大。阿里憑基建與模型優勢獲看漲45%，高利潤率的MaaS模式將成估值破局引擎。 算力投資的回報之爭正在進入量化階段。 摩根士丹利最新報告將北美ROIC框架引入中國雲計算市場，對自建GPU基礎設施、租用第三方算力以及模型即服務（MaaS）三條路徑逐一拆解得出結論：中國雲廠商的ROIC區間為13%至20%，雖低於美國同行的25%至50%，但隨著硬體成本下降和推理需求擴張，回報曲線存在顯著上行空間。 報告認為，阿里憑藉最大規模的AI基礎設施、成熟的雲業務體系以及經驗證的通義千問（Qwen）模型能力，有能力穿越三種場景均實現可觀回報，這一組合也支撐其估值溢價。分析師給予阿里巴巴美股評級"增持"，目標價180美元，較當前價格有約45%的上漲空間。

最近，有家公司賺錢賺得飛起。工業富聯發佈財報，由於AI伺服器需求暴增，公司半年賺了237億元。平均一天，淨賺1.31億元。 聽起來已經夠猛了。但再看一個數字：淨利率只有4.26%。 什麼意思？就是賣100塊錢的東西，最後真正落進口袋裡的，只有4塊2毛6。 所以別看工業富聯一天賺一個多億，它賺的其實還是“辛苦錢”：給AI伺服器做ODM（設計、生產、組裝）。

打開任何一台2026年的AI伺服器內部，你會發現一個有趣的現象：裡面不只是GPU在忙——CPU在調度、NPU在推理、DPU在搬資料。這已經不是"一顆晶片打天下"的時代，而是一個分工明確、各司其職的算力生態。CPU是指揮官，GPU是主力軍，NPU是特種兵，DPU是後勤部長。 開篇：當"PU"變成複數 如果你關注科技新聞，會發現一個尷尬的事實：現在的處理器類別，實在太多了。CPU、GPU、DPU、NPU還不夠，GPU還分HPC GPU、AI GPU、推理GPU、訓練GPU——還有人討論TPU、LPU、IPU…… 很多人會直覺地回答：GPU要取代CPU。但真相遠比這複雜。2026年最值得關注的趨勢恰恰相反：CPU正在重回AI算力的聚光燈下，而整個行業正在從"GPU中心化"走向"多晶片異構協同"。

宏觀策略師Simon White認為，金融化正在系統性地遮蔽市場發出的產能過剩信號。與住房危機類似，當今的資本支出熱潮更有可能在金融鍊金術的潤滑下吸引越來越多資本湧入，從而導致過度建設。而算力已經足夠充裕的信號恐怕很難引起重視。 輝達再次傳出將數據中心資產證券化的計劃，這次的交易可能將AI算力熱潮推向一個危險的新階段。 據彭博宏觀策略師Simon White分析，輝達擬將數據中心轉化為可投資資產的交易，有可能導致AI算力領域出現嚴重產能過剩，尤其是在基於結果定價模式逐漸成為行業標準的背景下。這一判斷的核心邏輯在於：金融化正在人為放大需求信號，掩蓋市場已經供過於求的真實狀況——這與2008年金融危機前的住房泡沫如出一轍。 White指出，輝達此次與Apollo、Brookfield、KKR、黑石、貝萊德及高盛達成的合作框架，意在撬動逾5000億美元資本流入所謂"AI工廠"。輝達將為部分交易中最高25%的GPU抵押品提供保險，即為其回收價值兜底。這與住房泡沫時期的相似之處難以忽視。彼時，AIG通過為CDO優先級別的債券出售保險，使銀行得以減少資本佔用，進而分發更多有毒債務——最終在相關性驟升至一時，以國家救助收場。