标签： AI芯片

英伟达正将AI基础设施的竞争焦点从“单颗GPU算力”转向“Token工厂效率”，并推出Vera Rubin平台——一套整合CPU、GPU、LPU、网络和存储的异构系统，旨在以更低电力、更少GPU数量，实现更高的Token产出和更低的单位成本。

NVIDIA发布了BlueField-4 DPU和Vera BlueField-4 STX存储处理器，专门解决Agentic AI场景下基础设施成为推理瓶颈的问题，通过专用硬件卸载主机CPU的存储、网络、安全等工作，目标是将GPU利用率提升至更高水平并降低每Token成本。

台积电在2026年第二季度财报会上宣布，将2026年资本支出预测上调至600~640亿美元，并透露1.4nm级A14制程节点开发顺利，预计2028年量产。此举进一步巩固其在AI算力芯片制造领域的领先地位。

三星与百度智能云合作，正式完成了“盖乐世 AI”在中国市场的生成式AI服务备案。这意味着三星的AI功能（如通话摘要、图片编辑等）在中国大陆能够合规落地，绕开了此前海外AI服务在中国不可用的壁垒。

Apple 正在与半导体厂商和投行洽谈，计划通过收购 AI 芯片公司来增强服务器算力，原因是其自研 M2 Ultra 芯片在处理 AI 任务时性能不足，现有基础设施无法支撑 Siri AI 等重负载工作负载。

乌克兰无人机公司Vyriy将一款名为Vyriy 15的FPV攻击无人机单价降至500美元，并凭借AI制导模块实现了110公里（约68英里）的打击纪录。这一价格不仅低于一部iPhone，也标志着低成本AI无人机在实战中实现了技术突破。

距上一轮融资仅47天，DeepSeek再次启动新一轮融资，投前估值已升至710亿美元，核心资金用途直指大规模数据中心建设和AI芯片采购，显示出这家中国AI初创公司在算力基建上的巨大投入压力。

2026年，微软、亚马逊等巨头预计将投入超一万亿美元建设AI基础设施。但并非所有人都能从中获利——利润正高度集中在垄断层、中间壁垒层和周期红利层这三类公司，它们分别依靠技术稀缺性、高转换成本和短期供需错配赚取超额利润。

印度IT服务巨头HCL Tech宣布正式进入AI数据中心市场，将投资最高350亿卢比（约合24.89亿人民币）建设AI数据中心，初期目标为50MW容量，旨在抓住印度政府与私营部门日益增长的AI计算需求。