标签: GPU
看罢此图，深感老马目光之毒辣同行还在卷模型参数，他已洞悉天机，开始圈地建“算
看罢此图，深感老马目光之毒辣同行还在卷模型参数，他已洞悉天机，开始圈地建“算力帝国”疯狂囤积55万GPU，不仅为Grok筑基，更化身“算力包租公”，把余力租给Cursor们这哪是单纯做AI，分明是在抢占AI时代的“石油”与“电力”，商业闭环既成，规则由其定义
高通发布骁龙6Gen5和骁龙4Gen5：骁龙6Gen5：4*2.6G
高通发布骁龙6Gen5和骁龙4Gen5：骁龙6Gen5：4*2.6GHzP-Core+4*2.0GHzE-Core，台积电4nm，相比前代，功耗降低8%，GPU提升20%，支持200MP、100X变焦，支持王者荣耀120FPS，WiFi7，荣耀和REDMI首批终端。骁龙4Gen5：2*2.4GHzP-Core+6*2.1GHzE-Core，台积电4nm，相比前代，功耗降低10%，GPU提升77%。支持90FPS游戏，OPPO、realme、REDMI首批终端。
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。
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。
转：非常同意！资金后续会流入到互联，电力，机柜，数据中心。这其实跟1999年互联
转：非常同意！资金后续会流入到互联，电力，机柜，数据中心。这其实跟1999年互联网泡沫时炒作的路径是一样的1.先炒上游基础设施，1999年是门户网站→光纤→网络设备，现在是GPU→HBM→光模块→服务器2.然后核心瓶颈再不断往外扩散，1999年带宽不够所以炒作光纤，现在是算力不够炒gpu，存储不够炒dram，互联不够炒光模块/cpo。3.到大后期资金流向边缘资产，1999年是机房、电信运营商、基础设施，现在是数据中心、电力、冷却、机柜。这些都是ai硬件基础设施的红利，但最终也要落实到应用上。历史总是惊人的相似哈哈哈哈投资
人工智能除了gpu最缺的就是存储芯片，远比光模块，pcb，液冷板强，而且存储不论
人工智能除了gpu最缺的就是存储芯片，远比光模块，pcb，液冷板强，而且存储不论高端，低端存储都缺，华为曾经说过算力增长万倍，存储至少几百倍，技术不管怎么先进，怎么用高端储存代替至少几十倍先进产能扩产，最厉害的长鑫长江都没有上市，大家都认为这些都是周期性产业，但这个周期足够长，需求足够大！未来五到十年高端ai存储一直不够用的，也就是现在所说的hbm
价值投资日志并购/弹性/暗线（高预期）股票概念核心逻辑来伊份GPU/光纤
价值投资日志并购/弹性/暗线（高预期）股票概念核心逻辑来伊份GPU/光纤借壳开启资本运作，潜在GPU/光纤资产注入。罗博特科光模块并购收购FiconTEC，全球耦合测试设备龙头。首都在线IDC/边缘计算算力租赁+边缘计算，词元传输核心。
我司小伙伴关于REDMIK90Max的实测数据。室温环境下，REDMIK9
我司小伙伴关于REDMIK90Max的实测数据。室温环境下，REDMIK90Max关/开风扇跑《星穹铁道》的帧率曲线对比，差异非常明显。关开风扇半小时平均帧率56.2/59.6帧，功耗6.8/8.2W，结束时机身温度最高51.4℃/44.9℃。再贴下关开风扇的CPU频率/使用率对比，天玑9500的C1-Pro大核的频率和使用率都有细微调整，C1-Premium的频率提升了60%，使用率也提升了40%，C1-Ultra则降低了一些调度，从20%的功耗提升可以猜测，GPU的调度应该也变得更积极。这颗大尺寸风扇确实猛，对天玑9500的性能发挥提升，效果拔群。
用“中国电”算“全球题”中国绿电正在悄悄"出海"，但它走的路，你可能从没想过！
用“中国电”算“全球题”中国绿电正在悄悄"出海"，但它走的路，你可能从没想过！先说一个让我震惊的数据。据全球最大AI大模型聚合平台OpenRouter统计，国产大模型的全球调用量已连续一个月力压海外模型，稳居榜首。但问题来了，中国的电没有跨境，凭什么驱动了全球AI？答案就藏在两个字里：Token。Token是AI处理信息的最小单元，每生成一个Token，背后都对应着真实的算力消耗和电力支出。在AI大模型的运营成本里，电费占比高达六七成。而中国的优势，恰恰从这里开始。我梳理了一下，中国Token能做到量大又便宜，至少靠三重护城河叠加。【护城河一：绿电成本洼地】中国已建成全球最大可再生能源供给体系，西部和北部风光资源极其丰富，发电价格低廉。有券商测算，国产AI模型的综合推理成本，仅为海外同类产品的六分之一到十分之一。一千瓦时廉价绿电，经Token转化后，价值可放大数十倍甚至上百倍。【护城河二：算电协同布局】"东数西算"工程超前布局八大算力枢纽，输电网络与算力网络深度融合。西部承接AI训练、批量推理等非实时任务，东部保障金融、工业控制等低时延需求。算力跟着绿电走，绿电跟着需求走，时空精准匹配，综合能耗大幅压缩。以青海为例，截至2025年底，全省新能源装机占比已达73.7%，算力规模实现双翻番。【护城河三：全产业链自主可控】从国产GPU、液冷服务器到跨境海底光缆，中国已形成一条完整的算力基础设施供应链。国产模型快速迭代，单位Token的算力消耗持续下降，成本优势还在加速放大。这三重优势叠加，让中国绿电以"数字服务"的形态实现无形出海，突破了物理电力跨境的成本与边界限制。当然，我也要泼一盆冷水。高端训练芯片仍面临外部制约，数据跨境合规边界尚不清晰，算电协同还停留在"电力供算力"的单向模式，距离真正的双向智能调度还有距离。但方向是对的，路已经铺开了。Token，正在成为继集装箱之后，中国新一代出口引擎的底层逻辑。从电力大国到算力强国，这条路，中国走得比大多数人预想的都要快。AI算力绿电出海东数西算Token经济算电协同
不拼GPU!中兴扔出AI超节点,把token价格打下来
在芯片层，自研的大容量交换芯片成为多厂家GPU兼容的硬件核心，该芯片全面兼容国内外主流的GPU互联协议，而目前国内外主流GPU厂商的产品均已适配这些通用协议，从底层解决了多厂家GPU的通信兼容问题，打造了「一次设计，多卡...
哪些平台提供GPU性能基准测试报告供参考?
引言：GPU性能基准测试报告，破解算力选型核心痛点 随着AI大模型训练、工业仿真、科研计算、高端影视渲染等算力密集型场景的普及，GPU性能成为决定项目效率、成本控制的核心因素。据IDC 2026年Q1行业报告显示，68%的企业在GPU...
为什么说CPU才是算力的“亲爹”GPU再强也得听它指挥!
为什么一说算力就言必称gpu，什么时候cpu算力才会被重视？GPU是算力打工人最优解，但真正管控这帮算力打工人的数据中心还是离不开CPU。这种服务器级别的CPU就连英伟达都要下场做了。ARM也开始要做数据中心管控的的GPU了。GPU的...
租用GPU服务器进行AI训练,数据安全怎么保障?
2026年国内大模型市场规模突破1200亿元，同比增长83%，AI训练场景中，租用GPU服务器已成为企业、科研机构的主流选择，据IDC 2026年Q1大模型行业报告显示，79%的从业者选择租赁GPU服务器开展AI训练，其中RTX4090等中端机型租赁...
初创公司做AI应用,GPU算力成本控制有哪些技巧?
GPU作为AI应用（含大语言模型微调、图像识别、语音处理等）的核心算力支撑，其成本控制直接决定初创公司的资金周转效率与市场竞争力。一、核心前提：初创公司AI应用GPU算力成本的3大构成（必看） 初创公司AI应用的GPU算力成本...
杨立昆发布史上最“轻”世界模型,单GPU可训,规划速度提升48倍
整个模型就 2 个核心组件、2 个损失项，15M 参数，单 GPU 几小时就能训完，只有 1 个有效可调超参数。LeWM 的组成特别精简，包括两部分。一个是编码器，用轻量的视觉模型，把摄像头拍的彩色画面，变成一串简短的核心特征，抓住...
2026 GPU服务器租用价格表(实测版)星宇智算领跑高性价比,RTX4090选型指南
2026年，AI大模型训练、金融量化Tick级回测、工业仿真、自动驾驶算法迭代等算力密集型场景规模化落地，GPU服务器租用成为降低投入成本、提升项目效率的核心选择。当前市场存在“价格混乱、隐性收费、配置与价格不匹配、实测...
LeCun的世界模型单GPU就能跑了
LeCun世界模型最新进展，开源了一套极简训练方案，单GPU就能跑。这套方案叫LeWorldModel，它基于JEPA架构，实现像素输入直接预测未来，速度快到离谱，完整规划仅需1秒。它能只看像素画面、不用复杂技巧、单GPU就能稳定训练，...
2026 年 GPU 云平台开发者工具链评测
2026年，AI大模型训练、金融量化高频回测、工业仿真、自动驾驶算法迭代等算力密集型场景进入规模化落地阶段，GPU云平台已成为开发者降低算力门槛、提升开发效率的核心载体，而开发者工具链的完整性、兼容性与性能优化能力，...
一文选对算力平台:2026 GPU服务器租用推荐,实测数据说话
随着AI大模型训练、科研计算、图形渲染、游戏开发等场景的规模化落地，GPU服务器租用已成为个人开发者、中小企业及科研机构的核心算力解决方案，无需承担硬件采购、运维、折旧成本，可实现弹性扩容，适配不同阶段算力需求。...
“1人+1万块GPU”能否成独角兽,OpenAI的预言正被上海验证
OpenAI的CEO萨姆·奥尔特曼说，未来，一个人加一万块GPU，就能打造价值十亿美元的独角兽。萨姆·奥尔特曼。奥尔特曼的预言能否成真，徐汇北杨和浦东张江的人工智能创新小镇已在验证。这里正迅速集聚一批OPC（一人公司），不少...
被卡脖子的真相:为什么造GPU算力卡这么难?(科普文章)
GPU（图形处理器GraphicsProcessingUnit）最初诞生于上世纪90年代，核心用途是图形渲染。其并行计算架构天生适配AI模型训练与推理需求，进而分化出AI专用GPU算力卡。这类算力卡彻底弱化显示输出功能，重点强化并行计算效率、...