IN-DIA處理器要來了英特爾 CEO 陳立武昨日在 Q4 財報電話會議中證實，英特爾正與輝達合作開發一款面向企業級和資料中心應用、深度整合 NVLink 技術的至強（Xeon）處理器，目標直指新一代 AI 主機節點。我們正在持續與輝達緊密合作，打造一款完全整合其 NVLink 技術的定製 Xeon 處理器，以為 AI 主機節點帶來業界領先的 x86 性能。除此之外，陳立武還提到了至強產品線的其他進展，稱該部門正高度聚焦於推動 16 通道的“Diamond Rapids” Xeon 處理器加快上市處理程序。不過，目前我們尚無法判斷這款與輝達聯合開發的定製 Xeon 處理器將基於第六代還是第七代 Xeon 技術。定位更靠後的“Coral Rapids” Xeon 系列，預計將為資料中心工作負載重新引入超線程（Hyper-Threading）技術。陳立武同時還提到，加快“Coral Rapids”系列至強處理器的上市進度，也是公司目前的另一項重要目標。時間回溯至去年 9 月中旬，英特爾與輝達宣佈達成合作。雙方暗示未來將在英特爾 x86 處理器中引入採用輝達 GeForce GPU 的核顯。不過，自去年秋季以來，該面向主流市場的項目鮮有進一步披露。與此同時，英特爾則集中資源推進下一代“Panther Lake-H”移動處理器，而該系列將採用英特爾自研的 Arc Xe3圖形架構。此前報導，輝達和英特爾的合作主要在產品層面展開，在資料中心領域由英特爾向輝達供應內建 NVLink IP 的定製 CPU，而在消費級領域則是輝達向英特爾供應 GPU 芯粒。(AMP實驗室)

輝達推出全新推理上下文（Inference Context）記憶體儲存平台（ICMSP），通過將推理上下文解除安裝（Offload）至NVMe SSD的流程標準化，解決KV快取容量日益緊張的問題。該平台於 2026 年國際消費電子展（CES 2026）正式發佈，致力於將GPU的KV快取（Key-Value Cache）擴展至基於 NVMe 的儲存裝置，並獲得輝達 NVMe 儲存合作夥伴的支援。此消息一出，引爆的是本就漲到高不可攀的儲存廠商股價，多家儲存廠商和快閃記憶體控製器廠商股價直接漲停，快閃記憶體極有可能步DRAM後塵成為AI基建帶動下第二波緊俏儲存器，儲存價格特別是快閃記憶體價格在2026年可能成為儲存產品整體價格繼續飆漲的第二輪推動力。從某個角度考慮，ICMSP的推出，讓GPU晶片可以降低對大容量HBM產品的嚴重依賴，同時也讓AMD同步發佈的Helios機架平台變得有些“過時”，因為輝達已經邁向了存算結合的新階段。不過相比這些，黃仁勳在解答分析師問題時更是直言“我們現在是全球最大的網路公司。我預計我們還將成為全球最大的儲存處理器公司”，通過不斷收購儲存技術，輝達致力於在AI算力體系架構中，擁有更多的話語權。從這點來看，ICMSP將成為輝達在AI走向千行百業的工程化過程中主導的技術之一。認識一下ICMSP在大型語言模型推理過程中，KV快取用於儲存上下文資料 —— 即模型處理輸入時，表徵令牌間關係的鍵（keys）和值（values）。隨著推理推進，新令牌參數不斷生成，上下文資料量持續增長，往往會超出 GPU 的可用記憶體。當早期快取條目被淘汰後又需重新呼叫時，必須重新計算，這會增加延遲。智能體 AI（Agentic AI）和長上下文工作負載進一步加劇了這一問題，因為它們需要保留更多上下文資料。而 ICMSP 通過將 NVMe 儲存上的 KV 快取納入上下文記憶體地址空間，並支援跨推理任務持久化儲存，有效緩解了這一困境。輝達創始人兼CEO黃仁勳表示：“人工智慧正在徹底變革整個計算架構 —— 如今，這場變革已延伸至儲存領域。人工智慧不再侷限於一次性互動的聊天機器人，而是能理解物理世界、進行長周期推理、立足事實、借助工具完成實際工作，並具備短期和長期記憶的智能協作夥伴。借助BlueField-4，輝達與軟硬體合作夥伴正為人工智慧的下一個前沿領域重塑儲存架構。” 他在CES演講中提到，通過BlueField-4，機櫃中可直接部署KV快取上下文記憶體儲存。隨著 AI 模型規模擴展至兆參數等級，且支援多步驟推理，其生成的上下文資料量極為龐大，同時運行的此類模型數量也在不斷增加。KV 快取軟體（即 ICMSP）需適配GPU、GPU 伺服器及 GPU 機櫃叢集，這些裝置可能同時處理多種不同的推理工作負載。每個模型 / 智能體工作負載的參數集都需妥善管理，並能精準對接運行在特定 GPU 上的目標AI模型或智能體 —— 且這種對應關係可能隨任務調度動態變化。這意味著需要專門的 KV 快取上下文中繼資料管理機制。基於NVMe的KV快取儲存需實現跨層級相容，涵蓋 GPU、GPU 伺服器、GPU 機櫃乃至多機櫃叢集。輝達表示，ICMSP 不僅提升了 KV 快取容量，還加速了機櫃級 AI 系統叢集間的上下文共享。多輪互動 AI 智能體的持久化上下文特性，提高了響應速度，提升了 AI 工廠的吞吐量，並支援長上下文、多智能體推理的高效擴展。圖1 基於 NVMe 的 KV 快取儲存需實現跨層級相容，覆蓋GPU、GPU 伺服器、GPU機櫃乃至GPU機櫃叢集ICMSP 依賴Rubin GPU叢集級快取容量，以及輝達即將推出的BlueField-4資料處理器（DPU）—— 該處理器整合Grace CPU，吞吐量高達 800 Gbps。BlueField-4 將提供硬體加速的快取部署管理功能，消除中繼資料開銷，減少資料遷移，並確保GPU節點的安全隔離訪問。輝達的軟體產品（包括DOCA框架、Dynamo KV快取解除安裝引擎及其內建的 NIXL（輝達推理傳輸庫）軟體實現了 AI 節點間 KV 快取的智能加速共享。儲存架構必須重構，在這個過程中，上下文成為新瓶頸，主要體現在模型規模持續擴大、上下文（Context）長度不斷增加、多輪對話導致上下文（Context）累積以及並行使用者與會話數量增多等方面。圖2 黃仁勳在 CES 2026 展示的上下文瓶頸幻燈片Dynamo支援跨記憶體和儲存層級的協同工作，覆蓋GPU的高頻寬記憶體（HBM）、GPU 伺服器 CPU 的動態隨機存取儲存器（DRAM）、直連 NVMe SSD 及網路附加儲存。此外，還需搭配輝達Spectrum-X乙太網路，為基於RDMA的AI原生KV快取訪問提供高性能網路架構。輝達稱，ICMSP的能效將比傳統儲存提升5倍，令牌每秒處理量最高可提升5倍。圖3 黃仁勳在 CES 2026 展示的推理上下文記憶體儲存平台幻燈片行業反饋鑑於輝達在AI算力架構方面擁有絕對的話語權，ICMSP的推出必定會得到一眾合作夥伴的鼎力支援，以免錯失商機。輝達列出了眾多將通過BlueField-4支援ICMSP的儲存合作夥伴，BlueField-4 將於 2026 年下半年正式上市。首批合作夥伴包括 AIC、Cloudian、DDN、戴爾科技、HPE、日立資料系統、IBM、Nutanix、Pure Storage、超微（Supermicro）、VAST Data 和 WEKA。預計 NetApp、聯想（Lenovo）和 Hammerspace 也將後續加入。將KV快取解除安裝或擴展至NVMe SSD的架構理念，其實已有廠商率先實踐 —— 例如 Hammerspace的零級儲存技術（Tier zero tech）、VAST Data的開放原始碼軟體VAST Undivided Attention（VUA），以及WEKA的增強記憶體網格（Augmented Memory Grid）。戴爾也通過在PowerScale、ObjectScale和閃電計畫（Project Lightning，私人預覽版）儲存產品中整合LMCache和NIXL等技術，實現了KV快取解除安裝功能。這些均為基於BlueField-3的解決方案。如今，輝達旨在為所有儲存合作夥伴提供標準化的KV快取記憶體擴展框架。戴爾、IBM、VAST Data和WEKA已明確表示將支援 ICMSP。WEKA在題為《上下文時代已然來臨》的部落格中，詳細闡述了支援該平台的實施方案及核心原因，指出ICMSP是 “一類新型 AI 原生基礎設施，將推理上下文視為一級平台資源。這一架構方向與WEKA的增強記憶體網格高度契合，後者通過擴展 GPU 記憶體，實現了大規模、無限量、高速、高效且可復用的上下文儲存。”WEKA產品行銷副總裁Jim Sherhart表示：“為上下文資料套用為長期儲存資料設計的重量級持久性、複製和中繼資料服務，會產生不必要的開銷 —— 導致延遲增加、功耗上升，同時降低推理經濟性。”“推理上下文固然需要適當的管控，但它的特性與企業級資料不同，不應強行套用企業級儲存語義。傳統協議和資料服務帶來的開銷（如中繼資料路徑、小 I/O 放大、默認的持久性 / 複製機制、在錯誤層級施加的多租戶控制），可能將‘高速上下文’降級為‘低速儲存’。當上下文對性能至關重要且需頻繁複用的情況下，這種開銷會直接體現為尾部延遲增加、吞吐量下降和效率降低。”VAST Data 表示，其儲存/AI作業系統將運行在BlueField-4處理器上，“打破傳統儲存層級界限，提供機櫃級共享KV快取，為長上下文、多輪對話和多智能體推理提供確定性訪問性能。”VAST 全球技術合作副總裁John Mao稱：“推理正逐漸成為一個記憶體系統，而非單純的計算任務。未來的贏家不會是擁有最多原始計算資源的叢集，而是那些能以線速遷移、共享和管控上下文的叢集。連續性已成為新的性能前沿。如果上下文無法按需獲取，GPU 將陷入閒置，整個系統的經濟性將徹底崩塌。通過在輝達 BlueField-4 上運行 VAST AI 作業系統，我們正將上下文轉化為共享基礎設施 —— 默認高速、按需提供策略驅動管控，並能隨著智能體 AI 的規模擴展保持性能穩定性。”關於ICSMP，黃仁勳在CES 2026後答分析師會議上做了更多詳細的說明，其中最驚人的是黃仁勳表態希望未來輝達成為最大的儲存處理器公司，從而掌握更巨量資料話語權。Aaron Rakers- 富國銀行證券有限責任公司研究部：目前供應鏈面臨著諸多動態變化，比如 DRAM 價格、供應可用性等問題。我想瞭解你們對供應鏈的看法。黃仁勳（Jen-Hsun Huang：我們的供應鏈涵蓋了上游和下游。我們的優勢在於，由於我們的規模已經非常龐大，而且在如此大的規模下仍然保持快速增長，我們很早就開始為合作夥伴準備應對這種大規模的產能擴張。過去兩年，大家一直在和我討論供應鏈問題 —— 這是因為我們的供應鏈規模巨大，而且增長速度驚人。每個季度，我們的增長規模都相當於一家完整的公司，這還只是增量部分。我們每季度都在新增一家大型上市公司的規模。因此，我們在 MGX（機架級產品）方面所做的所有供應鏈最佳化工作。我們之所以如此注重元件標準化、避免生態系統和供應鏈資源浪費、並為合作夥伴提供大量投資（包括預付款支援），就是為了幫助他們擴大產能。我們談論的不是數百億美元，而是數千億美元的投入，以幫助供應鏈做好準備。因此，我認為我們目前的供應鏈狀況非常良好，這得益於我們與合作夥伴長期穩定的合作關係。而且，大家應該知道，我們是全球唯一一家直接採購 DRAM 的晶片公司。仔細想想，我們是全球唯一一家直接採購DRAM的晶片公司。有人問我們為什麼要這麼做？因為事實證明，將DRAM整合為CoWoS（晶圓級系統整合）並打造超級電腦的難度極大。而建立這樣的供應鏈體系，給了我們巨大的競爭優勢。現在市場環境雖然嚴峻，但我們很幸運擁有這樣的技術能力。說到功耗，看看我們的上游合作夥伴 —— 系統製造商、記憶體供應商、多層陶瓷電容器（MLCC）供應商、印刷電路板（PCB）供應商等，我們與他們都保持著緊密的合作。James Schneider- 高盛集團研究部：我想瞭解一下你們今天宣佈的上下文（Context）記憶體儲存控制技術。它在各類應用場景中的重要性如何？您是否認為它會成為某些特定客戶問題的性能瓶頸？我們是否可以期待你們在這個方向上繼續創新，就像你們過去在網路領域所做的那樣？黃仁勳（Jen-Hsun Huang）：我們現在是全球最大的網路公司。我預計我們還將成為全球最大的儲存處理器公司，而且很可能我們的高端 CPU 出貨量也將超過其他任何公司。原因在於，Vera 和 Grace（以及 Vera 相關產品）已經應用於每個節點的智能網路介面卡（SmartNIC）中。我們現在是 AI 工廠的智能網路介面卡提供商。當然，很多雲服務提供商都有自己的智能網路介面卡（如亞馬遜的 Nitro），他們會繼續使用。但在外部市場，BlueField 系列產品取得了巨大的成功，而且 BlueField-4 將會表現更加出色。BlueField-4 的採用率（不僅僅是早期採用）正在快速增長。其上層的軟體層名為 DOCA（發音與 CUDA 相近），現在已經被廣泛採用。因此，在高性能網路的東西向流量（east-west traffic）方面，我們是市場領導者。在網路隔離的南北向流量（north-south networking）方面，我非常有信心我們也將成為市場領導者之一。而儲存領域目前是一個完全未被充分服務的市場。傳統的儲存基於 SQL 結構化資料，結構化資料庫相對輕量化。而 AI 資料庫的鍵值快取（KV caches）則極其龐大，你不可能將其掛在南北向網路上 —— 這會造成網路流量的巨大浪費。你需要將其直接整合到計算架構中，這就是我們推出這一新層級儲存技術的原因。這是一個全新的市場，很可能會成為全球最大的儲存市場 —— 它將承載全球 AI 的工作記憶體。這種儲存的規模將是巨大的，而且需要極高的性能。我非常高興的是，目前人們進行的推理工作負載已經超出了全球現有基礎設施的計算能力。因此，我們現在處理的上下文（Context）記憶體、令牌記憶體和鍵值快取的規模已經非常龐大，傳統的儲存系統已經無法滿足需求。當市場出現這種拐點，而你又有遠見能夠預見它的到來時，這就是進入一個新市場的最佳時機。而 BlueField-4 在這一領域具有絕對的競爭優勢，沒有任何產品能與之匹敵。Ken Chui- Robocap：我的問題同時涉及利潤率和技術。你們目前已經擁有 CPX 技術，通過收購 Grok，你們還獲得了可用於推理的 SRAM 技術。此外，你們的團隊一個月前發表了一篇論文，討論如何在 GPU 中使用 CPX 技術，從而減少對 HBM 的依賴 —— 因為可以用 GDDR7 替代 HBM。我們都知道 HBM 的成本非常高。因此，未來通過結合 Grok 的技術和你們內部的 CPX 技術，你們對 HBM 的使用會有何變化？這是否能更好地控制 HBM 的使用成本，從而對利潤率產生積極影響？黃仁勳（Jen-Hsun Huang）：當然。我可以先描述一下這些技術各自的優勢，然後再談談面臨的挑戰。例如，CPX 在每美元預填充性能（prefill per dollar）方面比普通的 Rubin 更有優勢 ——Rubin CPX 的每美元預填充性能高於普通版 Rubin。如果將所有資料都儲存在 SRAM 中，那麼當然不需要 HBM 記憶體。但問題是，SRAM 能夠支援的模型規模比 HBM 小 100 倍左右。不過，對於某些工作負載來說，SRAM 的速度要比 HBM 快得多，因此性能會極其出色。因此，我認為它在預填充（prefill）和解碼（decode）等場景中會有明顯優勢。但問題在於，工作負載的形態一直在變化 —— 有時是混合專家模型（MOE），有時是多模態模型，有時是擴散模型（diffusion models），有時是自回歸模型（auto regressive models），有時是狀態空間模型（SSMs）。這些模型的形態和規模各不相同，對 NVLink、HBM 記憶體或其他元件的壓力也會不斷變化。因此，我的觀點是，由於工作負載變化如此之快，而且全球的創新速度也在加快，輝達之所以能夠成為通用解決方案，正是因為我們的靈活性。大家明白我的意思嗎？如果你的工作負載從早到晚都在變化，而且客戶需求各不相同，那麼我們的產品具有很強的通用性，幾乎適用於所有場景。你可能能夠針對某一種特定工作負載進行極致最佳化，但如果這種工作負載只佔總負載的 10%、5% 甚至 12%，那麼當它不被使用時，這部分資料中心資源就被浪費了 —— 而你只有 1 吉瓦的電力資源。關鍵在於，你不能把資料中心看作是擁有無限資金和空間的資源，而是要在有限的電力下實現整體利用率的最大化。架構越靈活，整體效益就越好。如果採用統一的架構 —— 例如，當我們更新 DeepSeek 模型時，資料中心內所有 GPU 的性能都會立即提升；當我們更新通義千問（Qwen）模型的庫時，整個資料中心的性能都會提升 —— 這樣的協同效應是非常顯著的。但如果你有 17 種不同的架構，每種架構只適用於特定場景，那麼整體的總擁有成本（TCO）反而會更高。這就是面臨的挑戰。即使在我們研發這些技術時，也非常清楚這一點 —— 這非常困難。 (EEPW)

近日記者從中國科學技術大學獲悉，該校潘建偉、朱曉波、彭承志、龔明等學者牽頭合作，基於可程式設計超導量子處理器“祖沖之2號”，首次在量子體系中實現並探測了高階非平衡拓撲相（HOTPs），取得了量子模擬在探索複雜拓撲物態方向上的重要突破。相關論文於11月28日發表於國際學術期刊《科學》上。拓撲相是近年來凝聚態物理與量子模擬領域的重要研究方向。與傳統拓撲相不同，高階拓撲相在更低維度的邊界上出現了區域態，挑戰了傳統對應關係。在量子體系中實現高階拓撲相一直是國際前沿的科學挑戰。當下，拓撲物態研究從平衡體系向非平衡體系拓展，已成為凝聚態物理的重要前沿方向。非平衡拓撲相表現出平衡體系所不具備的特性，揭示出拓撲與動力學之間複雜而深刻的內在聯絡，為在時間維度對量子態進行高精度、高穩定的超快操縱提供可能。然而，非平衡高階拓撲相的實驗實現長期面臨巨大挑戰。中國科大研究團隊基於“祖沖之2號”超導量子處理器的可程式設計能力，首次在實驗中實現了平衡與非平衡二階拓撲相的量子模擬與探測。該成果標誌著二維可程式設計量子模擬能力的顯著提升，為利用超導量子處理器在量子模擬問題上實現量子優勢奠定基礎。《科學》審稿人高度評價這一工作，認為該研究“在以往一維實驗的基礎上取得了重要突破，擴展到二維體系是一次顯著的提升，展示了豐富的實驗能力；所發展的測量與分析非平衡拓撲物態的理論方法具有新穎性和趣味性。” (芯榜)

摺疊屏圈要變天了？華為藏了大半年的王炸終於漏了 ！近日，內部代號 Delphi 的旗艦大摺疊配置曝光，十有八九就是華為 Mate X7，發佈排期暫定 11 月。新機這次共有五大升級點，個個都是絕活，首先將搭載全新麒麟9030處理器，性能再上一個台階，同時配備約7.95英吋2K COE LTPO+UTG內屏，採用無偏光片技術，亮度更高、柔性更強。外觀設計上，機身設計也更輕薄，提供曜石黑、幻影紫、寰宇紅、雲錦藍、雲錦白五款配色。第三在影像方面，Mate X7將升級紅楓影像系統，測試中的主攝包括50MP 1/1.3英吋大底感測器，搭配物理可變光圈、50MP潛望長焦微距及多光譜攝影機，影像能力全面增強。其次電池容量提升至約5500mAh，並支援高規格防水。當然了，最讓人期待的是這個”PC破壁“功能，或進一步打通手機與PC生態，提升移動生產力體驗，螢幕寬高比也經過微調，最佳化多場景使用感受。對比去年的Mate X6，這次X7在性能、影像、續航上實現了全面超越，如果維持12999元起的定價，那絕對是今年摺疊屏市場的王炸選手。 (極果網)

首次！突破世紀難題！中國成功研製出新型晶片近日，北京大學人工智慧研究院孫仲研究員團隊聯合積體電路學院研究團隊，成功研製出基於阻變儲存器的高精度、可擴展模擬矩陣計算晶片，首次實現了在精度上可與數字計算媲美的模擬計算系統。該晶片在求解大規模MIMO訊號檢測等關鍵科學問題時，計算吞吐量與能效較當前頂級數字處理器（GPU）提升百倍至千倍。相關論文於10月13日刊發於《自然·電子學》期刊。如何讓模擬計算兼具高精度與可擴展性，從而在現代計算任務中發揮其先天優勢，一直是困擾全球科學界的世紀難題。孫仲團隊選擇了一條融合創新的道路，通過新型資訊器件、原創電路和經典演算法的協同設計，建構了一個基於阻變儲存器陣列的高精度、可拓展的全模擬矩陣方程求解器，首次將模擬計算的精度提升至24位定點精度。在計算精度方面，團隊在實驗上成功實現16×16矩陣的24位元定點數精度求逆，矩陣方程求解經過10次迭代後，相對誤差可低至10⁻⁷量級。在計算性能方面，在求解32×32矩陣求逆問題時，其算力已超越高端GPU的單核性能；當問題規模擴大至128×128時，計算吞吐量更達到頂級數字處理器的1000倍以上，傳統GPU幹一天的活，這款晶片一分鐘就能搞定。同時，該方案在相同精度下能效比傳統數字處理器提升超100倍，為高能效計算中心提供了關鍵技術支撐。 (參考消息)

2024年GPU銷售額超越APU和CPU，成為各類處理器中銷售額冠軍。Yole Group 近日發佈《2025 年處理器產業狀況》報告，指出全球處理器市場正經歷由生成式 AI 與雲端基礎設施推動的深刻變革。Yole Group 提到，2024 年 GPU 銷售額超越 APU 和 CPU，成為各類處理器中銷售額冠軍。其銷售額達 1130 億美元，佔總處理器銷售額的 39%，一年內實現 126% 的增長。這一增長主要受 NVIDIA 主導地位及生成式 AI 模型對 GPU 需求增加的推動。Yole Group 認為，到 2030 年，GPU 市場規模將達 2390 億美元，是 2024 年的 2 倍以上，增長背後是伺服器 GPU 平均售價的上升。同時，美國出口限制已重塑競爭格局，尤其在中國市場。儘管當前 GPU 佔據市場主導地位，但專為人工智慧應用設計的積體電路（AI ASIC）正成為戰略替代方案。ASIC（Application Specific Integrated Circuit特定用途積體電路）根據產品的需求進行特定設計和製造的積體電路，其定製程度相比於 GPU 和 FPGA 更高。ASIC 算力水平一般高於GPU、FPGA，但初始投入大，專業性強縮減了其通用性，演算法一旦改變，計算能力會大幅下降，需要重新定製。Google、亞馬遜（Amazon）、華為等超大規模雲端服務商，正大量投資專有解決方案，以減少對 NVIDIA GPU 的依賴。Google 早在 2013 年就秘密研發專注 AI機器學習演算法晶片，並用於雲端運算資料中心，取代輝達 GPU。這款TPU自研晶片2016年公開，為深度學習模型執行大規模矩陣運算，如自然語言處理、電腦視覺和推薦系統模型。Google 其實在 2020 年的資料中心便建構 AI 晶片 TPU v4，直到 2023 年 4 月才首次公開細節。值得注意的是TPU是一種定製化的 ASIC 晶片，它由Google從頭設計，並專門用於機器學習工作負載。亞馬遜也推出了其自研 AI 晶片Trainium，以減少對輝達的依賴並提高自身在 AI 領域的競爭力。該公司投資大量資金用於技術基礎設施建設，並已定製晶片以提升資料中心效率，降低成本。亞馬遜與被收購的晶片初創公司 Annapurna Labs 合作，旨在打造自有的 AI 晶片，同時也在投資 AI 基礎設施。據預測，2024 年至 2030 年，AI ASIC 市場年複合增長率（CAGR）將達 45%，規模將從 2024 年的 90 億美元增長至 2030 年的 850 億美元，成為行業增長最快的部分。其他類型處理器銷售情況好壞不一：DPU 增長與人工智慧及伺服器需求相關，預計 2030 年將增長至 170 億美元；FPGA 2024 年銷售額出現下滑，但預計將逐步穩定，2030 年前規模達 80 億美元，增長主要受汽車應用支撐。市場層面，2024 年電信與基礎設施領域收入佔比首次超越移動與消費領域，達 53%。預計到 2030 年，這一比例將升至 66%，凸顯雲端人工智慧部署的核心作用。汽車行業，尤其是與 ADAS 及娛樂系統相關的應用，同樣是增長引擎，預計 2030 年前年增長率將達 15%。近日來自大摩的一份報告也給GPU市場熱度再添一把火。摩根士丹利（大摩）最新報告顯示，在與輝達管理層會談後，對其在人工智慧（AI）領域的短期及長期需求信心增強，維持“增持”評級，目標價設定為 210美元，對應總市值約 5.1兆美元。這一積極的評估，反映了市場對 GPU驅動的 AI 基礎設施建設的樂觀預期，以及輝達在這一領域的領先地位。報告指出，全球雲資本支出持續擴張，計算核心正從CPU 向 GPU 加速遷移。這一趨勢是輝達收入增長的主要動力。隨著 AI技術在各行各業的深入應用，對算力的需求呈現爆發式增長。輝達憑藉其在 GPU 領域的深厚積累，以及 CUDA 等生態系統的優勢，成為了 AI 基礎設施建設的核心供應商。大摩預計，到 2030年，AI 基礎設施市場規模有望達到 3至5兆美元，遠高於此前的預測，這無疑為輝達帶來了巨大的增長潛力。針對輝達與OpenAI 合作引發的供應商融資議題，摩根士丹利的分析師團隊認為，這種模式是“需求加速器”。輝達正通過投資 CoreWeave及英國主權基金等方式擴巨量資料中心產能，以滿足市場日益增長的需求。這種戰略不僅能夠加速 AI 基礎設施的建設，也為輝達帶來了更多的市場機遇。未來，這種合作模式有望複製到更多企業，進一步鞏固輝達的市場地位。 (半導體產業縱橫)

近年來 RISC-V 晶片在全球尤其是中國市場發展迅猛，國內廠商活躍於各領域。中興通訊作為少被提及的巨頭，早在 2018 年就加入 RISC-V 國際基金會，深度參與標準制定。此前其較少披露 RISC-V 晶片細節，上月初透露在相關領域持續創新推動生態發展，旗下中興微電子將亮相 RISC-V 中國峰會。中興微電子發展近 30 年，晶片研發能力強、產品覆蓋廣，其 RISC-V 晶片備受期待。一、早早入局，參與標準制定早在 2018 年，中興通訊便前瞻性地加入了 RISC-V 國際基金會，並且是最早一批的高級成員。這一身份使其獲得了深度參與 RISC-V 技術標準制定的寶貴權利，能夠與輝達、三星、英特爾等科技巨頭站在同一平台，共同為 RISC-V 技術的發展方向出謀劃策。在指令集完善、架構最佳化等關鍵環節，中興通訊憑藉深厚的技術積累，將自身的研發成果與見解融入其中，為後續 RISC-V 技術在通訊、算力等核心領域的應用築牢根基，確保技術發展緊密貼合行業實際需求。二、投身研發，推動技術創新（一）參與香山開源處理器項目中興通訊積極投身於第三代香山 RISC-V 處理器（昆明湖架構）的研發工作，與中科院計算所、阿里、騰訊等產學研多方展開深度合作。通過整合各方優勢資源，香山處理器在性能與能效比方面實現了重大突破，能夠有力支援 AI 計算、邊緣推理等前沿場景。這不僅為 RISC-V 在新興領域的廣泛應用提供了堅實的技術支撐，也讓中興通訊積累了大量寶貴的處理器研發經驗，進一步強化了其在 RISC-V 技術堆疊的技術儲備。（二）存算一體技術研發在算力智能躍遷和算網融合的大趨勢下，中興通訊充分利用 RISC-V 的簡潔開放特性，積極開發存算一體多領域解決方案。其中涵蓋了板卡級 KVS 快取方案、晶片級近存方案、電路級存內處理以及材料級記憶體計算等先進技術。這些技術有效降低了資料傳輸能耗，大幅提升了資料處理效率，為未來高性能計算開闢了新的技術路徑，助力中興通訊在 RISC-V 與算力融合的前沿領域佔據重要的技術高地。三、產品落地，拓展應用場景中興通訊在通訊核心裝置中引入 RISC-V 架構，其 DPU 網路晶片通過該架構提升網路與儲存加速能力，適配 5G/6G 高資料處理需求。在 5G-A 及 6G 基礎設施中，RISC-V 核心降低裝置功耗、增強穩定性。同時，基於 RISC-V 開發的高性能計算晶片及存算一體技術應用於資料中心與智算場景，為雲服務、AI 訓練提供低功耗算力支援，提升伺服器晶片市場競爭力。四、生態建設，促進產業繁榮（一）開源生態合作中興通訊積極參與 RISC-V 開放原始碼專案。通過開源合作，整合行業資源，有效降低了研發成本，加速了 RISC-V 技術創新與應用推廣，為建構健康、繁榮的開源生態貢獻了重要力量。（二）行業生態拓展通過與輝達、Google等國際企業合作，中興通訊大力推動 RISC-V 在高性能計算和 AI 領域的應用。同時，與百度合作開發的資料中心 RISC-V 晶片，目標是實現與 x86/ARM 的 “無感切換”，進一步拓寬了 RISC-V 晶片的應用範圍，提升了 RISC-V 在行業內的影響力和認可度，吸引了更多企業參與到 RISC-V 生態建設中來。五、未來可期，迎接挑戰機遇目前，儘管中興通訊在 RISC-V 晶片領域已經取得了諸多令人矚目的成果，但高性能伺服器晶片的大規模商用仍面臨著生態適配（如商業軟體遷移）和成本控制等挑戰。隨著 RISC-V 在 AI、邊緣計算等領域的需求持續增長，憑藉深厚的技術積累、豐富的產品佈局以及積極的生態建設，中興通訊有望通過持續的技術迭代與生態整合進一步擴大市場份額。在全球半導體產業競爭日益激烈的背景下，中興通訊在 RISC-V 晶片領域的佈局將為其在通訊、計算等核心領域的長期發展注入強大動力，助力其在新興市場中搶佔先機，實現更大的突破與發展。 (芯榜)

2025年9月24日，高通技術公司正式發佈了全球最快的移動SoC——第五代驍龍® 8至尊版移動平台，以及號稱目前最快、最高效的Windows PC處理器驍龍X2 Elite Extreme和驍龍X2 Elite。第五代驍龍8至尊版移動平台高通第五代驍龍8至尊版基於台積電最新的3nm（應該是N3P）製造，同時CPU/GPU/NPU/ISP/感測器中樞/基帶等都帶來了全面的升級，不僅更快、更高效，還全面融個性化智能體AI，號稱全球最快、最聰明的移動SoC。具體來說，第五代驍龍8至尊版基於高通自研的第三代Qualcomm Oryon  CPU核心，相比第一代自研CPU核心的性能提升39%，功耗降低了43%。在CPU核心架構方面，第五代驍龍8至尊版採用8核雙簇架構，包括2個主頻4.6GHz的超大核CPU，6個主頻3.62GHz的大核CPU，每簇擁有12MB快取，即整個CPU叢集擁有24MB快取。高通稱，第五代驍龍8至尊版CPU的Geekbench單執行緒性能提升20%，Geekbenck多執行緒性能提升17%，響應速度提升32%，CPU能效提升高達35%。在GPU方面，第五代驍龍8至尊版整合了全新的Adreno GPU，採用三切片架構，主頻為1.2GHz，這樣使得GPU計算資源的調配可以更加靈活高效。此外，新一代的Adreno GPU首次將視訊記憶體帶入到了移動端，其整合了18MB的獨立高速視訊記憶體，使得Adreno GPU無需再頻繁在與DRAM間來回搬運資料，這也使得GPU的能效可以進一步提升。高通稱，其整合獨立高速視訊記憶體的性能相比傳統的架構可以提升高達38%，功耗降低10%。高通稱，結合三切片架構和獨立的高速視訊記憶體的加持，新一代Adreno GPU相比前代性能提升23%，光線追蹤性能提升25%，能效提升20%。為了提升遊戲體驗，高通還聯合手機品牌廠商和遊戲廠商，提前針對一些大型遊戲進行了最佳化，使得這些遊戲（在驅動白名單當中）在Adreno GPU上能夠得到更好的運行，可以原生支援165幀的影格率。第五代驍龍8至尊版還整合了新一代的面向智能體AI的Hexagon NPU，其內部整合了一個大型的Tensor核心，支援加速LVM和經典AI模型；12個標量加速器，支援加速LLM和經典AI模型；8個向量加速器，支援23K（2bit）長上下文輸入。所有的核心均可實現高吞吐量和支援INT2、FP8資料格式。全新的Adren GPU還支援64bit記憶體虛擬化。高通稱，其全新的Hexagon NPU相比前代性能提升37%，每瓦特性能提升了16%，每秒可生成高達220個Token，支援終端側AI持續學習。在影像能力方面，第五代驍龍8至尊版整合了新一代的Spectra ISP，這是一款20bit三ISP，可以使得影像動態範圍提升4倍。此外，新一代的Spectra ISP還首次整合了高級專業視訊編解碼器（APV），使得此類視訊錄製更加高效。高通稱，其可以實現比PorRes錄製時間延長10%。這也使得第五代驍龍8至尊版成為了全球首個支援APV錄製的移動平台，賦能專業級視訊製作。為了支援端側即時感知的AI，高通第五代驍龍8至尊版整合了全新的感測器中樞，其內部擁有兩個即時感知的ISP，兩個Micro NPU（一個面向終端側AI個性化，一個面向個人偏好記錄），以及一個DSP和單獨的記憶體。據介紹，全新的感測器中樞能效相比上代提升了33%，擁有超低功耗，是智能體AI的入口，助力終端側AI的個性化。高通稱，得益於強大的Hexagon NPU和感測器中樞的加持，驍龍8系移動平台可以賦能真正的個性化智能體AI助手，可以跨應用為使用者提供定製化操作。通過持續的終端側學習和即時感知，多模態AI模型能夠深度理解使用者，從而實現主動推薦和基於情境的提示最佳化——同時確保使用者資料始終存放在終端裝置上。在聯網能力方面，第五代驍龍8至尊版整合了高通X85 5G基帶及射頻系統，其內部的AI賦能的資料流量引擎可以使得AI推理速度提升30%（應該是指需要聯網的雲端AI），首創Turbo DSDA，支援高效上行技術，支援最大頻寬400MHz，可以提供無與倫比的頻譜靈活性。全新的第五代驍龍8至尊版還配套了FastConnect 7900連接系統，首創AI最佳化Wi-Fi，首創Wi-Fi、藍牙和超寬頻（UWB）三合一整合，並支援鄰近感知AI功能。雖然第五代驍龍8至尊版整體性能大幅提升，但是功耗依然控制的非常好。據高通介紹，第五代驍龍8至尊版SoC整體功耗相比前代降低了16%，使得SoC整體續航時間相比前代可以延長1.8小時。同時，第五代驍龍8至尊版還加入了對於負極電池的支援。高通技術公司高級副總裁兼手機業務總經理Chris Patrick表示：“憑藉第五代驍龍8至尊版，使用者真正成為移動體驗的核心——該平台賦能的個性化AI智能體能夠看你所看、聽你所聽，即時與使用者同步思考。第五代驍龍8至尊版將突破個人AI的邊界，讓使用者現在就能體驗到的移動技術的未來。”在終端產品方面，中興、Xiaomi、vivo、索尼、三星、ROG、紅魔、REDMI、realme、POCO、OPPO、一加、努比亞、iQOO和榮耀等全球OEM廠商和智慧型手機品牌都將在其旗艦產品中採用第五代驍龍8至尊版。接下來，小米17系列、iQOO 15系列、一加15系列、中興努比亞紅魔11系列、榮耀Magic8系列和榮耀MagicPad3 Pro等搭載第五代驍龍8至尊版的旗艦手機都將在未來幾天陸續發佈。全新PC處理器平台：驍龍X2 Elite Extreme和驍龍X2 Elite驍龍X2 Elite Extreme和驍龍X2 Elite是高通技術公司最新宣佈推出的面向Windows PC的驍龍X系列產品組合中的全新一代頂級平台。其中，驍龍X2 Elite Extreme是比驍龍X2 Elite更高端的版本，也是全球首個主頻達到5GHz的Arm架構晶片。高通稱，憑藉卓越性能、多天電池續航和開創性AI，這兩款全新處理器號稱是目前最快、性能最強大、能效最高的Windows PC處理器。具體來說，全新的驍龍X2 Elite系列晶片均基於台積電3奈米（N3P）工藝節點製造。其中，驍龍X2 Elite Extreme（型號為 X2E-96-100）採用的是第三代Qualcomm Oryon CPU核心，擁有最高18個CPU核心，其中12個主頻4.4GHz的Prime 核（其中兩個核可以睿頻至5GHz）和6個主頻3.6GHz的Performance核。值得一提的是，整個CPU的快取規模也提高到了53MB。高通稱，與Windows PC競品處理器相比，其驍龍X2 Elite Extreme CPU可以為Windows帶來頂尖的性能與能效表現。以Geekbench 6.5單核性能來看，在相同CPU功耗下，驍龍X2 Elite Extreme的CPU性能領先競品高達44%；在達到與競品相同峰值性能的情況下，競品CPU的功耗需求相比驍龍X2 Elite Extreme的CPU功耗高144%。以Geekbench 6.5多核性能來看，在相同CPU功耗下，第五代驍龍8至尊版的CPU性能領先競品高達75%；在達到與競品相同峰值性能的情況下，競品CPU的功耗需求比驍龍X2 Elite Extreme的CPU高222%。驍龍X2 Elite Extreme還支援LPDDR5x-9523 MT/s核心，頻寬達到了228 GB/s。GPU方面，驍龍X2 Elite Extreme整合了高通新一代的專為Winodws PC定製的Adreno GPU，支援DirectX 12.2 Ultimate、Vullkan 1.4、OpenCL 3.0、增強的GMEM、光線追蹤改進。高通稱，驍龍X2 Elite Extreme整合全新高通Adreno GPU架構相比前代平台每瓦特性能和能效提升達2.3倍。與Windows PC處理器競品所整合的GPU相比，驍龍X2 Elite Extreme的GPU在性能功耗下，性能領先52%；在達到相同峰值性能的情況下，競品GPU的功耗需求要高92%。在遊戲性能方面，高通稱，驍龍X2 Elite 系列對比前代產品的遊戲內基準測試性能來看，也有著60%-120%的提升。驍龍X2 Elite Extreme配備的新一代Hexagon NPU最高性能可達80 TOPS（支援INT8），相比上一代的45 TOPS NPU 性能高出78%。高通表示，該 NPU“旨在處理Windows 11 AI+ PC的 Copilot+ 和並行AI體驗”。（Copilot+ 不包括實際的 Copilot，即主要在雲中運行的助手。）高通公佈的資料顯示，驍龍X2 Elite Extreme所整合的NPU是面向筆記型電腦的全球最快NPU。比如，在Procyon AI計算視覺測試當中，驍龍X2 Elite Extreme的得分達到了英特爾酷睿Ultra 9 285H的5.7倍，並且也大幅領先AMD銳龍AI 9 HX 370和英特爾酷睿Ultra 9 288V等AI PC晶片。高通表示，驍龍X2 Elite Extreme專為超高端PC打造，可輕鬆駕馭智能體AI體驗、計算密集型資料分析、專業媒體編輯以及科學研究。無論是插電使用還是移動辦公，頂尖極客、資深創作者和專業製作人都可在輕薄設計的PC上完成複雜的專業級工作負載。相比之下，驍龍X2 Elite則擁有兩個版本，型號分別為 X2E-88-100 和 X2E-80-100。其中，X2E-88-100 有 18 個CPU核心，包括12個主頻4.7GHz的Prime 和6個主頻4.7GHz的Performance核；而X2E-80-100隻有12 個CPU內核，包括6個主頻4.7GHz的Prime核和6個主頻4.4GHz的Performance核。其中，X2E-88-100 的CPU總快取與驍龍X2 Elite Extreme一樣為53MB，GPU也是與驍龍X2 Elite Extreme一樣的X2-90，主頻1.85GHz；而X2E-80-100的CPU總快取降低至34MB，GPU為X2-85，主頻1.7GHz。其他NPU方面基本與驍龍X2 Elite Extreme一致，記憶體也支援LPDDR5x，不過記憶體頻寬只支援152 GB/s。具體差異可參考下圖：高通指出，驍龍X2 Elite系列相比前代CPU單核性能提升高達39%，多核性能提升最高50%；GPU峰值性能相比前代提升高達2.3倍；NPU峰值性能相比前代提升高達78%。從整個SoC平台來看，相比前代平台，驍龍X2 Elite在相同功耗下性能提升高達31%，達到相同性能所需功耗降低43%，80TOPS NPU專為支援Windows 11 AI+ PC體驗及並行AI體驗設計。驍龍X2 Elite系列面向高端PC可以提供強大且高效的多工處理能力，覆蓋生產力、創作和娛樂等資源密集型工作負載。即便不連接電源，使用者也可以在輕薄裝置上充分發揮這些特性。此外，整個驍龍X2 Elite系列晶片均支援驍龍X75 5G modem-RG系統，峰值下載量高達10Gbps。它還支援Qualcomm FastConnect 7800，即Wi-FI 7/6/6E 和藍牙5.4 LE。高通的新 Guardian 是一種帶外管理功能，用於以業務為中心的遠端監督，類似於英特爾的博銳。高通技術公司高級副總裁兼計算與遊戲業務總經理Kedar Kondap表示：“驍龍X2 Elite強化了我們在PC行業的領導力，憑藉在性能、AI處理和電池續航方面的突破性提升，為消費者帶來所期待的體驗。我們不斷突破技術創新邊界，推出引領行業標準的突破性產品，並重新定義PC的無限可能。”據介紹，搭載驍龍X2 Elite的終端預計將於2026年上半年上市。 (芯智訊)