{"source":{"id":"raw_da9282e1e02b3197","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，…","url":"https://mubeitech.com/p/raw_da9282e1e02b3197"},"method":"semantic-similarity","count":4,"items":[{"rank":1,"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":2,"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":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":"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"}]}