{"source":{"id":"2044468295957635392","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。…","url":"https://mubeitech.com/p/2044468295957635392"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"raw_da9282e1e02b3197","account":"mubei","brand":"@mubei","title":"把四千多张芯片连成同一个大脑，最先顶不住的往往是机柜上的接头。 按照传统的机房布线方案，想让四千张顶级芯片无缝协同工作，…","summary":"把四千多张芯片连成同一个大脑，最先顶不住的往往是机柜上的接头。 按照传统的机房布线方案，想让四千张顶级芯片无缝协同工作，你得在机柜面板上密密麻麻插进四万八千个可插拔光模块。 光是伺候这几万个发热的小金属盒，每小时就要白白烧掉几百度电。 更让人头疼的是可靠性。 几万个光学元件塞进机…","body":"把四千多张芯片连成同一个大脑，最先顶不住的往往是机柜上的接头。\n按照传统的机房布线方案，想让四千张顶级芯片无缝协同工作，你得在机柜面板上密密麻麻插进四万八千个可插拔光模块。\n光是伺候这几万个发热的小金属盒，每小时就要白白烧掉几百度电。\n更让人头疼的是可靠性。\n几万个光学元件塞进机房，按照常规故障率推算，每隔几个小时就可能坏掉一个。\n但在大模型训练的世界里，只要有一根关键光纤掉线，四千张芯片就得全体停工。\n大家只能坐在那里，眼睁睁看着算力空转，等待系统排查、重启并重新加载数据。\n每天宝贵的时间，大半都浪费在停机和保存进度上了。\n\n既然这么麻烦，为什么非要把四千张甚至上万张芯片死死捆在一起？\n分散成一个个小集群慢慢算不行吗？\n不行。\n因为大模型的参数规模，已经一路狂飙到了万亿甚至十万亿级别。\n单张芯片哪怕性能再强，塞不下一整个模型，就必须把模型切碎，分摊到几千张卡上同时跑。\n这里面藏着一个非常现实的物理限制。\n受限于外部技术管制，国内代工厂无法获得最先进的极紫外光刻机（EUV）。\n单颗芯片在晶体管密度和原始计算性能上，客观上落后于英伟达最新的旗舰产品。\n单兵打不过，怎么办？\n那就只能靠兵团作战。\n如果单颗芯片的算力有差距，就用四千张、八千张，甚至一万五千张芯片组成庞大的集群，靠庞大的规模把总算力强行拉齐。\n\n但规模每扩大一倍，物理定律的惩罚就会猛烈一倍。\n这就是超大规模集群绕不开的物理死角：阿姆达尔定律与通信墙。\n当几千张芯片共同训练一个庞大模型时，芯片之间需要以极高的频率同步海量参数。\n这个时候，算力本身跑得飞快，数据在芯片之间来回传输的速度却成了致命瓶颈。\n如果在主板上用铜线传输信号，高频电信号只要跑出一两米，就会因为衰减而变成无法识别的噪音。\n跨机柜的长距离通信，必须把电信号转成光信号，通过光纤来传递。\n这就把整个系统重新推回了开头的死局：\n你必须插上整整四万八千个高功耗、易损坏的光模块。\n庞大的芯片集群，被通信线路硬生生卡住了脖子。\n\n这个死结到底该怎么解？\n在 2026 年 9 月的华为全联接大会上，华为副董事长兼轮值董事长汪涛公布了他们的工程拆招方案。\n他们拿出的核心武器叫 Atlas 960E 超节点。\n这台庞然大物把四千零九十六颗昇腾芯片紧密连接在一起，能够提供 8 EFLOPS 的 FP8 浮点算力。\n他们是怎么解决那四万八千个光模块的？\n做法非常激进：\n他们把笨重的独立光模块扔了，直接把激光光源和光学引擎贴到了芯片封装旁边。\n这就是业界前沿的近封装光学技术，英文缩写是 NPO。\n华为把自研的近封装光引擎命名为 Hi-ONE。\n过去高频电信号需要跑过漫长的电路板导线，再钻进机柜面板上的光模块；\n现在，芯片旁边的电路走线被压缩到了毫米级。\n电信号刚出芯片，一瞬间就被转换成光脉冲，顺着光纤直接发射出去。\n带来的改变非常直接。\n整套系统用五千五百个集成的 Hi-ONE 光引擎，完全替代了过去所需的四万八千个传统 800G 光模块。\n光是这一项改动，就为互联系统省下了超过 550 千瓦的功耗。\n更关键的是可靠性。\n几万个高故障率的可插拔接头消失了，整个超节点系统的可用度提升到了 99.8%。\n\n光有高速的光缆还不够，四千张芯片怎么才能像单台电脑那样顺畅调度？\n这就需要底层协议来配合了。\n华为拿出了自研的灵衢统一互联总线，英文叫 UnifiedBus。\n以往的机房里，不同服务器访问彼此的内存，需要跨越繁琐的网络协议层层封装与中转。\n而在灵衢总线的架构下，四千多颗处理器、大容量的高带宽内存和固态硬盘，被整合成了一套统一的内存编址空间。\n整整 1 PB 的高带宽内存被完全打通，芯片跨节点读取数据就像在本地读写一样顺畅。\n在更长远的规划里，华为甚至公布了包含 15488 颗处理器的 Atlas 960 超节点蓝图。\n那套系统规划了 34 PB/s 的互联带宽和 4460 TB 的庞大内存，目标直指十万亿参数的大模型训练。\n按照汪涛公布的节奏，用于训练的昇腾 960DT 提前到了 2027 年一季度发布，用于推理的 960PR 紧随其后。\n未来两年，还将按每年一代的节奏推出昇腾 970 和 980。\n\n他在演讲中还提出了一个概念：陶（τ）缩放定律。\n这套说法的逻辑很明确：既然在物理晶体管几何尺寸上很难继续缩小，那就通过架构创新、降低时延和能效优化，在时空尺度上换取性能翻倍。\n把这个技术词汇翻译成人话，意思其实非常清楚：\n依赖单个晶体管变小变快的传统摩尔定律，在外部管控下已经很难走通了。\n未来的破局路径，必须全面转向系统工程。\n单张芯片工艺受限，就靠自研总线打通内存；\n机柜连线功耗爆炸，就靠近封装光学强行压缩通信损耗。\n\n那么，这套庞大的系统工程，真的能直接反超英伟达吗？\n如果冷静地看，前方的工程挑战依然严峻。\n英伟达手里捏着台积电成熟的先进工艺，拥有极高的单卡计算效率；\n它背后的 NVLink 铜缆背板和全球数百万开发者构筑的 CUDA 软件生态，更是一道极难逾越的护城河。\n把一万五千颗芯片连成一个集群，设计蓝图是一回事，在现实中稳定跑起来是完全不同的另一回事。\n近封装光学的制造良率极难把控，只要一颗光引擎在封装时出现微小瑕疵，整块昂贵的主板可能就要报废。\n几千颗高功耗处理器密密麻麻挤在一起，液冷散热系统的任何一次微小渗漏，都会带来灾难性的后果。\n更不用说数万颗芯片协同训练时，底层编译器如果无法完美平衡任务分配，海量算力依然会在互相等待中白白流失。\n\n但这件事展现出了一种极其真实的工程韧性。\n当最顺手的工艺升级路线被切断时，工程师们没有停留在口头争论上。\n他们选择把现有的物理条件压榨到极限。\n既然单张芯片做不到最小，他们就去解决四万八千个接头的发热与损坏；\n既然无法获得最先进的光刻机，他们就用光学与先进互联把整个机房拼接成一颗巨大的超级芯片。\n算力竞赛的真正战线，早已从微米级的晶圆表面，蔓延到了挤满光纤与冷却液的机柜内部。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2102276138399613331","translated_status_id":"2102276138399613331","published_at":"2026-09-22 06:17:41","created_at":"2026-09-22T06:17:41.282847","url":"https://mubeitech.com/p/raw_da9282e1e02b3197","markdown_url":"https://mubeitech.com/p/raw_da9282e1e02b3197/markdown"},{"rank":2,"id":"16965160","account":"mubei","brand":"@mubei","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…","summary":"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 首次公布自研推理芯片 Jalapeño 的实测战绩。 对比的对象不是老架构，而是英伟达当家旗舰 GB200 与 GB300。 两边差距有多夸张？ 单看功耗，J…","body":"OpenAI 自己造的芯片，把英伟达打懵了。\n\n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。\n这是 OpenAI 首次公布自研推理芯片 Jalapeño 的实测战绩。\n对比的对象不是老架构，而是英伟达当家旗舰 GB200 与 GB300。\n\n两边差距有多夸张？\n单看功耗，Jalapeño 封装功耗 700 瓦，GB300 则是 1400 瓦。\n刚一通电，功耗先砍掉一半。\n\n再看跑大模型的真实能效。\n跑 6700 亿参数的 DeepSeek R1，在普通峰值下，Jalapeño 每千瓦吞吐是 GB300 的 1.7 倍。\n可一旦把用户需要的生成速度拉高，差距瞬间拉开。\n当速度要求达到每秒 169 个词时，GB300 的能效跌到 118，Jalapeño 依然能跑出 12258。\n能效整整差了 104 倍！\n\n跑开源的 120B 模型也是一样。\n高交互速度下，Jalapeño 的能效是 GB200 的 53.7 倍。\n跑万亿参数的 Kimi K2.5，端到端延迟降低了 2.2 倍，生成速度一路顶到每秒近 700 词。\n\n为什么全能的通用 GPU 会被拉开这么大距离？\n英伟达要兼顾训练和各类通用计算，芯片上堆了大量通用冗余。\nOpenAI 的专用芯片只干一件事：把所有晶体管和供电，死死焊在推理访存和生成上。\n\n大模型规模化落地，核心死穴就是每瓦功耗和电费成本。\n自研定制芯片把特定模型的推理能效拉高上百倍，直接砸穿了成本底线。\n英伟达靠通用 GPU 垄断推理市场的格局，正在被巨头们亲手撕开。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2092404347732660632","translated_status_id":"2092404347732660632","published_at":"2026-08-25 22:39:59","created_at":"2026-08-26T00:19:05+02:00","url":"https://mubeitech.com/p/16965160","markdown_url":"https://mubeitech.com/p/16965160/markdown"},{"rank":3,"id":"raw_b364f5abdb4c66e1","account":"mubei","brand":"@mubei","title":"一家做半导体芯片的高科技公司，最核心的监控指标是什么？ 是晶圆良率？先进制程的线宽？还是下一代架构的晶体管数量？ 换作任…","summary":"一家做半导体芯片的高科技公司，最核心的监控指标是什么？ 是晶圆良率？先进制程的线宽？还是下一代架构的晶体管数量？ 换作任何一个芯片工程师，答案大概都在这几样里。 但在高盛的技术大会上，黄仁勋讲了一句让在场投资人全部愣住的话。 他说：英伟达现在正在全球范围内，监控每一座变电站、每一…","body":"一家做半导体芯片的高科技公司，最核心的监控指标是什么？\n是晶圆良率？先进制程的线宽？还是下一代架构的晶体管数量？\n换作任何一个芯片工程师，答案大概都在这几样里。\n但在高盛的技术大会上，黄仁勋讲了一句让在场投资人全部愣住的话。\n他说：英伟达现在正在全球范围内，监控每一座变电站、每一片土地，以及每一座空壳机房。\n原话甚至更夸张：\n我们监控着地球上的每一个吉瓦，我们清楚每一处资源在哪里。\n\n一个卖显卡的半导体公司，怎么突然干起全球电网抄表员的活了？\n很多人的第一反应是：这老头是不是又在给资本市场吹泡泡？\n还真不是。\n因为眼下的 AI 算力军备竞赛，撞上了一堵极其冰冷、不可逾越的物理硬墙。\n\n过去两年，科技圈所有人都在盯着台积电的产能。\n大家天天查先进封装的配额够不够，高带宽内存的良率高不高。\n科技巨头们觉得，只要英伟达把芯片造出来，大模型就能无限扩张下去。\n但真正冲在最前线、替微软、谷歌、甲骨文建数据中心的开发者，现在最恐惧的早就不是芯片缺货了。\nThe Information 的记者菲比·刘在独家报道里，点出了一个让整个行业直冒冷汗的词：\n无电可用的芯片过剩。\n\n什么叫无电可用的芯片过剩？\n算力订单还在疯狂暴涨，各大公司的支票还在一张接一张地开。\n但买回来的显卡，很可能连电闸都拉不开。\n\n这背后是一场极其荒诞的时间尺度撕裂。\n台积电造一批顶尖 GPU 芯片，需要多久？\n几个月。\n工程队去平整土地、搭好一座现代数据中心的水泥外壳，需要多久？\n一年到一年半。\n但是，你要去找当地的公共电力公司，申请接入高压输电网，需要多久？\n在美国几大主要电网区域，并网排队的平均等待时间，是整整五到七年。\n\n更要命的是变电站的核心硬件：大型高压变压器。\n这玩意儿不是消费电子，不是多雇几个工人就能三班倒赶工出来的。\n造一台大型变电站变压器，需要高等级的取向硅钢，需要极其重型的卷铁芯设备，全球产能极度紧张。\n行业数据显示，现在一台大变压器的标准交付周期，已经排到了 128 周以上。\n也就是整整两年半，稍大一点的规格甚至要等三四年。\n\n两套完全不同维度的时钟，在这个节点上迎面撞毁了。\n一边是十八个月翻倍的摩尔定律，一边是五年起步的重工业电网改造。\n假设你是一家算力开发商，手里拿着上百亿资金，咬牙订了五万张顶级显卡。\n半年后，大卡车把密密麻麻的服务器机架送到了你的机房门口。\n结果当地电力局发来一封公函：\n扩容申请原则上批准，但新变电站正式通电预计要等到 2029 年。\n\n这时候会发生什么？\n芯片不是黄金，它是有技术半衰期的。\n显卡在技术上的黄金寿命，通常只有两到三年。\n三年之后，下一代新架构一出来，老芯片的计算效率直接腰斩。\n这意味着，那批总价上百亿的精密硅片，一次机都没开过，甚至还没通电发过热，就只能躺在库房的木头托盘上，每天以几十万美元的速度折旧贬值。\n在产业经济学里，这叫资产搁浅。\n\n如果买回来的卡只能在仓库里落灰，下一个季度谁还敢给英伟达下订单？\n那些向华尔街承诺无限增长的云巨头，现金流会当场被这批死资产卡死。\n\n黄仁勋看明白了这层致命危机。\n他知道，如果英伟达还像传统硬件厂商那样，只管把芯片卖出去、收钱走人，自己的增长曲线迟早要撞死在电网审批上。\n于是，英伟达在过去一年里，把自己的角色做了一次极其激进的重构：\n它直接跨过戴尔、超微这些服务器代工厂，把商业模式从单纯卖芯片，硬生生变成了一座全球电力与机房的超级清算所。\n\n它是怎么调度的？\n简单来说，就是把分配芯片的逻辑，从看谁钱多，改成了看谁先通电。\n黄仁勋要求生态圈里的所有伙伴：\n不管你是微软、甲骨文这样的超级巨头，还是 CoreWeave 这样的新兴算力云，或者是给他们组装服务器的代工厂。\n谁想拿到最新架构的算力配额，谁就必须把底层基建的家底彻底交代清楚。\n你的机房地皮在哪个州？\n你的水泥外壳封顶了没有？\n当地供电局批了多少兆瓦的负荷？\n变压器哪个月进场？哪一天正式合闸通电？\n\n英伟达拿到了这套全球独一无二的产业情报网。\n他们把全球每一个吉瓦的土地、机房和电力批文，实时标注在一张超级地图上。\n给谁供货、不给谁供货，全看你的通电时间表。\n你的机房下个月并网，芯片下个月直接从工厂送到你门口，开箱即点亮。\n你的电力审批还在排队？对不起，你的订单往后顺延，配额先让给通电更快的客户。\n通过这种对互补品资源的绝对摸底，英伟达硬生生把可能砸在库房里的天量存货，在物理世界上给熨平了。\n\n除了在外面找电，英伟达还在机房内部动起了手术。\n因为单台机柜的吃电速度，也已经把物理学逼到了极限。\n比如最新的 GB200 NVL72 机架，单机柜运行功耗直接冲上了 120 到 132 千瓦。\n这是个什么概念？\n一个普通三口之家的生活用电，峰值功率也就几千瓦。\n一台机柜的耗电量，相当于把上百个家庭的全部电器，压缩在一个两米高的大铁柜里。\n过去传统的风冷散热彻底失效了。\n如果还用风扇去吹，吹出来的热风足以把机房变成烤箱，单是空调电费就能把运营方吃破产。\n所以英伟达强制推行全液冷，用液体导管直接贴死芯片吸热。\n\n更绝的是电源架构的重造。\n机房外部送来的是几千伏的高压交流电，过去机柜内部普遍采用 48 伏甚至 12 伏直流电供电。\n物理学常识告诉我们：在功率固定的情况下，电压越低，电流就越大；而导线发热损耗，与电流的平方成正比。\n在 130 千瓦的恐怖功率下，如果继续跑低压直流，机柜背面的铜电缆得做得像人的大腿一样粗，大量的电能直接变成无用的废热。\n英伟达联合生态直接推行 800 伏高压直流架构。\n电压拉高十几倍，电流瞬间缩小，不仅甩掉了几百公斤昂贵的铜线，还省掉了多次交直流转换的能量损耗。\n\n他们甚至还在跟加州的公用事业电力公司合作，让数据中心变成电网的柔性负荷。\n居民白天开空调、电网负荷吃紧的时候，算法自动降低大模型训练的运行功率；\n等到深夜大家入睡、电网有多余负荷的时候，机房再全力拉满功率狂飙。\n\n当一项颠覆性技术跑得太快的时候，最先被扯住后腿的，从来不是最前沿的科学。\n卡住整个数字世界的，恰恰是那些人类用了一百年的重工基建。\n大家都在谈论超级智能的诞生，谈论数字世界的无限可能。\n但走到最后，决定这场革命推进速度的，依然是荒野上那一根根高压输电线、变电站里那个傻大黑粗的变压器，以及现实物理世界对能量守恒的冷酷裁决。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2101801886315622587","translated_status_id":"2101801886315622587","published_at":"2026-09-20 23:47:41","created_at":"2026-09-20T23:47:41.141328","url":"https://mubeitech.com/p/raw_b364f5abdb4c66e1","markdown_url":"https://mubeitech.com/p/raw_b364f5abdb4c66e1/markdown"},{"rank":4,"id":"2043052190982639797","account":"mubei","brand":"@mubei","title":"英伟达换一次半导体工艺，迁移三千个标准单元库曾经需要8个人干10个月。 现在单张GPU跑一夜就能搞定。 最终产出的功耗和…","summary":"英伟达换一次半导体工艺，迁移三千个标准单元库曾经需要8个人干10个月。 现在单张GPU跑一夜就能搞定。 最终产出的功耗和延迟数据，直接盖过人类工程师的图纸。 这家公司把过去三十年历代GPU的底层源码和绝密文档全盘喂给AI。 练出了一个专供内部的超级大脑ChipNeMo。 新手遇到…","body":"英伟达换一次半导体工艺，迁移三千个标准单元库曾经需要8个人干10个月。\n现在单张GPU跑一夜就能搞定。\n最终产出的功耗和延迟数据，直接盖过人类工程师的图纸。\n\n这家公司把过去三十年历代GPU的底层源码和绝密文档全盘喂给AI。\n练出了一个专供内部的超级大脑ChipNeMo。\n新手遇到不懂的底层原理直接找大模型连环追问。\n资深老手彻底从基础答疑里解放出来。\n连抓Bug、分析错误源头、给具体模块指派责任人的活，全由AI一手包办。\n\n进位先行链是一个从上世纪五十年代就被反复研究的底层难题。\n英伟达让强化学习程序像打街机游戏一样疯狂试错。\n它只要勉强满足时序底线，就把体积和功耗往死里压。\n最终系统吐出的架构图纸诡异至极。\n人类设计师根本画不出那种走线。\n测试台上的硬性指标硬生生比人工精调的方案高出30%。\n\n如今英伟达内部的AI群体已经在接管新架构的参数探索。\n首席科学家Bill Dally描绘了硬件制造的终局。\n开局甩给系统一句指令：去把下一代GPU设计出来。\n人类工程师直接去度假滑雪。\n几天后回来，拿着跑完验证流程的完美图纸找台积电流片。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2043630500820984119","translated_status_id":"2043630500820984119","published_at":"2026-04-13 09:10:37","created_at":"2026-04-13T10:24:46.914463","url":"https://mubeitech.com/p/2043052190982639797","markdown_url":"https://mubeitech.com/p/2043052190982639797/markdown"},{"rank":5,"id":"raw_1fb3f9ab39b0d264","account":"mubei","brand":"@mubei","title":"造 Claude 的 Anthropic，把芯片买成了什么规模？ 它在博通账本上的订单，马上就要超过谷歌了。 谷歌花了十…","summary":"造 Claude 的 Anthropic，把芯片买成了什么规模？ 它在博通账本上的订单，马上就要超过谷歌了。 谷歌花了十几年联合研发的专用芯片，结果被自己投资的初创公司买成了第一大客户。 有没有搞错？ 一家还没上市的模型公司，算力胃口怎么可能吞得过市值两万多亿的谷歌？ 刚过去的财…","body":"造 Claude 的 Anthropic，把芯片买成了什么规模？\n它在博通账本上的订单，马上就要超过谷歌了。\n谷歌花了十几年联合研发的专用芯片，结果被自己投资的初创公司买成了第一大客户。\n有没有搞错？\n一家还没上市的模型公司，算力胃口怎么可能吞得过市值两万多亿的谷歌？\n\n刚过去的财报会上，华尔街还在为博通下个季度的预期差纠结。\n博通三季度营收 295.9 亿美元，业绩明明超了预期。\n就因为四季度给出的营收指引是 348 亿美元，比分析师预期的 350.3 亿少了两亿多，股价当场跌掉 4.76%。\n但同场电话会上，博通首席执行官陈福阳抛出了一组更吓人的算力数字。\n博通正在交付代号为 Ironwood 的最新一代张量处理芯片 TPU 8i。\n这套架构原本是谷歌和博通联合设计的专属硬件。\n但 Anthropic 订购这套芯片的算力规模，2026 年是 1 吉瓦。\n到了 2027 年，直接飙升到 5 吉瓦。\n\n1 吉瓦是个什么概念？\n一座标准商用核反应堆的输出功率，差不多也就是 1 吉瓦。\n5 吉瓦，相当于 5 座核电站发出的全部电力，统统灌进 Anthropic 一家公司的芯片集群里。\n谷歌原本是博通这套定制硬件的最大买家。\n但按照这个交付速度，到了 2027 财年，Anthropic 就会把谷歌挤下第一的位置。\n\n算力是烧出来了，Anthropic 为什么非要这么买？\n这就关系到两家公司完全不同的账本约束。\n谷歌家大业大，账上有几百亿美元现金。\n但大公司要给华尔街看每一个季度的利润率，要在搜索、视频、云计算和手机硬件之间平衡预算。\n每一笔算力开支，都要拿去向股东证明投入产出比。\nAnthropic 没有这些包袱。\n作为一家只做底层大模型的公司，它的生死全看模型能力能不能咬住第一梯队。\n不管是代码生成还是长思考链，算法每往前推一步，算力消耗就上一个台阶。\n它从亚马逊、谷歌拿到的巨额融资，加上正在筹备的公开上市，资本最大的使命就是变成芯片算力。\n对谷歌来说，买芯片是一项需要精打细算的资本开支。\n对 Anthropic 来说，只要算力断供，就意味着从牌桌上出局。\n\n更大的连锁反应还在后头。\n各大科技巨头为了摆脱对英伟达的依赖，最近几年都在拼命自研专用芯片。\n英伟达的高端显卡一张卖几万美元，毛利率高得吓人。\n巨头们心里都清楚，长期给人交税不是办法。\n谷歌找博通做 TPU，OpenAI 找博通做代号为 Jalapeno 的定制芯片。\n大家都想把命脉握在自己手里。\n但自己画图纸，不等于能把芯片造出来。\n超大规模芯片的高速连接技术、高带宽内存接口和光电封装，全是博通的看家本领。\n结果巨头们绕了一大圈才发现：\n大家合力避开了英伟达的抽成，转头又在博通的门前排起了长队。\n博通透露，给 OpenAI 做的定制芯片，2027 年部署 1.3 吉瓦，2028 年要扩大到 5 吉瓦。\n各大公司自研芯片的决心越坚定，给博通送去的订单就越厚。\n博通预计到 2028 财年，调整后的每股收益会超过 30 美元。\n华尔街分析师原先的平均预期，只有 25 美元。\n短线资金还在为了一个季度差了两亿美元的指引抛售股票。\n决定未来算力分配的长期账本，早已经按吉瓦的尺度被锁死了。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2099755322470502511","translated_status_id":"2099755322470502511","published_at":"2026-09-14 18:10:40","created_at":"2026-09-14T18:10:40.831293","url":"https://mubeitech.com/p/raw_1fb3f9ab39b0d264","markdown_url":"https://mubeitech.com/p/raw_1fb3f9ab39b0d264/markdown"}]}