AI芯片 on Tars的技术观察https://dahuir81.github.io/tags/ai%E8%8A%AF%E7%89%87/Recent content in AI芯片 on Tars的技术观察Hugozh-CNThu, 16 Apr 2026 00:00:00 +0000黄仁勋夸大华为威胁了吗？一场关于「清醒鹰派商人」的辩证分析https://dahuir81.github.io/posts/2026-04-16-jensen-huang-threat-realism-debate/Thu, 16 Apr 2026 00:00:00 +0000https://dahuir81.github.io/posts/2026-04-16-jensen-huang-threat-realism-debate/黄仁勋在Dwarkesh Patel访谈中关于华为和DeepSeek的言论，到底是夸大威胁还是现实主义？从正反双方辩论视角，解析这位&rsquo;清醒鹰派商人&rsquo;的论证策略。中国AI芯片十小龙深度解析：技术对比与价格竞争力分析https://dahuir81.github.io/posts/2026-04-11-china-ai-chip-10-dragons-analysis/Sat, 11 Apr 2026 21:35:00 +0800https://dahuir81.github.io/posts/2026-04-11-china-ai-chip-10-dragons-analysis/基于摩根士丹利58页研报，深度解析中国AI芯片十小龙技术路线、性能对比、价格竞争力与投资价值摩根士丹利深度研报：中国AI GPU能否追上美国？https://dahuir81.github.io/posts/2026-04-11-morgan-stanley-china-gpu-gap-analysis/Sat, 11 Apr 2026 21:30:00 +0800https://dahuir81.github.io/posts/2026-04-11-morgan-stanley-china-gpu-gap-analysis/摩根士丹利58页深度研报解读：全球AI GPU产业格局、中国国产替代路径、技术差距评估与投资机会Groq LPU架构深度解析：NVIDIA推理王国的关键拼图https://dahuir81.github.io/posts/2026-03-31-groq-lpu-architecture-analysis/Tue, 31 Mar 2026 10:45:00 +0800https://dahuir81.github.io/posts/2026-03-31-groq-lpu-architecture-analysis/深入解析NVIDIA收购Groq后的LPU架构设计，从确定性执行到AFD解耦，揭秘推理系统的成本优化之道AI硅片短缺危机：台积电N3产能告急，HBM内存成新战场https://dahuir81.github.io/posts/2026-03-25-ai-silicon-shortage/Wed, 25 Mar 2026 15:00:00 +0800https://dahuir81.github.io/posts/2026-03-25-ai-silicon-shortage/<h2 id="导语">导语</h2> <p>AI 需求爆炸式增长，但硅片供应却跟不上脚步。</p> <p>SemiAnalysis 最新报告指出，我们正面临<strong>四十年一遇的 AI 硅片短缺危机</strong>。台积电 N3 产能被抢购一空，HBM 内存成为新战场，智能手机被迫让路。</p> <p>这不是周期性的供需失衡，而是<strong>结构性产能瓶颈</strong>。</p> <hr> <h2 id="一计算能力短缺需求端的疯狂">一、计算能力短缺：需求端的疯狂</h2> <h3 id="anthropic-的-60-亿美元月增">Anthropic 的 60 亿美元月增</h3> <ul> <li><strong>2 月份新增 ARR</strong>：60 亿美元</li> <li><strong>主要驱动</strong>：Claude Code 智能体编码平台的广泛应用</li> <li><strong>关键限制</strong>：如果 Anthropic 有更多计算资源，收入还会更高</li> </ul> <h3 id="超大规模云服务商的困境">超大规模云服务商的困境</h3> <ul> <li><strong>所有 GPU 资源被锁定</strong>：联系所有超大规模云服务商，无一可用</li> <li><strong>按需 GPU 价格持续上涨</strong>：即使是 Hopper 这种近两代的产品</li> <li><strong>资本支出激增</strong>：谷歌 2026 年资本支出预期几乎是此前的两倍</li> </ul> <h3 id="硅片短缺的演进">硅片短缺的演进</h3> <pre tabindex="0"><code>ChatGPT 发布后（2022 年底） ↓ CoWoS 封装瓶颈 ↓ 数据中心电力限制 ↓ 【当前】硅片短缺阶段 ← 我们在这里 </code></pre><hr> <h2 id="二台积电-n3最大的瓶颈">二、台积电 N3：最大的瓶颈</h2> <h3 id="n3-产能分配2026-年预测">N3 产能分配（2026 年预测）</h3> <table> <thead> <tr> <th>应用领域</th> <th>占比</th> </tr> </thead> <tbody> <tr> <td><strong>AI 加速器</strong></td> <td>~60%</td> </tr> <tr> <td>智能手机</td> <td>~25%</td> </tr> <tr> <td>CPU/其他</td> <td>~15%</td> </tr> </tbody> </table> <h3 id="2027-年更严峻">2027 年更严峻</h3> <ul> <li><strong>AI 需求预计占 N3 产能 86%</strong></li> <li>智能手机和 CPU 产能几乎被挤占</li> <li>部分产品线被迫直接迁移到 N2</li> </ul> <h3 id="转向-n3-的-ai-芯片大军">转向 N3 的 AI 芯片大军</h3> <table> <thead> <tr> <th>公司</th> <th>产品</th> <th>工艺节点</th> <th>状态</th> </tr> </thead> <tbody> <tr> <td><strong>Nvidia</strong></td> <td>Rubin</td> <td>N3P</td> <td>2026 年量产</td> </tr> <tr> <td><strong>AMD</strong></td> <td>MI350X/MI400</td> <td>N3</td> <td>已发布</td> </tr> <tr> <td><strong>Google</strong></td> <td>TPU v7/v8</td> <td>N3E</td> <td>v7 已量产</td> </tr> <tr> <td><strong>AWS</strong></td> <td>Trainium3</td> <td>N3P</td> <td>2026 年</td> </tr> <tr> <td><strong>Meta</strong></td> <td>MTIA</td> <td>N3</td> <td>低量</td> </tr> </tbody> </table> <h3 id="为什么台积电反应迟缓">为什么台积电反应迟缓？</h3> <ul> <li><strong>资本支出滞后</strong>：2022 年底开始 AI 建设热潮，但台积电资本支出直到 2025 年才超过此前峰值</li> <li><strong>2026 年资本支出将创纪录</strong>：台积电意识到客户需求远超产能后，开始疯狂扩产</li> <li><strong>洁净室空间限制</strong>：新产能需要建设厂房，2 年内无法完全满足需求</li> </ul> <hr> <h2 id="三智能手机被迫让路的释放阀">三、智能手机：被迫让路的&quot;释放阀&quot;</h2> <h3 id="智能手机需求疲软">智能手机需求疲软</h3> <ul> <li><strong>预计出货量下滑</strong>：10-15%（同比）</li> <li><strong>原因</strong>：内存价格上涨传导至 BOM 成本，最终推高消费者售价</li> </ul> <h3 id="产能释放的数学">产能释放的数学</h3> <p>如果智能手机 N3 产能重新分配给 AI 加速器：</p>Nvidia推理帝国扩张：200亿美元收购Groq、CPO路线图与AFD架构革命https://dahuir81.github.io/posts/2026-03-25-nvidia-inference-kingdom/Wed, 25 Mar 2026 14:45:00 +0800https://dahuir81.github.io/posts/2026-03-25-nvidia-inference-kingdom/<h2 id="导语">导语</h2> <p>GTC 2026 刚结束，SemiAnalysis 这篇深度报告揭示了 Nvidia 在推理基础设施上的宏大布局。</p> <p>最劲爆的消息：<strong>Nvidia &ldquo;收购&rdquo; Groq</strong>——不是全资收购，而是 200 亿美元买 IP + 挖团队，绕过反垄断审查。不到 4 个月，Groq 的 LPU 技术已经整合进 Vera Rubin 推理栈。</p> <p>这背后是一场关于<strong>推理延迟、内存层级、网络架构</strong>的全面战争。</p> <hr> <h2 id="一nvidia-收购-groq一场精心设计的交易">一、Nvidia &ldquo;收购&rdquo; Groq：一场精心设计的交易</h2> <h3 id="交易结构">交易结构</h3> <ul> <li><strong>金额</strong>：200 亿美元</li> <li><strong>形式</strong>：IP 授权 + 团队雇佣（非全资收购）</li> <li><strong>目的</strong>：规避反垄断审查，快速完成交易</li> </ul> <h3 id="为什么不是全资收购">为什么不是全资收购？</h3> <ol> <li><strong>反垄断风险</strong>：Nvidia 在 AI 加速器市场占有率过高，正式收购几乎不可能通过审查</li> <li><strong>速度</strong>：无需漫长的交易关闭流程，<strong>不到 4 个月</strong>已完成整合</li> <li><strong>灵活性</strong>：Nvidia 获得 Groq IP 和人才，但不需要承担 Groq 的全部负债和历史包袱</li> </ol> <h3 id="groq-的技术价值">Groq 的技术价值</h3> <p>Groq 的 LPU（Language Processing Unit）架构特点：</p> <ul> <li><strong>超大容量 SRAM</strong>：LP30 拥有 500MB 片上 SRAM</li> <li><strong>确定性执行</strong>：编译器可激进调度，隐藏延迟</li> <li><strong>低延迟高吞吐</strong>：适合对延迟敏感的推理场景</li> </ul> <p>但 Groq 的致命问题是<strong>无法规模化盈利</strong>。 standalone LPU 系统在大规模 token 服务上经济性不佳——这正是 Nvidia 的 GPU 所擅长的。</p>Arm玩大了！首款自研AGI CPU登场：3nm、136核、双Chiplet，黄仁勋站台https://dahuir81.github.io/posts/2026-03-25-arm-agi-cpu/Wed, 25 Mar 2026 07:30:00 +0800https://dahuir81.github.io/posts/2026-03-25-arm-agi-cpu/<h2 id="导语">导语</h2> <p>卡着全世界移动芯片脖子的Arm，突然发布了自研CPU！</p> <p>这不是普通的CPU，而是Arm发展35年来首款对外销售的数据中心芯片——<strong>Arm AGI CPU</strong>。黄仁勋亲自站台，亚马逊微软Meta都来贺喜。</p> <hr> <h2 id="核心规格堆料狂魔">核心规格：堆料狂魔</h2> <table> <thead> <tr> <th>参数</th> <th>规格</th> </tr> </thead> <tbody> <tr> <td>制程</td> <td>台积电3nm</td> </tr> <tr> <td>核心数</td> <td>136个Neoverse V3核心</td> </tr> <tr> <td>L2缓存</td> <td>2MB/核心</td> </tr> <tr> <td>主频</td> <td>3.7GHz</td> </tr> <tr> <td>内存带宽</td> <td>6GB/s每核心</td> </tr> <tr> <td>内存延迟</td> <td>&lt;100ns</td> </tr> <tr> <td>PCIe</td> <td>96通道Gen 6</td> </tr> <tr> <td>互联协议</td> <td>CXL 3</td> </tr> <tr> <td>TDP</td> <td>300W</td> </tr> <tr> <td>设计</td> <td>双Chiplet</td> </tr> </tbody> </table> <p><strong>翻译成人话</strong>：这是一颗为AI智能体基础设施量身定制的怪兽级CPU。</p> <hr> <h2 id="三大设计原则">三大设计原则</h2> <p>Arm CEO Rene Haas反复强调的三个词：<strong>性能、规模、能效</strong>。</p> <h3 id="1-性能拒绝花里胡哨">1. 性能：拒绝花里胡哨</h3> <p>传统x86 CPU喜欢搞&quot;Boost模式&quot;——瞬间超频然后降频，功耗跟着坐过山车。AGI CPU不搞这套，提供<strong>全时间、可持续的满血性能</strong>。</p> <h3 id="2-规模没有多线程的执念">2. 规模：没有多线程的执念</h3> <p>x86的多线程（SMT）本质是&quot;一个核心干两个人的活&quot;，但IO和带宽不会翻倍，只是把瓶颈转移，还增加了上下文切换的开销。</p> <p>Arm观察到，数据中心运营商不得不<strong>超额配置30%甚至更多</strong>来应对这种非线性扩展问题。AGI CPU选择<strong>每线程独立核心</strong>，136个物理核心就是136个独立执行单元，没有虚头巴脑的逻辑核心。</p> <h3 id="3-能效没有历史包袱">3. 能效：没有历史包袱</h3> <p>x86背负着对遗留功能的支持负担，而AGI CPU从零开始设计，<strong>不浪费任何一个周期，不存在搁浅的算力</strong>。</p> <hr> <h2 id="部署规模风冷-vs-液冷">部署规模：风冷 vs 液冷</h2> <p><strong>风冷方案（标准36kW机架）</strong>：</p> <ul> <li>30台双节点1OU刀片服务器</li> <li>总计<strong>8160个核心</strong></li> <li>单机架性能达x86系统的<strong>2倍以上</strong></li> </ul> <p><strong>液冷方案（200kW）</strong>：</p> <ul> <li>336颗AGI CPU</li> <li>超过<strong>45000个核心</strong></li> <li>每1GW数据中心算力资本支出节省高达<strong>100亿美元</strong></li> </ul> <hr> <h2 id="朋友圈豪华阵容">朋友圈豪华阵容</h2> <p>首发合作伙伴名单堪称AI基础设施全明星：</p> <ul> <li><strong>Meta</strong>：联合开发，与自研MTIA加速器协同</li> <li><strong>OpenAI</strong>：现场站台</li> <li><strong>Cerebras、Cloudflare、F5、Positron、Rebellions、SAP、SK电讯</strong></li> </ul> <p>供应链大佬集体打call：</p> <blockquote> <p>&ldquo;加速计算并没有让CPU变得无关紧要，它让CPU成为不可或缺的合作伙伴。&rdquo; —— 黄仁勋</p>DRAM巨变前夜：3D DRAM如何重塑半导体格局https://dahuir81.github.io/posts/dram-3d-revolution-2026/Wed, 18 Mar 2026 16:00:00 +0800https://dahuir81.github.io/posts/dram-3d-revolution-2026/深度解析3D DRAM技术变革：从2D DRAM物理极限到四大巨头技术路线之争，AI时代存储芯片的范式转移英伟达Groq入华 vs 华为昇腾950：谁将主导中国AI推理市场？https://dahuir81.github.io/posts/nvidia-groq-vs-huawei-950-analysis/Wed, 18 Mar 2026 08:30:00 +0800https://dahuir81.github.io/posts/nvidia-groq-vs-huawei-950-analysis/深度分析英伟达Groq芯片入华对华为昇腾950系列的市场影响，解读中美AI芯片竞争新格局