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
国泰海通：算力期货开启新篇 行业扩容趋势未改
国泰海通(13.3, -0.11, -0.82%)发布研究报告指出，CME 计划推出算力期货，其底层资产挂钩 GPU 按需租赁价格指数，这标志着期货市场服务范畴正由传统大宗商品向新兴科技产业拓展。对于期货公司来说，新品的推出不仅意味着交易量、佣金收入及客户权益规模的增长空间，更关键的是扩大了服务产业的广度与风险管理的维度，助力业务模式从传统经纪通道向综合风险管理服务商转型，行业长期扩张的逻辑依然稳固。算力期货：AI 基础设施金融化的关键一步。CME 拟携手 Silicon Data 推出算力期货，底层锚定
黄仁勋发家史：从流亡少年到 AI 霸主
在现今的科技圈，有一个名字无人不知。无论是电脑显卡、游戏设备，还是当下炙手可热的人工智能大模型，其背后都有一家名为英伟达的企业，以及它的掌舵人——黄仁勋。如今的英伟达，市值已跻身全球顶尖行列，牢牢掌控着全球算力与芯片产业的命脉。外界只目睹他身家亿万、风光无限，却鲜少有人知晓，这位常穿黑色皮衣的科技巨头，早年曾流离失所，尝遍常人未历之苦，几度将公司从倒闭边缘拉回。他从一个漂泊海外的普通少年起步，一路披荆斩棘，凭借坚韧的意志、独到的眼光和敢闯敢拼的个性，硬是闯出了一片天地。这一生，既有坎坷与挣扎，也有坚守，更
构建 AI 帝国的七大核心支柱
构建 AI 帝国的七大核心支柱！谈及 AI 热潮，人们常简化为“购入算力”。然而，“算力”这一概念过于宏大。AI 模型从训练至推理的全过程，绝非单靠一张 GPU 就能完成。它既需云平台构建机房底座，也需 GPU 或专用加速器承担 heavy-lifting，依赖 CPU 进行数据调度与通用计算，更需要 HBM、DRAM 及 SSD 提供数据吞吐支持。唯有拆解 AI 基础设施，方能洞察资金真实流向。本文将分七个层级剖析：算力平台、GPU/AI 加速、CPU、存储系统、能源电力设施、网络/CPO、先进制程与封
Digi Power X转型阵痛中前行 AI算力业务首季实现创收
核心财务数据 Digi Power X公布2026年第一季度财报。公司报告期内营收为680万美元，较去年同期的930万美元下降27%，主要因公司主动缩减传统加密挖矿业务以为AI算力业务腾出空间。净亏损为470万美元，较上年同期的160万美元亏损有所扩大，反映了在AI基础设施方面的前期投入。经调整EBITDA为110万美元，同比增加240万美元，实现由负转正。 向AI基础设施战略转型 首席执行官Michel Amar表示，第一季度是公司的“转折点”。公司已成功启动从加密矿企向垂直整合AI数据中心基础设施运营
大摩重申中芯国际增持评级 看高至七十港元
摩根士丹利最新研报指出，中芯国际 (120.490, 2.59, 2.20%)（00981）作为本土人工智能图形处理器（GPU）产业链的核心力量，地位举足轻重。鉴于产能利用率持续高位运行且平均售价上扬，该行确信公司有能力消化因扩产带来的额外折旧压力，故维持“增持”评级，并将目标价定为 70 港元。中芯国际首季营收环比微增 1%，同比攀升 11%，录得 25.1 亿美元，契合该行与市场预判，主要驱动力来自混合平均售价的提升。当期毛利率达 20.1%，环比提高 0.9 个百分点，表现优于预期。归属于股东的净利
前微软AI高管李宏智回国，出任同济大学教授
李宏智，前微软人工智能亚太区首席应用科学家，近日加盟中国同济大学。据李宏智个人网站信息，他毕业于浙江大学后赴美深造，于哥伦比亚大学先后获得计算机科学硕士和博士学位。2016年，他加入美国科技巨头微软公司，开启职业生涯。过去十年，李宏智在微软担任搜索与人工智能事业部首席研究员/架构师，并出任微软人工智能事业部（亚太区）生成式人工智能部门负责人。他还曾入选国家海外高层次人才引进计划。近日，李宏智辞去微软高薪职位回国，现任同济大学工程智能研究院长聘特聘教授。观察者网已联系李宏智，了解其回国工作的动机及对在华发展
AI集群网络新方案：光洗牌技术如何破解GPU互联瓶颈
在大型模型训练与生成式AI等应用对计算能力需求呈现爆发式增长的背景下，AI集群的GPU规模正从数千颗向数十万乃至百万颗快速演进。传统三层叶脊核心（Leaf-Spine-Core）网络架构在面对这一趋势时，已难以同时满足低时延、低成本、低功耗这三项核心需求。本文基于IEEE 802.3最新研究成果，深入剖析Optical Shuffle（光洗牌）架构的技术原理、核心优势、实施方案及规模化应用前景，为超大规模AI网络建设提供技术参考。主要内容包括：当前主流AI集群普遍采用扁平化网络设计，核心目标是减少交换机和
AI算力为何更看重1GW而非GPU数量
在人工智能的角逐中，算力已不再仅仅是一个技术指标，而是变成了“能消耗多少电能”的资源难题。数量虽易获取，容量却难以企及：为了构建全球顶尖的超算中心，各大巨头不惜投入数百亿资金扩建数据中心，而电力供应成为了最大的瓶颈。运营的核心逻辑就是“获取充足的电力”。因此，利用“容量/电力”来衡量集群规模已成为行业通用的做法，这就像一张“电力容量标签”，揭示了实际的运营极限。效率参差不齐，需要统一标尺：不同代际的GPU好比是“高耗能”与“节能型”的区别。作为功耗计量单位，GW提供了一把通用的尺子，让你能直观地对比不同代
AI 热潮风向变：英伟达退居二线，存储芯片成新宠
近一月来，芯片板块迎来强劲上涨；美光科技涨幅达 80%、闪迪飙升 52%、英特尔大涨 85%，这些仅是本轮行情中的代表性企业。 本轮芯片股暴涨的核心动力，源于人工智能系统架构正加速向“编排调度（Orchestration）”模式转型：AI 算力负载不再单纯依赖少数大型中心化芯片集群，而是转向分散至多条并行处理通道。 在新架构体系下，相较于高性能显卡 GPU，市场对传统中央处理器 CPU 的需求更为迫切。而在人工智能发展的初期阶段，正是 GPU 需求的爆发推动了英伟达股价的飙升。 尽管 GPU 在模型训练、
华农惠源 AI 生态：GPU 算力霸主英伟达
英伟达（NVIDIA），这家源自美国的科技巨头成立于 1993 年，总部坐落于加州圣克拉拉，由黄仁勋联手克里斯·马拉科夫斯基及柯蒂斯·普里姆共同创办。起初公司深耕图形芯片设计，随着技术迭代与业务拓展，已转型为提供全栈计算能力的人工智能领军者，专注于 CPU、DPU、GPU 及 AI 软件的研发，为建筑施工、金融理财、科研探索、智能制造及汽车工业等多个领域提供强有力的计算方案支持。1999 年，英伟达首创图形处理器（GPU），极大地促进了 PC 游戏产业的繁荣，重塑了计算机图形技术标准。2006 年，推出并
七大核心芯片，定义AI性能边界
未来十年的科技竞争，表面看是AI应用的角逐，实则底层是芯片系统的全面比拼。近年来，提到人工智能，许多人首先想到的是英伟达和SK海力士。这不难理解。大模型训练需要大量计算资源，算力芯片和存储芯片是关键需求，而GPU在并行计算方面表现优异，因此英伟达成为本轮AI浪潮中最受关注的企业。但若仅关注GPU，容易对整个芯片产业形成片面认知。因为AI运行并非依赖单一芯片，而是依靠一整套芯片系统协同工作。GPU负责运算、CPU负责调度、HBM负责数据传输、网络芯片负责连接、功率芯片负责供电与能效、MCU负责终端控制，而S