芯片与硬件 · 深度解读 · 第 3 页

很多人看到合肥长鑫 CXMT 在短短几年内拿下全球 10% 的 DRAM 内存市场，以为见证了自主芯片的突围神话。 但法庭记录给出了一个完全不同的版本。 2016 年 8 月，合肥长鑫刚成立两个月，内部就确立了一份代号为“合肥项目”的秘密路线图。

媒体每天都在争论谁造出了算力最强的新一代芯片。 但决定下一阶段 AI 竞赛胜负的，可能根本不在晶圆厂里。 而在变电站的开关上。 纳米很重要。 但吉瓦正在变得更致命。 买下一万张顶配芯片，插上电就能立刻运转吗？ 如果电网连不上，再先进的芯片，也只是一堆通不上电的冷硅片。

一家算力初创公司去找银行借 139 亿买芯片。 十几家亚洲商业银行直接塞给它 300 亿。 借款额被超额认购了两倍多。 按常理，这笔买卖根本过不了风控。 厂房能立三十年，土地能抵押五十年。 一块几万美元的芯片，三年后可能就变成一堆耗电的过时硅片。

但在 2022 年，这个度假胜地突然成了俄罗斯精确制导武器芯片的核心供货地。 在那之前的一年，俄罗斯从马尔代夫进口的商品总额还不到 700 万美元。 战火一开，这个数字暴涨到 6.3 亿多美元。 到了 2024 年，依然保持在 1.6 亿美元以上。

旗舰手机芯片玄戒 O3，端侧 AI 加速芯片玄戒 O100，智能驾驶芯片玄戒 D100。 外界讨论的热点全在表面：3 纳米工艺、跑分破 500 万、240 亿个晶体管。 但真正反常的地方，不在这些纸面参数。 在过去手机行业的传统造芯逻辑里，永远是一颗主芯片打天下，一年迭代一次。

不是英伟达的芯片设计。 是台积电的 CoWoS 先进封装。 无论是英伟达的 GPU，还是 SK 海力士的高带宽内存 HBM，最后都必须运到台湾，贴在一块巴掌大的硅中介层上。 这块硅片一旦产能排满，全球服务器就得排队等货。 为什么内存大厂自己做不出完整的 HBM？ 答案藏在下一代芯片架构的物理分工里。

等于一块 3 纳米吗？ 物理学给出的账单， 从来不是简单的加法。 2026 年 9 月，华为发布了搭载 3D 堆叠技术的麒麟 9050。 在阿斯麦（ASML）极紫外光刻机（EUV）受限的背景下， 这被看作中国半导体绕开设备限制的关键一跃。 平面的晶圆上做不大， 那就往垂直方向盖楼。

过去两年，全球云巨头一共向英伟达采购了 3090 亿美元的数据中心硬件。 但在 2028 年，这批天价芯片连一个机架都不会腾出来退役。 为什么？ 秘密藏在科技巨头 10-K 财报里最隐蔽的一行会计附注：服务器折旧年限。 2025 年初，Meta 悄悄修改了一项会计估计。

按过去三十年的行业规律，先进制程一旦规模放量，内存价格就该雪崩。 今年这条老规矩彻底碎了。 SK 海力士正在以近乎狂暴的速度转换产线。 它的第六代 10 纳米级制程 1c DRAM，产出占比从 2026 年一季度的 10%，到年底拉到 34%，明年初将冲上 35%，全面取代上一代 1b 成为绝对主…

这完全击碎了半导体工程师的常识直觉。 在芯片设计的物理常识里，3D 垂直堆叠向来是一场热学灾难。 把两块发热源紧紧贴在同一个投影面积里，热量散不出去，单位面积功耗翻倍，芯片理应更容易过热降频。 但在行业资深分析师 Frederick Chen 披露的技术细节里，事情走向了完全相反的方向。

很多人看到这个数字，立刻得出一个结论：国产算力对英伟达的全面替代开始了。 但翻开这份计划的工程细节，会发现所有简化的标题都漏掉了一个定语。 这批部署在内蒙古乌兰察布数据中心的十六万片华为昇腾 950DT 芯片，全部只用来做一件事：推理。

亚马逊造 Trainium，联发科做数据中心加速器，微软和 Meta 也都在攒自己的芯片。 按常理，英伟达该拼命封锁。 它却做了一件反常识的事：主动把压箱底的核心互连技术拆开，公开卖给竞争对手。 联发科签了协议，英伟达反手认购它 35 亿美元的可转债。

75% 的报废率。 没有任何一家按商业逻辑运行的芯片公司，能在这个良率下活过三个月。 但长鑫存储做出的 HBM3E 试产芯片，已经送到了阿里平头哥和寒武纪的测试台上。 很多人看到这个消息，第一反应是管制失效了，或者中方突破了。 两边都没看清底下那台正在咬合的真正机器。

长鑫存储小批量产出 HBM3E 的消息传出，舆论一片欢腾，庆祝算力卡脖子的死局终于被打破。 连外媒都在强调，这距离全球第一梯队只差一代。 但在半导体制造里，最残酷的差距从来不是代差。 是乘法。 为什么能把普通内存做到全球 8% 份额的厂商，一碰到高带宽内存，就会撞上一堵完全不同的高墙？

更戏剧的是，量出这个差距的尺子，是黄仁勋自己亲手递过去的。 怎么做到的？ 一家软件公司找博通合作，九个月就能追平芯片霸主几十年的积累？ 听起来像给资本市场讲的故事。 但数据很硬。

结果在铁塔顶上打平这套算力的，是一个完全不插电的球。 过去几年，主流设备商给通信行业开出的方案高度一致：64T64R 的 Massive MIMO。 在天线板里塞进 64 个发射通道、64 个接收通道，外加一整套数字信号处理芯片。

为什么有人愿意亏本造，还成千上万地往全世界卖？ 因为你付的不是买设备的钱。 是你自费替别人在自家客厅部署了一台黑产服务器。 安全机构 Doctor Web 披露过一个叫 Vo1d 的后门木马。 它在 197 个国家感染了超过 130 万台廉价电视盒子。

没有操作系统。 没有标准 C 库。 没有动态内存分配。 主频 240 MHz，存储 4 MB，连一张高清图片都存不下。 但它完整跑通了复杂的 Unicode 字符排版、转义序列解析和终端状态流转。 日常电脑里的文本编辑器动辄吃掉几百兆内存，多开两个标签页就可能卡顿。

2026 年，存储芯片吃掉了整个半导体行业 54% 的营收，规模飙升到 8300 多亿美元。 一年前，这个比例还只有 27%。 在芯片行业四十年历史上，存储从来都是卑微的周期性大宗配件。 价格暴涨两年，随后腰斩三年，厂商在产能过剩和巨额亏损里反复打滚。

不是先进制程良率崩了。 也不是晶圆代工产能不够。 问题出在一块平时极少被当成主角的零件上：手机内存。 苹果下一代芯片换上了台积电的 WMCM 晶圆级多芯片模组封装。 这项技术把应用处理器和内存直接在晶圆阶段焊接固定。 好处是数据传输延迟降到了极限。 代价是工序被彻底锁死。

智谱 AI 把最新的大模型推理全部搬上了国产芯片。 很多人把这当成芯片封锁被彻底击穿的标志。 只要芯片造得多、机房建得大，算力断供就伤不到分毫。 真的只要堆数量就能解决问题？ 把这笔账顺着物理极限和数据中心的电表算到底，会看到一台冰冷锁死算力扩张的机器。 热效率之墙与瓦特代偿陷阱。

专业芯片媒体追问具体速率，官方直接拒绝回答。 为什么能大方宣传 480 GB 容量，却把带宽当成秘密藏起来？ 因为显存大小只决定你能装下多大的模型。 真正决定你吐一个字要花多少成本的，全在内存带宽里。 大语言模型推理其实分成两道截然不同的工序。 第一道叫预填充。

6 月底账面价值 210 亿美元。 这笔股权不是在公开市场扫货买来的，也没走普通的风险投资。 它是英伟达用算力芯片从马斯克手里换来的。 很多交易员盯着盘面，以为这只是一笔普通的战略结盟。 拆开资产负债表，底下运转着一套极少人看懂的资本闭环机器。

它的对外投资账本上，累计趴着超过 550 亿美元的股权。 300 亿押注英特尔，200 亿绑定 SpaceX，近 50 亿注资 CoreWeave。 一家毛利率超过 70% 的硬件霸主，为什么不把现金拿去分红，反而去当全行业最大的风险投资人？ 买家哪来这么多钱扫货？

结果在 2026 年 8 月的 Hot Chips 大会上，亚马逊旗下的芯片团队，成了第一个把英伟达新技术装进自己心脏的客户。 这看起来荒谬至极。 亚马逊自研的 Trainium 芯片，一直被华尔街视作打破英伟达垄断的最大底牌。

一个 700 亿参数的模型，哪怕只输出一个标点符号。 显存也要完整读出 140GB 的权重数据。 这 140GB 搬进计算核心，实际发生的算术运算只有一瞬间。 价值数万美元的顶级 GPU，大半时间都在原地干等数据搬运。 算术强度太低，芯片大部分算力都在原地放空。 解决这个问题最直接的办法，是批处理。

在公开基准测试里，这块芯片在能效和响应速度上，跑赢了英伟达当前的主力系统 GB300。 很多人的第一反应是：OpenAI 要跟英伟达全面开战了？ 或者好奇：一家软件和大模型起家的公司，凭什么能在 9 个月内做出一块叫板行业霸主的芯片？ 如果你只盯着跑分，就漏掉了底层最关键的那台机器。

udio。 科技圈被官方公布的一组数据刷屏。 在本地运行大语言模型时，M6 的提示词处理速度比 M1 快了 13.5 倍，比上一代 M4 也快了 4.8 倍。 很多人第一反应是苹果又在常规地堆叠 CPU 和 GPU 核心。 但看一眼芯片参数，核心数量并没有发生翻倍式的暴涨。

在即将发布的 Ghostty 1.4 版本里，这个终端模拟器的内存占用被直接打穿。 前台可见窗口的内存占用降低了约 10 倍。 切到后台的不可见窗口，内存占用更是暴降 450 倍。 哪怕同时开着 10 个标签页，整体内存消耗也低到可以忽略不计。

一个最反直觉的数据，藏在软件层面。 芯片团队在短短 2 个月内，把 3 款原本不在规划里的前沿大模型塞进了这颗芯片，并且全部跑到了极致性能。 写出这些底层算子的，不是资深的芯片系统工程师。 是 Codex 与内测中的 GPT-Astra。

几千到上万美元的定价，在普通个人电脑市场确实显得不可理喻。 但在本地大模型开发者的圈子里，这台小机器却被当成了性价比最高的抢手货。 许多人拿它对比两台企业级 GPU 工作站，发现它不仅速度更快，总体成本还省下一大半。 为什么同一台硬件，在两批人眼里会得出截然相反的结论？

在 2026 年 8 月的 Hot Chips 大会上，OpenAI 正式披露了第一款自研推理芯片 Jalapeño。 在公开的 InferenceX 基准测试里，这颗芯片全面对标英伟达的 GB200 和 GB300 系统。

如果要用现代硅基超算模拟同等规模的脑皮层，需要吞掉整整 5 亿瓦电力。 那是 25 万户普通家庭的用电总和。 整整 2500 万倍的能耗鸿沟。 为什么半导体工艺一路推进到了 2 纳米，在生物能效面前依然被甩开了七个数量级？ 很多人以为问题出在晶体管工艺，或者算法不够聪明。

全年预计造出 45 到 50 吉瓦的算力加速器。 真正能接上电网跑起来的中枢，只有 33 吉瓦。 整整 15 吉瓦的顶级芯片，出厂那天就只能在仓库里发呆。 台积电的先进制程没有卡单。 万亿美元的资本开支支票也如期兑现。 为什么最贵的芯片买到了手里，却会被硬生生拦在通电大门之外？

是一家火箭公司，开始在德州厂房里给电厂铸造燃气轮机叶片。 SpaceX 在德州 Bastrop 拿下了 830 英亩土地。 它不只在造星舰，它在建一座专门生产燃气轮机高温叶片的铸造厂。 一家造火箭的公司，为什么突然跨界去抢电厂工人的饭碗？ 因为 AI 数据中心把美国的电网吃干了。

它们全在交一笔交了四十年的「清醒税」。 为什么？ 真正把电池榨干的，是内存的物理底层。 传统芯片里的静态内存（SRAM），速度确实快。 它能在 1 纳秒内响应计算。 但它有个致命死穴：易失性。 只要一断电，里面存的数据瞬间清空。 为了保住模型权重和数据，芯片只要开着，就必须持续供电。

社区里的极客在排队等货，产线上的工人却不得不熄火停工。 厂商给出的理由很荒谬：全世界的内存颗粒，全被 AI 抢光了。 他们宁可关停整条产品线，也不愿意把成本翻倍转嫁给开发者。 逼停它的，是几千公里外那些疯狂扩建的 AI 超级机房。

马斯克在访谈里算了一笔让所有人倒吸凉气的电力账。 按芯片标称功耗算，11 万张 GB300 不过需要 150 兆瓦。 但在真实的算力中心里，这个数字被硬生生翻了一倍，飙到了 300 兆瓦。 如果要点亮 33 万张芯片，你需要在发电端准备整整 1 个吉瓦的电力。 1 吉瓦是什么概念？

按照过去的标准，想在本地做微调，第一步就会撞上显存溢出。 但在最新的实测里，一个 8B 大模型在 4 GB 显卡上跑完了完整的微调流程。 全程峰值显存只有 3.32 GB。 只需要一份简单的配置文件。 显存容量是焊死在显卡上的物理硬件。 8B 模型的参数量也是固定的数学事实。

全球第四大存储芯片制造商长鑫存储，刚超过腾讯成为中国市值第一的上市公司。 它转头做了一件让所有人意外的事：聘请华盛顿顶级诉讼律所，在联邦法院起诉五角大楼。 起诉理由只有一条：国防部凭什么把长鑫列入涉军企业清单？ 按地缘博弈的直觉，被美军最高司令部点名拉黑，等于商业死刑。

亚马逊决定在两年内，给自己的云计算平台再追加 200 万张英伟达 GPU。 这笔采购直接把亚马逊一年的资本开支推上了 2200 亿美元。 2025 年这个数字还是 1250 亿。 短短一年时间开支几乎翻倍，上半年的自由现金流直接被砸成了负数。

跑图、扩散算法、生成式 AI，过去被默认必须依赖上百瓦功耗和几十 GB 显存的顶级显卡。 开发者 cpldcpu 发布的开源项目，把一套完整的潜在流变换器塞进了一块树莓派 RP2350 微控制器里。 这颗芯片的片上静态内存（SRAM）只有 520 KB。

听起来像是让芯片瞬间烧毁或过热降频的自杀实验。 可在最新的硬件基准测试里，这恰恰是把数据中心能耗砍掉三成的关键解法。 当英伟达 B200 把单颗芯片的热设计功耗推向 1000 瓦以上，算力行业都在高喊全面液冷。

即便首批 H200 芯片刚刚获准运抵中国，英伟达告诉华尔街的预期依然只有一句话：不要对那里的数据中心算力抱任何收入希望。 在刚刚过去的二季度，英伟达单季数据中心收入 890 亿美元，中国市场的 H200 占比不足 1%。 而它对下一季度的指引，直接给出了 1080 亿美元的天文数字。

表面上看，这是人类商业史上最赚钱的硬件狂欢。 英伟达的市值已经超过标普 500 指数里五个行业板块的总和。 但把账本拆开，里面藏着一个规模超过 7500 亿美元的资金迷宫。 英伟达不再只是单纯的芯片供货商。 它在扮演整个 AI 宇宙的做市商、终审投行与中央银行。

很多人看着大国半导体竞赛，目光全被动辄几百亿美元的晶圆制造厂吸走。 但真正的命门，正悄悄转移到过去几十年被当成低端流水线的车间里。 2026 年 8 月，SK海力士在印第安纳州西拉法叶正式开工。 这是一座投资超过 40 亿美元的先进封装与研发中心。

他们愤怒的真正原因，从来就不是关税。 是三十年来最好用的一道套利后门，被直接焊死了。 这件事起于 Politico 曝光的一份内部政策草案。 商务部长霍华德·卢特尼克正准备把半导体关税的打击范围，从单纯的晶圆和芯片，直接扩大到装载芯片的下游硬件。

谁能想到，今天卡死全球顶级 AI 算力的唯一咽喉，偏偏就是这道工序。 连美国砸了几百亿美元把先进制程请回本土，最后都发现根本绕不开它。 为什么？ 看看英伟达那些卖到四万美元一张的旗舰计算卡。 普遍的直觉是：芯片算力全靠光刻机把晶体管刻得更小。

一个普通的聊天或外卖应用，动辄吃掉 2GB 内存，过去没人觉得是问题。 因为只要等到下一代手机发布，内存总会变得更便宜、更大。 但这笔持续了二十年的硬件补贴，被 AI 亲手掐断了。 为什么？ 因为全球的内存产能，正被 AI 数据中心成片吞噬。

好奇号、毅力号，甚至造价 100 亿美元的韦伯太空望远镜，核心处理器全是一颗 2001 年发布的 RAD750。 主频最高 200 MHz，单核心，算力大约 240 MIPS。 你在地上花 20 块钱买个智能灯泡，里面的微控制器算力都比它高上几倍。