{"source":{"id":"16965160","title":"OpenAI 自己造的芯片，把英伟达打懵了。 功耗只有英伟达旗舰的一半，极限能效却拉出了上百倍差距。 这是 OpenAI…","url":"https://mubeitech.com/p/16965160"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"mb-20260831-98330a","account":"mubei","brand":"","title":"一家做大模型的软件公司，用 16 个月做出来的一块自研芯片，在推理能效上把 Nvidia 最强的 Blackwell 超","summary":"一家做大模型的软件公司，用 16 个月做出来的一块自研芯片，在推理能效上把 Nvidia 最强的 Blackwell 超","body":"一家做大模型的软件公司，用 16 个月做出来的一块自研芯片，在推理能效上把 Nvidia 最强的 Blackwell 超了。\n过去十年，整个算力工业都把黄仁勋的 CUDA 生态当成不可撼动的物理定律。\n硬件架构容易画，但数以万计由顶尖工程师手写的底层算子库，能把所有挑战者活活耗死。\n没有任何一家芯片初创公司能活着跨过这条软件护城河。\n为什么 OpenAI 第一次下场造芯，就能在推理吞吐和能效上跑出将近两倍的优势？\n答案不在半导体制程，在一台被掩盖了十年的隐形机器：通用算力税与软件自举。\nNvidia 的 GPU 是一台什么都能算的通用机器。\n它要兼顾大模型训练、图形渲染、科学仿真、双精度浮点、光线追踪，还要兼容上百万种不同的历史算法。\n为了照顾这种通用性，芯片上大比例的硅片面积、控制逻辑和功耗，都在为那些你永远用不上的功能待命。\n但今天 AI 商业的核心战线，已经彻底从训练转向了推理。\n推理是一道纯粹的物理题。\n模型架构是固定的，矩阵乘法的尺寸是确定的，注意力机制的数据流是透明的。\n在推理的世界里，决定运营成本的不看纸面算力，看每焦耳能量能吐出多少个字符。\n当你在通用显卡上跑推理，买下的每一个核心，都在替那些闲置的通用电路交税。\nOpenAI 找博通合作自研的这块芯片，代号 Jalapeño，从第一天起就做了一件事：把通用包袱全部砍光。\n700 瓦功耗，单包封装塞进 15.4 TB/s 显存带宽的 HBM4，只保留专为大模型定制的矩阵引擎和权重静态脉动阵列。\n在 SemiAnalysis 的基准测试里，它的每瓦吞吐量做到了 Blackwell 的 1.5 到 1.9 倍，端到端延迟降低了数倍。\n如果只是在硬件上做减法，过去无数 ASIC 芯片公司也尝试过，全都撞得粉身碎骨。\n因为它们撞上了一堵无法逾越的高墙：底层软件库。\n想让一块新芯片跑出极致性能，需要数百名顶尖工程师花几年时间，一行一行手写汇编级内核。\nOpenAI 拆掉这堵高墙，靠的是两样核心工具。\n第一样叫 Triton 和 Gluon。\n他们自己搭建了编译器，用代数规则直接把张量映射到芯片寄存器，彻底绕开了 Nvidia 的闭源底层库。\n第二样更致命：让 AI 自己写驱动。\nOpenAI 直接调用内部的 Codex 模型，去生成并调优成千上万行繁重复杂、精细到寄存器的底层汇编算子。\n人类工程师需要耗费数月攻坚的代码调优，大模型在几天之内就能遍历出最优解。\n从 2024 年年中组建团队，到 2025 年 11 月流片，整个开发周期只用了 16 个月。\n真正瓦解旧垄断的，往往不是更先进的光刻机。\n是当你的业务规模大到可以直接定制硬件，同时用自己的软件编译器和 AI 工具链，抹平所有生态迁移成本。\n当制造顶级芯片的门槛，从数百名硬件专家的手艺沉淀，变成编译器加模型自举，旧霸主的护城河还能守住多久？","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-31 10:58:52","created_at":"2026-08-31 10:58:52","url":"https://mubeitech.com/p/mb-20260831-98330a","markdown_url":"https://mubeitech.com/p/mb-20260831-98330a/markdown"},{"rank":2,"id":"raw_15664e857d3b36ee","account":"mubei","brand":"@mubei","title":"Anthropic 一家做大模型的软件公司，正在把 15 个吉瓦（GW）的算力直接压给博通的专用芯片。 15 个吉瓦是什…","summary":"Anthropic 一家做大模型的软件公司，正在把 15 个吉瓦（GW）的算力直接压给博通的专用芯片。 15 个吉瓦是什么概念？ 相当于 15 座大型核电站机组的满负荷输出，或者整座纽约市在用电高峰时的全部电力负荷。 这家原本给谷歌和亚马逊做模型的软件实验室，2027 年要部署…","body":"Anthropic 一家做大模型的软件公司，正在把 15 个吉瓦（GW）的算力直接压给博通的专用芯片。\n15 个吉瓦是什么概念？\n相当于 15 座大型核电站机组的满负荷输出，或者整座纽约市在用电高峰时的全部电力负荷。\n这家原本给谷歌和亚马逊做模型的软件实验室，2027 年要部署 5 个吉瓦的 TPU v8i，2028 年还要再追加 10 个吉瓦。\n它将一举超过谷歌，变成博通全球最大的定制芯片客户。\n另一边的 OpenAI 也在干同一件事。\nOpenAI 自研的第一代推理专用芯片 Jalapeño 刚刚开始量产出货，2027 年要部署 1.3 个吉瓦，2028 年目标直接拉到 5 个吉瓦以上。\n华尔街大部分人还在盯着英伟达卖了多少张通用显卡。\n为什么两家最顶尖的模型公司，算力规模一旦冲到吉瓦级别，都不约而同绕开了英伟达？\n答案藏在半导体物理与电网配电的一条硬约束里：定制硅分流。\n算力扩张到了吉瓦这个量级，真正的瓶颈早就不是买芯片的预算，是变电站的审批和电网的物理承载力。\n电力成了限制智能扩张的硬天花板。\n英伟达的通用显卡为了兼顾各种科学计算、图形渲染和前沿算法探索，芯片上留了大量冗余电路、复杂的通用调度模块和高精度计算单元。\n这些通用设计，每分每秒都在耗电。\n但当模型架构在工业级推理场景下固定下来，每天要处理几十亿次请求时，那些为了通用性保留的电路就变成了纯粹的电力浪费。\n专用芯片做的事情，是把所有多余的电路全部砍掉。\n它把模型最核心的矩阵乘法和数据传输通道直接固化在硅片上。\n在固定的电力预算下，专用芯片的能效比可以达到通用显卡的 2 到 3 倍。\n同样是一座 5 吉瓦的数据中心，用专用芯片能跑出来的推理吞吐量，能翻上一倍到两倍。\n省下几十亿美元电费只是附带结果，更关键的是直接突破了电网给每个数据中心划定的功率死线。\n很多人会问：既然是自研芯片，为什么它们都要找博通？\n因为把数十万颗芯片连在一起，算力只占一半，另一半全在高速互联。\n芯片算得再快，数据如果卡在传输通道上，芯片就会在空转中白白烧电。\n博通手里握着全球顶级的 SerDes 高速接口技术、Tomahawk 交换机芯片和先进封装连接专利。\n模型公司负责出算法架构，博通负责把这些计算核心用极低延迟的高速通道绑成一个庞大的算力集群。\n这条路径让模型公司同时甩掉了两道枷锁：一道是第三方通用芯片 70% 以上的毛利溢价，另一道是公有云厂商层层加价的租赁成本。\n算力竞赛的底层规则已经变了。\n探索期买通用显卡找方向，规模化部署就必须走专用芯片抢电网。\n未来的顶级人工智能竞争，不看谁囤了更多显卡。\n看谁能把变电站输进来的每一瓦电力，以最高的效率换成智能。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2095429617913930059","translated_status_id":"2095429617913930059","published_at":"2026-09-03 10:27:47","created_at":"2026-09-03T10:27:47.421982","url":"https://mubeitech.com/p/raw_15664e857d3b36ee","markdown_url":"https://mubeitech.com/p/raw_15664e857d3b36ee/markdown"},{"rank":3,"id":"raw_4a5df096b9f3d795","account":"mubei","brand":"@mubei","title":"Broadcom 刚交出了一份惊人的成绩单：单季 AI 芯片收入飙升到 167 亿美元。 但真正震动硅谷的，是财报里披露…","summary":"Broadcom 刚交出了一份惊人的成绩单：单季 AI 芯片收入飙升到 167 亿美元。 但真正震动硅谷的，是财报里披露的一连串客户名字与交付进度。 OpenAI 的第一代自研芯片 Jalapeño 已经在三季度开始出货。 Google 的新一代 TPU v8i 开始量产交付。…","body":"Broadcom 刚交出了一份惊人的成绩单：单季 AI 芯片收入飙升到 167 亿美元。\n但真正震动硅谷的，是财报里披露的一连串客户名字与交付进度。\nOpenAI 的第一代自研芯片 Jalapeño 已经在三季度开始出货。\nGoogle 的新一代 TPU v8i 开始量产交付。\nAnthropic 锁定了吉瓦级别的专用算力。\n它即将在 2027 年成为 Broadcom 最大的自研芯片客户。\n这几家在全球大模型竞赛里打得最凶的对手，正在做同一件事：\n集体把推理任务，从通用的 GPU 搬到定制的专用芯片上。\n为什么连最缺算力的头部实验室，都不再只买 NVIDIA 的显卡？\n是旗舰显卡算得不够快，还是底层的经济账已经彻底变了？\n把这笔账算到底，会看到一台支配着整个算力世界的冰冷机器。\n通用计算税。\n通用的图形处理器是按全能标准设计的。\n为了应付图形渲染和各种复杂的算法分支，\n芯片里塞满了调度单元与冗余电路。\n在模型训练阶段，算法天天改，代码随时变。\n这种万能的灵活性是必需品。\n可一旦模型训练完成，进入全天候的推理服务，情况就彻底变了。\n大模型推理做的事情高度固定：\n海量的矩阵乘法，加上高带宽的数据搬运。\n在通用 GPU 上跑推理，就像雇了一整支交响乐团，天天在路口吹哨指挥交通。\n那些用不上的庞大电路依然占着昂贵的晶圆面积，每一毫秒都在空耗电费。\n这就是通用计算税：\n你为用不上的万能灵活性，付出了几倍的硬件溢价与电力成本。\n当算力规模还在几千张卡的时候，没人计较这点损耗。\n但当部署规模冲到吉瓦级别，电力成了整个数据中心最硬的物理天花板。\nOpenAI 规划在 2027 年部署 1.3 吉瓦的 Jalapeño。\n到 2028 年，这个数字要扩张到 5 吉瓦以上。\nAnthropic 给出的规划更激进：2028 年要部署 10 吉瓦的专用算力。\n在吉瓦级的电网约束面前，算力的较量不再是谁能堆出多高的理论峰值。\n核心指标只剩下一个：每一瓦电力，到底能产出多少个标记。\n把所有无关的电路全部剥离，只留下最贴合模型结构的计算核与高带宽互联。\n这就是 Broadcom 这类芯片设计伙伴搭建的专用机器。\n它不负责通用世界里的所有可能性。\n它只负责用最低的功耗和成本，把模型推向几亿用户的终端。\nAI 行业过去信奉一套军备竞赛叙事，以为护城河全在通用的软硬件生态里。\n可当技术从实验室走向工业化量产，\n通用的全能，往往会变成最沉重的商业负担。\n万能的工具适合探索边界。\n但当工业化降临，胜负只取决于谁能把每一度电的浪费剥离到极限。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2095443533926637941","translated_status_id":"2095443533926637941","published_at":"2026-09-03 10:27:49","created_at":"2026-09-03T10:27:49.460930","url":"https://mubeitech.com/p/raw_4a5df096b9f3d795","markdown_url":"https://mubeitech.com/p/raw_4a5df096b9f3d795/markdown"},{"rank":4,"id":"2044468295957635392","account":"mubei","brand":"@mubei","title":"全球最强的三个AI大模型，有两个已经不用英伟达的芯片了。 Claude和Gemini的底层算力，全跑在谷歌的TPU上。…","summary":"全球最强的三个AI大模型，有两个已经不用英伟达的芯片了。 Claude和Gemini的底层算力，全跑在谷歌的TPU上。 英伟达的铁王座要塌？ 面对当面质疑，黄仁勋的回应狂到了极点。 “我不介意别人去试其他芯片。” “如果不去试，他们怎么会知道英伟达有多好？” 硬核的对决从来都靠数…","body":"全球最强的三个AI大模型，有两个已经不用英伟达的芯片了。\nClaude和Gemini的底层算力，全跑在谷歌的TPU上。\n\n英伟达的铁王座要塌？\n\n面对当面质疑，黄仁勋的回应狂到了极点。\n“我不介意别人去试其他芯片。”\n“如果不去试，他们怎么会知道英伟达有多好？”\n\n硬核的对决从来都靠数据说话。\n黄仁勋直接甩出战书。\n针对推理成本的基准测试工具全网开源。\n结果非常尴尬。\n谷歌的TPU不敢来跑分。\n亚马逊的Trainium不敢接战。\n对手在宣发时动辄吹嘘几十倍的性能优势。\n真到了比拼总体拥有成本（TCO）的公开场子，连个人影都看不见。\n\n近日Anthropic签下了博通和谷歌的巨额算力大单。\n外界惊呼大模型公司要摆脱英伟达的控制了。\n老黄直接泼下一盆冷水。\nAnthropic的转向是一个彻头彻尾的孤例。\n除开这单一客户，TPU和Trainium的市占率增长约等于零。\n连整天谋划自研芯片的OpenAI，基本盘依然被英伟达死死捏在手里。\n\n半导体行业最不缺的就是豪言壮语。\n每年都有无数个声称要推翻英伟达的项目胎死腹中。\n自研一款专用的ASIC芯片很容易。\n难的是性能真能打。\n最绝望的是挑战者面对着一家每年都在进行跨越式迭代的庞然大物。\n\n只要英伟达自己不犯下致命失误，现有的护城河根本跨不过去。\n算力霸权之争没有捷径。\n所有的颠覆者最后都得乖乖站到公开测试场上交答卷。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2044531593625178206","translated_status_id":"2044531593625178206","published_at":"2026-04-15 21:40:57","created_at":"2026-04-15T23:07:43.445918","url":"https://mubeitech.com/p/2044468295957635392","markdown_url":"https://mubeitech.com/p/2044468295957635392/markdown"},{"rank":5,"id":"2091439473603035444","account":"mubei","brand":"@mubei","title":"英伟达要砸 60 亿美元，造一个全球最顶级的开源大模型。 一个卖芯片的硬件巨头，疯了吗？ 《华尔街日报》爆出猛料。 英伟…","summary":"英伟达要砸 60 亿美元，造一个全球最顶级的开源大模型。 一个卖芯片的硬件巨头，疯了吗？ 《华尔街日报》爆出猛料。 英伟达拿下了人工智能初创公司 Poolside 的技术授权。 他们把对方 100 多名核心员工，直接并入了 Nemotron 开源模型团队。 紧接着，又按 120…","body":"英伟达要砸 60 亿美元，造一个全球最顶级的开源大模型。\n一个卖芯片的硬件巨头，疯了吗？\n\n《华尔街日报》爆出猛料。\n英伟达拿下了人工智能初创公司 Poolside 的技术授权。\n他们把对方 100 多名核心员工，直接并入了 Nemotron 开源模型团队。\n紧接着，又按 120 亿美元的投前估值，给 Poolside 塞了 10 亿美元投资。\n\n这一仗要打谁？\n向西，直插 OpenAI 和 Anthropic 这些美国闭源巨头的腹地。\n向东，正面迎战 DeepSeek 和 Kimi 这些来自中共国的开源主力。\n\n黄仁勋这盘棋，到底在图什么？\n闭源巨头想靠私有模型建立软件生态，摆脱硬件约束。\n英伟达就直接砸重金把开源模型拉到最顶峰，把全行业的推理门槛彻底踏平。\n当顶尖模型的软件溢价被击穿，大家能拼的，依然只剩下底层算力。\n\n无论大模型怎么开源，跑在最底层的，永远都是英伟达的芯片。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2091759514190053818","translated_status_id":"2091759514190053818","published_at":"2026-08-24 05:26:49","created_at":"2026-08-24T07:16:10+02:00","url":"https://mubeitech.com/p/2091439473603035444","markdown_url":"https://mubeitech.com/p/2091439473603035444/markdown"},{"rank":6,"id":"2084741987702624595","account":"mubei","brand":"@mubei","title":"AI 的核心计量单位，变了。 不再是囤了多少张 GPU，而是“吉瓦”（GW）。 马斯克交了底。 今年年底，他的算力规模要…","summary":"AI 的核心计量单位，变了。 不再是囤了多少张 GPU，而是“吉瓦”（GW）。 马斯克交了底。 今年年底，他的算力规模要突破 2 GW。 到了明年年底，这个数字会直接逼近 10 GW。 这早就不是什么硬件采购清单了。 这是直接在搞大基建。 AI 竞争，已经彻头彻尾地变成了能源和供…","body":"AI 的核心计量单位，变了。\n不再是囤了多少张 GPU，而是“吉瓦”（GW）。\n\n马斯克交了底。\n今年年底，他的算力规模要突破 2 GW。\n到了明年年底，这个数字会直接逼近 10 GW。\n\n这早就不是什么硬件采购清单了。\n这是直接在搞大基建。\nAI 竞争，已经彻头彻尾地变成了能源和供应链的较量。\n\n怎么建？\n路线直接拍板：独家押注英伟达。\n底牌，就是新一代的 Vera Rubin 架构。\n\n看看这台算力怪兽的硬指标。\n3360 亿个晶体管。\n推理性能飙到 50 PFLOPS，直接是上一代 Blackwell 的 5 倍。\n训练性能达到 3.5 倍。\n内存带宽拉到了夸张的每秒 22 TB。\n\n想让这种吞电巨兽全速运转，就得拿发电站的规模来喂。\n以后在 AI 牌桌上，手里没有几个吉瓦的电网，根本连入局的资格都没有。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2084795300439294089","translated_status_id":"2084795300439294089","published_at":"2026-08-04 20:50:17","created_at":"2026-08-04T22:43:17+02:00","url":"https://mubeitech.com/p/2084741987702624595","markdown_url":"https://mubeitech.com/p/2084741987702624595/markdown"}]}