AI服务器电源：被忽视的千亿级蓝海市场
这个数字有多夸张？4台普通工作站加一起的耗电量，也比不上它。GPU厂商在疯狂堆算力的同时，供电系统这条线却承受着最大压力，却很少有人关注到这一点。2018年，一台标准服务器机柜，8kW就是极限了。而现在AI机柜，40kW只是起步，这还说得比较保守。功率密度飙升到这种程度，传统电源已经完全跟不上需求了。这条产业链，被硬生生砸出了全新的机会窗口。AI服务器电源分为三大块：PSU本体、PDU配电单元、液冷CDU。PSU负责把电网电转换成服务器可用的电，技术难点集中在高功率区间。台系厂商拿下了超过一半的市场，不是
AI算力背后的内存对决：HBM与DDR的技术博弈
近一年多来，各大存储芯片企业迎来业绩爆发期。国内多家存储企业正加速推进上市进程，本文就此展开探讨。带宽决定效率在人工智能模型训练过程中，计算能力并非唯一限制，数据传输才是核心环节。传统DDR5内存单通道带宽仅为50-100GB/s，而高端HBM3E则可达到1-4.8TB/s，这种量级差异直接决定了GPU能否充分发挥性能。设想若采用DDR5运行大模型，GPU大部分时间将处于等待状态，训练周期可能从数周延长至数月；而采用HBM则能让训练效率接近满载，时间成本大幅缩减。可以说，AI训练本质上是带宽的竞争。定位与
人工智能正在重塑"优等生"的定义
现如今，A+ 这个成绩，已经越来越不具备含金量了。根本原因在于：人工智能已经完全改变了学生获取高分的方式。以前想成为"学霸"，你必须做到：真正能撰写论文真正能解答题目真正能理解知识点但现在，许多学生只需要：启动 ChatGPT。近期，University of California, Berkeley 的一项研究表明：自 ChatGPT 诞生以来，在那些"容易被 AI 辅助"的大学课程中，A 等级成绩比例急剧上升了大约 30%。这意味着：越来越多人获得高分，并非因为更聪慧，而是因为更擅长运用 AI 了。研
从刷厕少年到 AI 帝王：黄仁勋的逆袭之路
黄仁勋童年在寄宿学校屡遭霸凌，却在逆境中铸就了独特的生存智慧。30 岁那年他创立英伟达，历经技术碰壁与资金枯竭，凭借近乎偏执的坚持推出 GPU 理念，经过十年布局终成 AI 算力领域的霸主。他那标志性的黑皮衣象征着危机意识，其教育观推崇苦难磨砺，带领英伟达市值冲破 5 万亿美元，跻身全球科技格局的核心人物行列。或许你叫不出他的名字，但一定熟知“黄仁勋”与“英伟达”。就在近日某个深夜，你或许刷到了这样一幕：一位身着经典黑皮衣、背着旧双肩包的亚裔男子，在白宫高官名单中不见其一的情况下，竟大步流星登上了特朗普的
李兆林教授出席摩尔线程2026发布会，共绘AI教育蓝图
【5月18日】北京中关村国家自主创新示范区展示交易中心内流光溢彩，摩尔线程2026产品发布会在此盛大启幕。松果AI联合创始人、新格科技集团董事长李兆林教授作为特邀嘉宾莅临现场，与行业专家共同见证了摩尔线程在AI赛道上的最新突破。展厅参观：感受尖端科技风采活动当日，李兆林教授团队首站探访了摩尔线程精心布置的产品展区。展区内，摩尔线程全面展示了其“云 - 边 - 端”全场景产品矩阵的最新进展，涵盖高性能GPU、智能计算终端以及多项创新解决方案。李兆林教授对摩尔线程在国产GPU领域取得的杰出成绩给予高度评价，并
AI 依赖 GPU，但这并非终局
到了 2026 年，想买个高端显卡玩玩游戏，发现 RTX 5090 的价格直逼 3.4 万。并非显卡性能有多强悍，而是被 AI 抢占了大量显存。这绝非玩笑。GDDR7 显存的产能，正遭受 AI 服务器对 HBM 的巨大需求挤压。三星和 SK 海力士将原本供应消费级 DRAM 的生产线转产高端 AI 芯片所需的 HBM，留给游戏显卡的显存自然捉襟见肘。英伟达和 AMD 从年初起便开始分阶段涨价，受苦的只是普通消费者。2026 年全球 AI 基础设施投资预计超 6500 亿美元，Gartner 预测全球 AI
国产GPU突破技术壁垒：市场份额超六成、追赶者变领跑者
快科技5月18日报道，Bernstein Research等多家研究机构数据显示，英伟达在中国AI芯片市场的份额从三年前的95%骤降至8%，而国产AI加速卡市场份额突破60%，国产化率首次跨越六成门槛。中国AI芯片市场正在经历历史性变革，国产GPU彻底摆脱"追随者"的固有印象。 国产GPU的成功并非简单复制英伟达的技术路径，而是开辟了自主架构的新方向。据《2026中国AI计算芯片市场研究报告》，华为昇腾采用自研达芬奇架构实现全栈自研，950PR芯片推理性能达到英伟达H20的3倍，有力回击了国产芯片性能逊于
AI算力爆发致光纤紧缺，价格飙升
AI算力爆发致光纤紧缺，价格飙升 过去二十年里，光缆短缺的情形从未如当下这般严峻。 如今，各地纷纷兴建AI数据中心，各机房内的GPU集群互联，完全依赖光纤，仅一栋算力大楼所缠绕的光缆量，便超过一个老旧小区的总和。 由此导致的结果是，光缆价格在短短半年内翻了一番。 然而，这并非最严峻的问题，光缆本身价格尚低，昂贵之处在于其核心的光纤预制棒，该材料需极高纯度的石英玻璃，产能极具刚性，扩产周期往往长达两三年，当下游突然涌现如AI数据中心这般巨大的需求时，上游产能根本来不及响应。 简而言之，光纤制造产能遭遇瓶颈，
AI实验室深度解析：OpenAI与Anthropic算力成本分析
每机柜配备72块B200 GPU及36颗Grace CPU整机柜总功耗达120千瓦FP4模式下峰值算力为1,440 PFLOPsFP8模式下的峰值算力为720 PFLOPsFP16峰值性能可达360 PFLOPs搭载13.5 TB HBM3e显存单机柜预估造价约300万美元缩写定义完整名称对应FLOPs数值千次浮点运算10的3次方百万次浮点运算10的6次方十亿次浮点运算10的9次方万亿次浮点运算10的12次方千万亿次浮点运算10的15次方百亿亿次浮点运算10的18次方十万亿亿次浮点运算10的21次方输入：
YEF2026 | 开源与AI共塑算力新格局
AI算力基础设施快速演进，单一技术生态主导下的多架构不兼容、适配成本高、创新受限等问题日益突出，构建开放统一的GPU开源生态迫在眉睫。本论坛以 "智创算力：GPU开源生态的破局与新生" 为主题，聚焦开源技术创新、多架构协同适配、人才体系建设等多个核心方向，邀请行业专家分享实践经验，探讨国产开源生态构建路径，共同推动智能计算底层技术自主创新与产业高质量发展。日程安排顺序主题主讲嘉宾单位1论坛开场、嘉宾介绍、YOCSEF文化宣导王天阳湖南先进技术研究院2硬件无关的高性能数据传输：Mooncak
七类芯片定乾坤：揭秘 AI 算力的真实版图
展望未来十年的科技博弈，表层看似是 AI 应用的争锋，实则底层逻辑在于芯片体系的整体抗衡。近年来，每当话题触及人工智能，英伟达与 SK 海力士往往最先涌入大众脑海。这情有可原。大模型的训练依赖于惊人的计算吞吐量，算力芯片与存储芯片作为核心刚需，其中 GPU 因擅长并行处理而脱颖而出，致使英伟达成为此轮 AI 浪潮中的绝对主角。然而，若目光仅局限于 GPU，极易对整体芯片产业产生认知错位。毕竟，AI 的高效运转并非单靠某一颗芯片，而是依赖于一整套芯片系统的协同。GPU 主攻运算，CPU 负责调度，HBM 保
AI芯片产业链全景解析
市场概况今日市场全天维持窄幅震荡整理态势，走势与周日预判基本吻合。60分钟级别的顶背离结构对应8-12小时的调整周期，由于第二和第五根绿柱呈现放大态势，因此确认调整时间为12小时。完成缺口回补后主跌周期宣告结束，当前呈现横盘震荡格局，运行区间为4118-4150点，缺口形成支撑。实际走势验证了此前的判断，唯一不足之处在于收盘未能站上4150点上方。不过60分钟级别的顶背离已通过小一级别的底背离得到化解，30分钟级别已出现标准底背离动作，标志着市场调整周期基本告一段落。目前市场普遍判断为头部区域，但当前位置
HBM需求爆发：AI算力时代的内存技术革命
在AI大模型时代，GPU的性能天花板完全取决于HBM（高带宽内存），HBM的容量与带宽必须代代实现翻倍增长，不再像传统内存那样存在周期性瓶颈，需求将呈现持续指数级攀升。 一、回顾：CPU时代，内存（DDR）并不关键 在电脑、手机等传统CPU算力时代，行业的唯一核心目标是让CPU的运算速度不断提升。 我们日常接触的DDR普通内存仅仅是辅助角色，在行业中的地位极低，十余年来技术几乎没有重大突破，主要原因有两方面： 1、CPU自带优化机制，无需内存加速 CPU配备了多层缓存和并行计算架构，能够自行弥补内存速度慢
AI 之父黄仁勋的传奇之路
黄仁勋（Jensen Huang），1963 年出生于中国台湾，拥有美国国籍，作为英伟达（NVIDIA）的创始人及首席执行官，被世人尊称为“AI 教父”。回顾其早年创业历程，他 16 岁便跳级进入俄勒冈州立大学深造，随后取得斯坦福大学硕士学位。1993 年 2 月 17 日，正值其 30 岁寿辰之际，他与两位工程师在某餐厅携手创立英伟达，誓要打造 3D 图形芯片。在公司初创的至暗时刻，征程异常坎坷，首款产品 NV1 因技术路径失误而遭遇惨败，资金链多次告急，企业几度面临破产边缘。黄仁勋亲自前往日本，向客户
黄仁勋驳斥核武论：显卡造福十亿人绝非军事武器
快科技5月17日报道，英伟达掌门人黄仁勋近日在斯坦福大学演讲期间，明确表达了对人工智能芯片出口限制政策的反对态度。 面对Anthropic创始人达里奥·阿莫迪将出售先进AI芯片类比向朝鲜输送核武器的观点，黄仁勋在台上直接予以回击。 黄仁勋强调，全球已有十亿用户在使用英伟达GPU，他不仅会推荐给亲友，更不会将其与原子弹相提并论。他认为这种比喻极其荒谬，是基于错误逻辑的极端误读。 他坚信全球技术开放才是最佳利益所在，人为封锁只会削弱自身优势。鉴于英伟达CUDA架构主宰了全球绝大多数AI开发工作，若解除禁令，无