AI 集群核心并非 GPU 堆砌，而是带宽互联网络
上一回我们提到，GPU 面临两种结局：一是吃不饱（饿死），二是跑不动（堵车）。HBM 攻克了第一道难关。而第二种情况——即数万颗 GPU 之间“跑不动”的困境——必须依靠光互联来解决。但在深入探讨光技术之前，必须先厘清一个关键问题：这些 GPU 究竟是如何相互连接的？因为大众对于“AI 算力”的认知往往存在偏差。许多人误以为，AI 数据中心就是“海量 GPU 的简单堆叠”。芯片数量越多，算力便越强。这种认知，遗漏了最核心的一半真相。真实的 AI 集群，绝非一堆 GPU 的集合，而是一张网——一张让 GPU
AI机架功耗激增，光互连与液冷成关键
近期关注AI硬件领域时，常会将CPO、硅光技术及液冷方案分别讨论：有的像光模块热点，有的像散热概念，还有的像是展会新品的炒作题材。但如果站在数据中心的角度看问题，这些其实都在解决同一个核心问题：随着GPU堆叠越来越密集，如何更快地传输数据，更稳定地带走热量。B200单芯片TDP已达到1000W，Rubin平台的功耗还在持续上升。Lightcounting预测，基于硅光的光模块市场份额将从2024年的33%提升至2026年超过50%。IDC数据显示，中国液冷服务器市场2024年同比增速达67.0%，2024
AI与高带宽内存如何重塑半导体测试领域
人工智能正在推动半导体行业的创新步伐。从AI训练集群和高性能计算系统，到先进封装和下一代存储技术，当今的半导体器件正不断突破性能、带宽和集成度的极限。随着这些技术的发展，半导体测试所面临的挑战也在迅速增加。在最近一期的半导体领导力播客节目中，FormFactor首席执行官Mike Slessor分享了他对AI、高带宽内存、先进封装和硅光子技术如何改变半导体测试技术和经济现实的看法。测试不再仅仅是缺陷检测几十年来，半导体测试通常被视为质量控制环节，是产品交付前识别不良器件的必要步骤。如今，测试的意义已远超最
英伟达Vera CPU专为智能体AI而生
采用全新架构设计的Vera，搭载88个定制化奥林匹斯核心，引入空间多线程技术，融合高带宽内存子系统与第二代低功耗LPDDR5X内存（带宽高达1.2 TB/s，能耗降低50%），能够高效满足多租户AI工厂及智能体响应场景的需求。截至目前，阿里云、字节跳动、Meta（META.US）、甲骨文（ORCL.US）云基础设施、CoreWeave（CRWV.US）、Lambda、Nebius、Nscale等已率先采用Vera；戴尔科技（DELL.US）、慧与（HPE.US）、联想、超微、华硕、富士康、技嘉、和硕、广达
AI CPU：性能跃迁新纪元
伴随大模型迈向Agentic AI（多智能体推理）的新范式，CPU在数据中心中的定位正经历根本性转变——从以往的任务调度与数据流转，升级为深度介入推理环节，致使CPU需求激增，甚至显现出用量超越GPU的态势。在Agentic AI推理流程中，约70%-80%的时间由CPU承担（涵盖任务分解、沙箱隔离、线程调度及应用调用等），GPU则仅聚焦于核心计算。这使得CPU与GPU的配比由传统的1:2逐步向1:1乃至更高比例演进，单颗CPU需支撑的线程数量剧增，以英伟达Vera（88核176线程）为例，单颗CPU可承
AI时代：认知带宽决定阶层差异
当人与人之间的鸿沟不再局限于财富。在AI时代，决定阶层差异的或许是“认知带宽”。昔日，人与人之间的隔阂源于土地、资本、资源或资讯。展望未来，这种差距或将转化为“你与AI及世界建立连接的快慢”。毕竟，AI正逐步蜕变为我们的第二大脑、全能助手、专属研究组以及战略顾问。同一个体，能否驾驭AI将导致效率悬殊，差距甚至可达十倍或百倍。未来最卓越的人才，未必是智商最高的，而是那些率先实现人机协作的人。这也解释了为何全球科技巨头正疯狂押注Neuralink、脑机接口、AI智能体、超算及数据中心。因为未来的竞争核心，已不
三星首发 HBM4E 样品，供货全球 AI 巨头
三星电子于周五宣布，已正式启动其最新一代高带宽内存（HBM）芯片——12 层堆叠的 HBM4E 样品的发货工作，并强调这是全球范围内首次实现该类产品的交付。鉴于 AI 服务器及处理器对高端存储芯片的需求急剧攀升，三星的客户名单涵盖了 AMD(518.09, 22.55, 4.55%)、英伟达以及谷歌 (386.12, 1.29, 0.34%) 等业界领先的 AI 企业。 责任编辑：王永生 新浪财经声明：此消息系转载自合作媒体，新浪财经登载此文出于传递更多信息之目的，文章内容仅供参考，不构成投资建议。 郑重
三星全球首发 HBM4E 样品，性能跃升超两成
三星电子于周五正式宣告，已启动其最新一代高带宽内存（HBM）——12 层堆叠 HBM4E 样品的交付工作，并强调这是全球范围内该类产品的首次出货。 鉴于人工智能服务器及处理器对高端存储芯片的需求急剧攀升，包括 AMD(518.09, 22.55, 4.55%)、英伟达以及谷歌 (386.12, 1.29, 0.34%) 在内的顶级 AI 巨头，均已纳入三星的客户阵营。 在今年早些时候率先实现业界领先的 HBM4 大规模量产与商用交付后，三星此次通过推出 HBM4E 样品进一步拓展了其 HBM 技术路线图，
AI对责任制的致命冲击
人类社会的博弈纳什均衡： 惩罚机制推高了说谎的成本，使得说真话成为唯一的理性选择。AI的介入导致了系统的崩塌：AI是一个拥有无限弹药且免疫惩罚的博弈异类。核心剖析：AI是如何通过“零惩罚”机制瓦解责任制的 1. 惩罚机制在AI系统中的物理失效古典责任制是建立在肉体约束之上的。惩罚人类的手段包括：剥夺财产、限制自由、社会信用破产（臭名昭著）。AI的免疫性：无法对一串权重数值进行罚款，无法关押代码，AI更不在乎“名誉”。可怕之处：惩罚的物理载体消失了。当一个系统无法被惩罚，任何基于“成本-收益”的约束模型在它
AI 浪潮引爆韩国芯片，SK 海力士市值破万亿
核心摘要 得益于投资者对人工智能概念半导体股票的狂热追捧，SK 海力士股价在周三交易中一度飙升 11%，助推这家韩国芯片巨头的市值成功跨越 1 万亿美元门槛。 人工智能服务器及算力所需的高带宽内存芯片需求爆发，驱动该股今年持续大涨，累积升幅已达约 250%。如今，SK 海力士已成为人工智能芯片霸主英伟达的关键供应商，牢牢占据全球人工智能产业链的核心地位。 收盘时，SK 海力士涨幅回落至 9.21%，三星电子则上扬 2.68%。 就在几周前，其国内竞争对手三星电子的市值也正式突破了 1 万亿美元关口。 这两
AI 浪潮助推：SK 海力士与美光迈入万亿市值行列
在人工智能热潮的驱动下，全球半导体行业迎来繁荣，存储芯片巨头 SK 海力士与美光 (895.88, 144.88, 19.29%) 科技已成功晋级，成为市值突破万亿美元的顶级企业。 作为全球第二大存储芯片制造商，SK 海力士今年的股价涨幅已超过两倍。本周三，其股价收盘劲升 9.3%，使得这家韩国公司的总市值攀升至 1599 万亿韩元，约合 1.061 万亿美元。 美光科技则于本周二正式跨过万亿市值大关，当日股价暴涨 19%，收盘报 895.88 美元。瑞银 (47.78, 0.82, 1.75%) 分析师
AI 越火手机越贵？账单揭秘芯片涨价背后的真相
当 AI 浪潮席卷全球，普通大众正默默为硅谷的狂欢埋单。你是否察觉到一个耐人寻味的现象？2026 年，全球在 AI 芯片上的投入两年间直接翻倍。Nvidia 单季数据中心营收飙升至 752 亿美元，同比激增 92%。与此同时，你的手机、电脑乃至汽车，价格都在不知不觉中上浮。这绝非偶然。钛媒体近期的一项深度调查揭露了一个令人忧虑的事实：在 AI 芯片的总开销里，"大脑"（计算芯片）仅占 13%，而"记忆"（高带宽内存）却独吞了 63%。这意味着，你为 AI 手机多掏的钱，大半
美国航空联合SpaceX为500余架客机装配星链网络
美国航空正对其机上网络体验进行全面改造。公司于5月26日公布计划，自2027年第一季度开始，将在逾500架空客(54.17, 0.00, 0.00%)窄体客机上配置SpaceX星链Wi-Fi设备。 本次网络升级将涵盖美国航空旗下的大部分空客窄体机队，涉及现有飞机以及全新的A321XLR和A321neo机型。星链系统通过低轨道卫星群提供宽带互联网服务，相较于传统地球静止卫星，具备更低延迟和更优传输速度，可支持在线游戏、视频流及实时协作等应用。 美国航空首席客户官希瑟·加博登指出：“身为一家国际顶级航空公司，
存储股热潮下的冷思考：周期律并未失效
近年间，存储类个股的优异表现强力拉动了美韩两地股市上扬，然而市场分析人士警示，若投资者忽视了该行业固有的周期性特征，恐将付出沉重代价。自 2022 年末 ChatGPT 问世至今，存储产业便步入持续扩张轨道，进而引爆了对高带宽内存（HBM）的庞大需求。作为 HBM 芯片的两大巨头，三星电子与 SK 海力士今年以来的股价涨幅惊人，分别达到了 114% 和 186%。美企美光科技与闪迪同期表现同样抢眼，股价分别攀升了 141% 和 156%。推动存储芯片股走向牛市的核心论点在于：市场普遍相信该行业已彻底告别往
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