{"source":{"id":"2052075541369704528","title":"英伟达不要铜线了。它的 GPU 机架里，原本缠着 2 英里长的铜线，现在准备全部换成玻璃。谁来造？康宁。那个做手机屏幕大…","url":"https://mubeitech.com/p/2052075541369704528"},"method":"semantic-similarity","count":4,"items":[{"rank":1,"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":2,"id":"2056734898963288165","account":"mubei","brand":"@mubei","title":"每次英伟达交出成绩单，其实是对整个物理AI供应链的一次彻底摸底。 这是一场生态系统级别的事件。 大模型再聪明，也得靠生硬…","summary":"每次英伟达交出成绩单，其实是对整个物理AI供应链的一次彻底摸底。 这是一场生态系统级别的事件。 大模型再聪明，也得靠生硬的物理硬件撑着。 这确实是一条界限分明的食物链。 先看最底层的制造代工。 没有台积电TSM的产能，算力就只是PPT上的图纸。 有了算力，还得有庞大的记忆池。 这…","body":"每次英伟达交出成绩单，其实是对整个物理AI供应链的一次彻底摸底。\n这是一场生态系统级别的事件。\n大模型再聪明，也得靠生硬的物理硬件撑着。\n\n这确实是一条界限分明的食物链。\n先看最底层的制造代工。\n没有台积电TSM的产能，算力就只是PPT上的图纸。\n有了算力，还得有庞大的记忆池。\n这就要求存储领域的SK海力士、美光MU和三星紧紧咬住，无论是高端HBM还是海量固态硬盘。\n它们构成了AI计算的大脑皮层。\n\n算力有了，数据怎么在机房里流转？\n这部分得看通信网络。\n光模块里的Coherent和Fabrinet，铜互联架构下的Amphenol。\n连同博通AVGO和迈威尔MRVL的互联芯片，一起充当了机群的神经血管。\n靠着它们，成千上万张独立GPU才能连成一整台超级计算机。\n\n但这台超算是个吃电的巨兽，随时在发高烧。\n维持机房运转的供电网络，全靠MPWR这类电源管理巨头撑着。\n散热更是绕不开的硬性物理瓶颈。\n像Vertiv这种冷却系统供应商，直接决定了数据中心能不能全功率运转而不被烧毁。\n配合后端的Amkor封装测试和Flex代工厂，整个实体链条严丝合缝。\n\n这张图上的几十个交易代码，拼凑出了美国科技资本当下的真实底牌。\n软件应用的估值可能会经历周期泡沫。\n但只要技术迭代的军备竞赛还在打，这条硬核的硅基食物链就永远有真金白银在燃烧。","category":"科技","score":90,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-19 16:53:06","created_at":"2026-05-19T15:53:06+02:00","url":"https://mubeitech.com/p/2056734898963288165","markdown_url":"https://mubeitech.com/p/2056734898963288165/markdown"},{"rank":3,"id":"2029936664429183319","account":"mubei","brand":"@mubei","title":"几千亿美元砸进硅谷，只为了抢 GPU。 这些天价显卡 99% 的时间和电费，到底耗在了哪里？ 算矩阵乘法。 说白了就是把…","summary":"几千亿美元砸进硅谷，只为了抢 GPU。 这些天价显卡 99% 的时间和电费，到底耗在了哪里？ 算矩阵乘法。 说白了就是把一堆数字排成方阵，然后互相乘。 这就是现代 AI 神经网络的全部底座。 现在的解法极其暴力。 普通的电脑 CPU 顶多 16 到 32 个核心。 GPU 直接塞…","body":"几千亿美元砸进硅谷，只为了抢 GPU。\n这些天价显卡 99% 的时间和电费，到底耗在了哪里？\n\n算矩阵乘法。\n说白了就是把一堆数字排成方阵，然后互相乘。\n这就是现代 AI 神经网络的全部底座。\n\n现在的解法极其暴力。\n普通的电脑 CPU 顶多 16 到 32 个核心。\nGPU 直接塞进去成千上万个算力单元。\n\n单拎出来比，GPU 的单个核心根本跑不过 CPU。\n它完全是靠人海战术，用极度密集的并行计算把整体速度堆上去。\n但这套用电信号硬算的模式，越来越吃力。\n\n华尔街最近盯上了一个新东西。\n光子计算。\n\n与其用电流在硅片里苦苦排队，不如直接用光学硬件来跑算法。\nAI 硬件的下一次大洗牌，才刚刚起步。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-05 05:25:30","created_at":"2026-05-05T07:24:27.543138","url":"https://mubeitech.com/p/2029936664429183319","markdown_url":"https://mubeitech.com/p/2029936664429183319/markdown"},{"rank":4,"id":"mb-20260901-76693c","account":"mubei","brand":"","title":"所有人的目光都盯在芯片制程、显存带宽和模型参数上","summary":"所有人的目光都盯在芯片制程、显存带宽和模型参数上","body":"所有人的目光都盯在芯片制程、显存带宽和模型参数上。\n但真正卡死下一代 AI 算力的，是一根快要被烧红的铜线。\n2027 年，AI 数据中心将迎来一场底层的电力革命：全面转向 800V 直流供电。\n产业链上，碳化硅与氮化镓两类第三代半导体材料被推上了最前线。\n一个跑算法的数据中心，为什么突然要用上电动车和高铁级别的高压电？\n是芯片厂商在盲目堆料，还是底层的物理世界已经撞到了南墙？\n把这笔账算到底，会看到一台支配着现代工程的硬核机器。\n焦耳定律税。\n过去十年，数据中心的标准供电电压是 48V。\n在单机柜功耗只有十几千瓦的年代，这套架构运转得很平稳。\n算力需求在两年内被暴力拉升。\n单机柜功耗从数十千瓦飙升到 100 千瓦，接下来要直接冲向 600 千瓦甚至兆瓦级别。\n问题就在这里爆发了。\n初中物理学过一条铁律：功率等于电压乘以电流。\n在 48V 的低电压下要输送 600 千瓦的功率，电流会直接突破 12000 安培。\n12000 安培是什么概念？\n这需要比成年人手臂还要粗的实心铜排。\n沉重的铜排塞满机柜，既压垮承重结构，又彻底堵死散热风道。\n更致命的是发热损耗。\n导线上的发热量，和电流的平方成正比。\n电流扩大一倍，导线发热就会翻四倍。\n一万多安培的电流流过机柜，算力还没开始跑，海量电能已经在铜排上变成了滚烫的废热。\n铜线的物理极限，直接给算力扩张封了顶。\n要打破这个僵局，唯一的出路就是提升电压。\n把机柜供电电压从 48V 一路拉升到 800V，电压放大了 16 倍。\n在相同功率下，电流直接缩减到原来的十六分之一。\n根据焦耳定律，导线上的发热损耗瞬间暴降到原本的二百五十六分之一。\n铜排的用量直接被砍掉近九成。\n电压升阶把物理瓶颈砸开了一道缺口，却把难题甩给了半导体器件。\n传统的硅基功率芯片在 800V 高压和高频切换下，会产生巨大的开关损耗，甚至直接击穿烧毁。\n第三代宽禁带半导体，在这个节点接管了战场。\n两批材料分工明确。\n碳化硅的耐击穿场强是传统硅的十倍，充当高压主干上的重装盾牌，把电网的高压稳稳降为 800V 直流电。\n氮化镓拥有极高的电子迁移率，充当芯片身旁的高频突击手，在兆赫兹级别的高速开关下，把电感元器件体积压缩数倍，贴身把电切碎成亚伏特级别的低压大电流喂进 GPU。\n碳化硅扛主干高压，氮化镓做贴身转换。\n这套组合拳把供电模块直接拍到了算力芯片的背面。\nAI 的竞争，表面看是算法和数学的较量。\n底色从来都是能量搬运的物理工程。\n当算力密度推到极致，算力战争的胜负手，就已经从纳米尺度的晶体管，转移到了机柜背后的输电母线上。\n先看懂物理瓶颈并重构能源管道的人，才能拿到下一代超级算力的入场券。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-09-01 14:49:05","created_at":"2026-09-01 14:49:05","url":"https://mubeitech.com/p/mb-20260901-76693c","markdown_url":"https://mubeitech.com/p/mb-20260901-76693c/markdown"}]}