#AI芯片

1个月前

Chinese AI chip startup 🇨🇳 Zhonghao Xinying (中昊芯英), aka CL Tech and Chipltech, has emerged as a home-grown alternative to Nvidia with a new tensor processing unit (TPU), just as Google shakes up Nvidia’s lock on the market by selling its in-house tensor chips directly to major tech firms. The Hangzhou-based firm said its self-developed general-purpose tensor processing unit (GPTPU) went into mass production as early as 2023. Its flagship chip, dubbed Chana (刹那), delivers up to “1.5 times the compute performance” of Nvidia’s A100 tensor core GPU, while “cutting energy consumption by 30% for equivalent large-model workloads and reducing per-unit compute cost to 42% of Nvidia’s”, according to the company. TPUs, a type of ASIC, developed by Google for neural-network training and inference, offer higher efficiency and throughput for certain deep learning workloads. Nvidia’s GPUs are considered the backbone of the global AI boom, making the firm the world’s most valuable company, yet many customers are keen to reduce their dependence on the US chip giant. Google’s recent decision to supply TPUs directly to Anthropic and Meta Platforms, instead of only providing access through its cloud services, has positioned it more as a direct rival to Nvidia. The move even rattled market confidence in Nvidia’s long-term grip on the sector. Chinese AI developers began to seek alternatives to Nvidia after Washington restricted their access to the US firm’s most advanced products. Zhonghao Xinying was founded in 2018 by Yanggong Yifan (杨龚轶凡), a Stanford and University of Michigan-trained electrical engineer who previously worked on chip architectures at Google and Oracle. He was involved in the full design-to-deployment cycle of Google’s TPU v2, v3 and v4, according to the Chinese company. CTO and co-founder Zheng Hanxun, a graduate of the University of Southern California, previously worked in chip-design roles at Oracle and Samsung Electronics’ R&D center in Austin, Texas. Yanggong said Zhonghao Xinying’s TPU features “fully self-controlled IP cores, a custom instruction set and a wholly in-house compute platform”. “Our chips rely on no foreign technology licences, ensuring security and long-term sustainability from the architectural level.” “We have achieved a 1.5x performance increase while reducing power consumption to 75% using a manufacturing process that is an order of magnitude lower than that of leading overseas GPU chips,” Yanggong said in a June speech. As a fabless chip company, Zhonghao Xinying outsources the fabrication of its chips to foundries, but it has not publicly revealed its manufacturing partners. The company also introduced Taize (泰则), a large-scale compute cluster linking 1,024 Chana units, capable of supporting training for trillion-parameter-class foundation models. Yanggong told an industry conference in June that a “next-generation TPU” was in the works, without giving a timeline. In August, Zhonghao Xinying announced plans to acquire Shanghai-listed auto-parts maker Tip Corporation (天普股份), a move that pushed the latter’s shares from roughly 30 yuan at the time to 140 yuan today. Financial filings for the acquisition revealed that in 2023 Zhonghao Xinying generated 485 million yuan (US$68.4 million) in revenue and 81.3 million yuan in net profit, largely from the Chana TPU. Revenue rose to 598 million yuan in 2024, with net profit edging up to 85.9 million yuan, but for the first half of this year it reported revenue of just 102 million yuan and a loss of 144 million yuan. Zhonghao Xinying signed a performance-guarantee agreement with its investors that requires the company to go public by the end of 2026, or a share buy-back clause will be triggered. Tip Corporation said in a recent filing that Zhonghao Xinying had already begun work on a separate, independent IPO; so the chip startup is not pursuing a reverse takeover of Tip Corporation.

谷歌TPU崛起，英伟达面临市场危机· 19 条信息

#国产替代 #中昊芯英 #TPU #NVIDIA #AI芯片

1个月前

真正限制芯片出货的限速因子是台积电的CoWoS芯片封装产能。$NVDA 还是 $Goog 还是 $AMD 都要跟台积电抢CoWoS封装的 2026台积电扩产CoWoS是击碎AI泡沫论的又一个铁证。看好所有需要CoWoS的芯片公司

谷歌TPU崛起，英伟达面临市场危机· 19 条信息

#CoWoS封装 #台积电扩产 #AI芯片 #NVDA #AMD

1个月前

Google推出最強AI晶片，挑戰英偉達王座！ CEO警告：AI盛宴恐崩盤，如網路泡沫，納指暴跌80%，萬億財富灰飛煙滅！請觀賞視頻：👇👇👇

谷歌TPU崛起，英伟达面临市场危机· 19 条信息

#Google #AI芯片 #英伟达 #AI泡沫 #股市暴跌

1个月前

最近美股各投行在大肆鼓吹TPU芯片了，谷歌自从被巴菲特锁定后，股价蹭蹭涨📈，已经临近4万亿大关，今天就简单解析一下TPU的潜力以及相关利好利空的公司。我最近也跟随巴菲特，在押注谷歌TPU，我认为这不仅仅是芯片，而是一场云计算的“阳谋”。可能大家都听说过GPU——英伟达（#NVDA）靠着它成了AI时代的“印钞机”，市值一度飙到5万亿。但TPU，是谷歌偷偷练了12年的大招。过去，它只给自己用，比如训练Gemini大模型、优化YouTube推荐、支撑Google Search的AI功能。但现在，谷歌突然说：“嘿，Meta、Anthropic，你们要不要也试试我的芯片？” #AI 芯片三足鼎立，可能就此展开竞争，英伟达，AMD，谷歌。而谷歌家的TPU，可能是改变整个AI芯片格局的一招。 TPU是什么？简单理解就是“谷歌自研的AI加速卡” 你可以把它想象成英伟达GPU的“竞品”，但专为谷歌的AI任务深度优化。TPU不是通用芯片，而是ASIC（专用芯片），就像为跑马拉松专门定制的跑鞋，别的路可能不灵，但在谷歌这套AI生态里，又快又省电。过去TPU只在谷歌自家数据中心跑，从不对外。但现在，风向变了。Morgan Stanley的报告显示，谷歌已经和 #Anthropic 签下100万颗TPU的大单，还正和 #Meta 谈明年租用、后年直接采购用于训练Llama模型——注意，是训练，不是简单的推理。训练对芯片性能要求高得多，这说明谷歌在自家Gemini的实际使用上，已经被大众所认可。这会给谷歌带来哪些财务影响？根据Morgan Stanley的测算：每对外卖出50万颗TPU，谷歌2027年云业务收入就能多130亿美元（+11%），每股收益（EPS）能涨$0.37，相当于整体EPS提升3%。别小看3%——在 #GOOGL 这种体量的公司，这就是实实在在的利润增量，而且还能推动估值倍数上移。现在谷歌云还在追赶AWS和Azure，但TPU可能是它的“差异化王牌”：别人用英伟达GPU，又贵又抢不到；而谷歌说，“我不仅有云，还有自己造的、性价比更高的AI芯片，还能和PyTorch无缝对接。”这对大多数AI客户来说，诱惑太大了。 📝这里面存在利好利空的公司？谷歌（#GOOGL）：显然是最大受益者。不仅云收入增长，还能摊薄TPU研发成本，形成“芯片-云-大模型”闭环。是一个典型的正向飞轮加速。英伟达（#NVDA）：短期影响不大，长期投资者心态有一定影响。毕竟NVDA 2027年预计卖800万颗GPU，谷歌TPU就算卖100万颗，也只是小部分替代。但长期看，如果TPU生态做起来，NVDA的“独占”地位会被削弱，长远来看还是有一定负面影响。 #AMD：有点尴尬。本来指望靠MI450抢点份额，结果Meta转头去试TPU了。AMD一直强调“通用性+云兼容”，但现在TPU也变成“准商用”产品了，这个优势被完全稀释了，苏妈又要焦虑了。博通（#AVGO）：它可能是隐形最大受益者。因为TPU是谷歌设计、博通代工制造的。Morgan Stanley估计，2025年博通为谷歌生产了180万颗TPU，2027年要干到300万颗。TPU越火，博通订单越稳。虽然这块业务毛利率可能不如NVDA那么高，但量大、稳定、绑定头部客户，是优质资产。 ⚠️我的三点担忧，从Morgan Stanley报告中，提到了一些风险点，需要注意： 1️⃣商业模式：谷歌是直接卖芯片？还是只租用？如果是卖，会计入硬件收入（低毛利）；如果是云服务形式，就计入高毛利的云收入。这对利润结构影响巨大。 2️⃣开发者生态：TPU过去被诟病“难用”。现在谷歌搞了个“TPU Command Center”，还能用PyTorch调用，这是重大进步。但真能打消开发者对NVDA CUDA的依赖吗？还得看实际体验。 3️⃣Meta到底买多少？如果只是“试试”，影响有限；但如果Meta真把Llama 4或5的大规模训练交给TPU，那等于给TPU发了“行业认证证书”，对其他AI公司来说，会大批量跟进。我最近已经加大对谷歌和博通的押注，我不赌“英伟达会不会影响”，而是押注“谷歌能不能跑出第二曲线”。TPU对外销售，是谷歌从“AI使用者”变成“AI基础设施提供商”的关键一步。如果2027年谷歌真能卖出200万~300万颗TPU，那不仅云业务估值要重估，整个 #GOOGL 的AI叙事也会从“追赶者”变成“规则制定者”之一，所以，我现在更坚定地持有 #GOOGL，甚至在回调时准备再加一点。这不是炒概念，而是在押注一个被低估的硬件+软件+云一体化AI平台的崛起。毕竟，在AI这场马拉松里，光有引擎（GPU）不够，还得有整辆车——而谷歌，正在悄悄造一辆自己的车。🧐 假如您还受限于国内美股开户不方便，那么可以尝试用U炒美股，体验丝丝顺滑，我个人正在使用 #RWA 美股代币化平台 #MSX，一同参与美股市场：目前可以免费进我们美股社群，免费阅读海外投行一手报告，每周限额10人，可以私信我，填写表单，进入美股交流和探讨社群(最近加群人数较多，助理审核需要时间，感谢理解)🙏

谷歌TPU崛起，英伟达面临市场危机· 19 条信息

#谷歌TPU #AI芯片 #云计算 #英伟达竞争 #博通代工

1个月前

AI在重新定义芯片该长什么样。芯片也在决定AI能走多远。有三个趋势： 1. 从通用走向专用。以前大家都用通用GPU跑AI。但现在会发现，针对大模型推理、训练、端侧部署。芯片的设计逻辑完全不一样。未来3-5年，我觉得会出现更多专用AI芯片。比如说，训练芯片要堆算力，推理芯片要省功耗，端侧芯片要低延迟。英伟达现在也在分化产品线，H系列做训练，L系列做推理。国内像壁仞、燧原这些公司，也在找差异化定位。未来不会一家通吃，会形成 "训练有训练的王者，推理有推理的霸主，端侧有端侧的玩家" 这样的格局。 2. 存算一体突破，解决内存墙问题。现在大模型最大的瓶颈不是算力，是数据搬运。芯片要不停地从内存读数据、算完再写回去，这个过程太慢、太耗电。存算一体就是把计算和存储放在一起，数据不用来回搬了。技术如果突破，对AI的影响巨大。清华、中科院、还有一些创业公司都在做这个方向。未来3-5年，如果存算一体芯片能量产。让大模型的推理成本降低一个数量级，很多现在做不了的应用到时就能做了。 3. 芯片和算法一起优化。以前算法工程师写代码，芯片工程师做芯片，两边各干各的。但现在很多公司在做联合设计。算法知道芯片的特性，芯片针对算法做优化。苹果就是，他们的神经网络引擎和iOS的AI功能是一起设计的，所以iPhone上跑AI模型很流畅。特斯拉的FSD芯片也是这样，针对自动驾驶算法定制的。国内觉得华为在这方面做得比较好。昇腾芯片和盘古大模型、鸿蒙系统是打通的。未来这种软硬一体的能力，会成为核心竞争力。

#中美芯片战：英伟达求生，中国突围· 122 条信息

#AI芯片 #专用芯片 #存算一体 #软硬一体 #芯片算法联合优化

1个月前

大白话讲解谷歌TPU VS GPU #### 1. TPU 诞生的真正原因（2013-2015） - Google 谷歌发现：如果每个安卓用户每天用语音搜索 3 分钟，现有 CPU/GPU 算力要让全球数据中心翻倍。 - 结论：必须自研 ASIC 专门跑矩阵运算（神经网络推理），否则 AI 成功会把自己“撑死”。 - 从立项到量产仅 15 个月，2015 年就已经在 Google 搜索、地图、照片、翻译背后悄悄运行。 #### 2. TPU vs GPU 的本质区别 - GPU：通用并行处理器，背着“图形渲染”历史包袱（缓存、分支预测、复杂调度等）。 - TPU：极简“领域专用架构”（Domain-Specific Architecture） - 核心是 **Systolic Array（脉动阵列）**：权重只加载一次，数据像血液一样单向流动，几乎不回写内存，彻底解决冯诺依曼瓶颈。 - 最新一代 TPU v7（Ironwood，2025 年 4 月发布）单芯片规格： - 4,614 TFLOPS（BF16） - 192GB HBM（与 Blackwell B200 相同） - 内存带宽 7,370 GB/s - 性能/功耗比比上代 v6e（Trillium）提升 100% #### 3. 真实性能对比 - 推理场景下，TPU 性价比普遍比 Nvidia GPU 高 30%-100%（看具体工作负载） - 典型说法： - “同样的钱，8 张 H100 的活，1 个 TPU v5e Pod 就能干” - “TPU v6 比 Hopper GPU 省电 60-65%” - “老一代 TPU 降价极狠，新一代出来后上一代几乎白送” - 即使 Jensen Huang 也承认：ASIC 里只有 Google TPU 是“special case”。 #### 4. TPU 普及的最大障碍 - 生态锁死：程序员大学学的是 CUDA + PyTorch，TPU 用 JAX/TensorFlow（虽已支持 PyTorch，但库仍不完善） - 只能在 Google Cloud 用（AWS/Azure 都没有），数据迁移成本（egress fee）极高，企业不敢 All-in - 目前主要赢在推理，训练虽强但 CUDA 生态仍占优势 #### 5. 对 Google Cloud 的战略意义 - AI 时代云服务毛利率从 50-70% 暴跌到 20-35%，因为大家都在给 Nvidia 打工（Nvidia 毛利 75%）。 - 谁能用自研 ASIC 摆脱 Nvidia，谁就能重回 50%+ 毛利。 - 三大云厂商自研 ASIC 进度：**Google TPU >> AWS Trainium > Azure MAIA** - Google 已把 TPU 设计前段（RTL）全部握在自己手里，Broadcom 只做后端物理实现，Broadcom 毛利率被压到 50% 左右。 - 内部：Google 搜索、Gemini、Veo 等全部用 TPU 推理；对外 GCP 客户要 Nvidia 才给 Nvidia。 - **TPU 是 GCP 在 AI 时代翻盘、抢回云市场份额的最大王牌**。 - Google 正疯狂扩产 TPU v7（Ironwood） - 外部客户 2025 年底才开始大规模拿到 - 业内预计 2026 年 Google TPU 出货量将出现爆发式增长（与你之前那张 UBS 报告提到的“Google TPU v7p 明显放量”完全吻合） **总结：** Google TPU 是目前唯一真正能和 Nvidia 掰手腕的自研 AI 芯片，尤其在推理时代具备压倒性性价比优势，未来 5-10 年将是 Google Cloud 最大护城河，也是台积电 CoWoS 封装需求暴涨的最重要驱动力之一。

#Google TPU #NVIDIA GPU #AI芯片 #推理性价比优势 #Google Cloud

TraderS | 缺德道人

1个月前

昨天有点忙没顾上，今天再来详解一下英伟达开放禁售传闻把。大家肯定还记得前几天黄仁勋说：“如果我们季度业绩不佳，那就证明人工智能存在泡沫。如果我们季度业绩出色，那就是在助长人工智能泡沫。如果我们季度业绩不佳，哪怕只是差一点点，哪怕只是看起来有点问题，整个世界都会崩溃。” 这句话本身就是英伟达现状的写照：英伟达已经被市场捧到了“无限预期”的位置，任何不及预期的财报都会被解读为 AI 泡沫见顶。换句话说，英伟达已经站在了必须永远交出超预期成绩单的高度。在这种巨大的压力下，除了中国市场巨大的份额，英伟达找不到任何可以替代的增量市场。所以这次所谓“允许出口 H200”，核心不是美国善意，而是为了避免英伟达的财报塌陷，避免 AI 泡沫提前破灭，避免美股大盘系统性风险。这不是放松制裁，而是“维稳美股”的现实操作。美国过去几十年的出口策略很固定，一旦中国在某项技术上追赶美国，就会下放出口限制。据传近期华为昇腾 910C 已经接近 H200 性能，也就是说H200级别的芯片禁售已经没有意义了。放开销售既可以增加美国企业销售额，又可以通过倾销抢夺中国企业份额。对美属于何乐而不为的事情。但对于中国来说，H20的禁止原因同样适用于H200。即你美国今天可以开放出口，明天就又可以断供，限制随时可能升级，供应链的稳定比芯片性能那一部分差异要重要得多，这事关整条研发和应用链。在 AI 时代，算力不是买手机，算力是整个国家战略级别的基础设施，一旦被卡断，会造成大模型无法训练，数据中心无法扩容，业务无法上线，整个 AI 产业链停摆等恶劣后果。这是完全无法容忍的。所以中国的核心逻辑是：性能差一点没关系，但供应链不能被人掐着喉咙。国产 GPU 即便短期比 H200 慢一点，也必须坚持扶持，因为，自主可控比性能领先重要得多，算力生态靠稳定性，而不是最高性能，国产芯片一旦形成大规模部署，迭代速度会非常快。同时更有甚者还有传闻说美国国会要求给英伟达芯片装上开关保证可以控制，这就更离谱了，如果有这种开关，相信没有中国企业会去购买英伟达芯片。如果美国真的批准 H200 对华出售，市场可能会出现一个非常讽刺的现象：短期反弹：消息面会刺激英伟达股价，认为重大利好。实际遇冷：中国头部大厂大概率只会小批量采购做冗余，大部队继续走国产化。因为谁也不敢把身家性命重新押回英伟达身上。国产加速：这种摇摆不定的政策反而会倒逼中国加速昇腾等国产芯片的生态建设，毕竟只有握在自己手里的技术才不受制于人。

#英伟达H200 #AI芯片 #中美贸易 #国产替代 #算力自主可控

1个月前

时近岁末，美股巨头们今年的表现也已拉开差距。在标普500指数前十大市值成分股中，借巴菲特Q3建仓及Gemini 3 Pro强势发布的东风，谷歌年内涨幅达到54%，月线已经8连阳。博通、英伟达作为AI芯片行情的代表，涨幅紧随其后。礼来进一步巩固在减肥药市场的领先地位，年内至今涨幅力压微软、苹果。科技七巨头中，Meta、亚马逊微涨，特斯拉则在年内“原地踏步”。

#美股 #谷歌 #AI芯片 #减肥药 #特斯拉

1个月前

冲击辉达CUDA护城河？Goolge第七代TPU问市

英伟达市值突破5万亿，科技巨头再创历史· 44 条信息

#谷歌TPU #第七代TPU #英伟达CUDA #AI芯片 #技术竞争

1个月前

11月12日，AMD盘后涨超6% 苏姿丰透露，公司目标在未来三至五年内，从英伟达主导的数据中心AI芯片市场中夺取“两位数”份额，并在五年内实现1000亿美元收入。为实现这一目标，AMD计划驱动公司年均营收增速超过35%，其中AI数据中心业务将以高达80%的速度狂飙，并预计每股收益将大幅跃升至20美元公司首席财务官表示，预计未来3-5年每股收益将超过20美元，预计毛利率将在55%至58%之间。

英伟达市值破四万亿，AI芯片霸主地位稳固？· 216 条信息

#AMD #苏姿丰 #AI芯片 #数据中心 #营收增长

李老师不是你老师

1个月前

11月7日，台湾中央社报道。英伟达执行长黄仁勋7日搭专机抵台南快闪5小时。他表示目前没有计划将 Blackwell AI 芯片出货到中国，是否重返中国市场取决于中国政府政策；他也坦言期待中国改变政策让英伟达能再服务当地市场，并称中国在 AI 技术与研究上进展快速，全球约一半 AI 研究员在中国，此行是他今年第4度来台，先视察台积电南科18厂，晚间将飞台北参加台积电运动会，预计停留一天半。

英伟达CEO黄仁勋春节前夕访华事件· 48 条信息

#黄仁勋 #英伟达 #台湾 #AI芯片 #中国政策

1个月前

谷歌即将推出其迄今为止最强大的芯片，意图通过提供定制硅片争取AI公司业务。该公司周四表示，第七代张量处理单元（TPU），名为“Ironwood”，将在未来几周面向公众市场推出，此前该芯片于今年四月首次面向测试和部署发布。该款自研芯片将用于处理大型模型训练、驱动实时聊天机器人和AI代理等各类任务

#谷歌 #Ironwood芯片 #第七代TPU #AI芯片 #大型模型训练

1个月前

据彭博社报道，OpenAI 正在寻求美国政府的支持，以帮助其为扩张所需的AI 芯片和数据中心的巨额投资提供融资担保。

OpenAI与微软关系紧张，或将发起反垄断投诉· 29 条信息

#OpenAI #美国政府 #AI芯片 #数据中心 #融资担保

外汇交易员

1个月前

路透：中国政府已发布指导意见，要求所有获得国家资金的新数据中心项目只能使用国产AI芯片。完成度低于30%的数据中心拆除所有已安装的外国芯片，或取消购买计划；而对于完成度更高的项目，将视具体情况而定。新的指导方针涵盖了英伟达的H20芯片，也涵盖了更强大的处理器，例如B200和H200。消息人士称，受该指令影响，一些项目在破土动工前就已经被暂停，其中包括西北省的一个计划部署英伟达芯片的工厂。

#中美芯片战：英伟达求生，中国突围· 122 条信息

#中国 #数据中心 #AI芯片 #国产替代 #英伟达

1个月前

美股在基本面上回调的叙事也到位了:缺电、缺数据中心微软 CEO 纳德拉最近在播客里分享了一个很扎心的事情：微软手里囤了一堆英伟达 AI 芯片, 但压根没法用，不是因为芯片不够、也不是算力过剩, 而是数据中心的供电和物理空间已接近极限，导致大量 AI 芯片只能滞留在库存中，无法「通电运行」。纳德拉说：「我们目前面临的最大问题不是算力过剩，而是电力短缺。如果你无法提供足够的电力，那么即使拥有大量芯片，也只能让它们闲置在仓库里。这正是我今天面临的问题——并非芯片供应不足，而是缺乏可以接入的『温节点』（warm shells），即具备足够供电和冷却能力的机架空间。」更夸张的是——英伟达每一代机架系统的功耗都在暴涨：从安培架构到下一代 Kyber 设计, 单机架热设计功耗 (TDP) 预计将激增 100 倍。 100 倍意味着啥? 意味着数据中心的电网、冷却系统、物理空间等等，全得重新规划、重新设计。之前 AI 行业都在担心「算力荒」，抢不到芯片、买不起 GPU、排队等英伟达交货，这些情况也是真实存在的，但另一个面是，除了「算力慌」，还有「电力慌」。

英伟达市值破四万亿，AI芯片霸主地位稳固？· 216 条信息

#美股回调 #电力短缺 #数据中心 #AI芯片 #英伟达

2个月前

据消息人士透露，英伟达将与三星电子、SK集团、现代汽车集团、Naver等4家公司签订供货协议，供应人工智能（AI）芯片，并将于周五公布。

#英伟达 #三星电子 #AI芯片 #供货协议 #半导体

2个月前

下一个首富是陈天石。全球首个AI 芯片的设计者。和首富在一起。资本向什么方面堆积，产业就做什么方向的发育。

#陈天石 #AI芯片 #首富 #资本 #产业

2个月前

周二发布的声明，甲骨文云基础设施(OCI)将从2026年第三季度开始在其数据中心部署5万枚AMD即将上市的MI450 AI芯片。 MI450是AMD迄今最先进的GPU(图形处理器)，将搭载在公司自主研发的Helios服务器机架系统中，结合AMD自研中央处理器(CPU)，直指英伟达下一代“Vera Rubin”系列AI芯片。随着AI计算需求的爆炸式增长，大型科技公司与AI芯片企业正掀起一场建设计算基础设施的热潮。AMD正努力成为AI芯片霸主英伟达的有力竞争者。📈

英伟达市值破四万亿，AI芯片霸主地位稳固？· 216 条信息

#甲骨文云基础设施 #AMD MI450 #AI芯片 #数据中心部署 #英伟达竞争

2个月前

单张B200的功率已经相当于一台家用空调了，梭哈NLR

懒猫家族新成员亮相，AI算力舱引发热议！· 143 条信息

#B200 #NLR #高功率 #AI芯片 #能耗高

2个月前

条条大路通英伟达。现在的问题是：nvda 还能不能买？现在市值 4.6 万亿了，到底能不能上 10 万亿？什么时候到？（我把娃的教育基金几乎全部挪到 ai和芯片题材上了😂，希望没有坑娃）

英伟达市值破四万亿，AI芯片霸主地位稳固？· 216 条信息

#英伟达(NVDA) #市值4.6万亿 #AI芯片 #教育基金 #高风险投资

2个月前

AMD 对 OpenAI 承诺在多年内交付6GW算力（分期部署），作为对价 OpenAI 可获等值的权证，权证总量上限约1.6亿股/160M（约占AMD已流通股本的~10%）；首批归属与首个1GW部署相关，最终一批的行权/发行与AMD股价需达到$600有关；权证最晚可行权至2030-10-05。规模量化：每GW年度可带来$15B（150亿美元）收入；若按6GW/5年的线性部署（即每年 ~1.2GW），对应每年新增营收~$18B（180亿美元），折算季度为$4.5B/季度。估值影响：原有目标价$200基于35× CY26 EPS$5.72），但如果依据是52×CY26 EPS $5.72 ≈ $297.4，或等价于 25× 一个$12的隐含年化 EPS 运行率（25×12 = $300）。

英伟达市值破四万亿，AI芯片霸主地位稳固？· 216 条信息

#AMD #OpenAI #6GW算力 #权证 #AI芯片

2个月前

美国超微公司盘前股价大涨23.7%，与OpenAI签署AI芯片供应协议并给予其10%股权选择权

OpenAI与微软关系紧张，或将发起反垄断投诉· 29 条信息

#美国超微 #OpenAI #AI芯片 #股价大涨 #合作协议

2个月前

赢得谷歌的 AI 芯片设计业务并没有帮助联发科在其他 ASIC 客户中取得进展，据媒体报道，Meta 似乎已经重新考虑。 Meta 现在被认为更可能选择博通或迈威尔。Meta 最初青睐成本更低的联发科，用于其代号为 Arke 的 2nm AI 推理芯片。如果联发科失去该项目，原因很可能在于其在高性能计算 ASIC 设计方面经验不足。

#联发科 #Meta #AI芯片 #博通 #ASIC

3个月前

中国正式跟英伟达决裂以后，阿里巴巴异军突起，全栈 #AI 基础设施和未来投资计划，全部浮出水面！ 1️⃣阿里巴巴在未来三年投入超过3800亿元人民币（530亿美元）用于开发人工智能模型和基础设施。 2️⃣阿里巴巴开发的新一代AI芯片目前已进入测试和小规模量产阶段，性能不输英伟达特供中国的H20阉割芯片。 3️⃣今天在云栖大会重磅发布的Qwen3-Max AI模型，包含开源原生全模态大模型0wen3-0mni，语音生成模型Owen3-TTS，图像编辑模型Qwen-Image-Edit-2509。重仓阿里巴巴，赌中国 #AI 国运，以及配套的芯片制造，中芯国际。超算IDC机房建造公司，万国数据。🧐

#阿里巴巴 #AI芯片 #Qwen3-Max #AI模型 #中国AI国运

3个月前

最新消息：中国华为誓言，在习近平思想的领导下，三年内在AI人工智能芯片领域超越英伟达

#中美芯片战：英伟达求生，中国突围· 122 条信息

#华为 #AI芯片 #英伟达 #习近平思想 #科技