标签: GPU
算力价格持续走高，正在悄然重塑所有企业的运营逻辑。💼以前创业，大家比的是谁的
算力价格持续走高，正在悄然重塑所有企业的运营逻辑。💼以前创业，大家比的是谁的PPT更性感、谁的获客成本（CAC）更低；现在AI创业，大家第一步先看你的“算力账本”。不少雄心勃勃的AI初创公司，还没等到产品大规模变现，就已经被每个月高昂的云服务和算力租赁账单压得喘不过气来。这迫使整个行业从“唯模型论”转向“唯效率论”。堆参数的暴力美学玩不起了，企业必须在有限的预算里，精细化压榨每一块GPU的剩余价值。很多公司开始放弃全能大模型，转向垂直领域的“小快灵”微调模型，甚至开始把目光投向“端侧算力”——让用户的手机和电脑去分担一部分计算压力。在这场前所未有的结构性上涨中，算力已经成为企业资产负债表上最不容忽视的变量。算力焦虑，已经从技术总监的电脑屏幕，蔓延到了CEO和CFO的办公桌上。
周末大利好！谷歌TPU迎360亿史诗级大单！概念股名单曝光（最新）本文仅为个人观
周末大利好！谷歌TPU迎360亿史诗级大单！概念股名单曝光（最新）本文仅为个人观点分享，不构成任何投资建议。市场有风险，投资需谨慎，所有操作盈亏自负。这个周末，AI科技圈炸出史诗级产业利好：一笔360亿美元TPU超级融资落地，谷歌TPU赛道直接被注入千亿级强心剂，国内整条TPU配套链迎来全新业绩爆发点。一、360亿TPU超级融资，到底是什么？5月29日，阿波罗+黑石联合宣布：牵头筹备360亿美元专项融资，全部用于Anthropic向谷歌采购定制TPU芯片。担保方：博通（TPU联合开发+供货+担保）规模：约2500亿人民币，私募信贷史上顶级、芯片专项融资史上最大总量：超100万颗TPUv7，全球首个超大规模TPU算力集群，服务Claude大模型训练+推理模式：资管出钱→买TPU→租给AI公司→芯片厂供货维护→巨头担保完美解决行业两大痛点：1.大模型训练烧钱太快、现金流压力极大；2.轻资产AI公司无抵押、银行贷不到大钱。资本用真金白银投票：TPU路线被高度认可，规模化落地正式开启。二、TPU为什么能撼动英伟达GPU霸权？过去几年，高端AI算力基本是英伟达GPU一家独大，弊端很明显：贵：高端GPU单价高，中型集群成本数十亿；功耗高：数据中心电费、运维常年居高不下；产能紧：台积电顶级制程被锁定，一芯难求。谷歌TPU（张量处理器）：专为大模型训练/推理定制，砍掉冗余、全力做AI运算。成本：同等算力下，比GPU便宜30%-40%；功耗：直接减半，大幅降数据中心运营成本；效率：大模型训练/推理更适配、性价比更高。Anthropic弃GPU、重仓TPU，不是个案，是拐点：AI芯片正式告别英伟达一家垄断；进入GPU+TPU+定制ASIC三足鼎立时代；国内供应链摆脱单一绑定英伟达，打开全新增长曲线。三、TPU产业链：A股核心受益环节+公司（按刚需排序）1）光模块（最直接、最先爆）中际旭创：谷歌1.6TDR8光模块独家，800G份额60%-70%，TPU集群“光连接心脏”光库科技：谷歌OCS光交换机核心代工，份额超70%2）PCB（算力板核心）沪电股份：TPU主板核心供应商，份额30%，30-40层高阶板主力深南电路：TPUv7高端板，份额10%-15%3）芯片封装+服务器代工长电科技：国内唯一谷歌审核通过，TPUv7/v82.5D/3D高端封装工业富联：谷歌TPU服务器核心代工，月产数百组算力机柜4）液冷散热（高功耗刚需）英维克：谷歌CDU液冷龙头，北美市占40%+，TPU机柜液冷1/4份额高澜股份：谷歌+英伟达双认证，冷板+浸没式双路线5）电源管理（高稳定刚需）新雷能：TPU一次/二次电源，锁定数亿美元意向订单欧陆通：谷歌服务器一次电源核心供应商6）配套辅助澜起科技：内存接口芯片龙头，适配TPU高速传输立讯精密：TPU服务器高速连接器+结构件四、行情节奏：短期、中期、长期怎么看短期（1-2周）：资金优先冲光模块、液冷，刚需最强、认可度最高；中期（1-3个月）：从消息炒作→业绩兑现，有实单、能落地的龙头走独立行情；长期（半年+）：TPU持续抢GPU份额，订单→业绩→估值正向循环，深度绑定谷歌、有独家供货权、技术壁垒高的龙头吃最大红利。五、最后总结：算力无限，电力/算力硬件有限五月炒GPU/光模块，六月主线切TPU+算电协同，不是玄学，是AI产业周期+供应链重构的必然。360亿融资+百万颗TPU，不是短期炒作，是全球AI芯片格局改写的拐点。国内供应链终于迎来不依赖英伟达的第二增长曲线，从光模块、PCB、封装到液冷、电源，全链受益、增量明确。风险提示：以上为公开信息梳理，不构成投资建议。AI板块波动大，理性看待利好，不盲目跟风。
三星半导体的下一代“聚宝盆”出样了。三星已率先向客户提供HBM4E12层堆叠
三星半导体的下一代“聚宝盆”出样了。三星已率先向客户提供HBM4E12层堆叠样品。今年2月刚量产HBM4，3个月后就把HBM4E送去客户验证，这个节奏很猛。HBM4E单Pin速度最高16Gbps，单堆叠带宽达到3.6TB/s，容量提升到48GB，同时能效提升16%，热阻改善14%以上。AI时代，GPU负责算，HBM负责喂数据。谁能拿下下一代HBM订单，谁就能吃到AI服务器最肥的一块肉。对三星半导体来说，HBM4E很可能就是下一个真正的聚宝盆。
亿级变量不再是“死结”，阿里达摩院扔出GPU求解器这颗“深水炸弹”5月28日
亿级变量不再是“死结”，阿里达摩院扔出GPU求解器这颗“深水炸弹”5月28日，达摩院悄悄在官微发了一条消息，但内容一点都不小。他们正式发布了“敏迭”求解器（Mindopt）的GPU版本。通俗点说，就是给工业软件里最难啃的那块骨头装上了一个超级加速器。过去很多大到离谱的计算问题，比如上亿个变量纠缠在一起，传统方法算几个小时算不出来，甚至直接崩掉，现在有了新的解法。求解器这个东西，可能很多人没听过。它有一个响当当的名号：工业软件之芯。电力调度、航班编排、高端制造、金融管理，这些领域里最复杂的计算，都靠它。比如一个航空公司的航班和机组怎么排最省钱，一个电网怎么调度最稳定，背后都是求解器在默默干活。但传统求解器有个硬伤。它基于CPU设计，依赖复杂的矩阵分解计算。问题规模一旦变大，内存需求就像吹气球一样猛涨，加上传统算法本身的并行度有限，很容易出现“算到天荒地老”还不收敛的尴尬场面，有的干脆直接崩溃。业内管这个叫“不可解”难题，尤其是遇到亿级变量的时候。达摩院这次做的，就是把求解器搬到了GPU上。GPU擅长并行处理，一下子可以同时算很多小任务。他们还引入了一套新算法，专门突破所谓的长尾效应难题。简单理解，就是那些极少出现但特别难算的“角落情况”，现在也能被照顾到。结果就是，上亿个变量的复杂问题，不再是一个死结。虽然官方没有直接给出具体提速倍数，但从技术路径来看，这等于给求解器换了一台全新的发动机。对于国内工业软件来说，这也是一个不小的突破，毕竟求解器长期以来都被几家国外巨头把持。一句话总结：阿里达摩院这次干的，不是花架子，是实打实给工业计算松了绑。
华为的芯片新型技术直播直接把麒麟9050和9060的性能提升幅度透露出来了9
华为的芯片新型技术直播直接把麒麟9050和9060的性能提升幅度透露出来了9050pro相比9030pro单核提升15%，多核提升24%，GPU提升38%，单核能效在高性能时提升12%，在同性能时提升41%，GPU能效提升40%对比K9030Pro大概性能CPUsingle-core(CPU单核)：较基准增长15%(9050P)，44%(9060P)CPUmulti-core(CPU多核)：较基准增长24%(9050P)，56%(9060P)GPU：较基准增长38%(9050P)，87%(9060P)NPU：较基准增长140%(9050P)，213%(9060P)能效CPUsingle-core(CPU单核)：较基准增长12%(9050P)，34%(9060P)GPU：较基准增长40%(9050P)，78%(9060P)NPU：较基准增长81%(9050P)，118%(9060P)华为Mate90系列是真的要王者归来了！
被誉为“PCB女王”的廖婉婷针对基板，主要涵盖铜箔基板CCL与ABF载板的产业趋
被誉为“PCB女王”的廖婉婷针对基板，主要涵盖铜箔基板CCL与ABF载板的产业趋势提出了以下深度观点：一铜箔基板（CCL）进入涨价超级周期廖婉婷指出，CCL目前正处于超级循环周期。由于过去几年厂商将资源过度集中于中高阶产品，导致中低阶产能供给在需求回升时严重不足。目前涨价效应已从中低阶明确扩散至高阶材料，包括建滔、松下及凯耀等全球领先厂商均已发布涨价通知。供应链吃紧、价格上行的状态至少会持续一两年。二ABF载板的阶段性演进与超额利润Rubin世代（产业主升段）：随着GPU尺寸变大、HBM堆叠层数增加以及3D封装技术的应用，载板的表面积与板层数将同步大幅提升，类比于盖房子面积更大且楼层更高。这种由单位需求量爆发驱动的供需失衡将引领载板厂商进入具备“超额利润”的高获利增长期。三AIPCB的技术壁垒与产能缺口随着传输速率向800G及1.6T演进，板材制程难度骤增，能胜任的厂商变少，利润率将随稀缺性自然提升。四光通讯与CPO对基板的间接推动虽然，光电共同封装目前的市场渗透率较低，但随着未来GPU与光引擎的封装整合基板的功能性、复杂度及层数要求将进一步增加。这意味着载板厂商，在未来先进封装架构中将扮演更重要的角色。总结观点当前基板产业正经历从成本驱动向技术与面积驱动的转型。由于AI应用的Token数激增带动了算力基建的超预期扩容，具备高阶制程能力（如金像电、欣兴等）并能切入主流AI供应链的基板厂商，将迎来业绩与评价的双重提升。一、CCL（覆铜板/铜箔基板）核心个股✐生益科技大陆第一、全球第二大CCL；M8级高频板通过英伟达认证，AI服务器核心供应商；全产业链一体化。✐南亚新材内资高端CCL标杆，M2–M9全系列认证；AI服务器主力供应商，2025年净利同比+370%+。✐华正新材高速/高频CCL+封装基板双强；国产算力链核心供应商，绑定头部云厂商。二、ABF载板（FC-BGA）核心个股✐兴森科技国内唯一实现ABF载板量产；20层以下良率90%+，已供货华为、通过英伟达/AMD认证；珠海+广州基地扩产，2027年产能翻倍至36万㎡/年。✐深南电路内资封装基板龙头；广州基地20层以下批量生产，22–26层研发推进；导入AMDMI300，无锡新基地2027年量产。✐沪电股份高端PCB+ABF载板双布局；ABF产品用于AI服务器/GPU封装，英伟达供应链核心供应商。三、上游核心（铜箔/电子布/树脂，CCL成本关键）✐铜冠铜箔内资高端铜箔龙头，HVLP3/4批量供货，绑定生益/华正。✐德福科技HVLP铜箔+RTF铜箔，高端CCL认证齐全。✐圣泉集团PPO树脂龙头（市占70%），M8/M9级树脂供货英伟达链。✐宏和科技高端电子布龙头，AI服务器CCL核心材料供应商。
黄仁勋分享了一个理解整个人工智能经济的简单框架——“五层人工智能蛋糕”。他的观点
黄仁勋分享了一个理解整个人工智能经济的简单框架——“五层人工智能蛋糕”。他的观点很明确：人工智能不再仅仅是软件，它正在成为基础基础设施，就像电力或互联网一样。人工智能经济的五层结构：1）能源——人工智能背后的动力。人工智能需要大量的电力来运行数据中心和训练模型。这就是为什么核能、可再生能源和电力基础设施对人工智能发展至关重要。2）芯片——将电力转化为计算能力。人工智能芯片将电力转化为计算能力。NVIDIA、台积电和博通等行业领导者凭借GPU、先进的半导体和高带宽内存主导着这一层。3）基础设施——人工智能工厂。大规模的GPU集群和云数据中心协调数万个芯片来“生产智能”。Oracle、Nebius、Coreweave和Iren等新云领导者正在构建人工智能计算的骨干网络。4）模型——人工智能大脑。大型模型处理数据，并在语言、科学、机器人和模拟等领域生成智能。Meta、微软、亚马逊和Alphabet等公司之间的竞争日益激烈。5）应用——价值创造之地人工智能在顶层改变了各行各业：自动驾驶、人工智能代理、机器人、企业软件等等。
单台售价780万美元（约5000万人民币）！英伟达下一代Rubin（VR200）
单台售价780万美元（约5000万人民币）！英伟达下一代Rubin（VR200）AI机柜彻底炸场了。摩根士丹利最新拆解显示，这机器由130万个零部件打造，性能较上代暴增10倍。最关键的信号：AI利润正在从GPU向外围硬件大规模溢出！GPU占比从65%降至51%，内存、PCB、MLCC等细分赛道迎来史诗级价值重估：-内存（HBM4）：占比26%，暴涨435%-高端PCB：涨幅233%-高端MLCC：涨幅182%-ABF载板：涨幅82%中国供应链已成绝对主力，核心受益标的一个不落：🔹高端PCB：胜宏科技(300476)、沪电股份(002463)、鹏鼎控股(港股)、生益科技(600183)🔹HBM/内存：澜起科技(688008)、香农芯创(300475)🔹ABF载板：兴森科技(002436)、深南电路(002916)🔹MLCC：风华高科(000636)🔹液冷/电源/连接器：高澜股份、英维克、中航光电、得润电子AI竞争已进入全链条博弈时代，国产硬科技这次真的站上C位了。注：以上信息整理自公开研报，不构成投资建议
大型人工智能公司占据全球计算能力的一半……谷歌以25%的市场份额位居榜首1/少
大型人工智能公司占据全球计算能力的一半……谷歌以25%的市场份额位居榜首1/少数几家前沿科技公司在全球人工智能计算市场的主导地位正在迅速增强。尽管它们目前的市场份额尚未达到一半，但它们仍在积极扩张。2/根据EpochAI的一份报告，到2025年底，谷歌将以400万个H100GPU占据全球25%的计算能力，位居榜首。然而，报告显示，分配给Gemini项目的开发比例不足一半。3/OpenAI以170万个GPU位列第三，而Meta和微软也在积极获取大规模的计算资源。中国公司DeepSearch也正通过外部投资和自建设施迅速追赶。4/如果这种计算资源集中化的趋势持续下去，未来的成败将取决于能否创造可观的利润和经济效益。由于物理限制和天文数字般的成本，可持续性已成为一项关键挑战。
随着人工智能技术的发展，英伟达的GPU会不断的更新迭代，需求端会更加需要英伟达提
随着人工智能技术的发展，英伟达的GPU会不断的更新迭代，需求端会更加需要英伟达提供的硬件。英伟达牛就牛在很早就开始布局，占领了GPU研发的制高点，现在的人工智能大模型只适应英伟达生产的GPU，后来者很难撼动英伟达的垄断地位，这就让英伟达能够实现长期稳定的利润收入，并且英伟达还有定价权。英伟达能实现连续增长已成定局，再过十年，英伟达这一家科技公司的总市值，可能会超过中国A股所有上市公司总市值的总和。
人工智能三大支柱（算力芯片、通信网络、工业体系）的构成、作用和价值一、第一支
人工智能三大支柱（算力芯片、通信网络、工业体系）的构成、作用和价值一、第一支柱：算力芯片，AI的“发动机”。核心硬件通用GPU：英伟达A100/H100、AMDMI250，大模型训练主力，强并行计算。AI专用芯片（ASIC/NPU/DCU）：华为昇腾、寒武纪、壁仞、海光，针对深度学习定制，能效更高、成本更低。FPGA：可编程，适合边缘低延迟推理（工业、自动驾驶）。存算一体/光计算芯片：前沿方向，解决“存储-计算”数据搬运瓶颈。核心作用提供原始算力：支撑大模型训练（如GPT-4需数万GPU）、推理（每天千亿次调用）。定义能效上限：决定AI能跑多快、多大模型、功耗多少（直接影响电费与成本）。构建算力集群：通过NVLink/InfiniBand互联，组成“超级大脑”，支撑分布式训练。一句话价值没有算力芯片，AI就是纸上谈兵；芯片的性能与供给，决定国家AI竞争力的底线。目前来看，美国在算力算法和芯片方面，略占优势，中国在迎头赶上。二、第二支柱：通信网络，AI的“血管”。构成（三层网络）数据中心内网（高速互联）：InfiniBand、NVLink、400G/800G光模块，低延迟、高带宽，GPU间通信。骨干网/算力网络：5G和未来的6G基站网络、光纤、卫星互联网，连接智算中心、边缘节点、用户终端。边缘接入网：工业以太网、Wi-Fi7、物联网（IoT），设备端数据采集与实时控制。核心作用数据高速流通：海量训练数据、模型参数、推理请求在云-边-端实时传输。支撑云边端协同：大模型在云端训练，边缘实时推理（自动驾驶、工业质检），终端交互。保障低延迟高可靠：自动驾驶、远程医疗、工业控制等场景，毫秒级延迟是安全底线。目前的5G技术和未来的6G技术，是人工智能的支撑性基础技术。5G的研发和应用，中国走在世界的前列。6G的研发，目前中国又走在前列。一句话价值网络不通，算力无用；网络带宽与延迟，直接决定AI应用的可用性与体验。三、第三支柱：工业体系，AI的“骨骼与土壤”。构成（四大产业链）半导体制造：晶圆代工（台积电、中芯国际等）、光刻/刻蚀/沉积设备、先进封装（Chiplet），决定芯片能否量产。算力基建（智算中心AIDC）：高密度服务器、液冷散热、高压供电、储能/绿电，大规模算力交付。算力的运算，需要消耗相应的电力，电力决定算力。得益于风电、光伏发电、水电和核电的大发展，从近3年发电量来看，中国的年发电量几乎是美国、印度、俄罗斯、日本、德国、法国和英国的总和。液冷散热、特高压供电、储能/绿电，还有在人形机器人中将电能转化为精准机械运动，也是中国的强项。整机与智能制造：AI服务器、工业机器人、智能产线，支撑算力硬件规模化生产与AI落地。软件与生态：操作系统、AI框架（TensorFlow/PyTorch）、编译器、行业解决方案，让硬件可用、模型可落地。核心作用硬件规模化供给：稳定、低成本生产GPU/NPU、服务器、光模块，支撑AI算力爆发式需求。工程化落地能力：把算法模型变成可量产、可运维、可迭代的产品（如工业质检、自动驾驶、无人机、无人艇、机器狗、战狼等）。得益于中国完整的工业体系和供应链，相对美国的产业空心化来说，中国人工智能产品的工程化、产品化、市场化和迭代能力都相对要好些。产业链安全自主：避免“卡脖子”，保障芯片、设备、软件的自主可控，支撑长期发展。一句话价值工业体系不强，AI只能“空中楼阁”；完整的产业链，是AI从实验室走向产业的根本保障。四、三者关系总结算力芯片是动力源，提供计算能力；通信网络是传输纽带，连接算力、数据与场景；工业体系是制造与工程底座，保障硬件量产与应用落地。三者缺一不可，共同构成AI产业的“硬支撑”，决定一个国家AI发展的上限与安全。
黄仁勋身家超过七千亿，上个月在台北，黄仁勋满头大汗走下台，没喝一口水，径直走向第
黄仁勋身家超过七千亿，上个月在台北，黄仁勋满头大汗走下台，没喝一口水，径直走向第一排一个穿素色衣服的中年女人。现场闪光灯没有停。那位中年女人正是黄仁勋的妻子LoriHuang。公开资料显示，LoriHuang与黄仁勋相识于OregonStateUniversity时期，两人结婚多年，一直保持低调。台上的光环属于英伟达创始人，台下的沉默属于家庭。台北活动的热度来自英伟达的现实地位。2023年，NVIDIA市值突破1万亿美元。2024年，市值超过2万亿美元。黄仁勋的财富数据来自福布斯与彭博亿万富翁指数，公开榜单可以查询。资本市场的狂热，让人容易忘记1990年代的紧张时刻。时间倒回1993年4月5日。黄仁勋与ChrisMalachowsky、CurtisPriem在加州圣何塞创立英伟达。创业地点是Denny’s餐厅。创始人背景并不神秘。黄仁勋1963年出生于台湾台南市，1984年毕业于OregonStateUniversity，1992年获得StanfordUniversity电机工程硕士学位。创业前在AdvancedMicroDevices与LSILogic工作。履历清晰，公开可查。1995年，英伟达推出NV1芯片。技术路线与微软DirectX不兼容，销量不理想。1997年前后，公司现金储备告急，进行裁员。黄仁勋在后来的采访中承认，那是最危险的阶段。员工减少，项目压缩，办公室气氛紧张。公司几乎走到尽头。没有外界想象的从容，只有账面数字不断逼近红线。1999年1月22日，英伟达在纳斯达克上市。同年发布GeForce256，被称为第一款GPU。产品成功后，公司局面改变。上市时间与产品发布都在公开市场记录中可以查询。那几年，黄仁勋几乎住在公司。LoriHuang承担家庭事务。公开资料显示，两人育有两个孩子。没有高调曝光，只有日常维持。2006年，英伟达发布CUDA并行计算平台。GPU开始进入科研与高性能计算领域。2012年，AlexNet在ImageNet竞赛中使用GPU训练取得突破，深度学习开始依赖英伟达芯片。技术路线转向并非偶然，而是多年积累的结果。每一个节点都有公开论文和产业报道支撑。2022年之后，生成式人工智能推动A100、H100等芯片需求激增。2023年财报显示英伟达营收大幅增长。资本市场反馈迅速。财富数据飙升只是结果，过程记录在上市公司公告里。台北那一幕只是生活的切片。台上是全球半导体产业的焦点人物，台下是共同走过三十年的伴侣。黄仁勋在公开场合多次提到家庭支持的重要性。海明威写过一句话：“世界击碎了每一个人，而在碎裂处，有些人变得更强。”创业早期的挫折并未消失，只是被后来的成功覆盖。现场观众看到的是当下的荣耀，却未必了解1997年的裁员名单，也未必记得1999年上市当天的紧张。黄仁勋走向LoriHuang的动作很自然，仿佛提醒自己起点在哪里。财富数字会变动，股价会波动，技术路线会调整，只有时间线不会撒谎。英伟达从图形芯片走向AI算力核心，用了三十多年。那段路程没有神话，只有节点与决策。至于未来会走向何处，没有人提前写好答案。
