2025 年，全球 AI爆發點燃算力需求。當前的全球算力格局，呈現出一超多強、競爭加劇的態勢。輝達憑藉 CUDA 生態的護城河和 H/B 系列晶片，基本壟斷了全球AI算力。但與此同時，國產算力產業快速崛起、國產替代，從華為昇騰、寒武紀，到沐曦、摩爾線程等加速發展，國產算力正在蓄勢爆發。1 輝達的背後是美國AI戰略和國家力量輝達作為全球龍頭GPU公司，其核心是“三大業務+CUDA生態”，承載著美國AI和半導體戰略構想。輝達的三大主要業務：業務一：資料中心業務。直接服務於全球AI基礎設施建設，包含計算、網路、系統級平台，其銷售模式也不再只是售賣晶片，而是為各行業提供全端解決方案。產品包括Blackwell架構GPU、Hopper架構GPU、NVLink、InfiniBand、Spectrum-X乙太網路等。業務二：消費顯示卡業務。從純遊戲市場轉型成為融合AI入口，其新一代發佈顯示卡在迎合傳統遊戲市場的基礎上，側重於AI大模型的能力，可以滿足本地化AI部署需求，成為開發者生態擴大基礎。主要是GeForce RTX系列和Project Digits等AI PC產品。業務三：具身智能應用。被輝達視作未來增長引擎，主要有機器人、智能駕駛、世界模型三大類。比如，機器人基礎模型的Isaac GR00T系列，用於模擬與開發平台的Omniverse（數字孿生）、Isaac Sim，還有AI模型與引擎的Cosmos世界模型、Cosmos Reason VLM、Newton物理引擎。CUDA生態是輝達壟斷GPU行業的核心護城河。CUDA是輝達自2007年就搭建的軟體程式設計模型，繫結其GPU產品，隨著GPU發展迭代，其功能和應用範圍也不斷擴大，開發者的投入與CUDA深度繫結，建構了一個龐大的、自我循環、自我強化的生態平台。輝達的背後是美國政府加強半導體產業鏈、確保AI技術主導權的戰略構想。美國對輝達的支援已經從市場層面的扶持，升級為國家力量的系統性工程。不僅將輝達直接納入多個國家戰略計畫和科研基礎設施，為其提供大規模、高價值的訂單，還保障供應鏈安全並享受豁免優惠，比如促成半導體上游關鍵企業遷移美國本土等。同時，也在確保美國本土企業優先獲得輝達最新算力，鞏固其領先地位，加速技術迭代與生態擴張。2 中國需要自己的輝達中國需要自己的“輝達”，核心原因遠不止於製造一款高性能GPU。從國家戰略角度，關乎當下科技自主權，產業鏈安全，以及全球AI競賽領導權。從產業角度，是加速推動半導體行業全鏈條國產化，從成熟製程邁向高性能晶片的自主可控。從企業的角度，是需要具有持續技術創新力和產品實力的中國GPU龍頭領軍。當前中國GPU力量正在崛起，GPU實現國產替代是大勢所趨。2024年中國半導體自給率達到24%，同比增長4pct；其中AI領域半導體自給率已達到三分之一，相較於2023年顯著提升，仍有大幅提升空間。長期看，中國的優勢在完善的產業鏈、龐大市場和應用空間，實現晶片行業的大規模降本和全產業鏈突破只是時間問題。以太陽能與新能源汽車產業為例。20年前，太陽能技術掌握在歐美企業手中，價格昂貴。中國企業通過技術引進再創新，發揮製造優勢和規模效應降本，最終實現了絕對領先。新能源汽車最早也是美國領先，在三電技術上實現突破後，中國新能源車企憑藉完整的工業體系和敏銳的市場洞察，形成了產業鏈整合，主導全球新能源汽車行業。晶片行業的挑戰更複雜，但中國從技術追趕到全球領先的邏輯不會改變。一是國家戰略確保AI產業發展自主權，政策強力推動。從“十四五”規劃重視晶片自給率，2024年七部門《關於推動未來產業創新發展的實施意見》加快GPU領域突破；到2025年下半年的《電子資訊製造業2025－2026方案》強調推動AI終端創新應用；同期證監會推出科創板“1+6”新政引導AI和晶片企業發展，產業和市場政策組合夯實國產替代基礎。二是市場高增速催化。據測算，2024年起全球雲AI市場規模復合年增長率達到28%，到2027年將達2390億美元，中國市場需求佔全球1/3，市場增量約800億美元。先是公有雲和國資智算中心實現規模化替代，國產GPU獲得穩定份額後，未來3-5年完善軟體生態和工藝進步，形成更廣泛的全市場競爭力。三是企業競爭力提升。中國晶片產業的各環節企業都在技術突破期。華為以全端自研的解決方案引領國產替代；摩爾線程從消費級GPU切入AI智算；中興通訊的5nm製程ASIC開始流片；中微公司介質刻蝕機已進入台積電5nm產線；中芯國際步入先進製程良率和產能突破期。中國半導體產業的快速進步已成趨勢。3 中國AI晶片：從0到1，快速崛起根據年市場份額和出貨表現，中國AI晶片市場的“七小龍”初現端倪：華為昇騰、崑崙芯、寒武紀、天數智芯、燧原科技、沐曦股份、摩爾線程。但是市場的競爭格局遠未定型，國產算力仍處於征途中。AI晶片有通用型和專用型兩種。通用型晶片是“通才”,利用平行處理能力來加速各種計算任務，不侷限於特定的應用領域，旨在提供一個靈活的、可程式設計的平台，能夠適應多種不同的計算需求。通用型AI晶片主要指通用GPU，代表企業輝達，晶片型號有B200、H200等。專用型晶片是“專才”，是專為特定應用或領域定製的計算架構，旨在針對某一特定任務進行最佳化，優勢在於執行該任務時性能極強、能效比極高、成本可能更低；劣勢是功能固化、靈活性差。專用型AI晶片有ASIC和FPGA兩種，ASIC討論度更高，代錶廠商是Google，其TPU就是一種ASIC晶片。總體格局上，GPU佔據絕對的AI主流地位，ASIC則是崛起中的支線力量。全球AI晶片市場由GPU巨頭輝達壟斷，是絕對的行業領導者，佔據超過80%的全球市場份額。ASIC架構則是快速發展的一股支線力量，代錶廠商是Google，其在全球ASIC出貨量佔比超70%，今年11月Google第七代TPU發佈，迅速造成對輝達GPU壟斷敘事的衝擊：內部，GoogleGemini3 Pro大模型使用自研TPU訓練；外部，儘管其TPU 暫未向外部客戶直接銷售，僅通過Google雲提供服務，但是與Meta的合作意向已經達成，後者計畫2026年通過Google雲租用算力，從2027年起在自己的資料中心部署GoogleTPU。在全球AI競爭加劇和算力基礎設施自主性需求日益迫切的雙重背景下，中國本土AI晶片企業也加速發展，但總體上仍處於“從0到1”的初期階段，尚未形成明朗的競爭格局，GPU和ASIC兩種架構平行發展、各有側重。中國本土AI晶片企業中，GPU路線的有沐曦、海光資訊、天數智芯、壁仞科技、摩爾線程；ASIC路線的有華為海思（華為系）、寒武紀、崑崙芯（百度系）、平頭哥（阿里系）、燧原科技。都是Fabless模式，即公司主體負責晶片的研發、設計與銷售，生產環節由專業的外協廠商完成，主要包括晶圓代工廠和封裝測試廠，也包括板卡加工服務等等。中國本土AI晶片企業在全球市場份額合計不足1%，當下主要是國產替代邏輯。IDC資料顯示，本土AI晶片廠商的國內市場佔有率正在快速提升，2024年出貨量82萬張，滲透率約30%；相較2023年15%的國產滲透率有明顯提升。分類看，GPU伺服器在中國加速伺服器市場依然是主導地位，佔比近70%；ASIC 和 FPGA等非GPU加速伺服器高速增長，佔比約30%。按企業看，華為昇騰銷量64萬，在中國AI晶片市場佔23%，是本土第一品牌；崑崙芯（百度系）6.9萬、天數智芯3.8萬、寒武紀2.6萬、沐曦2.4萬、燧原科技1.3萬，其他品牌銷量未過萬。綜合來看，在ASIC路線上，華為昇騰領先。通用GPU路線並未形成鮮明的格局，沐曦股份營收小幅領先。華為昇騰可以說是國產算力的“定海神針”，定位是 ASIC專用型計算架構。作為擁有全端自研能力的巨頭，其昇騰 910B/C系列已在大型智算中心規模化部署。華為升騰的核心競爭力是 CANN 異構計算架構，已建立起堅固的閉環生態。2024年，華為昇騰在中國 A 晶片市場份額達 23%，穩居本土第一品牌。寒武紀，作為國內最早的AI晶片上市企業，寒武紀深耕專用架構ASIC/DSA。核心競爭力是雲邊端一體化開發環境，在特定算子下能效比極高。2024年智能晶片及加速卡收入約11.7億元，主要服務於政府智算中心及特定行業。崑崙芯脫胎於百度AI晶片部門，是典型的“大廠底座”與“應用驅動”派代表 。憑藉自研的XPU架構，屬於ASIC/DSA路線，深度適配百度文心大模型及飛槳等生態，在自然語言處理、搜尋推薦等垂直場景擁有極高的迭代效率 。2024年其在中國AI晶片出貨量佔比約3%，位列本土品牌前三，是國產算力排位賽中從網際網路內循環跨向通用市場大循環的標竿。燧原科技也是國產算力陣營中深耕“專才”路線的典型，背靠第一大股東騰訊提供的強大應用生態資源，在政務MaaS（模型即服務）等實戰場景中展現出優勢。作為主攻ASIC/DSA專用計算架構的代表，燧原科技於2024年佔據了約1%的市場份額。沐曦股份定位是通用 GPU 架構，核心團隊有高端GPU設計背景。沐曦的優勢是走自研架構+高度相容 CUDA路線，主打的是平滑遷移，讓開發者能以最低成本從輝達陣營切換過來。其主力產品曦雲c500系列，綜合性能對標輝達A100，在2024年實現7.2億元的收入，佔主營業務收入97%以上。但產品結構單一也有一定短板。2024年智算推理系列(曦思 N 系列)的收入佔比不到 1%，高度依賴訓推一體晶片的銷售。同時,公司仍處於巨額虧損階段，盈虧平衡點最早也要到 2026 年才能看到。摩爾線程定位全功能 GPU，兼顧圖形渲染消費級顯示卡與AI計算。優勢是依託 MUSA的架構，讓產品一卡多用:既能做動畫渲染、遊戲畫面、虛擬場景，又能搞定訓練 AI大模型、跑AIGC生成內容，還能萬卡叢集、相當於萬卡一起幹活。但短板是2024年營業收入約4.38 億元，雖有增長，但遠低於寒武紀和海光資訊等成熟廠商。由於戰線拉得太長，在每個細分市場都要面對輝達及國產專項廠商的競爭，是其隱憂。天數智芯是通用架構路線的堅定踐行者。2024年其憑藉約1%的市場份額躋身本土品牌出貨量前五，展現出較早的商業化落地能力。在技術路徑上，天數智芯堅持GPGPU設計，通過相容AMD ROCm等開源生態來降低開發者的遷移門檻，產品全面覆蓋AI訓練、推理及大規模通用計算場景。4 GPU國產化關鍵是產業自主和軟體生態中國GPU國產化要突破的重點領域有兩類：一是產業上，從EDA、IP、裝置、材料到晶圓代工的半導體產業鏈都需要攻堅。二是軟體端，面對CUDA生態近20年的“護城河”。國產替代非一朝一夕，高端晶片領域挑戰依然艱巨。4.1 EDA和IP:點工具突破、GPU核心仍薄弱EDA（電子設計自動化）和IP（半導體智慧財產權）處於半導體產業最上游。EDA是晶片設計的一整套工具鏈，設計師用其進行數字設計、模擬、驗證概念，並最終生成晶片製造圖紙。IP是已驗證過的成熟模組，晶片公司以自研、購買、或獲得授權使用IP的方式來搭建各項功能，在EDA的輔助下整合為晶片圖紙。EDA和IP自主是晶片產業國產化的基石。目前先進製程晶片改採用的FinFET正逐步升級為下一代的GAAFET架構，有更優秀的靜電特性和功耗、頻率，是發展2nm晶片的關鍵。而先進製程晶片的數字設計、線路佈局、驗證等環節高度依賴最新EDA工具和IP。IP能加快設計和迭代的速度，先進製程晶片設計也依賴IP的更新。全球EDA市場主要由三家美國公司：新思科技（Synopsys）、鏗騰電子（Cadence）、西門子EDA（Siemens EDA，原明導國際）主導。2024年三家的市場份額分別為31%、30%、13%。中國EDA的主要參與者包括華大九天、概倫電子、廣立微、芯和半導體、芯華章與鴻芯微納。IP市場，安謀（ARM，軟銀旗下）和新思兩家佔有全球2/3的份額，鏗騰和Alphawave（高通收購）合計9%。其中，安謀主要市場在移動計算，後三者主要市場在高性能計算。國內半導體IP的主要參與者有芯原股份、芯耀輝、銳成芯微、芯來科技、寒武紀、平頭哥（阿里旗下）。EDA的突破在於“點工具”，比如原理圖和PCB設計工具上已經完全自主，在模擬晶片EDA領域，也已經有國內廠商實現了全流程自主，但數字晶片、系統級晶片的全流程領域還存在空缺。由於設計一顆先進製程晶片需要上百種工具協同，而國際EDA工具與台積電的工藝設計套件深度繫結，因此EDA自主化和晶圓代工的國產替代需同步實現。IP的挑戰在於架構創新和生態獨立。常見IP有處理器核心、介面IP、基礎IP、GPU專用IP。其中，介面IP過去主要由新思和鏗騰提供，現在是國產替代較快的環節，並有國內IP授權給多家國內外晶片公司的成功案例。同時，GPU IP自研起步，通常國內GPU廠商採用“IP授權”模式開發晶片，但隨著下游晶片設計企業對本土IP採購意願增強，GPU核心IP自研是大勢所趨，但生態壁壘也很明顯。由於GPU設計的特殊性，不同模組的IP來源通常分散。以輝達為例，其流處理器架構、平行計算架構、張量核心等關鍵IP都由自主設計，但部分特定功能也需要採用第三方IP來開發。目前，實現純粹國產GPU核心IP還不具條件，而高性能的GPU架構設計也才起步，自主GPU IP生態搭建是長期工程，國內需要加緊人才培育和市場經驗積累。4.2 晶圓製造和裝置:良率、產能、光刻裝置攻堅晶片製造商也被稱為晶圓代工廠（Foundry），職責是將設計圖紙上的晶片實際製造出來。也是整個半導體產業中價值含量最高、流程最複雜、資本開支最大的環節。根據2025年Q2資料，全球近七成的晶圓代工市場由台積電（TSMC）獨佔，三星市佔率達到7.3%，中芯國際升至全球第三，市佔率5.1%，華虹集團也躋身全球第六，份額2.5%。目前，中芯國際、華虹半導體已具備28nm及以上晶片的大規模、高良率的製造能力，能滿足大部分中低端GPU和國產GPU初代產品的製造需求，總體看28nm及以上的產能自給率已超過40%。14nm及以下的先進製程代工還需突破，中芯國際是國產GPU產能的主要來源，目前中芯國際已實現14nm量產，但良率和產能有限。由於無法獲取EUV光刻機，且材料方面的超高純度化學品、光刻膠等仍依賴進口，因此7nm、5nm等更先進製程的研發和量產仍需攻堅。好在國產DUV（深紫外）光刻裝置研發已經落地。由深圳市政府投資的俞亮昇，已成功研發DUV光刻裝置，目前正在測試階段，預計其進入產線後將在一定程度上降低對海外光刻裝置的依賴，先進製程仍需要EUV光刻裝置。光刻裝置的戰略價值和技術壁壘極高，是晶片圖案轉移的核心，和薄膜沉積、刻蝕裝置同屬於半導體三大前道環節。全球主要供應商是阿斯麥（ASML），市場份額佔比高達82.1%，其次是佳能（Canon）和尼康（Nikon）市佔率分別為10.2%、7.7%。國內主要光刻裝置研發參與者有上海微電子、新凱來、以及長光所。雖然利用現有DUV光刻機，採用“多重曝光”技術仍可以生產7nm及以下的晶片，但會導致生產成本上升、生產時間延長以及良率降低。因此，長期看實現EUV光刻裝置自主還是關鍵，重點在於如何解決頂級裝置對全球供應鏈依賴的問題。光刻機被稱為“工業明珠”，打造靠的是全球頂尖技術的合力。比如，阿斯麥的氣體來自美國、光源有日本供應、鏡頭來自德國，因此，光刻裝置的國產化替代考驗的不僅是單點技術突破，更是細分產業鏈的完備和自主可控。4.3 GPU軟體生態：核心挑戰在於打破CUDA壁壘CUDA是輝達壟斷GPU行業的核心護城河，也是GPU自主攻堅最大的壁壘。截止2024年底，CUDA已擁有超過500萬開發者，服務於全球85%以上的資料中心，90%的AI框架基於CUDA開發，95%的AI訓練任務依賴CUDA工具鏈。CUDA全稱“統一計算裝置架構”，其作用是讓圖形程式設計之外的領域也能最大程度利用GPU。CUDA的組成結構主要有三個部分：開發庫、運行期環境、驅動。開發庫的作用是讓開發者可以快速建立起自己的應用，並且開發者也可以在CUDA的技術基礎上搭建出定製化的開發庫。運行期環境主要提供應用開發介面和運行期元件，基本上涵蓋通用GPU開發所需要的所有功能和資源介面。驅動部分即是輝達顯示卡的驅動，雖然不同版本系列GPU有不同，但本質上是為輝達自家的硬體裝置建立的抽象層，提供訪問介面。CUDA和輝達硬體繫結擴張，已經成為事實上的GPU軟體行業標準。隨著GPU發展迭代，其功能和應用範圍也不斷擴大。開發者的投入與CUDA深度繫結，協同最佳化，在多代技術躍遷下建構了一個龐大的、自我循環、自我強化的生態平台。當前，國內GPU生態和輝達CUDA差距在於兩方面。一是使用者適配成本高。由於國內的GPU生態起步晚，且碎片化，基礎軟體不統一。各家廠商自建生態，形成了互不相通的技術壁壘，導致使用者適配成本高，軟體迭代時間和成本增加，制約了產業效率和競爭力。二是缺乏高階工具。CUDA生態GPU的特點是穩定、高效、易用，而國產GPU常面臨硬體“紙面”算力與實際應用輸出存在差距的問題，本質上是缺乏成熟的高階軟體棧，效能被軟體短板所抵消。好在國內廠商都意識到軟體生態的重要性。目前主要存在兩種方案路線。一是相容CUDA路線，通過軟體層轉換，降低開發者的遷移門檻。但這種方式存在性能損耗和長期開發風險。二是建構獨立生態路線，比如華為的CANN、摩爾線程的MUSA等，目的是打造自主的開發者體系但需要巨大的投入和耐心，核心在於能否吸引開發者長期在其平台上創造價值。雖然許多國內企業已形成“高性能用進口、安全可控用國產”的雙供應鏈策略，為國產GPU提供了政務、金融、特定行業的應用空間。但通用、高性能領域仍需要自主廠商發力。CUDA的護城河深厚，但並非不可挑戰。中國擁有全球最豐富的AI應用場景，利用龐大的市場優勢，通過開放協同的策略，最終有希望走出一條從相容遷移到逐步自主的GPU生態標準。在全球供應鏈動盪的背景下，擁有自主可控的算力已成為國家戰略。中國本土AI晶片企業這一戰略最核心的承載者，其價值首先在於戰略安全，而非短期市場份額。近期中國本土AI晶片實現0到1的突破，並且正加速成長。未來，他們的首要目標並非在全球與輝達正面交鋒，而是先服務於中國本土的國產化替代市場。當然，挑戰依然嚴峻，7奈米及更先進製程的獲取、CUDA生態的銅牆鐵壁、以及如何在保障性能的同時將叢集功耗和成本最佳化到最佳水平，都需要長期攻堅。 (澤平宏觀展望)

全球人工智慧晶片霸主輝達的創始人兼首席執行長黃仁勳，近期在美國展開了一系列密集的商務與公關活動。此行超越了單純的技術發佈，被外界解讀為一場關鍵的“晶片外交”，核心目的是就複雜的地緣政治與出口管制政策，與美國最高決策層進行直接溝通。黃仁勳此次美國之行的行程安排異常緊湊且層級頗高。他不僅出席了在加利福尼亞州聖何塞舉行的甲骨文全球雲峰會並行表主題演講，更在華盛頓特區會晤了包括總統在內的美國政界高層。在與總統的會面中，雙方探討了如何“保持美國在人工智慧領域的領導地位”。此外，他還與美國商務部長、眾議院中國問題特別委員會主席等關鍵人物進行了會談。這一系列高層互動，直指當前困擾輝達的核心商業與政策困局——美國對華尖端AI晶片的出口管制。黃仁勳在與美國眾議院中國問題特別委員會主席邁克·加拉格爾的會談中，直言不諱地警告了全面切斷對華晶片銷售的後果。他估計，若停止向中國出售所有資料中心晶片，美國晶片行業將面臨每年高達700億美元的收入損失。他進一步強調，這些收入是支撐美國本土研發投資、創造就業和保持技術領先的關鍵資金來源，制裁中國最終可能“拖慢美國創新的速度”。除了與政界的溝通，黃仁勳也致力於維繫與全球科學界的聯絡，其中也包括中國科學家。據報導，他在美國期間通過視訊通話，與中國著名科學家、素有“中國AI教父”之稱的前微軟亞洲研究院院長沈向洋進行了深入交流。此舉展現了在技術和政治的複雜博弈中，產業領袖試圖保持跨國界技術對話管道暢通的努力。黃仁勳的遊說似乎已產生初步效果。近期，美國國會決定暫不將一項旨在進一步限制對華AI晶片銷售的《GAIN AI法案》納入年度國防授權法。分析人士認為，這背後離不開輝達等公司的積極遊說。黃仁勳本人將該法案的擱置稱為“明智的”，認為其潛在危害巨大。黃仁勳此次美國行，清晰地勾勒出一家全球科技巨頭在當今地緣政治格局中的生存策略：一方面，必須嚴格遵守營運所在地的法規；另一方面，則需要作為行業代表，向政策制定者清晰地闡述過度限制對產業競爭力和國家技術領導力可能造成的反作用。他的活動表明，在人工智慧時代，晶片企業領袖的角色已不止於技術創新與商業營運，更需扮演政策溝通者與行業辯護人的複雜角色。輝達能否為其先進晶片重新打開中國市場的部分通道，仍有待觀察，但黃仁勳已將公司的訴求直接帶到了華盛頓的權力中心。 (晶片行業)

在科技巨頭爭相佈局人工智慧的今天，Meta（原Facebook）以其驚人的投入規模、堅定的開源策略和龐大的使用者基礎，正悄然建構一個前所未有的AI帝國。從社交演算法到通用人工智慧（AGI），這家擁有超30億使用者的公司正在如何重塑自己的AI基因？這又將如何影響全球AI競爭格局？1 巨資投入：Meta的AI基礎建設狂潮2025年初，祖克柏宣佈了一項震驚科技界的計畫：Meta將在2025年投資高達650億美元用於AI相關項目。這一數字遠超2024年的投入，甚至超過了許多國家的年度預算。這項投資正在轉化為實實在在的計算能力。Meta正在建設兩座城市規模的AI資料中心："Hyperion"（路易斯安那）計畫擴展到5吉瓦，面積堪比曼哈頓；"普羅米修斯"（俄亥俄）目標約1千兆瓦，預計2026年上線。到2025年底，Meta預計將擁有超過130萬個高性能GPU，為AI訓練和推理提供強大的算力支援。2 人才爭奪：超級智能實驗室的誕生2025年6月，Meta做出了一個戰略性決定：成立"超級智能實驗室"（Meta Superintelligence Labs，簡稱MSL）。這一實驗室的使命非常明確：開發"個人超智能"，提升使用者在所有Meta產品中的體驗。為實現這一目標，Meta展開了一場矽谷史上最激進的人才爭奪戰。公司從OpenAI、GoogleDeepMind和蘋果等競爭對手那裡挖來了約50名研究人員。最引人注目的是前蘋果基礎模型團隊負責人龐若明（Ruoming Pang）的加盟，Meta為此開出了綜合價值超過2億美元的天價方案。此外，OpenAI有7名核心研究人員集體轉投Meta，GoogleDeepMind也失去了機器學習先驅Jack Rae和圖像生成專家Huiwen Chang。Meta還斥資143億美元獲得Scale AI公司49%的股份，並任命其聯合創始人Alexandr Wang為首席人工智慧官，前GitHub首席執行官Nat Friedman也被延攬擔任戰略顧問。3 技術演進：從Llama到多模態模型Meta的AI技術核心始終是其大語言模型系列——Llama。2023年9月，Meta基於Llama 2模型發佈了初代Meta AI助手。2024年4月，公司升級到Llama 3模型並推出即時圖像生成器。然而，Meta的AI之路並非一帆風順。內部資料顯示，Llama 4項目曾遭遇重大挫折，上線僅36小時便陷入使用者口碑風暴，甚至被捲入"大模型競技場刷榜"的爭議漩渦。這一挫折直接導致了MSL的成立和新一代模型的研發。2025年6月，Meta推出了全新的多模態基礎模型，融合了文字、圖像和音訊理解能力。同月，Meta在應用中新增生成式AI視訊編輯功能，支援通過預設提示詞實現場景變換與風格調整。4 產品整合：AI與社交的深度融合Meta AI已深度融入公司的各項產品中。截至2025年5月，其月活躍使用者已接近10億。通過整合語音互動、圖像生成和多裝置協同功能，Meta AI覆蓋了WhatsApp、Facebook等社交應用及Ray-Ban智能眼鏡等硬體裝置。Meta AI支援語音對話與圖像即時生成聯動，使用者可通過Ray-Ban智能眼鏡進行持續對話，拍攝的照片可在Meta AI應用內進行AI加工。2025年升級版還新增了全雙工語音互動功能，允許即時打斷與平行處理。在商業應用方面，Meta AI為企業提供了市場行銷自動化、個性化推薦及智能搜尋等可擴展工具。早期資料表明，這些AI工具已幫助廣告參與度提高了30%。5 戰略轉變：從激進開源到戰略閉源多年來，Meta一直奉行激進的開源策略，但這一策略正面臨重大調整。MSL的成立和Alexandr Wang的加盟傳遞出一個強烈訊號：新一代旗艦模型極可能採用混合開源策略。基礎版本保持開源以維持生態和影響力，但最先進、具備商業競爭力的頂尖模型將保持閉源，以此構築技術壁壘和商業化基礎。這一轉變，反映了Meta在AI商業化方面的迫切需求。6 挑戰與未來：Meta的AI征程仍面臨不確定性儘管投入巨大，Meta的AI戰略仍面臨諸多挑戰。人才留用是一大問題；至少有三名研究人員在入職數周內辭職，其中兩人回到了OpenAI。技術缺陷也尚未完全解決。Meta AI在歷史事實檢索場景存在資訊篩選偏差，部分回覆出現虛構內容。隱私合規是另一個重大挑戰。跨平台資料整合面臨隱私合規與技術實現雙重挑戰，部分地區存在服務限制。然而，祖克柏對AI的決心堅定不移。他公開表示："我實際上認為所有正在進行大額AI投資的公司都在做出理性的決定，因為投資落後的不利之處在於，你會完全錯失未來10到15年左右最重要的技術。"7 結語Meta的AI探索已進入一個全新階段。從開源模型到閉源商業產品，從單純的語言模型到多模態系統，從研究導向到產品深度整合，Meta正在全面重構其AI戰略。隨著超級智能實驗室的成立和千億級投資的到位，Meta正試圖從AI的"跟隨者"轉變為"引領者"。這項豪賭的結果，不僅將決定Meta的未來，也將深刻影響全球AI技術的發展方向。 (覺知進化)

近日，新華社播發了《中共中央關於制定國民經濟和社會發展第十五個五年規劃的建議》，這意味著「十五五」規劃全文框架和政策中心基本確定。一個新的「投資於人」的時代，正在到來。作為整個五年規劃體系的核心和頂層設計，這份文件具有最高的戰略導向作用，接下來全國所有重大部署都要依據這份文件。「十五五」時期意義重大，是三個「關鍵五年」中承上啟下的階段，既要鞏固「十四五」開局成果，又要為「十六五」衝刺收官築牢根基，直接關係到2035年遠景目標的實現。新文件是判斷未來5年產業和投資走向的關鍵。總的來看，全文2萬字，透露了前所未有的訊號。01未來10年再造一個高科技產業「十五五」規劃的主線是什麼？科技，科技，還是科技！文件中有一句話，非常重要──全面增強自主創新能力，搶佔科技發展制高點，不斷催生新質生產力。整體來看，「十五五」產業規劃主線主要可​​分為四大類股：1.新興支柱產業：著力打造新能源、新材料、航太、低空經濟等新興支柱產業；2.卡脖子技術攻關：採取超常規措施推動積體電路、工業母機、高階儀器、基礎軟體、先進材料等領域取得決定性突破；3.未來產業：前瞻佈局量子科技、生物製造、氫能和核融合能、腦機介面、具身智慧、第六代行動通訊；4.傳統產業升級：鞏固礦業、冶金、化工、輕工業、紡織、機械、船舶、建築等產業的全球競爭力。其中，低空經濟產業不僅首次寫入五年規劃，地位甚至被提升至「新興支柱產業」的高度，並明確提出將催生兆元甚至更大規模的市場。而上一次出現如此表述的產業還是「新能源汽車」。2020年，新能源汽車被寫入「十四五」規劃。隔年，中國新能源車開始呈現爆發式成長態勢，到2024年，中國新能源汽車銷量突破1,200萬大關，四年間大增265%。如今，中國新能源汽車已成長為世界級巨無霸產業。當前低空經濟類似於新能源汽車2012年的發展階段，雖然產業仍處於商業化早期，但長期發展前景廣闊，普遍預期將複製甚至超越後者的成長奇蹟。儘管目前低空經濟發展突飛猛進，但仍存在一些關鍵痛點問題：1.消費拉動動作用不強。目前，低空經濟缺乏成熟的商業模式和穩定的獲利模式，市場需求開發不足。同時，大眾對低空經濟的認知度和接受度仍然有限​​，尚未形成規模化的消費市場。2.技術瓶頸阻礙商業化。飛行器的電池續航力、載重能力以及智慧感知、自主避障等核心關鍵技術仍有待進一步突破，限制了其商業化應用。3.乏精細化的空域管理技術與手段。現有空域管理系統難以滿足高密度、高效率的低空飛行需求，缺乏能實現飛行器即時監控、動態調度與安全隔離的智慧化系統。而越是痛點問題，越是孕育巨大的產業機會與投資空間。未來五年，低空經濟新賽道可望在通航產業基礎上，完善基礎建設與營運建設，拓展更先進的飛行器技術，擴大全新的應用場景，為相關產業鏈提供更多發展增量。另外一個值得關注的是「具身智能」產業，也是首次出現在五年規劃中。文件中有一句非常有深意──具身智能等產業蓄勢待發，今後10年它們的新增規模相當於再造一個中國高技術產業。這句話的表述含量非常重。作為繼電腦、智慧型手機後的另一個大顛覆性產品，具身智慧是人工智慧發展的下一個浪潮，也必然成為「十五五」規劃下最值得重視的類股之一。前瞻產業研究院報告顯示，具身智能的發展主要依賴本體、智能體、數據和學習進化框架四大要素，每個環節都涉及漫長複雜的產業鏈。其中，具身智慧的本體製造與新能源汽車又70%-80%的供應鏈可以共用，而智慧駕駛技術與具身智慧高度同源，因此新能源車企局部具身智慧具有一定優勢。不過，具身智慧產業發展速度很快，中長期的關鍵比拼可能還在「大腦」。人形機器人作為實現具身智能的最佳載體之一，接下來有望迎來全面爆發。前瞻產業研究院預計，到2030年，中國人形機器人市場規模可望達151億元。最後，文件也特別提到，「採取超常規措施，全鏈條推動積體電路、工業母機、高階儀器、基礎軟體、先進材料、生物製造等重點領域關鍵核心技術攻關取得決定性突破」。超常規措施，這五個字令人浮想聯翩。這遠不止是增加投入，更意味著在組織方式、資源調配和政策保障上打破常規，旨在透過一場集中力量辦大事的系統性戰略，實現高水準科技自立自強與產業鏈安全可控的戰略目標。02城市發展迎來區域戰略重構期未來5年，有那個城市的發展潛力最大？答案可能是川渝。文件指出進一步強化京津冀、長三角、粵港澳大灣區三大動力源的領導作用。這三大區域不僅要維持自身高品質發展，更肩負著透過產業鏈協同、技術溢出、制度創新等方式輻射帶動更大區域發展的重任。特別是長三角和粵港澳大灣區，將在高水準對外開放和科技創新策源方面發揮不可替代的作用。但是成渝地區雙城經濟圈被特別提及「提升發展能階」，這意味著該區域將從目前的區域增長極向國家級戰略支柱邁進，有望成為繼上述三大增長極之後的中國經濟「第四極」。此外，文件提到“推進國家戰略腹地建設和關鍵產業備份”，這是賦予川渝地區的另一個大特殊使命。去年年初，國務院批准了《四川省國土空間規劃（2021—2035年）》，在這份規劃裡，四川被明確點名為「中國發展的戰略腹地」。而在國務院核准的所有省份中，有且僅有四川獲得「戰略腹地」這一定位。「戰略腹地」是指，一旦發生大事，這個地方能立刻開啟備份模式，濃縮並拷貝了中國的關鍵國力。在未來，戰略腹地將承載更多的重大生產力佈局。「國家戰略腹地建設和關鍵產業備份」被寫入「十五五」規劃，意味著川渝地區的地位已經上升到了前所未有的高度。接下來要打破過去主要佈局沿海地區的經濟格局，推動重要產業、專案等資源遷移到戰略腹地。未來五年，川渝地區的發展甚至有可能追上沿海地區。03適度超前加強新型基礎建設在「十四五」中，文件明確列出要實施川藏鐵路、西部陸海新通道、國家水網、雅魯藏布江下游水電開發、星際探測、北斗產業化等重大工程。而「十五五」對傳統大基建篇幅較少，重點筆墨放在了新型基礎建設。文件提出，“適度超前建設新型基礎設施，推進信息通信網絡、全國一體化算力網、重大科技基礎設施等建設和集約高效利用，推進傳統基礎設施更新和數智化改造。”「適度超前」意味著新型基礎建設不再只是對當前需求的回應，而是著眼於未來5年、10年甚至更長時期的發展需要，進行強度更大、節奏更快的前瞻性佈局和投資。這背後實質上是為「人工智慧+」打造一個全覆蓋、低成本、高效率的賦能體系。8月26日，國務院發布《關於深入實施「人工智慧+」行動的意見》文件，並提出三步驟時間表：1.到2027年，新一代的智慧終端、智能體的普及率，要超過70%；2.到2030年，智慧設備普及率超過90%；到2035年，我們社會全面進入智慧和智慧。也就是說，到「十五五」期間，中國要實現人工智慧設備普及率超過90%的目標，AI將深度滲透到經濟社會的微血管。同時，大模型訓練所需的運算資源正呈指數級增長，而高階晶片供給、基礎設施建設速度略顯滯後，導致巨大的算力缺口與高昂的使用成本，制約了AI技術的迭代與普及。前瞻產業研究院報告預測，「十五五」期間，算力產業將迎來高速發展。 2025年全球算力產業產值規模為10.7兆，至2030年預計將接近24.5兆元。04史無前例​​提及“投資於人”全民寄錢時代來臨「十五五」規劃中，史無前例出現了「投資於人」的字眼，這是以前從未有過的提法。今年3月的政府工作報告提出，「推動更多資金資源『投資於人』、服務民生」。這是「投資於人」首次出現在政府工作報告中。接下來7月，國家宣布了涵蓋全民的3600元/年育兒補貼，是1949年以來第一次在全國範圍內，不設附加條件（只有生娃一個條件），直接給普通民眾發放現金補貼。如今，「投資於人」被重磅寫入「十五五」規劃，意味著經濟政策理念出現了70年來的一次大轉向。未來五年，國家可能會以鼓勵生育為切入點，逐步擴散到婚嫁、養育、教育、就業、就醫、住房、養老等領域，開始一系列發錢動作，最終在保障和改善民生中，鍛造出新的經濟成長點。這一勢頭已經很明顯了。從數據來看，今年上半年，財政支出出現了向社會福利傾斜的重大結構性轉變，民生相關支出較去年同期成長6.4%，創下5.7兆的歷史新高。而同期的基礎建設相關支出則是年減了4.5%。根據統計，目前中國社會安全相關支出佔GDP8%，經合組織國家平均為25%，人均GDP相近的開發中國家平均15%-20%，我們「投資於人」還有很大上升空間。一個新的「投資於人」的時代，正在到來。隨著「十五五」規劃藍圖徐徐展開，從科技自主創新到區域戰略重構，從新型基礎建設到「投資於人」的理念轉變，這一系列重大戰略部署正在重塑中國未來的發展格局。在這承前啟後的關鍵時期，各級政府如何將宏大的國家戰略轉化為符合地方實際的發展路徑，成為眼前的重要課題。 (快刀財經)

據巴克萊研究，美國正在規劃或建設的資料中心項目總容量超過45吉瓦，預計總投資額將超過2.5兆美元，OpenAI、亞馬遜、Meta、微軟、xAI等超大規模雲廠商是主要參與者。巨額投資背後是複雜的融資結構，除了科技巨頭自身的資本支出，私募股權公司和專業基礎設施基金扮演了關鍵角色。一場由人工智慧驅動的基建競賽正在美國全面展開。據追風交易台消息，巴克萊10月31日的研報顯示，美國目前已規劃的大型資料中心項目總容量超過45吉瓦（GW），這股建設熱潮預計將吸引超過2.5兆美元的投資。報告明確指出，這輪擴張的主要推手是OpenAI的Stargate項目、亞馬遜、Meta、微軟等超大規模廠商以及埃隆·馬斯克的xAI。這些公司為訓練和運行日益複雜的AI模型，正以前所未有的速度規劃和建設算力叢集。這不僅是科技巨頭間的算力軍備競賽，更對美國的電力基礎設施構成了前所未有的挑戰。激增的電力需求正撞上美國現有電網的“電力牆”。電網容量不足、審批延遲和供應限制，正迫使這些科技巨頭採取“自備電力”（Bring-Your-Own-Power）策略。01. 巨頭領銜：Stargate、超大規模廠商與xAI主導建設根據巴克萊的追蹤，少數幾家科技巨頭是這45GW項目建設狂潮的核心。OpenAI與Stargate項目：該項目計畫到2025年底實現10吉瓦、5000億美元的投資目標。目前已承諾約7吉瓦容量，分佈在德克薩斯州、威斯康星州等地，其合作夥伴包括甲骨文、軟銀和資料中心開發商Vantage、Crusoe等。Meta：正在推進多個“泰坦叢集”，包括俄亥俄州的1吉瓦Prometheus項目和路易斯安那州計畫擴展至5吉瓦的Hyperion項目。亞馬遜：在過去12個月全球新增了3.8吉瓦容量，並預計到2027年容量將再次翻倍，巴克萊據此推算其在2026-2027年間僅在美國就可能增加約13吉瓦的容量。微軟：正在威斯康星州建設一個900兆瓦的AI工廠，並已在美國其他地區規劃多個類似項目。xAI：正在田納西州孟菲斯市將其資料中心擴容至1.4吉瓦，用於訓練其Grok模型。這場投資盛宴的成本極為高昂。報告資料顯示，資料中心的建設成本（不含IT裝置）已達到每兆瓦1700萬美元以上。以OpenAI的Stargate項目為例，其7吉瓦容量對應超過4000億美元的投資承諾，折合每兆瓦成本高達5700萬美元（含IT裝置），凸顯了AI基礎設施的巨大資本密度。02. “電力牆”壓頂：電網瓶頸催生自建電廠模式電網的限制是當前資料中心建設面臨的最嚴峻挑戰。巴克萊報告強調，即使在電網連接獲批的情況下，項目方仍傾向於建設現場發電設施，以加快“通電時間”並確保電力可靠性。一個典型的例子是Stargate 1項目，儘管已獲得1.2吉瓦的電網接入批准，但該項目仍計畫部署約350兆瓦的現場天然氣發電容量。報告指出，此舉旨在“加速項目的通電時間表”，並用天然氣替代柴油作為長期備用電源。為應對AI工作負載帶來的毫秒級功率劇烈波動，行業正在採取“全能方案”。例如，Meta的Prometheus項目採用了燃氣輪機、燃氣內燃機和柴油發動機的組合，分別提供基礎電力、應對功率波動和緊急啟動。這種複雜的電力解決方案正成為行業趨勢。03. 誰在掏錢：兆投資背後的資本與成本巨額投資的背後是複雜的融資結構和不斷攀升的成本。除了科技巨頭自身的資本支出，私募股權公司和專業基礎設施基金扮演了關鍵角色。例如，Blue Owl Capital與Crusoe成立了150億美元的合資公司，為Stargate 1項目提供資金。同時，“能源即服務”（EaaS）模式正在興起。能源公司如Williams正與資料中心營運商簽訂長期購電協議，投資數十億美元為其建設和營運專用發電設施。Williams為Meta的Prometheus項目投資了20億美元，並與另一家大型客戶簽訂了31億美元的類似合同。這表明，資料中心營運商傾向於將能源資產的開發和營運外包給專業公司。04. 供應鏈挑戰：裝置交付與勞動力短缺成隱憂患需求的爆炸式增長給電力裝置供應鏈帶來了巨大壓力。巴克萊報告援引一份檔案稱，由於市場需求緊俏，重型燃氣輪機的價格在不到兩年內上漲了50%，且交付周期顯著延長。裝置製造商如GE Vernova和卡特彼勒（Caterpillar）雖然在增加產能，但仍面臨零部件和勞動力短缺的制約。報告還提到，一些公司正通過收購二手或“在箱”新裝置來規避漫長的訂單排隊。例如，Fermi America公司通過收購一個液化天然氣項目未使用的西門子燃氣輪機，為其資料中心獲得了寶貴的發電能力。 (硬AI)

Q: AI 發展經歷了那些階段，各階段與計算系統有何關聯？A: AI 發展歷經符號主義、控制主義、連結主義三個核心階段，且每個階段的突破都與計算系統的支撐密不可分。第一階段符號主義以邏輯運算與符號操作為核心，依託圖靈機背後的基礎計算系統實現符號的推理與處理，此階段也為AI奠定了早期的理論與實踐基礎；第二階段控制主義的控制機制建立在自控系統的基本演算法之上，這些演算法的運作完全依賴於電腦的運算支援，聚焦於透過明確的控制邏輯解決特定場景問題；第三階段連接主義借助神經網路實現了重大突破，其核心依賴運算系統在平行運算方面的革新，本質是多層神經網路構成的數學模型，具備明確的輸入輸出邏輯，例如在影像判別場景中，輸入人物照片後，模型可輸出判斷為該人物的機率，完美適配複雜場景下的智慧處理需求。Q: AI 晶片類型有那些，GPU 和CPU 在平行運算中的表現如何，中國國內AI 晶片架構選擇情況如何？A: AI 晶片的發展與平行運算架構密切相關，主要包括通用運算晶片、專用晶片以及基於新興架構的晶片類型。其中，GPU 在平行運算中表現極為出色，因其整合了大量運算單元和高速內存，能夠精準適配AI 任務的加速需求，是當前並行運算的核心硬體之一；而CPU 雖具備一定的AI 運算能力，但在平行處理效率上遠低於GPU，難以應付AI 任務中大規模的並行運算需求，僅能承擔部分簡單的輔助運算工作。隨著技術演進，ASIC、FPGA 等專用晶片逐漸興起，ASIC 可針對特定AI 演算法進行深度最佳化，推理晶片多基於這兩種架構開發；新興的非馮・諾依曼架構也衍生出存算一體架構，以及在SoC 上整合CPU 與NPU 的混合架構。國內國產AI 晶片架構選擇呈現多樣化特徵，多數產品基於ASIC 架構打造，部分採用可重構的FPGA 架構以提升彈性，同時也有廠商推出基於通用GPU 架構的產品，滿足不同情境的應用需求。Q: 國內外AI 晶片生態差距體現在那些方面，國內建構狀況如何？A: 國內外AI 晶片生態的差距主要體現在發展歷程、完善程度和技術自主性。輝達自20 世紀90 年代起就基於遊戲闆卡逐步構建生態，經過數十年的積累，其生態系統已極為完善，涵蓋硬體、軟體、演算法、開發者社群等全產業鏈環節。而國內AI 晶片生態建構明顯落後，頭部廠商大多成立於2019 年後，發展歷史僅3-6 年。從建造難度來看，硬體層面的晶片設計可在約1 年內完成，但完整生態的搭建需要大量模型架構師、軟體工程師熟悉硬體特性及驅動開發，周期長、投入大。先前國內頭廠商多依賴類CUDA 或類輝達生態的技術，但2023 年左右輝達對相關技術實施禁令，導致國內廠商無法繼續沿用原有生態，軟體生態和硬體適配均受到顯著影響，進一步拉大了與國際成熟生態的差距。Q: 國內先進製程晶片製造有那些瓶頸，台積電採取了什麼措施？A: 國內在低於7 奈米的先進製程晶片製造領域存在明顯瓶頸。儘管中芯國際等企業已具備一定的先進製程產能，但產品穩定性較差，良率遠未達到台積電等國際頂尖廠商的成熟水平，青島等地的相關先進製程研發與生產嘗試也尚未實現穩定量產。台積電則以限制產能為由，對國內先進製程晶片設計企業（無論是否列入相關名單）的流片需求實施嚴格限制，這直接導致國內企業在5 奈米、7 奈米等先進製程晶片的製造上仍面臨較大困難。在此背景下，國內廠商開始嘗試Chiplet（芯粒）及多芯粒架構等替代方案，但這些方案目前仍面臨高功耗、算力規格不足等技術難題，尚未能完全彌補先進製程製造的短板。Q: 國產化需求對國內AI 晶片發展有怎樣的推動作用，國內廠商採取了什麼措施？A: 國產化需求為國內AI 晶片產業的發展提供了強勁動力，相關政策明確要求算力闆卡等核心硬體的國產化率達到40% 以上，且必須優先使用國產晶片，這一要求倒逼國內AI 晶片企業加速技術研發與產品迭代。為滿足國產化適配需求，實現不同架構晶片之間的高效互聯，國內廠商積極探索異構晶片架構，透過整合多種類型晶片的優勢，嘗試多晶片協同的綜合任務處理模式，突破單一架構在特定場景下的效能限制。這種基於國產化需求的技術探索，不僅推動了國內AI 晶片在架構創新、相容性等方面的進步，也為建構自主可控的AI 產業鏈奠定了基礎。Q: 大模型普及對國內AI 晶片產業有怎樣的驅動作用，以DeepSeek 為例說明？A: 大模型的快速普及為國內AI 晶片產業帶來了強烈的新增需求，成為推動產業發展的核心驅動力之一。大模型在訓練和推理過程中需要處理大量數據，對晶片的算力、記憶體頻寬等性能指標提出了極高要求，直接拉動了高性能AI 晶片的市場需求。以DeepSeek 為代表的大模型，其獨特的多步驟驗證機制（包含反思機制、知識遷移能力等）使得推理過程中的token 用量大幅增加，多步驟驗證的推理token 數量較單步驗證上升10 倍以上，這意味著需要更強大的晶片算力來支撐模型的高效運行。這種需求傳導直接刺激國內AI 晶片企業加大對高算力、高適配性晶片的研發投入，推動晶片產品性能持續升級，以配合大模型的發展節奏。Q: 開源模型對AI 普惠有怎樣的推動作用，DeepSeek 衍生模型情況如何，對AI 應用拓展有何影響？A: 開源模型大大降低了AI 技術的使用門檻，推動AI 普惠進程加速，讓更多企業、開發者乃至科研機構能夠低成本獲取先進的AI 技術與模型，打破了技術壟斷，促進了行業創新活力的釋放。以DeepSeek 為例，其衍生模型數量已達47 萬個，覆蓋全球超170 個國家和地區，形成了龐大的開源生態。這些衍生模型不僅豐富了AI 技術的應用場景，也推動AI 應用從傳統的公共安全、政府部門等領域，廣泛拓展至金融、醫療、教育、工業等20-30 個產業，產業滲透率超過30%。尤其在科學智慧場景中，大模型能夠取代部分科研人員的實驗過程，大大提升了科研效率，同時也產生了龐大的算力需求，進一步帶動了AI 晶片及相關產業的發展。Q: MCP、A to A 等協定對多智能體綜效有怎樣的影響，多智能體協作對算力需求有怎樣的成長？A: MCP、A to A 等協定的出現與應用，顯著增強了多智能體之間的協同效應，使得多智能體能夠高效配合完成複雜任務，逐步取代傳統的單點應用模式。在多智能體協作場景中，單一智能體呼叫模型一次約消耗2000 個token，而多智能體之間的協同互動作用需要處理大量的跨智能體資料傳輸與計算任務，導致算力需求爆發式增長。與單智能體相比，多智能體協作的算力需求倍增，以10 倍的成長幅度估算並不誇張。這種算力需求的成長，不僅對AI 晶片的平行運算能力、資料處理速度提出了更高要求，也為算力基礎設施的升級與擴容提供了重要的市場驅動力。Q: 當前推理算力市場處於什麼階段，從那些數據可以看出，未來算力需求趨勢如何？A: 目前推理算力市場仍處於早期滲透階段，尚未進入大規模普及期。從具體數據來看，2025 年年終座談會的相關統計顯示，阿里雲每月帳面使用推理算力達到1 萬以上的客戶佔比不足5%；同時，國央企雖然在推理端存在明確需求，且透過雲端部署或私有化部署等方式開展相關應用，但整體態度較為謹慎，僅在個別行業實現了大規模普及，尚未形成全行業的普及，尚未形成全行業的普及，尚未形成全行業的普及，尚未形成全行業的普及。基於當前的市場滲透情況和AI 技術的發展趨勢判斷，隨著大模型應用的持續深化、開源生態的不斷完善以及多智能體協同場景的日益豐富，未來推理算力需求將迎來爆發式增長，成為算力市場增長的核心引擎。Q: 東數西算工程在十四五期間的實施情況如何，建成了多少國家級計算中心，資金來源是怎樣的，政策統籌情況如何？A: 東數西算工程是十四五期間國內算力基礎設施升級的核心舉措之一，其核心邏輯是將東部發達地區對算力需求大、能耗較高的訓練任務，轉移至中西部能耗成本低、水電和風電等綠色能源充足的地區進行算力部署，計算完成後再將結果參數傳回東部地區。透過這項工程的實施，國內已成功建成12 個國家級運算中心，建構全國性的算力網路骨幹架構。在資金來源方面，並非由國家全額出資，而是採用多元化的融資模式，包括企業（如華為等科技企業）自主投資、地方政府統籌籌措資金，同時輔以地方債補充資金缺口。政策統籌層面，東數西算工程需要國家發改委與地方發改委協同推進，涉及算力佈局、能耗指標、能效標準等多項審批工作，地方新計算中心通常需要上報至國發改委層面完成最終審批，確保工程實施與國家整體算力規劃、能源戰略相契合。Q: 算力具有怎樣的戰略意義，未來算力規模將有怎樣的變化，中國為何必須持續投入算力基建？A: 算力已從過去的技術支援角色走向台前，成為與電力同等重要的經濟基礎設施，是衡量一個國家科技實力和經濟競爭力的核心指標之一。掌握先進的算力基礎設施，意味著在全球科技競爭中擁有主導權，同時也能獲得推動經濟結構轉型升級、實現高品質發展的核心引擎。從未來發展趨勢來看，隨著AGI（通用人工智慧）、科學智慧及具身智慧等技術的持續演進，資料處理的規模和複雜度將大幅提升，算力規模將從目前的10 萬卡等級快速提升至30 萬張卡等級。算力是實現下一代智慧技術突破的核心前提，對中國而言，持續投入算力基建不僅是應對全球科技競爭的戰略選擇，更是保障產業鏈供應鏈自主可控、推動數位經濟高品質發展的必然要求，因此必須長期堅持並加強投入。Q: 國內主流的AI 晶片頭廠商有那些，是基於什麼排序的？A: 目前國內主流的AI 晶片頭廠商包括華為、寒武紀、沐曦、摩爾線程、壁仞、天數等企業。這項排名是基於個人實測的角度形成的大致排序，主要參考維度包括晶片的實際算力性能、在不同應用場景下的適配能力、軟硬體生態的完善程度、產品的穩定性與良率，以及在市場中的實際應用案例和客戶反饋等多方面因素，綜合反映了各廠商在當前國內AI 晶片市場中的競爭力水平。Q: 未來算力市場規模成長情況如何，2025 年國內智算規模及全球算力市場規模預計為多少，國內2025 年整體服務市場規模及構成情況如何？A: 未來全球及國內算力市場規模都將呈現指數級成長態勢，過去幾年算力市場的年增長率已超過40%，且此成長趨勢將持續。 2025 年國內智算規模已達1000 多EFLOPS（其中1000P 相當於10 的18 次方FLOPS，1P 算力可拆分為兩張卡，規模相當於2×10^6）；全球2025 年算力市場規模預計達726 億美元。從國內市場來看，2025 年AI 算力整體服務市場（包含晶片及相關配套服務）規模約為155 億元，其中基礎設施整合規模（涵蓋晶片、伺服器、機櫃、電源配套、網路儲存設備等核心硬體）達到120 億元，年成長超過110%，呈現強勁的成長動力。值得注意的是，目前市場資金正快速向頭部企業集中，產業集中度持續提升，頭部廠商在技術研發、產能供應和生態建構的優勢將進一步擴大。Q: 晶片算力的主要消費主體有那些，國內主要雲廠商和營運商的算力投資情況如何？A: 晶片算力的主要消費主體集中在雲端廠商和營運商，這兩類主體憑藉其業務特性，對算力有著持續且大規模的需求。國內主要雲端廠商中，阿里、騰訊、百度、字節（合稱BATT）是核心採購方，其中阿里已明確宣佈未來在算力領域的投入將超過3800 億元；騰訊的算力相關開支增長超過200%，資金主要集中於晶片採購、伺服器部署和計算叢集搭建。營運商方面，中國移動、中國聯通、中國電信的算力投資未來將至少維持10% 的年均成長，但由於過去幾年已進行了大規模的基礎設施投入，2025 年的實際投入量相對平穩，不會出現爆發式增長。此外，除了頭部雲廠商和營運商，國內其他科技企業也紛紛加大算力佈局，預計將有多家廠商相繼投入千億以上資金用於算力相關的硬體採購和基礎設施建設。Q: 華為新出的昇騰910C 晶片在2025 年WIC 世界人工智慧大會展出情況如何，其技術性能如何？A: 華為全新推出的昇騰910C 晶片在2025 年WIC 世界人工智慧大會上正式展出，引發業界廣泛關注。該晶片在技術性能上表現突出，採用384 卡全光互聯技術，推理效率較行業標竿產品H100 提升超過20%，國產化率達到85%，由中芯國際採用7 奈米過程代工生產，實現了核心硬體的高度自主化。在關鍵參數方面，昇騰910C 支援HBM3 的128G 顯存規格，標準算力達到800T FLOPS，1 至8 卡叢集的算力可達到1500 多TOPS，在當前國產AI 晶片中技術性能排名靠前，能夠充分滿足大模型訓練、複雜推理等高端算力需求，為國內AI 的獨立硬體支撐提供了支援。Q: 沐曦晶片有什麼特點，代表型號是什麼？A: 沐曦晶片的核心特點是原生支援FP8 標準，而FP8 是當前大模型訓練的主流精度標準，這使得沐曦晶片在大模型訓練場景中具備天然的適應優勢。同時，得益於軟硬體的深度適配優化，沐曦晶片的千卡叢集吞吐率較業界平均提升40%，能夠大幅提升大型模型訓練與推理的效率，降低算力消耗成本。沐曦晶片的代表型號為MXCU C600，該型號產品憑藉其高性能、高適配性的特點，已在多個國內大模型項目中得到應用，成為國產高端AI 晶片的重要選擇之一。Q: 計算中心建置需要採購那些設備和服務？普通42U 機櫃最多可容納多少八卡設備，單機櫃功耗一般多少？A: 計算中心建置是一項系統工程，需要購買的設備和服務涵蓋多個維度。核心設備包括伺服器、AI 闆卡、儲存設備等算力核心硬體；配套設備則包括機櫃、電力供應系統、冷卻系統（如暖通空調、液冷設備等）、網路交換設備等基礎設施；此外，還需要專業的運維服務、技術支援服務以及後期的設備升級與維保服務，以保障運算中心的穩定運作。在硬體部署方面，普通42U 機櫃受設備尺寸和安裝規範限制，最多可容納約15 台八卡設備；單機櫃功耗通常不超過12000 瓦，不過部分廠商透過優化設備佈局、採用高效電源和冷卻方案等適配改良措施，可在保證安全的前提下適當提升單機櫃的功耗上限，以滿足高密度算力部署的需求。Q: 光互聯技術有什麼優勢，國內有什麼實務應用？A: 光互連技術作為算力網路中的關鍵支撐技術，具有顯著的效能優勢。與傳統的電互聯技術相比，全光互聯能夠大幅降低節點間的資料傳輸延遲，減少訊號衰減和乾擾，從而提升計算任務的成功率和整體運算效率，尤其適合大規模計算叢集、跨區域算力調度等對傳輸速度和穩定性要求極高的場景。在國內，光互聯技術已進入實際應用階段，以上海為例，當地已在多個資料中心和算力叢集中採用光互聯、光直連（闆卡間直接互聯）技術，透過建構高速、低延時的算力網絡，為大模型訓練、跨區域資料共享等場景提供了高效的傳輸保障，成為國內光互連技術實踐的標竿案例。Q: 國家製訂了那些完整的人工智慧晶片系統標準？A: 國家已針對人工智慧晶片領域制定了完整的系統標準體系，涵蓋AI 晶片從設計、生產到應用的全生命周期關鍵環節。具體包括智慧晶片指令集標準，規範晶片的指令架構，確保軟硬體的相容性；性能功耗測試要求，明確晶片在不同負載下的性能評估指標和功耗控制標準，為產品選型提供依據；軟體算子互聯互通標準，保障不同廠商的晶片與各類AI軟體、演算法的適配性，打破技術壁壘；神經網路模型演算法載入標準，規範模型在晶片上的部署流程與運作機制；以及編譯器相關標準，優化晶片對模型的編譯效率，提升算力發揮水準。這一系列標準的製訂，為國內AI 晶片產業的規範化發展提供了重要保障，推動產業形成統一的技術規範和市場秩序。Q: 根據巴克萊預測，2026 年全球推理算力需求將如何，產業發展方向有那些？A: 根據巴克萊的專業預測，到2026 年，全球推理算力需求將佔總運算需求的70% 以上（此資料不含訓練需求），推理算力將成為算力市場的核心成長極。未來AI 算力產業的發展方向主要集中在兩大領域：一是綠電佈局，透過電算協同的模式，引導算力資源向綠電富集的負極區佈局，實現能源供給與算力需求的精準匹配，既降低算力運行成本，又符合綠色低碳的發展理念；二是十萬卡跨域分佈式跨域分佈式晶片協同作用，萬張，其中國產晶片佔比達50% 以上，未來將進一步推動跨區域、大規模的算力協同，提升整體算力的利用效率與調度彈性。Q: 主流AI 晶片效能參數如何，國內算力需求規模預計是多少，網路廠商需求情況怎樣，從應用場景看訓練與推理佔比如何？A: 主流國產AI 晶片的性能參數各有優勢：華為昇騰910C 的INT8 算力為1500 TOPS，FP16 算力為800T FLOPS，顯存規格128GB；寒武紀690 的FP16 算力為512T FLOPS，顯存容量為1444218697239753；算力約320T FLOPS。從國內算力需求規模來看，未來兩年預計將達到500 萬張卡的總量需求，其中互聯網廠商是核心需求主體，由於其業務涵蓋大模型應用、短視頻處理、智能推薦等多個高算力消耗場景，需求規模較大。從應用情境來看，目前大部分GPU 卡均具備訓練與推理雙重功能，無需嚴格區分場景屬性；若需明確劃分，推理場景的算力需求佔比約為60%-70%，訓練場景佔比約為30%，推理需求已成為算力消耗的主要部分。Q: 適合國內大模型訓練的國產晶片建議型號有那些？A: 適合國內大模型訓練的國產晶片推薦機型包括一系列經過市場驗證、性能穩定的產品：華為昇騰910B、華為昇騰910C、寒武紀690、沐曦MXCU C600、壁仞BR200、天數智芯天垓2000、摩爾線程S80 等。這些晶片均具備高算力、大顯存、高頻寬等大模型訓練所需的核心特性，能夠適應不同規模、不同類型的國內大模型訓練需求。其中，華為昇騰系列憑藉著完善的生態支援和穩定的性能表現，在頭部大模型項目中應用廣泛；寒武紀、沐曦、壁仞等廠商的產品則在特定場景下具備獨特優勢，為國內大模型訓練提供了豐富的國產化選擇，有效降低了對國外晶片的依賴。Q: 華為384 叢集搭載的是920B 還是920C 晶片，該產品大規模出貨情況如何？A: 華為在2025 年展出的384 卡算力叢集搭載的是昇騰920C 晶片，該晶片作為華為推出的新一代高端AI 晶片，在算力性能和互聯技術上均有顯著提升。不過，昇騰920C 晶片目前尚未實現大規模售賣，核心限制因素是代工供貨短缺，當前國內先進製程代工產能的不足，導致該型號晶片的量產規模無法滿足市場的大規模需求。需要注意的是，目前華為在市場上大規模出貨的並非昇騰910C 晶片，而是技術成熟、產能穩定的昇騰910B 晶片，昇騰910B 仍是當前華為AI 晶片的主流出貨型號，能夠滿足大部分客戶的算力需求。Q: 該產品對外宣傳的算力指標是基於920B 還是920C 計算的，市場實際交付情況如何？A: 從業界常規宣傳邏輯來看，產品對外宣傳時通常會採用最先進或最新推出的版本所對應的性能指標，華為384 叢集對外宣傳的算力指標正是基於已流片的新一代晶片昇騰920C 計算的，這能夠更直觀地展現產品的技術實力和未來潛力。但從市場實際交付情況來看，由於昇騰920C 晶片受代工產能限制，尚未實現大規模量產，因此當前市場實際交付的產品仍以昇騰920B 為主。而在華為的整體產品矩陣中，昇騰910B 憑藉穩定的產能、成熟的技術和較高的性價比，成為當前市場的主流交付產品，能夠充分滿足國內大部分AI 項目的算力需求。Q: 910C 與690 兩款產品中，那一款的算力較強，實測效果較優，實測的算力水準分別是多少？A: 在華為昇騰910C 與寒武紀690 兩款產品的比較中，昇騰910C 的算力更強，實測效果更優，更能滿足高端算力需求場景。根據實測數據，昇騰910C 在FP16 精度下的算力達到1500 TOPS，配備128GB HBM 顯存，顯存帶寬和數據處理速度表現出色；寒武紀690 在FP16 精度下的實測算力約為500 TOPS，沐曦同級在FP16 下昇級功率下的實測算功率為華FLOPS，顯存容量為144GB，在實際運行大模型時，昇騰910C 消耗的卡牌數量相對較少，算力利用效率更高，能夠有效降低大規模算力部署的成本。Q: 920B 是否優於590，海光目前是否涉及生產3 號產品？A: 華為昇騰920B 在性能上明顯優於寒武紀590，寒武紀590 作為前一代產品，在算力、顯存頻寬、適配性等核心指標上均落後於昇騰920B，已逐漸退出高端算力市場，僅在部分中低端場景中仍有應用。關於海光的產品佈局，海光的核心產品以CPU 為主，其推出的DPU 產品主要面向大數據處理場景，專注於資料傳輸、儲存最佳化等任務，一般不用於AI 加速運算。目前海光並未涉及所謂「3 號產品」 的生產，其業務核心仍聚焦於CPU 及相關配套晶片的研發與生產，主要應用於國產替代中的CPU 晶片領域，為國內電腦設備提供自主可控的核心處理器支援。Q: 目前國內市場算力晶片以卡片數量計算的整體市場需求量級是多少，其中用於訓練與推理的卡數量分別是多少，該投資範圍僅指特定主體嗎，互聯網廠商的投資規模情況如何，分兩年規劃的500 萬卡中，用於推理與訓練的比例分別是多少？A: 國內算力晶片按卡數量計算的總體市場需求量級可透過區域增量推導得出：上海未來兩年的算力將從當前的30 億FLOPS 增長至55 億FLOPS，增量約25 億FLOPS，對應約10 萬張晶片需求；按全國範圍需求為上海的10 倍總投資，未來兩年國內算力道而網路廠商的算力需求更為龐大，保守估計其投資規模是政府或國有投資資料中心的5 倍，約500 萬張卡，這部分需求主要來自頭部雲廠商和科技企業的算力叢集搭建。從場景劃分來看，目前無需嚴格區分訓練與推理用卡，因為大部分GPU 卡均可相容兩種場景，僅端側設備用卡更側重推理；若需明確區分任務屬性，預計推理用卡佔比約60%-70%，訓練用卡佔比約30%，推理場景仍是算力晶片的主要需求來源。 （大道調查）

為了實現經濟多元化，擺脫對石油的依賴，沙烏地阿拉伯政府計畫在未來幾年內投資1.1兆美元，用於基礎設施建設，涵蓋交通、能源、通訊、醫療、教育等各個領域。這場史無前例的基建狂潮，不僅將徹底改變沙烏地阿拉伯的面貌，也為全球投資者帶來了前所未有的機遇！01 1.1兆美元，投向那裡？一、交通基建:建構現代化立體交通網路！沙烏地阿拉伯計畫建設長達3000公里的高鐵網路，連接主要城市和經濟區；擴建和新建多個國際機場，提升航空運輸能力；建設現代化的港口碼頭，打造區域物流樞紐。1.高鐵網路：連接麥加、麥地那、利雅得等主要城市，提升區域經濟一體化。2.機場擴建：吉達、利雅得等國際機場的擴建工程已啟動，未來將容納更多國際航班。3.港口升級：吉贊港、延布港等港口正在升級，目標成為紅海和波斯灣地區的物流中心。二、能源基建:發展清潔能源,打造綠色未來！沙烏地阿拉伯計畫大力發展太陽能(4.450, 0.04, 0.91%)、風能等清潔能源，建設多個大型可再生能源項目，減少對化石燃料的依賴，實現能源結構轉型。1.NEOM新城：這座未來之城將完全依賴可再生能源，成為全球綠色城市的典範。2.太陽能項目：沙烏地阿拉伯擁有豐富的太陽能資源，計畫到2030年實現60GW的太陽能發電能力。3.氫能開發：沙烏地阿拉伯正積極佈局氫能產業，目標成為全球氫能出口大國。三、城市建設：打造智慧城市，提升生活品質！沙烏地阿拉伯計畫建設多個新型智慧城市，應用先進的科技手段，打造宜居、可持續的城市環境，吸引全球人才和投資。1.紅海旅遊項目：打造世界級旅遊目的地，涵蓋豪華酒店、度假村和生態保護區。2.Qiddiya娛樂城：集主題公園、體育場館和文化設施於一體，目標成為全球娛樂中心。3.智慧交通系統：無人駕駛、智能交通管理系統將在未來城市中廣泛應用。02 投資合作：共享沙烏地阿拉伯發展紅利！沙烏地阿拉伯政府鼓勵外國投資者參與基建項目，中國企業可以通過股權投資、PPP模式等方式，參與沙烏地阿拉伯基建項目的投資和營運。1.中沙投資基金：設立專項基金，支援中沙合作項目。2.PPP模式：參與港口、機場、能源等項目的投資和營運。3.產業園區：在沙烏地阿拉伯設立工業園區，吸引中國企業入駐。03 挑戰與機遇並存！政治風險：中東地區局勢複雜多變，投資者需關注政治風險，做好風險防範。1.地區衝突、政策變化等因素可能影響項目進展。2.建議與當地政府和機建構立良好關係，降低風險。3.文化差異：中沙兩國文化差異較大，投資者需尊重當地文化習俗，避免文化衝突。4.瞭解伊斯蘭文化和商業慣例，避免觸犯禁忌。5.僱傭本地員工，融入當地社會。6.市場競爭：沙烏地阿拉伯基建市場競爭激烈，投資者需提升自身競爭力，才能脫穎而出。歐美、日韓等企業也在積極爭奪沙烏地阿拉伯市場。中國企業需發揮性價比和技術優勢，提供差異化服務。結語沙烏地阿拉伯1.1兆美元基建投資計畫，為全球投資者提供了巨大的機遇。中國企業應抓住機遇，積極參與沙烏地阿拉伯基建項目，分享沙烏地阿拉伯發展紅利，同時也要做好風險防範，實現互利共贏！ (Middle East Bridge)

媒體報導阿波羅資管公司正與Meta談判，擬牽頭為其提供約350億美元融資，用於Meta在美國建設資料中心。 Meta宣佈計​​劃今年投資650億美元，重點用於AI項目、資料中心建設及晶片採購，目標在2025年啟用1吉瓦算力。 當微軟豪擲800億美元押注資料中心、祖克柏宣稱「2025年上線1吉瓦算力」時，一場圍繞AI基礎設施的資本狂潮正席捲矽谷，所有建設均需龐大資金持續輸血。 周四，彭博引述知情人士消息透露，阿波羅資管公司(Apollo Global Management)正在與Meta進行談判，擬牽頭為其提供約350億美元的融資方案，以幫助Meta在美國開發資料中心。 知情人士表示，這家另類資產管理公司正在協商承擔該融資計畫的主要份額，其餘部分將向其他投資者分銷。目前融資談判尚處於早期階段，不能保證交易最終能夠達成。