2025年，具身智能領域最火的詞就是VLA（視覺-語言-動作模型）。它成了一種席捲全行業的共識，一個關於具身基礎模型的標準答案。在過去的一年裡，資本和算力瘋狂湧入這條賽道，基本上所有的模型大廠，都在用這套範式。但很快，現實的物理世界給所有從業者潑了一盆冷水。因為VLA在物理動作執行上很弱。它能懂極其複雜的文字指令。但當機械臂真正去抓取時，它可能連如何調整手腕姿態以避開杯柄的阻擋都做不好，更別提讓它去執行解開鞋帶這種涉及複雜物理形變的動作了。VLA的另一個致命痛點是泛化。本來之所以大家要做模型更新，為的就是不用為每個特殊環境程式設計，看重的正是大模型的泛化能力。結果現在，任何超越訓練規定環境的動作，VLA基本都無法泛化，甚至出了訓練環境類似的環境都做不了。整個行業把泛化的無力，歸結於資料的不足。大廠們開始投入億萬資金，用各種方式去採集資料，試圖用海量的模擬演示來填補VLA的常識空缺。但2026年初，輝達（NVIDIA）發佈了兩篇論文《DreamZero: World Action Models are Zero-shot Policies》和《DreamDojo: A Generalist Robot World Model from Large-Scale Human Videos》兩篇論文，建構了一套全新的具身智能基礎模型範式，打破了資料內卷的僵局。它們一起，給出了一個完全從視訊裡學習，Zero-shot（零樣本）就能泛化執行不同工作的具身模型的可能。01 VLA缺的不是資料，而是世界模型要理解DreamZero和Dream Dojo的顛覆性，必須先從底層剖析VLA的系統性缺陷。VLA的最大問題，就是缺乏世界模型。VLA的底層架構限制了它的認知方式。從譜繫上看，VLA和LLM的親緣更強，反而和純視覺、純物理的親緣較弱。它通過交叉注意力機制（Cross-Attention）將圖像的像素塊對應到文字的語義空間中，在這個空間裡，它理解了杯子和桌子的概念，理解了它們在二維畫面中的相對位置。但物理世界不是二維的語義切片。物理世界是連續的，充滿了質量、摩擦力、重力和幾何碰撞。VLA對物理動作和世界的理解相對較弱，因為它本質上是一個「翻譯器」。我們可以用物理學中的狀態轉移方程來解釋。一個完整的世界模型，本質上是在學習一個條件機率分佈。它能在給定當前世界的狀態（視覺觀測）和機器人即將執行的動作，預測世界下一秒會變成什麼樣。VLA從來沒有學過這個方程。VLA學習的是靜態視覺觀測+語言指令直接對應到可執行動作的函數關係；卻沒被系統性地訓練去預測動作後果、做反事實試錯。所以一旦環境、材質、約束關係稍微變形，性能就會斷崖式下滑。這就好比讓一個人在不理解幾何原理的情況下，去死記硬背一萬道幾何題的答案。遇到原題，他能快速寫出完美答案；遇到條件稍微變動的新題，他就徹底當機。VLA的泛化，本質上只是高維語義空間中的插值。當物理形態超出訓練集的包絡面時，插值就會失效。與之對比的，是視訊生成模型。在Veo3、Sora 2和最近大火的Seedance 2生成的物理互動畫面已經相當逼真，流體、剛體、柔性材料的動作如此連貫，幾乎與現實世界難以區分。這說明，大規模視訊生成模型在海量的網際網路視訊中，很可能已經隱式地壓縮並內化了物理世界的基礎運行規律，形成了一些世界模型。即使強大如斯，視訊生成之前仍然主要被用在給VLA提供模擬資料，而不是整合進機器人的工作流中。其實，大家想利用視訊生成模型來控制機器人的念頭並不是從此開始的。在DreamZero之前，學術界和工業界也提出了多個解決方法。但這些方法無一例外地陷入了工程和邏輯的死胡同。比如 LVP（大規模視訊規劃器）。它的思路是從一張圖和一句話，直接生成應該如何完成任務的未來視訊計畫。再把視訊中的人手運動重建成 3D 軌跡。是用視訊預訓練，而不是語言預訓練，作為機器人基礎能力的主軸。第二種則是類似輝達自己的DreamGen這種，生成視訊後，再反推動作。這是之前被寄予厚望的路線。它把整個基礎模型的架構切分為兩半，上半部分是一個視訊模型，負責預測未來；下半部分是一個獨立訓練的IDM網路，負責看著預測出來的視訊，反推並輸出動作。以上兩種分階段的模式，最大的問題就是動作和視訊生成對不齊。動作那塊要求特別精準，但視訊生成很難完美。一旦它產生的未來畫面帶有微小的像素偽影或物理幻覺，那不管是IDM或者點追蹤，都直接懵圈，成倍放大錯誤。視訊裡機器人的手指位置偏了一微米，現實中機器人就根本什麼都抓不住了。魯棒性極差。第三種是Unified Video-Action（UVA，聯合視訊-動作生成）。這算是最先進的方法了，它嘗試把視訊和動作放在同一個擴散模型裡的潛空間裡學習，兼顧了視訊預測和動作預測。而推理時又通過「解碼解耦」跳過視訊生成，以保證速度。但它的架構使用了雙向擴散（Bidirectional Diffusion）架構。為了匹配語言指令的長度，必須對生成的視訊序列進行大幅壓縮。這種做法徹底扭曲了原生的視訊時間流。時間都扭曲了，動作指令與視覺畫面的對齊幾乎就不可能了，所以這種方式的泛化性自然極差。除此之外，這些方法都有一個致命的共同缺陷，就是太慢。視訊擴散模型需要多步迭代去噪，生成幾秒鐘的動作往往需要幾十秒的計算。要是一個機器人把碗放進碗櫃要5分鐘，你怕是在邊上看著都得急瘋。因此在2026年前所有新具身智能企業中，幾乎只有前一陣剛推出家用機器人的1X Technologies在嘗試這種視訊預測的方法。他們利用海量的“影子模式”（Shadow Mode）資料，即在人類遙操作時，讓模型在後台同步運行預測，用這種極高品質的配對資料去硬生生訓練那個脆弱的IDM。但一時的失敗，並不意味著方向被否定。在去年的機器人大會上，我採訪了很多國內的具身智能學者。彼時正是Google Veo 3和 Genie 3剛剛發佈不久之時。大多數學者都對此印象深刻，意識到了視訊生成模型的世界理解能力。因此在交流中，他們幾乎是以一種共識的口吻，提出生成可能是後續具身智能最靠譜的路徑。這比在模擬環境下（Simulation）產生資料要可能性更高。模擬器（如Isaac Gym或MuJoCo）受限於人類硬編碼的物理引擎，永遠無法窮盡真實世界材質的複雜性、光影的多變性和接觸力的非線性。而吸收了全人類視訊資料的生成模型，才是那個真正包含了萬物物理法則的超級模擬器。但當時，這個思維還是停留在「資料」這個層面上，視訊生成取代VLA這個講法，基本還沒進入視野。但輝達的研究，很可能就是讓這個想法，第一次變成有效的工程化路徑的轉折點。02 DreamZero，以世界模型為基地的具身智能前面已經講了，過去利用視訊生成模型去建構機器人動作所面對的三個主要問題。一是分步導致的對齊問題。二是合一模式太差，沒法用的問題。三是太慢的問題。針對於此，輝達先用DreamZero，給出了一條解決方法。首先，DreamZero採用了視訊和動作預測同步端到端訓練的方式。這就解決了過去分階段模式的不對齊問題。其次，針對UVA的時空錯亂問題，DreamZero徹底拋棄了早期的雙向架構，轉而建構了一個14B參數的自回歸 Diffusion Transformer (DiT)。這是目前標準的視訊生成模型架構。它像語言模型生成文字一樣，嚴格按照時間順序，從左到右預測視訊和動作。在同一次擴散前向裡，同時預測視訊與動作。這帶來了兩個好處。第一，保留了原生影格率，動作和畫面在時間軸上實現了絕對對齊。第二，它利用了KV Cache（鍵值快取）技術。模型不需要每次都從頭計算歷史畫面，極大地節省了算力。之後，為瞭解決自回歸導致的“誤差累積”和幻覺問題。DreamZero還引入了真實觀測注入。模型預測出未來1.6秒的畫面和動作，機器人執行完畢。而在動作執行完的瞬間，獲取攝影機拍下的絕對真實的當前物理世界畫面，直接編碼並塞入KV Cache，覆蓋、替換掉模型剛才生成的假畫面。這一步，瞬間斬斷了誤差積累的因果鏈。模型被迫永遠站在絕對真實的物理基石上，去思考下一步。最後，也是最重要的一步，是解決生成慢的問題。為了達到機器人控制需要的頻率，DreamZero發明了DreamZero-Flash技術。擴散模型慢，是因為推理時需要走完漫長的去噪鏈。如果強行減少步數（比如只用1步去噪），生成的動作質量會斷崖式下跌，因為畫面還處在充滿噪點的模糊狀態，模型無法從中提取精確的動作。DreamZero-Flash的解法是「解耦噪聲調度」。在訓練時，它不再讓視訊和動作處於相同的噪聲等級。它強制模型看著極度模糊、充滿高強度噪聲的視覺畫面，去預測完全乾淨、精準的動作訊號。這等於是在訓練模型在看不清未來的情況下，憑藉物理直覺做出正確反應。對於人來講，這是不可能的任務，看不清就是做不了動作。但對模型來講，這似乎完全行得通。經過這一訓練，到了推理階段，模型只需要進行僅僅1步去噪就能生成精準動作。推理時間從350毫秒瞬間壓縮到了150毫秒。這使得系統能夠以7Hz的頻率輸出動作塊，結合底層控製器，實現了相對平滑的即時執行。經過了這一系列改造。DreamZero展現出了視訊生成世界模型的恐怖潛力。最突出的是泛化能力。在AgiBot雙臂機器人的測試中，研究人員拋出了訓練集裡完全沒有見過的任務解開打結的鞋帶、從假人模型頭上摘下帽子、拿著刷子畫畫。讓從頭訓練的VLA來做，任務進度幾乎為零，開始的地方都做不好。但DreamZero的平均任務進度達到了39.5%，某些特定任務（如摘帽子）甚至高達85.7%。這是因為DreamZero的學習過程是顛覆性的。在訓練時聯合預測視訊和動作，它被迫在潛空間中建立事物演變的因果鏈條。它知道如果不鬆開夾爪，被夾住的物體就不會掉落；它知道如果向前推倒一杯水，水會灑出來。因為預設了基於視訊的世界模型，WAMs擁有了物理直覺。當遇到未見過的任務時，它不是在記憶庫裡搜尋類似的動作，而是在腦海中模擬出了動作的物理後果。只要這個物理後果符合語言指令的語義目標，它就能直接湧現出執行動作。這就是為什麼它能在Zero-shot的情況下完成解鞋帶這種複雜任務。更讓人震撼的是跨機體（Cross-Embodiment）能力。在傳統的VLA範式下，你要讓一台新形態的機器人幹活，就必須僱人去給這台機器人錄製專屬的遙運算元據。但在DreamZero中，研究人員只讓模型觀看了人類視角的錄影（純視訊，沒有任何電機動作參數），僅僅看了12分鐘。模型在未見任務上的表現就實現了42%的相對提升。隨後，他們把在AgiBot上訓練的模型，直接遷移到一台完全不同的YAM機器人上。僅僅給它喂了30分鐘的非結構化「玩耍資料」（Play Data），模型就完成了軀體適應，並且完美保留了零樣本泛化執行複雜指令的能力。這就是世界模型的降維打擊。物理規律是通用的，它只需要極少的資料去微調自己對新軀體運動學邊界的認知。VLA最大的問題，DreamZero這樣預設了世界模型的動作模型 WAM（World Action Model）完美解決了。它不需要海量的機器人資料訓練就能達成很好的泛化。但我們必須保持清醒。基於視訊生成的工程化路徑，其實依然有很多卡點。相對於VLA動輒在消費級顯示卡上跑出20Hz、30Hz的驚人速度，DreamZero拼盡全力最佳化後的7Hz依然很慢。並且，它對硬體要求更高，依賴於H100或GB200這樣的頂級晶片組成的計算叢集來進行平行推理。對於邊緣端部署的獨立機器人來說，這在目前的算力成本下是不可接受的。不過，算力成本的下降服從摩爾定律，而演算法架構的物理認知上限則是天花板。用昂貴的算力去換取原本根本不存在的泛化能力，這筆交易在技術演進的長期視角下是絕對划算的。DreamZero的成功，意味著從VLA轉向視訊世界模型，不再是一個學術幻想，而是一個已經跑通的可能。03 世界模型需要的資料，和VLA不一樣在 DreamZero 的實驗中，輝達發現了一個反直覺的結論。我們通常認為資料越多越好。如果機器人學不會，那就再採集一萬小時資料。 但在世界模型的語境下，這個定律失效了。DreamZero 揭示了新的法則 資料多樣性 > 資料重複量。研究人員做了一組對照實驗 ，準備了兩份資料，總時長都是 500 小時。● 資料集 A（重複組）：包含 70 個任務，每個任務有大量重複的演示，位置和環境變化很小。這是傳統 VLA 喜歡的“刷題”模式。● 資料集 B（多樣組）：包含 22 個不同環境、數百個任務，資料極其雜亂，幾乎不重複。結果使用雜亂資料訓練的 DreamZero，在未見任務上的泛化成功率達到了 50%。 而使用精美重複資料訓練的模型，成功率只有 33%。為什麼？ 這是因為 VLA 和 WAM 的學習邏輯根本不同。 VLA 是在背誦。WAM 是在學物理。DreamZero 證明了對於學習物理規律而言，看 1 次在火星上煎蛋，比看 1000 次在廚房裡煎蛋更有價值。因為前者提供了新的物理邊界條件，而後者只是在通過重複增加冗餘。世界模型需要的是覆蓋率，而不是重複率。04 下一步，是把世界模型訓練的更好DreamZero 的意義，是證明了WAM這條路完全能走通，還能非常好的泛化。但想要持續提升DreamZero這樣模型的能力，我們還需要對它加以訓練。儘可能強化它基於視訊生成的世界模型，最好還有個更嚴格的後驗裁判，能夠指導它在後訓練中持續提升精準性。這就是另一篇論文中 Dream Dojo 的作用。DreamZero 造出了引擎，DreamDojo 煉出了持續最佳化這個引擎的燃油。正如其名，它像是一座道場，要把世界模型訓練這件事，從DreamZero這種一次性的科研 demo，豐富成一套可重複的工業流程。這套流程涵蓋了從資料攝入、表徵對齊，到滾動預測、誤差診斷的全生命周期。在 DreamDojo 出現之前，VLA（視覺-語言-動作）模型在資料上總是碰壁，面臨三重死穴。1. 標籤稀缺：網際網路視訊浩如煙海，但只有畫面，沒有動作資料（Action Labels）。2. 工程地獄：機器人的身體千奇百怪。不同的自由度（DOF）、不同的控制頻率、不同的介面格式。試圖統一這些資料，是工程師的噩夢。3. 不可控：很多模型生成的視訊看著像，但在物理因果上是錯的。如果動作和後果不對齊，模型就無法進行反事實（Counterfactual）推演。無法推演，就無法規劃。但現在，因為有了視訊生成模型，這些就都不是問題了。DreamDojo 不是從零做 world model，它是站在「視訊基礎模型已經把世界的視覺與時空規律學到一定程度」的台階上，再強化對於具身智能來講，至關重要的互動因果和可控性。既然人類視訊裡沒有電機資料，那我們就不要電機資料了。DreamDojo 不再執著於感測器裡的讀數，而是去尋找動作的物理本質。動作，本質上就是一種讓世界狀態發生改變的力。DreamDojo 設計了一個自監督編碼器，專門盯著視訊的前後幀看。它在不斷地問自己一個問題，到底是什麼力量，讓上一幀變成了下一幀？機器自動提取出來的這個答案，就是連續潛在動作。DreamDojo 不再記錄絕對的關節姿態。因為絕對姿態在高維空間裡太稀疏、太難學。 它記錄的是變化量。每一幀都以當前狀態為基準歸零。這讓動作的分佈變得更窄、更集中，模型更容易學會向左移一點這種通用的物理規律，而不是死記坐標。這就好比不需要知道一個人用了那塊肌肉（感測器資料），只要看他揮手砸杯子，杯子碎了，模型提取出揮手擊碎這個潛在動作的整個過程。同時，為了增強可控性。DreamDojo 不把整段動作軌跡當作全域條件灌進去，而是把連續 4 個動作拼成 chunk，只注入到對應的 latent frame。通過這樣的拆分，模型被強制要求理解是這一個微小的動作切片，導致了下一刻的畫面變化。讓世界模型不會造成因果混淆。視訊模型在這個過程中，把訓練目標從預測未來像不像，推向動作改變未來的方向與幅度是否一致。這徹底打通了不同具身體之間物種隔離。 不同身體、不同場景做同一種動作，潛動作會趨於相近。模型不再需要知道手肘電機轉動 30 度，它只需要知道這個潛在動作會導致杯子被拿起。而因為這個潛空間的動作規律對誰都一樣，不存在空間異構，不存在資料格式不通。DreamDojo 在視訊生成這個世界模型的基礎上，用連續潛在動作這個數學上的通用語，把全人類的視訊資產轉換成了機器人可以理解的經驗。為了達成這個目標，輝達團隊建構了一個 DreamDojo-HV（加上 In-lab 與 EgoDex）的資料集，是一個約 44,711 小時的第一視角人類互動混合資料集，覆蓋極其廣的日常場景與技能分佈。包含上萬級場景、數千級任務、數萬級對象的長尾分佈。這個規模，比之前最大的機器人世界模型資料集大了 15 倍，場景豐富度高了 2000 倍。結果 DreamDojo 在沒見過任何真機器人的情況下，僅憑看人類視訊預訓練，就能在極少量的微調後，操控真機器人完成從未見過的任務。再通過蒸餾技術，他們把這個龐大的世界模型壓縮到了能跑 10 FPS 的即時速度。至此，結合Dream Dojo和DreamZero，這套建立在世界模型上的具身智能的閉環終於合上了。它的底座是視訊生成模型，因為它懂物理。構架是DreamZero 代表的世界動作模型（WAM），它能通過預測未來來決策，而且讓可執行與低延遲夠薄，能用。而其進步的燃料，是DreamDojo 把物理與可檢驗性做厚，讓全網的人類視訊，通過潛在動作轉化為機器人的經驗。我們不再需要讓幾萬個博士去遙操作機器人了。只要讓機器人坐在那裡，日夜不停地看人類幹活的視訊，它就能學會關於物理世界的一切。05 這，很可能是具身智能的範式轉變DreamZero的出現，敲響了具身智能純VLA時代的喪鐘。這場範式的轉變可能，將深刻地重塑整個行業的生態。首先是資料採集哲學的顛覆。在VLA範式下，從業者陷入了遙運算元據的囚徒困境，認為只有花重金採集幾萬小時的精準動作配對資料，機器人才能變聰明。但DreamZero展示了跨機體學習的恐怖潛力，僅僅通過觀看人類行為的純視訊，模型就能汲取物理策略。而Dream Dojo則意味著，YouTube、TikTok上那數以百億計的人類生活視訊，那座原本被認為缺乏動作標籤而對機器人無用的資料金礦，將被徹底解鎖。從高成本的實體遙操作，轉向低成本的網際網路視訊挖掘，這是獲取常識的降維打擊。最重要的是，我們對機器智能的認知正在發生根本性轉移。VLA時代，我們試圖通過教會機器認字來讓它幹活，結果得到了一個笨拙的翻譯官。現在，我們開始教會機器做夢，在腦海中生成、預測、模擬物理世界的演變。當一台機器不再是機械地復讀資料，而是能夠在內部建構一個符合物理定律的微縮宇宙，並在其中推演自己的行為後果時，我們就已經站在了通用具身智能的真正起點上。這是一條更陡峭的路徑，但也必定通往更廣闊的未來。 (騰訊科技)

美光徹底出局HBM4市場，訂單被韓系雙雄清零剛刷到SemiAnalysis 2月10日的最新報告，越看越唏噓。作為行業權威分析機構，它的這份披露，直接改寫了下一代高頻寬記憶體（HBM4）的市場格局。美國儲存大廠美光，因技術路線失誤，徹底錯失輝達下一代Rubin晶片的HBM4供應訂單。HBM4市場將被韓系廠商SK海力士與三星徹底主導，美光在輝達Rubin平台的供應份額被“清零”。這意味著，美光將完全無緣這一高端記憶體核心市場，顆粒無收。要知道，HBM4是輝達Rubin晶片的核心配套記憶體，直接決定其AI算力表現。韓系雙雄的瓜分格局，已經基本鎖定。市場預計，SK海力士將拿下約70%的HBM4訂單，成為絕對的最大贏家。剩餘30%的份額則被三星收入囊中，兩家攜手，實現對HBM4高端市場的全面壟斷。這一格局，也鞏固了韓系廠商在全球高端記憶體領域的主導地位，短期內難以撼動。美光的翻車，絕非偶然，核心癥結就是技術路線選偏了。為了降低生產成本、掌控供應鏈主動權，它選擇了“單打獨鬥”的策略。全程由內部自主設計、製造HBM4基礎裸片（Base Die），不與任何外部廠商合作。這種選擇，恰恰與SK海力士、三星的合作模式形成了鮮明反差。SK海力士聰明得多，選擇與台積電強強聯手，借力對方的先進製程能力。三星則依託自身成熟的邏輯代工能力，實現HBM4裸片的自主可控。反觀美光，獨立研發生產的模式，不僅引發了嚴重的散熱問題，性能也不達標。其HBM4產品的引腳速度，未能達到輝達的客戶標準，這是最致命的硬傷。更關鍵的是，美光的固執，讓它徹底落後於競爭對手。面對性能差距，它不願轉向更先進的外部製程節點，一味堅守自身路線。美光曾在財報會上宣稱，其HBM4引腳速度將超過11Gbps，但實際未能達到輝達要求。最終，在關鍵性能指標上，被SK海力士、三星遠遠拉開差距，失去競爭資格。如果說技術失誤是導火索，那時間差，就是壓垮美光的致命一擊。當地時間2026年1月5日，輝達CEO黃仁勳已宣佈，Vera Rubin晶片正式進入“全速生產”階段。Rubin平台作為輝達下一代旗艦AI晶片，其供應鏈合作名單早已基本鎖定。美光的技術調整，來得太晚，已經錯失了進入該供應鏈的最佳窗口期。美光並非完全放棄，還在做最後的掙扎。它計畫重新設計基礎裸片、最佳化供電網路，全力彌補技術短板。預計在2026年第二季度，再次提交輝達進行資格測試，試圖挽回訂單。但從當前市場格局和時間節點來看，它挽回訂單的希望，已然十分渺茫。三星能順利拿下30%左右的訂單，也算一次漂亮的逆襲。回顧HBM3時代，三星曾因技術問題遭遇供應延誤，一度落後於SK海力士。三星半導體業務負責人此前也承認，在HBM業務上錯過早期市場機會。而此次，它率先達到了輝達要求的HBM4引腳速度，成功擺脫此前的陰影。三星的突破，也讓韓系雙雄的壟斷地位更加穩固。兩家廠商憑藉各自的優勢，分工協作，徹底堵死了其他廠商的突圍之路。這也意味著，未來一段時間，全球高端AI晶片的HBM4供應，將完全掌握在韓系廠商手中。 (1 ic芯網)

百億營收難掩增長軟肋近日，晶片巨頭AMD交出了一份足以載入史冊的財報：2025年第四季度，其單季營收首次突破100億美元大關，達到102.7億美元，同比增長34% 。然而，就在業績公佈後的次日，迎接CEO蘇姿丰（Lisa Su）的卻是資本市場冷酷的重錘——股價暴跌17%，創下自2017年以來的單日最大跌幅 。這種極度的撕裂感背後，藏著半導體行業最殘酷的真相：當AMD從英特爾挑戰者，進化為可與輝達並肩的AI算力雙雄之一，它也隨之進入了華爾街最嚴苛的顯微鏡下。01 炸裂財報背後的隱憂從資料看，AMD的這份財報確實很猛。2025年第四季度，AMD營收102.7億美元，全年營收達到346億美元，均創下歷史新高。更令人振奮的是其資料中心業務，該部門營收達到54億美元，同比增長39%，不僅創下公司史上最高單季紀錄，更歷史性地佔據了公司總營收的半壁江山 。AMD的利潤引擎已經完成了一次驚險的變道：從靠各種零散業務拼湊，轉向由高價值的資料中心核心驅動。然而，在這些亮眼數字的陰影裡，華爾街卻嗅到了水分的味道。財報中藏著一個細節：為了趕在禁令變動前清理庫存，AMD在第四季度向中國市場出口了價值約3.9億美元的MI308晶片。正是這筆意外之財，直接將公司的毛利率拔高到了57%。華爾街對此表現出了極度的冷靜。剔除掉這筆一次性收入後，AMD的核心毛利率只有55%。在輝達近70%的毛利率面前，這個數字顯得有些蒼白。分析師們甚至發出了嚴厲的警告：在AI賽道，微超預期就是不及預期，投資者需要的是像輝達那樣的翻倍級業績，而不是靠中國市場的紅包雨來撐場面。更讓投資者感到不安的是2026年第一季度的預測。AMD預測一季度營收約為98億美元，雖然高於平均預期，但低於部分激進機構期待的100億門檻。在大家都抱有極高期待時，只要成績單沒有好到讓人原地起飛，那些賺了錢的投資者就會因為害怕虧回去，開始瘋狂賣股票套現。02 AMD變身輝達的全能備選雖然股價跌了，但不可否認，2025年是蘇姿丰重新定義AMD市場地位的一年，AMD完成了從追隨者到規則制定者的跨越。如果說輝達是AI時代的真神，那 2025年的AMD就穩穩坐上了“全能備胎”的寶座。當科技巨頭們害怕被輝達的CUDA生態（封閉式軟硬體計算平台）鎖死時，AMD成了他們手裡重要的議價籌碼。簡單來說，CUDA生態就是輝達在AI領域修建的，一座護城河極深的“封閉花園”。它像蘋果系統一樣，通過十幾年經營，讓全球數百萬開發者習慣了其專屬工具，形成了“一旦用上就很難換掉”的極強粘性。為了打破這種壟斷，AMD在這一年不僅加速了產品的更迭節奏，更量產了MI325X和MI350系列AI加速器。作為輝達唯一的Plan B，這兩款產品是專為大模型設計的算力怪獸：MI325X憑藉256GB的超大視訊記憶體成了儲存霸主；而採用3nm工藝的MI350系列推理性能飆升35倍。目前，全球前十大AI公司中有八家已經下單，微軟、OpenAI等都是其客戶。在硬體端火力全開的同時，蘇姿丰也深知軟體難用一直是AMD的死穴。於是，AMD在2025年發佈了ROCm 7.0開放平台，大幅最佳化了對PyTorch和TensorFlow等主流框架的支援。蘇姿丰強調，現在數百萬個大模型在AMD平台上都能開箱即用。這種軟硬結合的打法，還通過一系列瘋狂的併購與整合得到了強化。為了補充大腦，AMD買下了歐洲最大的私立AI實驗室Silo AI；而在硬體交付層面，AMD併購了提供機架方案的ZT Systems，隨後又精準地把低利潤的製造部分賣掉，留下了核心設計團隊。正是這一系列操作，才有了2026年下半年推出的、挑戰輝達霸權的Helios機架方案。這些戰略執行力的結果是顯而易見的：AMD在伺服器CPU（EPYC）市場的份額衝破了35%，並在AI晶片領域實現了年收入從幾億到數十億規模的躍升。它成功讓市場相信：AMD已經成為輝達的全能備選。03 燒錢換未來，AMD的底牌與陰影2025年，蘇姿丰反覆公開強調：“AI不是泡沫” 。她預言，未來5年全球AI使用者將達到50億，算力需求要提升1萬倍。這種對算力的貪婪預判，就是AMD敢每年燒掉數百億進行研發的原因。對於即將到來的2026年，蘇姿丰手裡握著的第一張底牌，是代號為Helios的整機機架方案。這將是2026年的終極大考，AMD將從賣顯示卡變成賣一整櫃算力，直接挑戰輝達的系統地位。緊隨其後的戰略重點，則是對2奈米工藝的超車機會。據分析師透露，AMD下一代產品將採用台積電最新的2nm工藝 ，這可能比輝達的下一代還要領先，帶來更高的性能和更低的功耗。此外，2026年作為AI PC元年，蘇姿丰的目標也很明確：讓AMD的晶片不僅在雲端，也要出現在每個人的辦公桌上。然而，衝鋒的代價是驚人的，成本也在高速燃燒。2025年，AMD的研發支出大增36%，營運費用率高達34.4%。這種軍備競賽式的投入，讓投資者擔心AMD會為了保住份額而犧牲利潤率 。與此同時，來自外部的陰影也在逼近。Google、亞馬遜等大客戶都在自研AI晶片 ，一旦他們能用自己的晶片幹活，對通用晶片的需求就會萎縮。更值得注意的是，出口管制正在收緊，向中國出口MI308的橫財正在消失。在失去這個利潤緩衝區後，AMD如何維持每年60%的資料中心增長，是蘇姿丰2026年最大的挑戰。 (新質動能)

美國矽谷，聖克拉拉。輝達即將完成GB300液冷方案認證，坐鎮北美主場，在溫控領域實力雄厚的維諦，希望繼續主導市場。此前，這一格局已經延續了很多年。但這一次，他們碰到了中國廠商的強力挑戰。最終的結果是，維諦（Vertiv）保住了全球系統級合作夥伴的地位，但同時在中國市場上，他們不得不做出讓步。迫使其讓步的，是以英維克、高瀾為主的中國廠商。據第三方行業測算，2025年Q3英維克拿下輝達G300中國區液冷機櫃近一半市場份額。此外，它還在全球範圍內，為維諦提供關鍵零部件。更重要的是，它通過了輝達極其嚴苛的NPN Tier1認證，是中國大陸唯一獲得該認證的液冷供應商。過去，維諦一家獨大的格局，從此被改寫。敗給英維克，維諦並不冤，畢竟領銜英維克的不是泛泛之輩，而是前華為悍將齊勇。早在二十多年前，朗訊、北電、摩托羅拉等一眾美國通訊廠商，就敗在華為陣下，而齊勇當時就任職於華為電氣。從華為離職後的齊勇，在溫控領域默默耕耘了近二十年。這期間，他歷經技術的多次迭代，最終在AI液冷時代，臻於極致，登頂產業巔峰。過去十幾年，全球AI產業的敘事一直圍繞算力、模型和應用展開，而散熱是一個長期被忽略的主戰場。隨著算力密度持續提升，當單個GPU功耗超過千瓦時，人們才幡然醒悟：如果散熱失控，GPU再貴、演算法再先進，都是廢鐵。面對飆升的功耗，傳統風冷技術開始頂不住了。於是，液冷技術走到台前。不只國內廠商，包括維諦在內的全球頭部玩家，都在往液冷方向轉型。但問題也恰恰出在這裡。很多廠商嘴上說擁抱液冷，腦子卻還停留在風冷時代，其產品針對穩態運行的邏輯設計，難以應對AI時代的極端工況和極端負載。更麻煩的是，液冷本身也不是裝上就完事。冷板會不會被腐蝕？管路會不會漏液？冷卻液用久了會不會失效？這些事故一旦出現，輕則停機，重則整機報廢，讓很多客戶望而卻步。而齊勇帶領團隊，跳出行業思維慣性，從真實場景需求出發，去倒推AI時代究竟需要怎樣的液冷技術。最終，他們做出了令輝達難以拒絕的液冷部件和方案。以快接頭為例，英維克自研部件可滿足插拔200萬次依然穩定無故障，遠超行業平均5-10萬次的水平。微流道設計的冷板，則將熱阻值降至行業平均水平的一半以下，晶片發熱瞬間被導走，不會因過熱卡頓、當機。再加上冷卻液分配單元（CDU）的加持，猶如一個聰明的大管家，可精準泵送冷卻液、控制溫度壓力、監測漏液，節省每一度電。這種全端自研的液冷方案，從一開始就對齊了輝達的需求。它不光為穩態工況而設計，而是充分考慮到輝達AI伺服器在極端功耗、極端熱密度和長期滿負荷運轉的現實，即便在最差條件下，依然可控、可交付。這也是黃仁勳反覆斟酌之後，最終選擇英維克的原因。英維克在液冷時代的崛起，很大程度上，要歸因於齊勇的戰略遠見。早在2015年，齊勇就預判到，隨著資料中心算力密度的快速提升，傳統風冷散熱已逼近物理極限，將難以為繼。彼時，AI尚未爆發，雲端運算才初現端倪，主流資料中心仍在用風冷，液冷被視為超前的小眾技術。客戶擔心，液冷技術不成熟，一旦漏液，將導致價值數百萬的伺服器報廢。團隊內部也有人反對，認為液冷研發投入太大，風險太高，應該先鞏固公司在傳統基站業務上的地位。面對各方質疑與阻力，齊勇力排眾議，堅持押注液冷賽道。理由很簡單，技術趨勢不可逆，液冷是未來的必然方向。另外，風冷時代，市場長期被外資主導，液冷是國產換道超車的機會。拍板不容易，做起來更難。在英維克之前，無論冷板液冷還是浸沒式液冷，早有美國企業積累了數十年專利，行業主流的做法是：外購零部件，然後做整合。但齊勇卻劍走偏鋒，堅持自研核心零部件。這個決定，最初只是為了突破外資的技術壁壘，但隨著項目的推進，齊勇更堅信，只有全端自研才能解決困擾行業多年的耦合難題。液冷不是一個零件，而是冷板、接頭、冷卻液等在一起工作。過去，這些零部件來自不同供應商，將它們拼接在一起，適配困難不說，接觸久了，還容易發生漏液等嚴重事故。在算力飆升和極端負載之下，更是漏洞百出。齊勇拒絕拼湊思路，提出全鏈條戰略，在公司內部組建跨學科團隊，統籌推進全端自研。核心部件的研發沒有捷徑。為此，齊勇和他的團隊，面臨種種技術挑戰。在快接頭研發初期，為瞭解決密封件老化、插拔精度不足等問題，團隊與英特爾聯合進行了上千次的循環測試。因為複雜度極高，原計畫半年完成的測試，實際耗時接近一年。同樣經過上千次測試的，還有微通道冷板。這是英維克的專利技術，換熱效率較傳統冷板大幅提升。為瞭解決漏液這個液冷行業最大的痛點，英維克甚至自研了長效液冷工質。此舉，不僅打破了國外技術壟斷，更突破傳統工質的腐蝕魔咒，可實現5年免維護，讓裝置告別生鏽漏液。大膽押注液冷賽道的齊勇，最終摘到了果實。在AI算力大爆發時代，英維克憑藉多年的前瞻性佈局和技術積累，接住了輝達的潑天財富，成為中國液冷之王。加冕液冷之王，讓齊勇身處聚光燈下。過去一年，在輝達等巨頭訂單的刺激下，英維克股價狂飆，從每股31元一路上漲至最高117元，市值破千億。齊勇也因此賺得缽滿盆滿，按直接和間接持股計算，身價超過200億元。然而，就在媒體試圖打探這位AI液冷新貴的消息時，卻發現他十分低調。最近幾年，齊勇很少接受媒體專訪，行業峰會、論壇等公開場合也鮮少露面，似乎把更多時間花在了工作上。這位前華為老兵不喜歡拋頭露面，而更願意待在客戶現場，這是他在華為收穫的一筆寶貴財富。1968年出生在內蒙古包頭的齊勇，於上個世紀90年代，坐上南下的綠皮火車。在深圳，他通過社招進入華為電氣，從此開啟了與精密溫控的不解之緣。期間，他從普通電氣工程師成長為技術部門負責人，主持了通訊基站溫控裝置研發，參與多項關鍵技術突破。遺憾的是，2001年由於戰略調整，華為將該業務賣給了美國艾默生。但這段經歷，為齊勇植入了華為“以客戶為中心，奮鬥者為本”的基因，並養成現場主義的工作習慣：問題在現場，答案也在現場。這也成為他後來創業的核心指導思想。2005年創業初期，英維克只有8人團隊，沒有市場，沒有產品，沒有資源，沒有訂單！但有理想和一腔熱血。齊勇租來民房當辦公室，在樓道里搭建實驗室，用二手裝置搞研發。為了趕工期、偵錯產品，他帶領團隊通宵達旦，每天工作16個小時，餓了泡泡麵，累了趴在桌上打盹。一次產品測試中，空調壓縮機在高溫下突然爆裂，飛濺的金屬碎片擦過齊勇耳際，他卻異常冷靜地說：“如果連安全測試都通不過，我們憑什麼讓客戶信任？”這種對技術的極致追求，讓英維克成立僅一年，就入圍中國移動、中國聯通採購名單，打破了外資品牌在基站溫控領域的壟斷。站穩了腳跟的齊勇，並沒有忘記初心，反而以更大的熱情投入現場。為了打造更可靠的產品，他不僅組建了國家級測試中心，還要求研發人員將更多時間投入現場。從40℃高溫的新疆戈壁灘，到零下30℃的東北雪林，再到海島高鹽霧環境……英維克的產品經受住了各種極端測試。在齊勇看來，實驗室資料再完美，也抵不過現場真實運行。20年間，正是在對可靠性近乎偏執的追求中，英維克從通訊基站起步，把溫控一步步做到了儲能、AI資料中心等眾多領域，並在一個個高難度場景中，贏得客戶信任。當年，日本軟銀在全球尋求高可靠性基站方案，英維克團隊帶著裝置飛赴東京，經受住一輪又一輪近乎苛刻的測試，敲開了海外市場的大門。今天，站在AI算力時代的風口上，英維克再次贏得了輝達的信賴。科技產業一日千里，雖然英維克已在冷板市場佔據先機，更高效的浸沒式液冷路線，也正在逼近。前有強敵，後有追兵，壓力始終存在。“潮平兩岸闊，風正一帆懸。”去年8月，時逢英維克成立20周年，齊勇意氣風發，目光投向更遠的未來。“我們希望在英維克三十而立時，真正站立於精密環境控制領域的全球巔峰。”他說。 (華商韜略)

「IPO全觀察」欄目聚焦首次公開募股公司，報導企業家創業經歷與成功故事，剖析公司商業模式和經營業績，並揭秘VC、CVC等各方資本力量對公司的投資加持。圖源丨港交所今天，瀾起科技股份有限公司（06809.HK，下稱“瀾起科技”）正式在港交所敲鐘上市。這是瀾起科技自2013年納斯達克上市、2019年登陸科創板後，第三次進入公開資本市場。本次港股IPO，瀾起科技全球發售6589萬股，發售價106.89港元，募資規模達70億港元。瀾起科技開盤價168港元，開盤市值2036億港元（約人民幣1807億元）。2004年，瀾起科技由楊崇和、Stephen Tai（戴光輝）在上海創辦。它是一家無晶圓廠（Fabless）半導體設計公司，專門為雲端運算和AI基礎設施提供高速、可靠的互連晶片解決方案。公司的核心產品是記憶體介面晶片。這是連接伺服器記憶體與處理器的關鍵器件，是記憶體和CPU之間的“高速翻譯官+訊號調度員+性能加速器”，沒有它，CPU無法和記憶體進行穩定、高速的資料互動。當前記憶體介面晶片行業主流的技術標準是DDR4與DDR5，而全球範圍內具備這兩代主流標準晶片量產能力的公司僅有三家，瀾起科技就是其中之一，且是市場份額最大的一家。根據弗若斯特沙利文的報告，2024年，瀾起科技以36.8%的營收份額位居全球記憶體互連晶片市場第一。瀾起科技的護城河極深，早在2013年，其發明的DDR4全緩衝“1+9”架構就被全球微電子行業標準化組織JEDEC（聯合電子裝置工程委員會，Joint Electron Device Engineering Council）採納為國際標準。進入DDR5世代，公司進一步深度參與多項國際標準的制定，並在部分關鍵技術方向上發揮了重要作用。目前，公司產品主要供應給全球記憶體模組製造商和伺服器供應商，三星電子、SK海力士、美光科技等儲存巨頭長期是其客戶。2025年前三季度，公司營收達40.58億元，淨利潤15.76億元。公司預計，2025年全年淨利潤將增至21.5億元至23.5億元。憑藉絕對的實力，瀾起科技早年曾陸續獲得英特爾、永威投資、三星創投、君桐資本、清流投資、鋆昊資本、Theon Investment等機構的投資。在公司2019年科創板上市後，投資機構也實現了逐步退出。此次IPO，瀾起科技還引入了17家基石投資者，合計認購4.5億美元（約35.09億港元），佔全球發售股份的49.82%。基石投資者中，既有摩根大通、瑞銀、安本亞洲、霸菱、未來資產等國際頂級資管，也有阿里巴巴、雲鋒基金、華勤技術等產業資本，還有中郵理財、泰康人壽等國內長期基金，以及華登國際、AGIC Partners等專注於硬科技的風險投資機構。上市後，兩位創始人楊崇和、Stephen Tai通過珠海融英、WLT Partners等一致行動人合計控制約7.2%股權，為單一最大股東集團。花20多年做晶片楊崇和1957年出生在北京，1989年獲得了美國俄勒岡州立大學電子與電腦工程碩士及博士學位。瀾起科技董事長兼CEO、首席科學家楊崇和 圖源：瀾起科技在他博士畢業前後，正值矽谷個人電腦產業快速崛起階段，半導體行業也迎來了快速發展的黃金期。1990年，楊崇和加入美國國家半導體公司（National Semiconductor），從事晶片設計工作。在矽谷的四年裡，他身處一個從設計工具、製造到市場都較為成熟的產業環境，在積體電路設計方面打下了紮實基礎。他後來形容這段經歷是“學功夫先扎馬步，當時覺得枯燥，後來才知道是一輩子的底氣”。而此時的國內半導體產業仍以引進和消化技術為主，自主設計能力薄弱，專業的設計公司、EDA工具和人才都極為稀缺，完整的產業生態更是無從談起。1994年，楊崇和做了一個在周圍人看來有些“瘋狂”的決定：放棄矽谷的工作，回國。他的想法很簡單：“我覺得中國半導體總得有人去拓荒。”就這樣，他成為了改革開放後最早從矽谷回國的晶片設計專家之一。由於當時“海歸”一詞還未流行，他後來笑稱自己是“史前海歸”。回國後，楊崇和在上海貝嶺負責籌建新品研發部門，從零搭建晶片設計團隊。面對人才缺乏、經驗斷層的現實，他白天開發產品，晚上開課培訓，參與培養了國內最早一批晶片設計人才。到1997年，在時任電子工業部長胡啟立的支援下，楊崇和聯合岑英權、黃浩明創立了新濤科技，專注於通訊積體電路研發，這是國內首家引入矽谷風投模式和管理風格的IC設計公司，其股權和管理模式後來也被多家本土晶片公司借鑑。創業初期條件艱苦，團隊白天畫圖，晚上就睡折疊床。更大的挑戰來自市場的不信任。為了打開局面，楊崇和帶著樣品飛往日本，向松下反覆演示產品性能。1999年4月，松下最終決定採購新濤的晶片，這是本土IC設計公司首次打入半導體發達國家市場。有了國際客戶的背書，後面訂單也隨之而來。2001年4月17日，新濤科技被美國IDT公司以8500萬美元現金收購。這也成為中國大陸IC設計公司第一起成功退出案例。按照協議，楊崇和要在IDT任職三年。這期間，他親眼目睹了消費電子晶片領域慘烈的價格戰，幾十家企業扎堆同質化市場，毛利率被壓至10%以下，企業連持續研發都難以為繼。在這一時期，他結識了Stephen Tai。Stephen Tai擁有約翰霍普金斯大學本科學位和史丹佛大學電子工程碩士學位，是Marvell的核心創始成員之一。當時他是Marvell的工程研發總監，在技術上的造詣讓楊崇和眼前一亮。瀾起科技執行董事兼總裁Stephen Tai 圖源：瀾起科技楊崇和後來說：“當時就覺得，這個人是我未來創業最需要的夥伴。既有頂尖技術實力，又懂市場需求。”2004年IDT合約期滿，楊崇和婉拒公司挽留，回到上海和Stephen Tai聯合創立了瀾起科技。楊崇和擔任董事長兼CEO、首席科學家，負責戰略、市場與資本；Stephen Tai出任總裁，執掌技術研發，這個分工一直延續至今。關於二次創業，楊崇和說：“很多人成功後就去做投資了。但我可能在半導體行業陷得太深，拔不出來了。”這一次，他們沒有選當時熱門的消費電子晶片，而是選了一個當時冷門但技術壁壘極高的賽道：記憶體介面晶片。楊崇和預判，未來雲端運算的爆發將引爆伺服器對高速記憶體的核心需求。“瀾起”一名取自宋代文學家蘇轍的詩句“止為潭淵深，動作濤瀾起”。這是對前一家公司“新濤”的名字傳承，也寄託著楊崇和對中國晶片設計行業“後浪推前浪”的期許。從一開始，楊崇和為瀾起定下長期主義基調：“我想把它帶上市，做成一家真正成功的設計公司，而不是中途賣掉賺錢。”他堅信，在科技領域，必須先做強、再做大，“沒在自己的領域做到前兩名時，不要急著耕別人的田，因為第三名往往只能喝湯。”之後二十多年裡，楊崇和帶著團隊扎進了資料互連晶片賽道。他說，“晶片是人類迄今為止所發明的最複雜的玩意兒”，要想做好，就必須放棄急於求成的模式，要耐得住寂寞和辛苦。他還說，“要像明代木匠那樣做晶片”——以榫卯工藝的極致精細和一生磨一技的專注，來打磨晶片的每一處內在架構。後來的故事證明，楊崇和不僅做到了，還做到了全球第一。從納斯達克到上交所再到港交所最開始，瀾起科技的研發策略是“雙產品線平行”。一方面，公司將記憶體介面晶片作為長期核心賽道持續投入。2003年，JEDEC（固態技術協會，全球微電子產業的核心標準制定機構）完成DDR2標準制定，隨後DDR2記憶體開始規模化商用，伺服器記憶體市場逐步成形。2005年，瀾起科技推出首款DDR2高級記憶體緩衝晶片M88MB3000，並通過關鍵行業認證，在當時由國際廠商主導的領域實現了突破。DDR3/2產品圖源：瀾起科技2006年，楊崇和帶著這款DDR2晶片前往美國與英特爾進行技術交流。實測結果顯示，該晶片功耗比業界頂尖水平低近40%，且不犧牲其他性能指標。之後英特爾派人到上海考察後，與永威投資各向瀾起科技出資500萬美元，並停止自研相關晶片項目，轉而採用瀾起科技的產品。這款晶片適配當時英特爾力推的FBDIMM架構，主要應用於伺服器和工作站的記憶體模組。另一方面，為緩解早期研發資金壓力，瀾起科技同步佈局了數字機頂盒晶片業務。隨著國內數字電視普及加速，公司於2006年推出DVB-S調諧晶片M88TS2000，隨後在2007年推出衛星電視主控晶片MT1300，該晶片後來佔據了國內市場60%的份額。在2012年之前，機頂盒晶片業務貢獻了公司超過90%的營收，是公司早期穩定的現金流來源。但在DDR2向DDR3演進過程中，行業技術路線發生轉變，導致瀾起科技基於前代架構的積累幾乎“歸零”。公司不得不重新投入DDR3記憶體介面晶片研發，幾乎相當於從頭再來。直到2011 年，瀾起科技取得重大技術突破，推出了DDR3記憶體介面晶片。2012年，公司再次通過英特爾認證，成為當時全球僅有的兩家獲此認證的記憶體介面晶片廠商之一，並陸續獲得三星、SK海力士等主流記憶體廠商認可。2013年，隨著DDR4時代開啟，瀾起推出首款DDR4記憶體緩衝晶片，並率先獲得英特爾認證。在伺服器生態中，獲得CPU廠商的認證是產品進入市場的關鍵通行證，這一步為瀾起科技打開了通往國際主流市場的大門。隨著技術能力的集中釋放，瀾起科技開始第一次走向全球資本市場。2013年9月26日，瀾起科技以“Montage Technology”之名登陸納斯達克，發行價10美元/股，上市首日股價收於12.8美元，市值約6億美元。彼時，公司記憶體介面晶片收入佔比已接近九成，毛利率達68.4%。然而，上市不到半年，公司遭遇做空機構指控財務造假，股價單周暴跌27%，陷入集體訴訟和退市風險。儘管後續獨立審計證實了財報真實性，但公司聲譽和融資能力已嚴重受損，納斯達克更於同年4月發出退市警告。2014年11月，在浦東科投、中國電子旗下中電投資控股等資本支援下，瀾起科技完成私有化退市，估值約6.93億美元，成為國內首個由國資主導完成私有化的半導體設計企業。退市後，公司進行了戰略收縮。2017年，瀾起將機頂盒晶片業務分拆成立瀾至電子科技（Montage LZ），集中資源投入伺服器記憶體介面晶片研發。事實上，瀾起科技早在2013年就發明了DDR4“1+9”分佈式緩衝架構，實現了用1顆RCD晶片（寄存時鐘驅動器，相當於總指揮）指揮9顆DB晶片（資料緩衝器，相當於專屬助理），取代了之前的集中式設計，將資料負載分散，大幅減輕了CPU與記憶體顆粒之間的訊號負載和傳輸損耗，解決了伺服器記憶體容量與速度難以兼顧的矛盾。DDR4產品 圖源：瀾起科技同年，該架構被JEDEC採納為DDR4 LRDIMM國際標準。這是中國晶片企業首次主導記憶體介面領域的國際標準，也意味著瀾起科技開始參與到行業規則的制定中。2016年，瀾起科技與英特爾、清華大學聯合啟動“津逮伺服器”研發，通過融合自研安全模組繫結英特爾CPU，打造面向本土市場的國產化伺服器解決方案，進一步深度嵌入全球X86生態。2018年初，隨著國內資本市場設立科創板的預期日益強烈，瀾起科技這類擁有核心技術的“硬科技”公司成為投資機構青睞的對象。當年2月，瀾起完成8.34億元申報前增資，珠海融英股權投資、珠海融揚股權投資等機構參與，投後估值達51億元。11月，瀾起科技再完成新一輪1.95億美元融資，投資方包括英特爾資本和三星創投。在9個月內，公司估值從51億元飆升至118億元，實現翻倍增長。市場的高度期待，在2019年科創板開板時得到徹底釋放。2019年7月22日，瀾起科技作為科創板首批25家企業之一掛牌上市，首日市值突破千億，成為科創板萬眾矚目的晶片龍頭。不一樣的出海策略科創板上市後，瀾起科技的技術迭代節奏明顯加快。在記憶體介面晶片這一核心賽道上，公司幾乎保持著每年推進一個子代的節奏：2021年率先實現DDR5第一子代晶片量產，2023年試產速率達8000MT/s的第三代RCD晶片。到2024年，第五子代晶片已開始規模出貨。當年，瀾起科技記憶體介面晶片的全球營收份額提升至36.8%，超過瑞薩（36%）和Rambus（20.5%），位居行業首位。這一輪密集迭代，正值全球計算架構加速向AI轉型。隨著GPU成為算力核心，資料中心內部的資料搬運需求急劇增加。楊崇和曾用一個簡單的比喻來概括公司的佈局方向：“在今天的智算系統裡，高速互連晶片的作用更像是一名‘資料搬運工’。”他把這種能力稱為“運力”，即在計算與儲存之間實現更高頻寬、更低時延的資料傳輸。基於這個判斷，瀾起科技在記憶體介面晶片之外，佈局了PCIe/CXL互連和新型互連晶片領域。2022年，公司全球首發支援CXL 2.0標準的記憶體擴展控製器晶片（MXC），並成為首家通過CXL聯盟認證的供應商。2023年，PCIe 5.0 Retimer晶片實現量產，用於解決AI伺服器高速訊號在長距離傳輸中的衰減問題。在主流配置下，一台8-GPU伺服器通常需要部署多顆該類晶片，產品逐步進入放量階段。圖源：招股書2024年，PCIe Retimer、MRCD/MDB及CKD三款互連類新產品合計實現收入3.2億元，是上一年的8倍，成為公司新的增長來源。圖源：招股書2022年至2024年，瀾起科技實現營收分別為36.7億元、22.9億元、36.4億元，歸母淨利潤分別為13億元、4億元、14.12億元。自2011年以來，公司已連續14年保持盈利。圖源：招股書從收入結構看，海外市場已成為瀾起科技最重要的組成部分。但與許多企業“先國內後海外”的路徑不同，瀾起科技的出海不是簡單的商品輸出，而是通過掌握標準、嵌入全球產業鏈、提供本地化價值，讓自己成為全球生態中難以替代的一環。在半導體行業，技術標準往往決定了產品能否進入主流市場。瀾起科技更像是“先參與制定遊戲規則，再成為最強玩家”。2021年，它進入JEDEC固態技術協會董事會，成為目前中國唯一進入該董事會的晶片企業。從DDR4的“1+9”架構到DDR5相關子規範，瀾起都參與了制定。JEDEC曾評價，瀾起科技的技術創新推動了記憶體介面領域的發展。標準參與帶來的直接影響是，產品在設計階段便與全球主流生態保持一致，而新進入者在相關領域需遵循既有規範，並完成周期較長的認證流程，這在客觀上提高了行業進入門檻。在客戶層面，瀾起的主要客戶集中在產業鏈上游，直接服務三星、SK海力士和美光等全球DRAM廠商，這些廠商合計佔據了全球市場絕大部分份額。瀾起科技的晶片通過認證後，直接整合到它們的記憶體模組中，隨產品銷往全球，因此無需自建面向終端的銷售體系。為了服務好核心客戶，瀾起科技採用了“產業鏈跟隨”的策略。由於主要客戶總部位於韓國，公司在首爾設立技術支援與聯合研發中心，讓工程師能與客戶團隊就近協作，提供及時的技術支援。同時，新加坡設立亞太總部，以更靈活地管理區域業務和應對地緣風險。這種投入使合作關係從“買賣”轉向共同研發，大大增強了客戶粘性。2025年前三季度，瀾起海外收入29.21億元，佔總營收72%，其中韓國市場（佔比54.6%）貢獻過半。圖源：招股書一個值得注意的細節是，瀾起在北美市場的直接銷售收入佔比不足1%。但這並非能力問題，而是一種主動選擇。在楊崇和看來，美國市場出口管制嚴格，與其冒風險，不如將資源集中在韓國、東南亞等產業鏈核心且風險更可控的區域，通過靈活的交付網路去服務全球客戶。市場仍處於擴容階段瀾起科技所處的記憶體介面及高速互連晶片行業，主要服務於伺服器和資料中心，其發展與計算架構的演進高度相關。過去十餘年，行業技術迭代主要圍繞記憶體代際升級展開，從DDR3、DDR4到DDR5，單顆晶片速率和系統頻寬持續提升。進入DDR5階段後，記憶體介面晶片在伺服器系統中的地位明顯提高，逐步由可選配置轉變為標準配置。近幾年，行業的增長邏輯有了新變化。隨著以GPU為核心的AI計算架構成為主流，資料中心內部的資料流動模式發生了根本改變。算力與儲存之間需要頻繁交換海量資料，這使得系統對高頻寬、低延遲互連技術的依賴不斷增強。在這一背景下，記憶體介面晶片以及PCIe、CXL等高速互連晶片，逐漸從“配套器件”變為資料中心基礎架構的重要組成部分。整體來看，全球高速互連晶片市場仍處於擴容階段，一方面DDR5在伺服器端的滲透率持續提升，另一方面CXL、PCIe 5.0/6.0等新一代互連標準尚處於放量初期，應用場景仍在不斷拓展。AI大模型的快速發展進一步放大了這一需求。模型規模、資料量和計算量的激增，對資料傳輸頻寬和記憶體訪問效率提出了更高要求，高速互連晶片已成為擴展AI算力的重要支撐。弗若斯特沙利文資料顯示，2024年全球高速互連晶片市場規模約為154億美元，預計到2030年將增長至490億美元，復合年增長率為21.2%。其中，中國市場增速更快，2024年市場規模約佔全球的25%，預計到2030年將提升至30%，這主要得益於中國AI伺服器需求的快速增長。在需求增長的同時，行業門檻也在同步抬升。高速互連晶片研發投入高、技術迭代快，對工程能力和資金實力要求較高。下遊客戶高度集中，產品認證嚴格且周期長，單一項目成敗影響重大。此外，全球半導體產業鏈還面臨著地緣政治和合規環境等外部不確定性。這些因素共同作用，使得記憶體介面及高速互連晶片行業長期呈現出集中度較高的特徵。無論是技術門檻、客戶認證周期，還是對國際標準的參與程度，都決定了該領域更有利於少數具備長期積累的廠商展開競爭。從現有格局來看，該市場主要由國際廠商主導，不同企業在細分方向和競爭優勢上各有側重，競爭核心集中在標準參與度、產品成熟度以及與伺服器產業鏈核心客戶的繫結能力等方面。再看瀾起科技此次上市，公司計畫將資金主要投向未來五年互連類晶片的前沿研發，包括對DDR6等下一代技術的預研，約15%用於戰略投資及併購，其餘部分則用於加強全球化營運和補充流動資金。這一安排與高速互連行業高研發投入、長周期回報的特點相符合，也反映出公司在持續技術投入的同時，正通過資本手段強化全球佈局和產業協同，以應對未來的競爭。 (創業邦)

過去三十年，輝達的顯示卡一直在推動遊戲產業向前發展。《賽博朋克 2077》、《荒野大鏢客 2》這些 3A 大作，都建立在顯示卡性能不斷進步的基礎上。沒有輝達這三十年的持續研發，就沒有今天規模超過3000億美元的全球遊戲產業。但這個故事突然停止了。輝達宣佈無限期推遲新一代遊戲顯示卡的研發，官方給出的理由是“記憶體供應受限，優先供應資料中心”。這讓全球遊戲產業正在經歷一場前所未有的危機。禍不單行，AI技術的革新換代，也讓遊戲開發者們感到了危機。生成式AI正以超出預期的速度替代遊戲開發的每一個環節。從美術素材到NPC對話，從關卡生成到音效配樂，AI工具正在大規模替代傳統人力。Google發佈Genie 3世界模型的那一天，甚至直接引起了遊戲公司股價集體暴跌。如果AI能在一分鐘內生成“類塞爾達”遊戲，那麼開發一款遊戲就需要好幾年的遊戲廠商們，還有存在的必要嗎？正是這兩股力量同時作用，才讓整個行業出現了重塑的先兆。然而，恐慌之下，遊戲行業真正的護城河也在顯現，因為有些東西是無法被演算法複製的，比如遊戲的靈魂。這場危機，既是行業的至暗時刻，也是重新定義“遊戲”本質的契機。01輝達“拋棄”遊戲玩家從產品上來看，RTX 50系列的新版本，代號“Kicker”，設計已經完成，但被無限期擱置。同時，原本計畫在2027年底量產的RTX 60系列，也就是採用Reuben架構的新一代顯示卡，現在被推遲到了2028年。對於習慣了每兩年就能看到新一代顯示卡的玩家來說，這意味著要面對一個長達三到四年的技術真空期。事實上輝達已經不算是一家遊戲顯示卡公司了。2026財年第三季度，輝達總營收達到570億美元，其中資料中心業務貢獻了512億美元，佔比高達90%。遊戲業務呢？僅僅43億美元，佔比7.5%。如果看全年資料，2025財年資料中心業務收入1152億美元，佔總收入的88.3%，而遊戲業務只有113.5億美元，佔 8.7%。更關鍵的是增長率：遊戲業務增長了9%，但資料中心業務暴漲了142%。不可否認的是，遊戲業務已經從曾經的核心類股淪為邊緣業務，成了一個很邊緣的存在。對於一家市值超過4兆美元的公司來說，遊戲GPU帶來的利潤已經不值得他們投入太多資源。如果放在以前可能輝達頂多會縮減遊戲業務的預算，但是現在情況不太一樣。TSMC的晶圓產能本就緊張，美光等記憶體廠商又將重心轉向資料中心，記憶體價格一路飆升。輝達必須做出取捨。從商業邏輯來看，資料中心業務每單位投入的產出遠超遊戲顯示卡。Oracle、AWS 這些雲服務商帶著“大袋鈔票”搶購算力，輝達當然知道該把有限的資源分配給誰。記憶體短缺的嚴重程度超出了大多數人的想像。2025年10月，OpenAI啟動了“星門計畫”，與三星和SK海力士簽訂協議，每月採購90萬片DRAM晶圓，這相當於全球產量的40%。輝達真正需要的是HBM，也就是高頻寬記憶體。這種記憶體在原材料層面需要的矽是傳統DRAM的三倍。美光公司率先退出了消費級記憶體市場，他們旗下的Crucial品牌不再生產面向普通消費者的記憶體條。三星也開始向資料中心傾斜，他們只做了大約70%的DRAM訂單，剩下30%全部流給了其他品牌。市場研究機構TrendForce的資料顯示，2025年DRAM價格上漲了172%，而2026年第一季度預計還要再漲 50% 到 55%。美光的副總裁直截了當地說：“我們2026年一整年的產能都已經賣光了。”這不僅僅是輝達的問題，整個供應鏈都在發生同樣的轉向。TSMC的2奈米製程產能據說已經完全售罄了，黃仁勳也曾公開表示，TSMC需要在未來十年內將產能翻倍才能滿足他們的需求。輝達不僅停止了新卡的研發，甚至開始削減現有產品的供應。RTX 5070 Ti被華碩列入了“生命周期終止”名單，因為他們從輝達那裡拿不到足夠的GPU晶片。輝達和華碩都發佈了公關聲明，說這款顯示卡“並未停產”，但一家海外硬體媒體表示：“不管官方怎麼說，實際上就是越來越少了。”作為遊戲行業的硬體基石，輝達的腳步一旦放慢，整個行業勢必出現連鎖反應。PC遊戲的硬體升級周期被迫延長，遊戲開發商無法依賴新一代硬體性能的提升來推動技術進步，3A大作的畫質軍備競賽遭遇了天花板。玩家的升級成本居高不下，這直接阻礙了市場的擴張。輝達有難，你以為老對頭AMD和英特爾可以爽吃增量市場？錯！AMD的RDNA 5架構也被推遲到2027年末，因為他們也要優先生產用於AI的Instinct 系列晶片。而英特爾的高端 Battlemage B770獨立顯示卡也在同一時間被擱置了。這場危機的本質，是一個產業被另一個產業擠出了生存空間。一個資料中心機架裝滿Rubin GPU能帶來的利潤，超過數十萬張遊戲顯示卡的總和。在這種利潤差距面前，任何關於“玩家忠誠度”的討論都顯得蒼白無力。遊戲玩家們曾經是輝達最忠實的擁躉，他們排隊搶購每一代新顯示卡，支撐輝達這家公司走到今天。但現在，當AI的浪潮席捲而來，這份三十年的情分被一句“記憶體供應受限”輕飄飄地打發了。令人唏噓。02AI技術的軟衝擊如果說輝達的轉向是對遊戲行業的硬體封鎖，那麼生成式AI的崛起則是一場更隱蔽但同樣致命的軟性衝擊。這場衝擊的標誌性事件發生在2026年1月29日，Google發佈了基於Genie 3世界模型的Project Genie。1月30日美股開盤後消息擴散並引發股價反應，遊戲行業的股價經歷了一場“大屠殺”。Unity Software單日暴跌24.22%，創下2022年以來最大跌幅。Take-Two下跌7.93%， Roblo暴跌13.17%， AppLovin重挫16.89%。三家公司單日市值蒸發約195億美元，折合人民幣約1400億。就連任天堂和CD Projekt Red這樣的遊戲巨頭也未能倖免，股價紛紛下挫。實際上造就如此局面的底層邏輯異常簡單，如果AI能用一分鐘生成一個可互動的3D世界，那些花費數年時間、投入數億美元開發遊戲的公司還有什麼價值？Project Genie展示的能力確實令人震撼，使用者只需輸入“卡通風格的3D賽車遊戲”這樣的文字提示，或者上傳一張《塞爾達傳說》的截圖，它就能生成一個看起來相當逼真的遊戲世界。你可以在裡面移動、探索，甚至進行一些簡單的互動。Unity的CEO馬修·布隆伯格（Matthew Bromberg）不得不在社交媒體上安撫市場說：“世界模型的輸出是機率性的，而遊戲是確定性系統，兩者本質不同。”摩根士丹利的分析師也指出，Genie 3的記憶窗口只有1分鐘，超過這個時間，它就會開始“遺忘”初始場景，整個世界的結構可能隨之崩潰。恐慌雖然確實有點過了，但AI對遊戲行業的衝擊卻是真實存在的。在某些特定領域，AI正在以驚人的速度替代傳統人力。美術素材是第一個被攻陷的陣地。AI已經能夠快速生成概念圖、紋理貼圖、角色設計和場景草圖。現在已經有遊戲大廠，通過AI來批次生成NPC外觀、建築細節和植被變體。這並不意味著美術師會失業，但它確實改變了工作流程。那些重複性高、創意要求低的素材製作工作，正在被AI接管。NPC對話和次要劇情是另一個AI將要接管的領域。AI可以生成無限量的NPC閒聊對話，根據玩家輸入即時生成回應，理論上實現“真正的互動”。雖然質量堪憂，但對於那些本來就不重要的路人甲乙丙，AI對話“夠用”且成本極低。主要劇情仍然需要人類編劇的精心打磨，但大量填充性內容正在被AI接管。關卡原型和結構生成也在發生變化。AI可以用大模型生成關卡藍圖和結構框架，根據難度曲線自動生成關卡佈局。King公司開發的《糖果傳奇》已經在用AI輔助設計將近2萬個關卡。當然，AI生成的關卡往往“能玩”但缺乏精妙設計，它適合重複性高、規則明確的關卡，比如三消遊戲或跑酷遊戲，但不適合需要精心雕琢的解謎關卡，比如《塞爾達曠野之息》裡各種精巧的神廟。音效和配樂領域，AI的優勢更加明顯。AI可以根據場景自動生成背景音樂，語音合成技術已經接近真人水平。尤其是成本，AI幾乎零成本，而配音演員非常昂貴，一些國內聲優單條語音報價上千元，一款3A遊戲可能包含數千到數萬條語音。這種成本差距面前，製作方的選擇不言而喻。最後就是程式碼和Bug修復。這一塊無需多言，當下最火的賽道就是AI程式設計。Claude Opus 4.6、GPT-5.3 Codex這兩個剛剛發佈的AI程式設計工具甚至讓各大軟體公司股價暴跌，足以見得其威力。這些變化正在重塑遊戲開發的成本結構。過去，一款3A遊戲的開發可能需要數百名美術師、編劇、音效師和程式設計師，耗時數年，花費數億美元。現在，AI工具可以將其中相當一部分工作自動化，大幅降低成本和時間。這對獨立開發者是福音，但對傳統遊戲公司卻是威脅。GDC（遊戲開發者大會）2026 年的調查顯示，36%的遊戲行業從業者已經在工作中使用生成式AI工具，這個比例在發行商、行銷和公關公司中高達58%。但與此同時，52%的開發者認為生成式AI對遊戲行業產生了負面影響，這個比例比2025年的30%和2024年的18% 都要高得多。矛盾的資料背後是行業的撕裂。商業決策者看到的是效率提升和成本降低，而一線開發者看到的是工作崗位的流失和創意空間的壓縮。這種情緒不難理解。遊戲開發是一個創意密集型行業，從業者往往對自己的作品有強烈的情感投入。當AI開始接管那些曾經需要人類創造力的工作時，他們感受到的不僅是職業威脅，更是一種存在價值的消解。03人類的護城河，那些領域可以笑傲 AI然而，遊戲行業真正的護城河，是AI無論如何也無法複製的。2026年2月，投資銀行Bernstein發佈了一份關於遊戲行業的研報，其中有一段話值得反覆品味：“生成式AI是機率性工具，遊戲是確定性系統，兩者本質不同。AI能加速素材生產，但無法替代遊戲規則設計、數值平衡及 IP 積澱帶來的護城河。”這句話點出了問題的核心。遊戲的靈魂不在於素材的生成速度，而在於IP價值、世界觀建構、玩法創新和情感共鳴。而在可預見的未來，我並不認為AI有能力攻破這道城牆。IP價值是第一道防線。任天堂的馬力歐IP誕生於1985年，近40年來推出了超過200款遊戲，橫跨所有品類。2023年《超級馬力歐兄弟大電影》全球票房13億美元，成為史上最高票房的遊戲改編電影。在任天堂Switch平台上，8年間馬力歐系列推出了29款遊戲，平均每年3款以上。《馬力歐賽車8豪華版》銷量突破 7000 萬份，是Switch平台的絕對霸主。馬力歐系列的累計銷售額已經超過500億美元，這個數字還不包括周邊商品、主題公園和影視改編帶來的收入。AI可以在1分鐘內生成“類似塞爾達”的世界，但它生成不了玩家對林克、海拉魯的情感寄託。AI可以模仿《巫師》的中世紀奇幻風格，但它給不了玩家傑洛特那種遊走於灰色地帶的道德選擇所帶來的思考。IP的核心價值不在於素材，而在於時間、一致性和情感積累，這是AI無法速成的。世界觀與敘事深度是第二道防線。R星的《荒野大鏢客2》是一個標竿性的案例。這款遊戲的開發周期長達8年，團隊上千人，預算超過5億美元。劇本堆起來有幾英呎高，動捕素材上千天，超過千名演員參演。遊戲為了儘可能還原當年的西部世界，於是特地設計了一個擁有完整的“電力系統”，每一個有電燈的建築，房簷下都連著電線，最終匯入同一棟建築。對於那些深山老林的房屋，有電燈但關閉的，如果有人居住就會點燃蠟燭。NPC 的屍體會隨時間腐爛，樹木上的彈痕會保留到天荒地老。這些細節看似無關緊要，但正是它們共同構成了遊戲世界的“生命感”。油管博主Any Austin對《荒野大鏢客 2》做了深入研究，發現遊戲中幾乎每一個擁有電燈的建築，電線都是真實連接的，它們跨越雪山草地、河流沼澤，最終匯入一棟名為Lanik電力公司的建築。這種細節很少有玩家在意，但是卻十分還原《荒野大鏢客2》背景故事的設定，這也是AI無法企及的。玩法創新與機制設計是第三道防線。“好玩”是遊戲設計中最玄學也最核心的問題。最佳獨立遊戲《Celeste》（蔚藍）的設計團隊在GDC的演講中透露，他們在設計過程中反覆調整和移除那些“不公平”的關卡和機制。遊戲的核心玩法極簡，只有跑、抓、爬和衝刺四個動作，但通過這些基礎機制的組合，創造出了極其豐富和複雜的玩法深度。設計師必須在“匹配玩家意圖”和“要求精確執行”之間找到平衡，讓遊戲既能硬核又能寬容。遊戲允許玩家在落地前稍早輸入跳躍指令，模擬圓角防止玩家卡在尖角，允許玩家在牆前而非貼牆時就能蹬牆跳。每一個機制的調整都會影響整個遊戲體驗，這種複雜的系統平衡需要人類設計師反覆測試和迭代，理解玩家心理、挑戰欲和成就感，在“太簡單無聊”和“太難勸退”之間找到那個微妙的平衡點。而這才是真正意義上的“好玩”。文化深度與社會批判是第四道防線。《合金裝備》系列的哲學深度更是令人驚嘆。小島秀夫用近 30 年時間，建構了一個涵蓋冷戰、核威懾、資訊時代、生物科技的龐大世界觀，每一作都引入新的哲學思考。當科樂美在2015年強行終止小島的創作後，雖然仍然擁有版權，但玩家普遍認為“IP 的靈魂已經離開”。AI可以模仿風格，但它無法還原出那種帶有“歷史偏見”和“文學厚度”的劇情。這些所謂的靈魂，才是優秀遊戲真正被玩家熱愛的理由。社交與社區生態是最後一道門檻。《DOTA》是一個絕佳的案例。這款遊戲最初只是《魔獸爭霸3》的一張自訂地圖，由玩家社區自發創作和迭代。從2003年誕生至今，它已經走過了20多年，衍生出了獨立遊戲《DOTA 2》和無數模仿者。《DOTA》的生命力不在於畫面技術或者素材質量，而在於玩家社區的持續投入。每一個英雄的技能組合、每一次版本更新的平衡調整，都是在玩家的反饋和討論中打磨出來的。職業賽事The International的獎金池由玩家眾籌，2021年曾達到4000萬美元，這種參與感讓玩家與遊戲之間形成了遠超“消費者與產品”的關係。AI可以生成一個看起來像《DOTA》的遊戲框架，但生成不了玩家社區二十年來積累的戰術理解和文化認同。這五道防線共同構成了遊戲行業的護城河。AI可以成為遊戲開發的超級畫筆，但只有在人類“畫家”的手中，它才能畫出具有文化深度和社會影響力的曠世佳作。遊戲行業正站在一個十字路口。一邊是輝達的算力封鎖和AI的技術衝擊，另一邊是人類創造力的堅固防線。這場危機既是挑戰，也是機遇。遊戲的未來不會是“人類 vs AI”，而是“人類+AI”。AI是工具，人類是靈魂。只有當兩者結合，才能創造出真正偉大的作品。這場危機的最終結果，不會是遊戲產業的死亡，而是遊戲本質的回歸，回歸到創意、情感和人性，回歸到那些讓我們真正熱愛遊戲的東西。算力荒會過去，AI浪潮會平息，但好遊戲永遠不會過時。因為遊戲的核心從來不是技術，而是人。 (字母AI)

一位Google軟體工程師表示，若不考慮成本因素，博通等廠商生產的定製晶片，永遠會是他建構前沿人工智慧模型的首選方案。“如果資源不受限，且我需要快速推進項目、開展儘可能多的模型訓練工作，那麼我會百分之百選擇某種定製晶片。” Google Gemini 人工智慧團隊工程師加布裡埃爾・拉斯金在接受美國消費者新聞與商業頻道（CNBC）採訪時強調，“計算過程的每一秒都至關重要。”隨著超大規模資料中心營運商對定製晶片的需求日益攀升，這種觀點正被越來越多人認同，而博通在該賽道已處於領跑地位。Google正是借助由博通聯合設計的張量處理單元（TPU），成功完成了 Gemini 3 大語言模型的訓練。這款模型於去年 11 月正式發佈，助力這家字母表公司（Alphabet）旗下業務重新躋身頂級大語言模型的競爭行列。TPU 的出色性能，也讓Google成為能與行業標準輝達圖形處理器（GPU）分庭抗禮的 AI 晶片供應商。定製晶片專為特定的大規模任務設計，這一點是輝達通用型 GPU 所不具備的。不過，輝達首席執行長黃仁勳近期卻淡化了定製晶片對其業務的威脅。他在上個月接受吉姆・克萊默採訪時稱：“輝達的產品具備更強的通用性，能夠覆蓋的市場範圍也遠比聊天機器人領域廣闊得多。”去年 11 月，輝達曾在社交平台 X 上發文稱 “對Google的成功感到欣喜”，但同時也強調：“輝達的技術領先行業一代 —— 我們是唯一能運行所有 AI 模型，且能在各類計算場景中落地應用的平台。”誠然，無論是 TPU 還是其他同類競爭產品 —— 這類晶片也被稱為專用積體電路（ASIC），都不會徹底取代輝達。Google本身也是輝達的大客戶之一，其雲基礎設施營運高度依賴大量 GPU，同時也依靠這些 GPU 為客戶提供算力，支撐他們訓練和運行自有 AI 模型。Google研發 TPU 的歷史已超過十年，目前也向雲服務客戶開放 TPU 的使用權限。Google雲在全球雲服務市場中排名第三，僅次於亞馬遜雲和微軟雲。值得注意的是，亞馬遜與微軟同樣一邊維持著輝達大客戶的身份，一邊積極推進自研定製晶片的佈局。行業專家普遍認為，現階段輝達面臨的市場風險相對有限，但部分人士指出，輝達在 AI 晶片市場的主導地位正迎來考驗。D.A. 戴維森公司分析師吉爾・盧里亞在接受 CNBC 採訪時表示：“任何市場中，企業都會面臨一定的市場份額流失風險。這是自由市場的必然規律，高額利潤自然會吸引競爭者入局，當前的 AI 晶片市場正是如此。輝達的大客戶，尤其是亞馬遜、Google、微軟、元宇宙平台公司（Meta）這類頭部企業，並不希望過度依賴單一供應商。”去年 10 月博通與 ChatGPT 開發商 OpenAI 達成定製晶片合作協議，進一步印證了市場的多元化趨勢。儘管博通在定製晶片領域進展顯著，但盧里亞強調，GPU 的核心地位仍不可撼動。“即便是Google，TPU 也只是一種補充工具。過去，Google的 TPU 主要用於內部業務；如今雖開始對外開放，甚至啟動銷售，但該公司採購的晶片仍以輝達產品為主。”一位熟悉晶片研發細節的蘋果內部人士指出，專用積體電路（ASIC）的生產門檻極高，這一特點對輝達十分有利。對規模較小的企業而言，研發定製晶片不僅耗時長久，成本也十分高昂，此外，晶片代工廠的產能供應受限也是一大制約因素。需要明確的是，博通與輝達均為無晶圓廠晶片設計公司，它們的晶片生產工作均交由台積電（TSMC）等代工廠完成。蘋果自 2010 年起便啟動自研晶片項目，目前正逐步用自研晶片替換旗下裝置中的第三方晶片。盧里亞評價道：“博通在定製晶片領域的表現最為突出。” 博通首席執行長霍克・譚在上個月的財報電話會議中披露，公司 AI 業務營收同比增長 65%，達到 200 億美元，帶動半導體業務全年營收創下 370 億美元的歷史新高。他同時證實了此前的傳聞 —— 上一輪財報中提及的、下達 100 億美元訂單的第四大客戶，正是人工智慧公司 Anthropic。不過盧里亞也指出：“輝達的主導地位未來仍將穩固，這一點不難預判，但博通的市場地位則相對脆弱。Google是博通目前最大的客戶，如果Google效仿蘋果，直接與台積電開展合作，那麼博通面臨的風險將遠超輝達當前的處境。”盧里亞預測，未來五年內，輝達有望維持 50% 以上的市場份額；未來三年內，其市場份額或將保持在 70% 以上。這位 D.A. 戴維森分析師給予輝達 “買入” 評級，目標股價定為 250 美元 / 股，較周四收盤價仍有近 31% 的上漲空間。華爾街其他機構也在密切關注兩家公司的動態。摩根士丹利本周重申對博通和輝達的 “買入” 評級，同時指出 “儘管市場對 ASIC 晶片熱情高漲，但更看好輝達”。該機構分析師表示，隨著維拉・魯賓（Vera Rubin）平台將於 2026 年下半年正式投產，輝達將憑藉雲端運算領域 “行業最高投資回報率解決方案” 鞏固優勢。相比之下，沃爾夫研究公司對博通的態度更為樂觀。該機構分析師在報告中寫道：“Google向第三方開放 TPU 使用權，意味著輝達真正的競爭對手已經出現。” 他們補充稱，博通將成為這一趨勢的主要受益者。沃爾夫研究於周五將博通評級上調至 “買入”，並預測到 2028 年，TPU 的出貨量將達到約 700 萬片，同時給予博通 400 美元 / 股的目標價，較周四收盤價有近 21% 的上漲潛力。吉姆・克萊默在周五的《財經早班車》節目中表示，此次評級上調對投資者而言是 “及時的科技股投資建議”。博通股價目前較其近 413 美元的歷史收盤高點下跌近 20%，年初至今跌幅達 4%，正是佈局優質標的的時機。“我實在無法理解博通近期低迷的股價表現。” 吉姆在 CNBC 投資俱樂部 1 月月度會議上如此說道。他逢低買入的傾向，與去年 12 月的操作思路一致。當時博通發佈的財報遠超市場預期，但因部分言論被市場誤讀，股價單日暴跌 11.4%，吉姆彼時便主張逢低佈局。輝達股價雖年初至今小幅上漲，但同樣面臨多重壓力。隨著投資者對其每股收益的估值溢價意願下降，公司正遭遇市盈率壓縮的困境；同時，持續的地緣政治緊張局勢也對股價形成壓制。吉姆重申了對輝達股票 “長期持有、不做短線交易” 的策略，但同時提醒投資者，在相關晶片採購交易落地前需保持耐心。他表示，黃仁勳有望在 3 月中旬輝達年度 GPU 技術大會（GTC）上發佈新一代晶片，這一事件或將推動公司股價上行。 (EDA365電子論壇)