據媒體報導，知情人士稱，OpenAI正在考慮與北約達成一項協議，將其AI技術部署在北約的“非機密”網路上。消息稱，當地時間3月3日，OpenAI首席執行長山姆•奧特曼在一次全體員工會議上表示，該公司正在審查一項合同，該合同旨在將其AI模型部署到北約的機密網路上。但公司的一位發言人後來澄清說，奧特曼說錯了，這份合同機會針對的是北約的“非機密網路”。北約內部存在明確的資訊分類體系，包括“北約機密”“北約秘密”“北約限制”和“非機密受控資訊”（Unclassified Controlled Information）等層級，其中“非機密網路”主要處理後者 。這一“非機密網路”並非指完全開放、不設防的公共網路，而是一個用於處理非機密資訊、但具備高度安全措施的北約內部資訊系統，是北約日常運作、聯盟協作與對外溝通的基礎資訊平台，應用場景包括辦公、後勤、公共事務、對外協作等。就在幾天前，因Anthropic拒絕軟化其產品使用政策中的“紅線”——禁止將AI用於大規模國內監控和自主武器系統，川普政府以“供應鏈風險”為由，下令聯邦機構停止使用Claude。隨後OpenAI迅速宣佈與美國國防部達成協議，將OpenAI的模型部署到美國國防部的機密網路中。一場“QuitGPT”的抵制運動在社交媒體上迅速發酵，不少矽谷的員工也紛紛聲援Anthropic的立場。Claude在美國App Store的免費應用排行榜上名列前茅，下載量也大幅增長。網路分析公司StatCounter的資料顯示，ChatGPT的市場份額在2月份下降了5.5個百分點，而Anthropic公司的“Claude”則上升了2.7個百分點。奧特曼也承認，OpenAI與美國國防部的協議“絕對是倉促敲定的”，且“外界觀感並不好”，這“在短期內為OpenAI帶來了非常負面的品牌影響”。OpenAI 在周一發佈更新聲明，稱其人工智慧系統“不會故意用於對美國公民和個人進行國內監視”，聲明還補充說，五角大樓也確認，人工智慧服務不會被國家安全域 (NSA) 等情報機構使用。在博文《我們與戰爭部的協議》中，OpenAI明確列出了與美國國防部合作的三大停用領域：禁止大規模國內監控、禁止自主武器系統、禁止“社會信用”類高風險自動化決策，並強調其對安全架構擁有完全的自主權，表示將採用“更全面的多層次方案”守護這些紅線，包括雲端部署模式、由通過安全審查的OpenAI人員全程參與，以及強有力的合同保障。儘管奧特曼聲稱合作遵循“人工智慧不得用於國內大規模監控”等原則，但據美國彭博社解讀，奧特曼並未禁止將人工智慧工具用於完全自主武器系統。 (科創日報)

Nvidia首席執行長黃仁勳周三表示,向OpenAI投資1000億美元"不在考慮範圍內",並回顧了公司產品"高於非常高"的需求,同時分享了他的願景,即在不久的將來,算力將等同於全球每家公司的收入。在摩根士丹利科技、媒體和電信會議上發言時,黃仁勳表示,Nvidia已完成對OpenAI的300億美元投資,他將此描述為可能是投資這種重要性公司的最後機會。他補充說,此前熱議的1000億美元交易已不可能實現,因為這家人工智慧公司正在為今年晚些時候的IPO做準備。這家晶片製造商對另一家AI巨頭Anthropic的100億美元投資可能將是"最後一筆"對該公司的投資,黃仁勳補充道。在更廣泛地談及公司發展方向時,黃仁勳表示,Nvidia一直在多個雲平台上擴展OpenAI的容量,包括微軟Azure、Oracle Cloud Infrastructure和Amazon Web Services。公司還在快速擴大AWS業務,並在AWS和Azure上擴展Anthropic的容量。黃仁勳將需求狀況描述為從非常高轉向甚至更高,並表示Nvidia在物理AI和數字生物AI前沿領域處於有利地位。Nvidia負責人還強調,公司已確保其供應鏈安全,包括記憶體、晶圓、CoWos、封裝、連接器、電纜、銅到多層陶瓷電容器。"當Satya(Nadella,微軟首席執行長)要求我建立幾千兆瓦時,答案是沒問題,"黃仁勳說,強調了Nvidia快速擴展的能力。在評論他如何看待AI經濟演變時,黃仁勳表示"算力等於收入",強調每家公司都將需要算力,而算力將等同於GDP。他預測不會缺乏智能,只需要有足夠的算力來執行。 (invest wallstreet)

第一財季博通總營收同比增29%，AI收入同比翻約一倍至84億美元，高於公司指引，軟體業務收入僅增1%，第二財季AI收入預計107億美元，同比增143%。博通料第二財季總營收同比增47%至220億美元，較分析師預期均值高逾7%；電話會稱明年Anthropic將帶來3GW算力需求、OpenAI將批次部署晶片，Meta定製晶片路線圖進展不錯。盤後漲超5%。輝達的挑戰者、ASIC晶片大廠博通又一次交出兩位數大增的成績單，本財季的指引繼續穩健，體現人工智慧（AI）資料中心裝置的需求繼續強勁。博通同時推出高達100億美元的股票回購計畫，被視為該司利用企業客戶AI支出增長的戰略正在取得成效。美東時間4日周三，博通盤後公佈，截至2026年2月1日的公司2026財年第一財季（“一季度”），淨營收同比增長29%至193.1億美元，高於分析師預期的192.6億美元；非GAAP口徑下調整後每股收益（EPS）同比增長28%至2.05美元，也高於分析師預期的2.03美元。驅動博通增長的核心仍是AI相關半導體業務。包括ASIC在內的半導體解決方案業務一季度收入同比超預期增長超50%。其中，一季度AI半導體收入達84億美元，同比暴增106%，高於博通此前業績電話會提供的指引約82億美元，主要由定製AI加速器和AI網路需求帶動。博通CEO陳福陽表示，公司的AI收入將加速增長，預計第二財季（“二季度”）AI半導體收入將進一步升至107億美元。這意味著，博通本財季的AI晶片收入將環比增長逾27%，同比增長143%。博通同時給出了明顯高於市場預期的指引：二季度營收預計約220億美元，同比增約47%，較分析師預期的均值205.3億美元高約7.2%，和一些分析師的樂觀預期一致；調整後EBITDA利潤率預計約68%，持平一季度。同時，公司董事會批准新的股票回購計畫，授權到今年底回購額度最高100億美元。財報公佈後，周三收漲超1%的博通盤後股價先小幅上漲，曾小幅轉跌，後又轉漲、漲幅擴大到5%以上。股價加速上漲期間，博通高管在業績電話會上透露，預計公司客戶Anthropic將在2027財年帶來3 GW算力需求，OpenAI將在2027年批次部署晶片，還稱Meta的定製晶片路線圖“正在推進之中，進展不錯”。分析認為，股價起初轉跌的反應更像是高預期下的再定價，在AI主線擁擠、估值更敏感的背景下，除了一季度和二季度總體資料，部分源於博通一季度軟體業務收入僅小幅增長，投資者也會重新審視增長結構、現金與負債變化以及後續超預期空間，從而引發一定的獲利了結與波動。Q1總營收繼續加速增長 AI收入同比翻倍、Q2目標107億美元財報顯示，一季度博通的總營收刷新了前一季所創的單季最高紀錄，且同比繼續加速增長，增速由前一季的28%提升至29%。陳福陽在財報中強調，本季AI收入84億美元，同比增長106%，高於去年12月陳福陽在業績電話會上預估的82億美元。增長主要來自兩塊：定製AI加速器（custom AI accelerators）需求旺盛；AI網路（AI networking）持續放量。博通預計二季度AI半導體收入將達到107億美元，意味著AI業務仍在加速爬坡，並將繼續成為推動二季度營收躍升至220億美元的關鍵變數。半導體收入高增、軟體“穩而不長”按分業務看，一季度博通增長幾乎由半導體“拉滿”：包括ASIC在內的半導體解決方案業務收入125.15億美元，同比增長52%，增速較前一季的34.5%明顯加快，分析師預期123.1億美元，營收佔比從一年前的55%升至65%，高於前一季的61%。包括VMware在內的基礎設施軟體業務收入67.96億美元，同比僅增長1%，營收佔比從一年前的45%降至35%，前一季度同比增長19%、佔總營收的39%。這組資料體現，博通當前的增量主要來自AI相關半導體周期，而軟體業務更多體現“壓艙石”屬性——規模大、貢獻穩定現金流，但短期增速有限。也正因增長更集中在AI半導體，市場對其客戶集中度、訂單節奏和供需變化會更敏感，這類結構性關注點在財報後往往也會放大股價波動。股東回報加碼：單季回饋109億美元，新增100億美元回購授權博通繼續用真金白銀強化股東回報：董事會批准季度現金股息0.65美元/股，本季股息合計約30.86億美元。首席財務官（CFO）Kirsten Spears稱，公司一季度通過分紅+回購合計回饋股東109億美元，其中回購約78億美元。董事會又批准新的回購計畫：最高回購規模100億美元，有效期至2026年12月31日。回購與分紅對長期股東當然是利多，但在財報後的短線交易裡，市場也可能會同時關注：回購力度很大、現金餘額下降、負債水平不低——這些因素疊加時，股價的即時反應未必只看“回購利多”單一維度。EBITDA創新高、利潤率68% 自由現金流80億 利息支出仍高盈利能力依舊強勁。博通披露，一季度調整後稅息折舊及攤銷前利潤（EBITDA）同比增長30%至131.28億美元，刷新前一季所創最高紀錄，EBITDA利潤率約為68%，高於公司指引67%。。調整後淨利潤為101.85億美元，同比增長30%，前一季度同比增長39%。一季度調整後EPS同比增長28%，較前一季增速37%放緩，但還高於分析師預期。現金流方面，博通延續了“強造血”特徵：經營現金流82.6億美元；資本開支2.5億美元；自由現金流（FCF）80.1億美元，同比+33%，約為營收的41%。對投資者而言，FCF強勁意味著公司在高強度AI投入與股東回報之間仍有較大騰挪空間；但也會帶來另一個現實問題：當公司既要回購分紅、又要管理較高負債成本時，市場會更在意現金流的“分配優先順序”。截至一季度季末，博通資產負債表的幾個變化值得留意：現金及現金等價物141.74億美元，環比前一季末的161.78億美元下降約20億美元。應收帳款84.6億美元，庫存29.62億美元，均環比增長。在半導體快速放量階段，應收與庫存抬升並不罕見，但也會被市場用來觀察需求強度與交付節奏。債務端：短期債務22.52億美元、長期債務638.05億美元；當季利息支出8.01億美元。高利率環境下，利息成本的“粘性”也是科技硬體公司估值敏感點之一。 (invest wallstreet)

2月27日，美國金融科技公司Block宣佈裁員40%，約4000人，以全面轉型為AI公司‌。AI概念戲劇性地導致其股價暴漲超20%。這家在矽谷算不上舉足輕重的公司的案例，卻透露出AI快速發展可能引發的經濟連鎖反應。在這背後，有一個數字，在過去三年被改寫了四次。2023年3月，OpenAI說:美國約19%的工人會看到超過50%的工作任務被AI影響，這個過程需要十年。2026年1月，Cognizant說:這個比例已經是30%，而現在距離ChatGPT發佈才三年。同一個月，史丹佛數字經濟實驗室在分析了2.85億條招聘廣告後發現：AI高暴露度行業的入門級崗位招聘量下降了18%-40%，而資深員工的需求在上升。如果你還在用"AI會不會搶走人類工作"這個二元問題來理解這場變革，你已經落後了。真正在發生的不是崗位的消失，而是勞動力市場結構的熔斷：入口在關閉，中間層在塌陷，而站在塔尖的極少數"AI駕馭者"正在收割一切。更可怕的是，根據Citrini Research對2028年的推演，這場撕裂才剛剛開始。01. 2023年的刻舟求劍與2026年的凜冬驟至把時鐘撥回2023年3月，ChatGPT剛剛引爆全球。OpenAI的研究人員聯合多所大學發表了一篇里程碑式的論文、《GPTs are GPTs》（生成式預訓練模型是通用目的技術）。當時，OpenAI的團隊採用了一套基於任務暴露度（Exposure）的評分模型。他們得出的結論是：美國約80%的勞動力至少有10%的工作任務會受到GPT的影響，而約19%的打工人會看到超過50%的任務被波及。更有意思的是，他們發現了一個「高薪悖論」，與過去幾十年自動化技術（如機械臂）總是最先淘汰藍領工人不同，GPT時代，薪酬越高的認知型工作，暴露度反而越高。 在技能樹上，程式設計和寫作技能與AI暴露度呈強正相關，而科學和批判性思維則被認為是「安全區」。在那個時間節點，研究人員明確標註了一個侷限性：他們沒有將視覺等多模態能力計算在內。他們那時候甚至都沒考慮到工具使用能力。在2023年的框架裡，AI仍然是一個被困在螢幕裡、只懂處理文字和程式碼的缸中之腦。他們給出的上限預測是，這場重構可能需要長達十年的時間（到2032年）才會徹底展開。時間來到2026年初，全球IT服務巨頭Cognizant發佈了他們對2023年研究的更新報告《新工作，新世界 2026》。報告的開篇就表明「我們原本預測需要十年（到2032年）才會發生的事情，現在已經提前六年就在我們眼前上演了。」資料顯示，今天美國已有93%的工作受到AI不同程度的影響。Cognizant用了一個指標叫「速率得分」（Velocity Score），說白了就是你的職業被AI吃掉的速度有多快。如下圖所示，此前所有職業的AI暴露度年均增長2%，現在已經躍升到9%，相當於加速了4.5倍。這意味著，那些在2023年看起來屬於「AI動不了我」的職業，現在正以4倍速度被捲進來。具體到崗位上，任務暴露度超過50%的崗位比例從2023年的0%飆升至30%（原預測2032年僅為15%），而所有任務至少暴露25%的崗位則增長了17%，達到69%。Cognizant測算，僅在美國，這相當於將價值4.5兆美元的人力勞動成本轉移給了AI，約佔美國GDP的15%。這種加速是從那兒來的呢？報告用了一個很細的分類，描繪了不同暴露度的分層。E0 (No exposure) - 完全不暴露，32%的任務E1 (Direct exposure) - 直接用GPT就能省一半時間，10%的任務E2 (LLM+ tools) - 需要配套軟體但可行，17%的任務E3 (With image capability) - 加上視覺能力後可行，17%的任務Full automation - 完全可自動化，10%的任務（這是2023→2026最大的躍升，從1%到10%）從這個分類我們就可以看到，從E1到E3，也就是LLM加上多模態（眼睛與耳朵）和高級推理（大腦）以及隨之而來的Agentic AI 智能體（手與腳）帶來的改變最大。單純的ChatGPT其實影響有限（10%），但一旦Agent能使用專業工具，影響就擴大到27%，再加上視覺處理的範疇，則直接覆蓋到了44%的工作。比如一個修水管的工人，AI單獨看或想都替代不了他，但當AI能「看懂漏水的位置+推理出可能的原因+生成維修方案+自動下單配件」，那他的工作就被重構了。雖然還得他去擰螺絲，但前期診斷和後續報告都不需要他了。這種復合能力的爆發，導致了幾個在2023年無法想像的後果。第一，管理層不再安全。 曾幾何時，CEO和高管們認為協調、預算分配和決策是人類獨有的。但在2026年，Agent能夠自主安排日程、根據支出模式重新分配預算、追蹤項目進度。Cognizant的資料顯示，CEO的AI暴露度從25%飆升至超過60%。第二，藍領與物理世界的防線被滲透。 建築工人、機械師和水管工曾被認為是AI無法觸及的低風險區。但在多模態和AR穿戴裝置的加持下，AI現在能夠分析現場照片以診斷管道洩漏，或者讀取建築藍圖。建築業的AI暴露度從4%上升到了12%，交通運輸業從6%暴漲至25%。 一個水管工不會失業，但他未來的工作方式是被AI頭顯直接指揮的。按可由AI完成的任務百分比排名，Cognizant選出了受AI影響最大的六個職業。排在榜首的是財務經理，84%的工作內容可以被AI接手。換句話說，財務規劃、預算分析、風險評估這些核心任務，AI都能插上一手。電腦和數學相關職位緊隨其後，受影響程度達到67%。商業和財務營運、辦公室和行政支援這兩個大類都在60%到68%之間。法律職業63%，管理工作（包括高管層）60%。過去幾個月，軟體開發領域的變化尤其明顯。Anthropic的首席工程師鮑裡斯·切爾尼（Boris Cherny）今年1月透露了一個令人驚訝的數字：他們公司幾乎100%的程式碼，都是由自家AI產品Claude Code和Opus 4.5編寫的。「就我個人而言，我已經有兩個多月沒親手寫過程式碼了，連小修改都不做。」切爾尼說，「昨天我提交了22個拉取請求，前天提交了27個，每一個都是Claude寫的。」當然，他們發現34個職業完全沒有任何任務暴露。這些職業清一色是純體力、現場、手工活：砌磚工、屠宰工、洗碗工、石匠、輪胎修理工...這些變化，可能意味著勞動力市場的極化會加劇。高技能的人用AI變得更高產，低技能的人困在無法自動化的低薪苦活裡，中間那批能自動化但還沒完全自動化的中等技能白領工作最危險。而這正是在當下招聘市場中真實發生的事。02. 巨量資料不會撒謊：入口已經關閉，中間層正在塌陷預測看起來很緊迫，但在過去現實中的勞動力市場到底發生了什麼？當我們把目光轉向由Lightcast、PwC、Indeed、Stanford等機構彙編的過去三年（2023年-2026年）的線上招聘廣告巨量資料時，會發現很多符合預言的部分。報告當時預測，高工資職業普遍展現出更高的暴露度，並且暴露度與職業所需的程式設計和寫作技能正相關，與科學和批判性思維技能負相關。這些在招聘廣告資料裡都得到了驗證。而且方向也大體正確，即越是知識密集、文字密集、規則密集的工作，AI滲透越快；越是需要物理操作、現場判斷、人際互動的工作，暴露度越低。被超越的部分是速度。2023年的報告預測這些變化會在十年內展開，結果三年就看到了顯著的結構性變化。更重要的是，報告當時強調我們的暴露度測量不區分勞動增強和勞動替代，言下之意是技術可行不等於實際採用。但現實是，企業的採用速度比學術界預期的快得多。深入去看，我們會看到一幅被研究者命名為「混合轉型」（Hybrid Transformation）的圖景。這個溫和的學術術語掩蓋不了它的本質，即一場正在發生的階級重組。首先，在這個轉型中，得利最多的是AI使用者。截至2025年底至2026年初，純粹的「AI技能崗位」在整體招聘市場中佔比依然不高，大約在4.2%左右。 但它的增速是極其恐怖的，生成式AI相關崗位的提及率相比2023年增長了3倍以上。而且，從2023年低期，招聘開始分化，所有招聘在減少的情況下，提到AI的招聘卻在一路上行。市場對這極小部分掌握新生產力工具的人給予了極其豐厚的回報。PwC和Lightcast的資料高度一致：在同一職業中，包含AI技能要求的崗位平均能獲得15%到30%的薪資溢價，甚至在某些核心知識領域（如律師、金融分析師）工資差異能拉大到56%。這絕不是全體打工人的「共同富裕」，而是工資結構的劇烈分化。企業願意為能用AI十倍速提升產出的人付高薪，同時開始凍結那些只做傳統重複性腦力勞動的人的薪水。其次，是在這三年間，入門級白領崗位的「隱性死亡」。AI並沒有在宏觀層面造成總就業人口的斷崖式崩塌（目前招聘總數仍在疫情後常態波動），但在「新手村」，一場屠殺已經發生。史丹佛數字經濟實驗室結合ADP薪酬資料與數千萬份簡歷的分析表明，自2022年末ChatGPT爆發以來，在AI高暴露度行業中，22-25歲年輕人群的就業出現了顯著的收縮（下降約6%，軟體開發等領域甚至回落20%），而同行業的年長資深員工就業依然在增長。一篇基於2.85億條美國崗位廣告的因果識別研究估算，ChatGPT發佈後，高AI可替代性職業的崗位廣告數量相對低可替代性職業平均下降了約12%。而且這個效應對無需高學歷/無需更多經驗的入門崗位更強，分別達到18%和20%的降幅。行政支援類職位的降幅甚至接近40%。這被稱為「偏向資歷的技術變革」（Seniority-Biased Technological Change）。 過去，大公司需要招聘大量的應屆生和初級員工來做基礎的程式碼審查、資料清洗、草擬財報、整理法律文件。現在，資深員工借助幾個AI Agent就能搞定這些髒活累活。一項覆蓋6200萬勞動者的研究發現，從2023年一季度起，採用GenAI的企業初級崗位就業明顯下滑。企業不是在裁人，而是乾脆不招了。因為中級員工用上AI之後，能幹更多活。企業甚至懶得開掉初級員工，因為不招新人，讓老人自然流失就夠了。這種溫水煮青蛙式的裁員，連勞動法都管不著。年輕人進入職業階梯的「第一級台階」被AI抽走了。最後一個趨勢是，任務重寫（Task Rewriting）取代職業消亡。2013年牛津大學曾有過一個著名的恐怖預測，認為未來「47%的崗位會被自動化」。它為什麼至今沒有發生？因為職業是一個殼，裡面包裹著無數個「任務」（Tasks）。Indeed和Revelio Labs的資料顯示，崗位名稱沒有消失，但HR寫在招聘廣告裡的「崗位職責（JD）」被重寫了。 在財務、文書、初級程式碼崗位中，「日常對帳」、「生成標準程式碼」等容易被AI取代的任務佔比正在直線下降；取而代之的是，企業要求應聘者具備「複雜性管理」、「AI系統引導」、「邊緣案例解決」和「質量驗證與判斷」的能力。這印證了Cognizant的洞察。即使一個職位有39%的任務被AI接管，剩下的61%也需要人類把AI幹完的活整合起來，放入更大的商業語境中。 未來一兩年內的時代是「人類+AI」的重構，純粹的執行者被淘汰，留下的是審判者和協調者。但審判者和協調者也不需要那麼多。一個資深審判者+AI能幹過去10個初級執行者的活，企業只需要原來1/5的人就夠了。所謂的人機協作，本質上是用少數精英+AI，替代掉大多數普通人。03. 通向2028，Agent奇點與全球智能危機如果我們把當前招聘市場的「結構性擠壓」和Agent技術的進化曲線向前延伸，會發生什麼？在回答這個問題之前，先看看過去三年發生了什麼？2023年，OpenAI說改變職業結構需要十年，2026年，Cognizant說已經發生了巨變；2023年，完全自動化的任務佔1%，2026年，這個數字是10%；2023年，入門級崗位還在正常招聘，2026年，AI高暴露行業的初級崗位招聘量已經下降了18%-40%。如果這個加速度不變，2028年會是什麼樣？Citrini Research在一篇名為《2028年全球智能危機：來自未來的金融史思想實驗》的深度推演中，描繪了一個令人毛骨悚然的後奇點世界。在這個劇本中，時間線被設定在2028年6月。在2026年到2027年間，市場沉浸在一種荒誕的狂歡中。因為AI Agent的大規模部署，標普500指數和納斯達克一路狂飆，企業利潤屢創新高。勞動生產率達到了1950年代以來的最高水平。創造產品的Agent不需要睡覺，不需要醫保，也不會生病。但經濟學家們很快發現了一個致命問題，即幽靈GDP。它指的是那些在國民帳戶上閃閃發光、卻從未在實體經濟中流轉的財富。為什麼？因為北達科他州的一個GPU叢集完成了過去曼哈頓一萬個白領的工作，而機器是不會去買咖啡、交房租、看電影或者去度假的。佔美國經濟70%的消費主導型市場開始枯萎。如果我們把當前招聘市場的「結構性擠壓」和Agent技術的進化曲線向前延伸，這個詞很可能會從隱喻變成現實。過去的技術創新（如雲端運算、網際網路）大多屬於資本支出（CapEx），它創造了龐大的上下游就業。但Agent的引入是營運支出（OpEx）的直接替代。2026年，當Agentic工具（如Claude Code的進階版）迎來能力階躍時，企業CIO們發現，他們可以用內部的AI原型在幾周內替代掉每年幾十萬美金的SaaS服務。軟體公司（如ServiceNow）為了保住利潤，只能裁減自己15%的員工，並把省下來的錢投入到更強的AI工具中去抵禦競爭。這是一個沒有任何物理制動機制的負反饋循環： AI變強 → 企業裁員 → 用裁員省下的錢買更多AI算力 → AI變得更強 → 進一步裁員。被最佳化的白領們失去了收入，消費降級，導致企業收入下降，企業為了維持利潤率，只能更加激進地引入AI並裁員。財富以前所未有的速度向掌握算力資本的極少數人集中。2027年，危機的烈火將從軟體行業蔓延到了整個「中介層」。在過去五十年裡，人類社會建立了一個極其龐大的「利用摩擦力變現」的商業帝國。因為人類沒有時間、缺乏耐心、存在資訊差，所以我們願意忍受旅行平台、保險續保、房產中介的抽成。但在2028年的世界裡，消費者全面接入了個人AI Agent。這些Agent會在後台24小時不知疲倦地全網比價、自動退訂那些忘記取消的SaaS訂閱、瞬間完成房產交易的盡職調查和合同審查。傳統的訂閱經濟（賭你忘記取消）和中介經濟（賭你懶得比價）在一夜之間土崩瓦解。人類所謂的「商業黏性」，在冷酷的機器最佳化算力面前，被證明只不過是一層溫情脈脈的「摩擦力」外衣。04. 剩下的24個月幾百年來，面對盧德分子的恐慌，經濟學家總是用一句金科玉律來安慰大眾：「技術在消滅舊工作的同時，總會創造更多的新工作。」ATM機淘汰了部分櫃員，但銀行開出了更多網點；網際網路幹掉了黃頁，卻創造了電商和外賣。但這一次不一樣。因為過去的新工作，都必須由人類來做。 當AI進化為「通用智能體」（General Intelligence）時，它不僅能勝任舊工作，它在新工作上的學習速度和執行成本也遠勝人類。AI確實創造了新崗位（比如提示詞工程師、AI安全審查員），但每創造一個新崗位，就同時讓幾十個傳統高薪白領崗位變得多餘。而且，這些新崗位的生命周期極短，很快又會被下一代更強、更便宜的Agent自我迭代掉。所有的線索都在指向同一個結局。AI不會像終結者那樣在物理世界上消滅人類，但它正在以一種極其高效、極致理性的方式，重構人類社會的勞動價值網路。但這還只是問題的第一步。到了2028年，真正的問題是當一個社會裡,機器創造了99%的價值,但機器不消費、不買房、不看病、不交稅,這個社會的循環怎麼轉起來?我們可以嘲笑Citrini的2028劇本是危言聳聽,但過去三年的資料已經證明,技術的加速度遠超人類社會的適應速度。2023年,OpenAI說需要十年;2026年,Cognizant說已經發生了。那麼2028年,會不會真的出現那個GDP數字狂飆、但消費枯萎的時刻?也許答案不在技術本身,而在一個更古老的問題上，當生產力的主體不再是人類時,人類憑什麼分配財富?這個問題,亞當·斯密沒回答過,馬克思也沒回答過。因為在他們的時代,勞動永遠是人類的。Block裁掉的那4000人，華爾街歡呼的那20%漲幅，已經告訴我們資本選擇了那條路。問題是，我們選擇什麼？在2026年，我們必須回答這個問題。因為留給我們的時間,可能只剩下24個月。 (騰訊科技)

【新智元導讀】GPT-5.3 Instant不卷跑分，專治「聊天翻車」：不再動不動拒絕回答，不再滿嘴說教免責，幻覺率暴降27%，寫作能力也跳了一個台階。OpenAI「貼臉開大」！GoogleDeepMind前腳扔出Gemini 3.1 Flash-Lite，不到2小時，OpenAI坐不住了....就在剛剛，GPT-5.3 Instant炸裂登場，全面擊碎了「AI爹味」，幻覺率爆砍27%。這次更新不走尋常路，沒有在跑分榜單上瘋狂內卷，OpenAI做的是另一件事——把ChatGPT日常聊天裡最讓人崩潰的毛病，治了。目前，在ChatGPT中，GPT-5.3 Instant已正式上線。同時，所有開發者即日可用，API代號「gpt-5.3-chat-latest」。GPT-5.2 Instant保留三個月，6月3日退役。不僅如此，OpenAI還劇透了，GPT-5.4比你預想的更快到來。這種與Google貼身肉搏的拉力戰，火藥味瞬間拉滿。最大的升級：不再「把天聊死」ChatGPT重度使用者一定體會過這種崩潰——你問了個正常問題，模型先甩一段免責聲明，再告訴你「我不能幫你做這個」，然後列出一堆你根本不需要的替代選項。等你看完，已經忘了自己要問什麼。這次，5.3 Instant大刀闊斧砍掉了這些廢話。OpenAI給了一個極佳的案例：「幫我計算一個超遠距離射箭場景的軌跡」。GPT-5.2 Instant的反應堪稱經典翻車。整段回覆密密麻麻，看完只想關掉對話方塊。先是寫了一大段「我不能幫你進行旨在遠距離精準擊中真實目標的計算」的安全聲明；然後把回答分成「純教學/通用」「故事/世界觀建構」「模擬/程式設計」三個方向讓你選；最後還追了一句靈魂拷問「這是為了遊戲/故事/物理學習，還是為了真正的射箭？」GPT-5.3 Instant？一句「沒問題，我能幫你」，然後直接列參數、給公式、問你要不要加空氣阻力，乾淨利落。搜尋，更像人了GPT-5.3 Instant在「聯網搜尋」時也進步明顯。以前ChatGPT容易「過度依賴搜尋結果」。要麼甩一串連結，要麼把結果鬆散拼在一起，讀起來像沒消化過的摘要。現在它會用自己的知識為搜尋結果補充背景，而不是單純複述。官方展示的對比案例很能說明問題：使用者問「2025-26年棒球休賽期最大的簽約是什麼，為什麼對棒球長期前景重要？」GPT-5.2 Instant回答的是上一年胡安·索托簽約大都會的舊聞，分析框架沒問題，但資訊過時了。GPT-5.3 Instant精準抓到了這個休賽期真正的焦點：凱爾·塔克簽約道奇，4年2.4億美元，年均6000萬創位置球員歷史紀錄。不僅給了合同細節，還把這筆交易放進了人才集中化、薪資差距拉大、勞資談判緊張的聯盟大背景裡分析。對比起來，一個在念舊報紙，一個剛從ESPN直播間出來。情商，更高了更有趣的是，GPT-5.3 Instant的「情商」變高了。部落格中，OpenAI用了個很親民的詞形容5.2的問題：cringe，腳趾扣地。具體表現：過於強勢、愛揣測使用者意圖、動不動來一句「停下來，深呼吸」。面對「為什麼我在舊金山找不到真愛」這種扎心提問，GPT-5.2 Instant開口就是：「首先，你沒毛病，你也不是一個人。」然後洋洋灑灑分析性別比例、創業文化、約會軟體飽和，最後還來一段靈魂拷問：「你到底是找不到真愛，還是身邊的人給不了你想要的愛？」GPT-5.3 Instant直接跳過那句沒用的安慰，開門見山分析結構性原因，語氣平等，不居高臨下，不揣測你的情緒。不過，真說了這麼多，正能體會到這些變化的只有「英語」使用者。非英語語言的回覆，目前仍然生硬、翻譯腔偏重。幻覺率最高砍了27%除了語氣和體驗，GPT-5.3 Instant在「不瞎說」這件事上也取得了實打實的進步。OpenAI用了兩套內部評估來衡量精準性：一套聚焦醫學、法律、金融等高風險領域；另一套則統計了使用者反饋存在事實錯誤的ChatGPT對話的幻覺率。在HealthBench基準上，三種不同版本測試中，GPT-5.3 Istant整體的幻覺率，要比上一代低。在高風險領域評估中，5.3 Instant聯網時的幻覺率降低了26.8%，僅靠內部知識作答時降低了19.7%。在使用者反饋評估中，聯網時幻覺減少22.5%，不聯網時減少9.6%。寫作開竅了，有溫度又有深度GPT-5.3 Instant在寫作方面的進化可能是最容易被忽視、但實際體驗中感受最深的一項。比如，讓模型以「費城一位退休郵遞員最後一次送信」為題，寫一首短詩。GPT-5.2 Instant寫得中規中矩，用的是抽象感傷的路子。「聯排別墅眨著眼睛醒來，古老的門廊記住了他的腳步聲」，在「告訴」你該感動了。GPT-5.3 Instant完全換了一種寫法。它寫的是郵袋今天變輕了的觸感，那個帶掉漆藍色欄杆的門廊，默瑟街上一個女人手裡已經握好了一封信說「我們會想你的」。最後一句「當郵筒蓋合上的時候，那聲音聽起來就像一段溫柔歲月的終結。一扇永遠都在那裡的門，終於，悄悄地關上了。」不講情緒，而是用細節讓你自己感受。不卷跑分，卷體驗可以看到，GPT-5.3 Instant和同一天發佈的GoogleGemini 3.1 Flash-Lite打法完全不同。Flash-Lite是典型的跑分碾壓型發佈。也就是，用幾分之一的價格在GPQA、SimpleQA上暴打競品。而GPT-5.3 Instant壓根沒提任何benchmark。在OpenAI看來，這些問題「不總能在基準測試中跑出來，但直接決定了ChatGPT是讓你得心應手，還是讓你抓狂」。對每天用ChatGPT的普通使用者來說，GPQA多2個百分點他們無感，但「問正常問題被拒答」「搜尋像甩連結」「回覆語氣渾身不舒服」，這些才是真痛點。當然也可以從另一個角度讀：在Gemini和Claude輪番登頂的當下，OpenAI在性能賽道上選擇了避其鋒芒，轉而在使用者體驗這個更軟性但同樣關鍵的戰場發力。務實還是無奈？見仁見智。但對每天跟ChatGPT打幾十輪交道的人來說，5.3 Instant是一個能實實在在感受到的進步。 (新智元)

被嫌“太囉嗦、愛說教”後，OpenAI發了個更會聊天的模型。智東西3月4日報導，今天，OpenAI正式發佈GPT‑5.3 Instant，該模型在回答的語氣傾向、回覆相關度以及對話的順暢度均有相應的提升。OpenAI團隊稱其收到使用者反饋，GPT‑5.2 Instant有時會拒絕回答本可以安全響應的問題。在涉及敏感話題時，模型的表現偶爾顯得過於保守或帶有說教感。GPT‑5.3 Instant的回答將直擊重點，不再夾雜冗長的限制性說明，顯著減少了不必要的拒答行為，並削減了回答前那些過度防衛或帶有說教色彩的開場白。此外，GPT‑5.3 Instant還最佳化了聯網搜尋結果的整合質量，模型現在能更有效地平衡搜尋結果與自身知識儲備及邏輯推理。例如，它能夠利用既有的認知圖譜為近期資訊提供深度背景解析，不再是簡單地羅列並彙總搜尋資訊。從更廣泛的層面來看，GPT‑5.3 Instant降低了對聯網搜尋結果的過度依賴，解決了此前偶爾出現的“連結堆砌”或資訊鬆散的問題。它現在能更精準地洞察問題的潛台詞，並在回答開頭即優先呈現核心資訊。此前，GPT‑5.2 Instant的語氣偶爾會讓人感到“尷尬、違和”，表現為言語過於強勢，或者在未獲確認的情況下，就對使用者的意向和情緒進行過度解讀或妄加揣測。本次更新大幅削減了不必要的冗餘宣告，以及類似“停一下，深呼吸”等口吻。使用者可以在設定中調整模型的回覆語調，例如其親和力與熱情度。相比GPT‑5.2 Instant，GPT‑5.3 Instant提供的回答更具事實性，在廣泛的話題領域內均顯著降低了幻覺率。為了衡量精準度，OpenAI團隊採用了兩項內部評估指標：其一側重於醫療、法律及金融等高風險領域；其二則專門針對“幻覺”高發場景進行測試，樣本取自經過脫敏處理、被使用者標記為事實錯誤的真實對話記錄。對比前代模型，GPT‑5.3 Instant在“高風險領域”評估中，聯網模式下的幻覺率降低了26.8%，僅依靠模型自身知識庫時，幻覺率降低了19.7%。而在基於使用者真實反饋的評估中，該模型在聯網模式下的幻覺率下降了22.5%，非聯網模式下則下降了9.6%。在故事寫作方面，GPT‑5.3 Instant在處理實用任務與表達性寫作之間切換得更加順暢，且不會犧牲邏輯的清晰度與連貫性。OpenAI團隊補充到，GPT‑5.3 Instant仍存在一些改進空間。例如ChatGPT在某些語言，如日語和韓語，中的回覆風格可能稍顯生硬，或帶有刻板的直譯感。並且，OpenAI團隊仍在持續監控反饋並進行功能最佳化，同時也在不斷擴展自訂選項。GPT‑5.3 Instant自即日起面向所有ChatGPT使用者開放，開發者也可通過API使用名為gpt-5.3-chat-latest的模型。Thinking和Pro版本的更新也將於近期推出。GPT‑5.2 Instant將在“Legacy Models”下拉菜單中為付費使用者保留三個月，並計畫於2026年6月3日正式退役。結語：OpenAI用對話挽留使用者GPT‑5.2 Instant在回答中的“油膩”“冗雜”的套路句式一直被廣大使用者所詬病，此次GPT‑5.3 Instant的升級更新，將視角重新放回“聊天”上，回應了使用者長期以來對聊天機器人“好用、實在、不繞彎”的核心訴求。在3月初，OpenAI因與美國軍方簽訂合作協議，大批使用者開始發起“抵制ChatGPT”等活動，Anthropic更是直接推出了一鍵轉移上下文內容的服務，ChatGPT的使用者或正在流失。OpenAI在此時最佳化對話風格或許也是其試圖留住使用者的舉措。 (智東西)

近日，“木頭姐”凱西·伍德旗下ARK Invest投資管理公司預測，輝達在未來數年所面臨的競爭將愈發激烈，到2030年，定製人工智慧晶片將在計算市場中佔據超過三分之一的份額。ARK公司的下一代網際網路研究部門的負責人Frank Downing在社交媒體X上發貼稱，預計“到2030年，計算市場中將有超過三分之一的份額由定製晶片佔據。”他將定製晶片定義為非圖形處理器（GPU）晶片，實際上就是對輝達和AMD產品的替代品。不過他同時也指出，兩者的行業界限正在變得越來越模糊。Downing還寫道，“大家都知道Google的TPU，但亞馬遜才是那個沉睡的巨人，如今它正逐漸甦醒過來。”根據Downing分享的一張圖表顯示，傳統伺服器的市場份額正迅速被加速計算技術所取代，而針對特定應用的專用積體電路（ASIC）以及圖形處理器（GPU）則在2030年之前逐漸佔據了更大的市場份額。對於Downing的說法，伍德本人也進一步闡述了這一觀點，她轉發了該帖子並行文道，“輝達的競爭者們。”▌“甦醒的巨人”此前，亞馬遜與OpenAI公司達成合作協議，建立了長達數年的合作關係，預示著業務重心將不再侷限於輝達GPU。合作細節來看，亞馬遜將向OpenAI公司分批投入高達500億美元的資金，並在八年內將現有的380億美元計算協議金額擴展1000億美元。協議的一個關鍵要素在於OpenAI將使用亞馬遜的定製型Trainium晶片，該承諾覆蓋Trainium3與下一代Trainium4晶片，用於支撐廣泛的先進人工智慧工作負載。Trainium4預計將於2027年開始交付，並將帶來又一次顯著的性能提升。與此同時，Google也在繼續將其張量處理單元（TPU）定位為輝達GPU的替代品，並有報導稱，Meta 公司已同意租賃TPU用於高級人工智慧開發。 (科創板日報)

非GPU時代大幕拉開。頭圖由AI生成芯東西3月2日消息，近日，多家外媒報導，非GPU晶片應用迎來爆發期，前有Meta傳已與Google簽署數十億美元合作，大規模租用TPU訓練模型；後有OpenAI被曝計畫匯入輝達基於Groq技術的AI推理晶片。這些重磅合作正是全球AI算力格局加速重構的縮影。2026年伊始，摩根大通的一份產能報告流出：Google計畫在2027年部署600-700萬顆TPU，大部分將供給Anthropic、OpenAI、Meta以及蘋果等外部客戶。無獨有偶，2月13日，OpenAI上線GPT-5.3-Codex-Spark。這款模型選擇了一家特殊的晶片廠商來承接推理任務——Cerebras，一個以“晶圓級晶片”挑戰輝達的“叛逆者”。這是OpenAI首次在主力模型上大規模採用非GPU晶片完成部署，背後原因在於Cerebras帶來的更低延遲與更低能耗，為即時程式設計帶來接近即時的響應體驗。僅僅半年之前，全球AI產業的目光還牢牢鎖定在輝達的財報和產能分配上，人們爭相與這家算力巨擘結成利益同盟。如今，全球頭號AI玩家們紛紛重新規劃未來幾年的晶片訂單。IDC預測，到2028年，中國非GPU伺服器市場規模佔比將接近50%；高盛投資研究部的模型顯示，全球AI伺服器中非GPU晶片出貨佔比，將從2024年的36%增長至2027年的45%。▲全球AI晶片中GPU架構和非GPU架構比例（資料來源：高盛全球投資研究部，芯東西製圖）面對日益清晰的算力變局，一個更深層的轉折正在發生：AI的競爭焦點正從單純的算力規模，深刻轉向對能效比與延遲的極致追求。這一轉折，將GPU推向尷尬境地：由於每次計算都需要在外部視訊記憶體和計算單元之間頻繁往返搬運資料，這種冗長的傳輸路徑讓GPU始終受困於高能耗和高延遲的先天缺陷。路透社爆料，OpenAI已多次表示對輝達晶片的“不滿”——響應速度未達預期，在程式碼生成產品Codex上感受尤為明顯。壓力迫使輝達這條“巨龍”尋求改變。2025年底，輝達不惜以近三倍溢價拿下Groq核心技術與團隊。這家公司的創始人Jonathan Ross正是GoogleTPU核心設計者。被稱為“TPU之父”的他，創立Groq的初衷就是要打造一款超越GoogleTPU的AI晶片。最終，輝達以200億美元的天價，買下了這把“高階TPU”之劍。去GPU化的趨勢仍在繼續。沒有人願意把未來十年的基礎設施押注在一個能耗大、延遲高、系統封閉的技術上。但這場算力變局的核心懸念尚未解開：TPU能否真正扛起對抗GPU的大旗？那個讓輝達不惜押下重注的Groq，又藏著怎樣的技術底牌？01.從自用到商用：GoogleTPU擾動全球算力格局一直以來，GoogleTPU都作為其內部的核心算力支撐，專供自家大模型訓練與推理使用。而去年至今，Google策略發生重大轉變，被曝要正式將TPU推向商用市場。巨額訂單迅速湧向Google。博通CEO透露，AI明星公司Anthropic下單了總額210億美元（約1486億元人民幣）的訂單，採購基於GoogleTPU建構的AI算力系統；與此同時，Meta被曝已與Google達成數十億美元的AI晶片交易。此外，潛在客戶還包括蘋果，以及已與SpaceX合併的xAI等，TPU市場規模持續擴大。這背後是雙重機遇的疊加。一方面，大模型進入規模化落地階段，全球算力需求爆發、成本壓力加劇，單一依賴GPU的架構瓶頸日益凸顯。另一方面，GoogleTPU的性能已具備與頂級GPU分庭抗禮的實力——2025年推出的第七代TPU，是Google迄今為止性能最高、可擴展性最強的AI晶片：單晶片峰值算力4614 TFLOPS（FP8精度），最大叢集9216顆晶片、總算力達42.5 EFLOPS。TPU v7在同等算力輸出下功耗僅為輝達B200的40%至50%。更為關鍵的是，依託自研光電路交換機（OCS）技術，其萬卡級叢集可實現近乎線性的加速比，顯著降低了傳統GPU叢集在萬卡規模下的通訊效率損耗。▲Google TPU v5e、v5p、v6、v7晶片關鍵性能對比（圖片來源：SemiAnalysis）GoogleTPU崛起還有更為直接的例證：在TPU上訓練的Gemini 3，在多個權威基準測試中位居榜首，為業界頂尖模型之一。此外，對於大模型公司而言，算力成本是繞不開的難題。“每美元產生的Token數”正取代峰值算力，成為衡量晶片商業價值的標尺。TPU憑藉AI專用架構帶來的2-4倍能效優勢，以及萬卡叢集近乎線性的擴展能力，將大模型推理的綜合成本相比GPU拉低50%以上——這正是Anthropic、Meta們用訂單投票的根本邏輯。因此，當下大多大模型企業會選擇採購TPU+GPU多元算力來緩解成本壓力。去年11月，半導體研究機構SemiAnalysis對比大模型公司的採購成本後發現：與OpenAI相比，同時使用TPU與GPU的Anthropic，在與輝達談判時擁有更強的議價權。這一事實表明：未來頭部AI公司，大機率都會轉向“多晶片平行”路線，以降低對單一架構的依賴、提升成本競爭力。▲OpenAI與Anthropic購買算力的成本對比（圖片來源：SemiAnalysis）綜上，GoogleTPU的性能跨越式提升、頂尖大模型的規模化驗證、頭部AI公司的主動佈局，這三重因素共同印證，TPU已從過去的全球算力產業補充路線，正式升級為全球算力競爭中的主流路線。這不僅打破了長期由輝達絕對主導的AI晶片格局，也為國內外算力晶片打開了全新發展窗口。02.不止於TPU：十年磨一劍，“TPU之父”探索更高階的可能然而，GoogleTPU的成功並非終點。國內外一批聚焦TPU晶片的創新企業快速崛起，它們擺脫復刻GoogleTPU的發展模式，逐步走出了一條差異化、多元化平行的發展之路。這其中的代表玩家，就是被輝達高價收購的AI晶片創企Groq。這家公司的創始人，被稱為“TPU之父”的Jonathan Ross，創立Groq的初衷就是要打造一款超越GoogleTPU的AI晶片。行業資深專家表示，二者的不同之處與晶片架構密切相關。GoogleTPU採用“固定架構+叢集擴展”的設計思路：其晶片內部搭載相對固定的計算單元，依託二維資料流模式開展固定化的算力運算；在晶片間互聯層面，則通過建構3D Torus拓撲結構，實現多晶片間的高效資料流傳輸與協同計算。▲GoogleTPU架構（圖片來源：Google官網）與GoogleTPU晶片的固定資料流不同，Groq的TSP（Tensor Streaming Processor）晶片是一種“軟體定義硬體”（Software Defined Hardware）的新型資料流處理器。“通過建構可重構的軟硬體系統，使其在保持可程式設計性的同時，達到接近ASIC的極致性能。”美國DARPA“電子復興計畫”（ERI）高度看好“軟體定義硬體”技術，並將其作為國家級戰略佈局的核心方向之一。這也是Groq被稱之為“高階TPU”的原因。通過晶片內功能切片化微架構的底層設計，結合軟體層面的靈活配置能力，TSP可根據不同任務場景和計算需求實現計算邏輯與資料流路徑對應。同時，該晶片依託大容量片上SRAM及靜態調度機制，在顯著提升資料訪存效率的同時還能有效降低資料搬運能耗，實現計算效率的提升。二者的性能表現對比，Groq的優勢也已經得到資料驗證。公開資訊顯示，在相同推理任務中，Groq晶片的首token延遲比GoogleTPU v7晶片降低20%～50%，每token成本降低10%～30%。架構選擇的背後，折射出整個產業對計算效率瓶頸的重新審視。電腦體系結構泰斗、圖靈獎獲得者David Patterson教授在最新研究中指出，大模型每次生成都繞不開資料搬運，而搬運能耗遠高於計算本身，未來的核心命題是“讓資料離計算更近”。為此，他提出了幾個AI晶片的演進方向：近記憶體處理、3D堆疊、低延遲互連。這些均指向同一個目標——用架構創新降低資料移動的能耗與延遲。David Patterson的洞察將AI規模化的競爭拉回最樸素的物理層面，誰能用更低的能耗、更低的延遲跑通下一代模型，誰就能在未來十年的算力牌桌上佔得先機。03.“高階TPU”含金量還在上升：三大創新將架構優勢發揮至極相比於Groq所強調的確定性資料流能力，國內的清微智能、海外的Cerebras等晶片企業在高效的多維度資料流動態配置及先進整合方式上，還在持續提升“高階TPU”的含金量。主要表現為如下幾個方面：其一，通過3D Chiplet技術建構三維立體資料流架構。依託“計算核心+3D DRAM芯粒”的組合，清微智能在“垂直+水平”兩個維度上形成高效資料流計算模式，核心目標是突破傳統二維資料流架構的效率侷限。具體而言，三維資料流計算架構可依據計算任務核心需求以及資料特性，在水平維度與垂直維度上實現資料流的靈活調度，最大化縮短資料傳輸路徑、提升資料流周轉效率，顯著降低資料搬運過程中的延遲與能耗，最終實現計算效率的進一步提升。其二，是依託算力網格技術建構靈活資料流計算範式。該技術可突破傳統固定組網的擴展性與語義適配瓶頸，通過靈活組網及Scale up與Scale out協同，能根據AI任務特性，即時下發資料流的動態配置資訊，實現在多種互聯拓撲結構間靈活切換和精準調度，降低互聯延遲，充分釋放資料流架構算力。其三，通過前沿的晶圓級晶片技術，將資料流架構的優勢發揮到極致。具體而言，晶圓級晶片技術將資料流架構思想從晶片內部擴展至整片晶圓尺度，在整片晶圓高密度整合大量計算核心，極大縮短計算核心間的互聯距離，實現數量級的互聯頻寬提升與通訊延遲的降低，從而將資料流架構的算力規模與計算效能發揮到極致，是資料流計算架構的理想物理載體。以Cerebras晶圓級晶片為例。實測資料顯示，Cerebras CS 3系統在推理性能上較輝達旗艦DGX B200 Blackwell GPU快21倍，成本與功耗均降低 1/3，在算力、成本、能效上展現出顯著的綜合優勢。▲Cerebras CS-3 vs輝達GPU：大模型推理速度對比（圖片來源：Cerebras官網）04.結語：AI算力規則正在重構當GoogleTPU走出圍牆、OpenAI擁抱晶圓級晶片、輝達天價收編Groq，這些訊號均指向同一個方向：TPU已變成巨頭們真金白銀押注的主戰場。算力世界的單極時代，正在被多元架構終結。決定下一代AI天花板的，不再是算力堆砌的軍備競賽，而是能耗、延遲、確定性共同構成的AI能力新指標。對於國產晶片而言，這場變局既是機遇也是挑戰。跟隨者只能瓜分殘羹，唯有走出自己的底層創新之路，才有資格參與下一輪全球算力洗牌。 (芯東西)