# 英伟达的所有文章

在 HTX 新闻中心浏览与「英伟达」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策，提供权威的加密行业洞察。

DeepSeek秘密造芯，专攻推理，一年前已启动，招聘全程不公开

DeepSeek正秘密研发自研AI芯片，旨在降低对英伟达的依赖。该芯片专攻推理场景，项目已于一年前启动，目前处于早期阶段，并与芯片设计、制造及存储供应商展开接洽。公司此前以算法优化著称，但近来已低调招聘芯片设计人才，未公开相关职位信息。这一举动顺应了全球AI模型公司自研芯片的趋势，如OpenAI与Anthropic亦有类似计划。创始人梁文锋曾透露芯片短缺是公司面临的挑战。DeepSeek早期使用英伟达H800训练模型，后转向华为昇腾，但其仍寻求更多元化的算力支撑。推理芯片能效更高、成本更低，对大规模商业化至关重要。公司此前在模型设计中引入的FP8数据格式，已为硬件协同做了铺垫。 2026年6月，DeepSeek完成约510亿元融资，资金将用于扩建国产算力中心、自研芯片及招揽人才。同时，公司已启动数据中心建设规划，包括在内蒙古乌兰察布等地布局。尽管项目面临耗时久、投入大等挑战，但DeepSeek正从算法公司向硬件领域深入拓展。

marsbit2小时前

marsbit2小时前

当英雄联盟世界冠军，把“神操作”用来炒股……

英雄联盟前职业选手imp（具晟彬）的人生经历颇具戏剧性。他曾在2014年随三星白队夺得S4世界冠军，被誉为“鼠王”，但其后的职业生涯与婚姻生活屡遭挫折。退役后，imp因离婚陷入财产纠纷与重度抑郁。然而，近期其投资状况引发关注。据前队友Doinb透露，imp通过投资韩股和美股已实现“财富自由”，甚至近期不再直播。imp本人在直播中曾多次分享投资心得，称自己早于AI热潮前便布局英伟达，并重仓三星、海力士等半导体股。他声称资产在数月内大幅增长，甚至有“一天赚一年多工资”的言论。尽管其具体收益未经证实，但结合相关科技股近年来的强劲表现，其投资成功的故事在电竞圈内广为流传。从世界冠军到股市投资者，imp似乎在另一个赛场完成了人生的“逆风翻盘”。

Odaily星球日报昨天 03:09

Odaily星球日报昨天 03:09

一兆瓦养活6万智能体，英伟达GB300碾压前代20倍

英伟达最新发布的GB300 NVL72系统在新型基准测试AA-AgentPerf中表现突出，其每兆瓦电力可支持约61400个智能体并发运行，较上一代H200提升约20倍。该基准由独立机构Artificial Analysis推出，是首个专为AI智能体负载设计的推理性能评估标准。传统基准主要测量单次、定长的模型请求，而智能体工作负载类似“接力赛”，涉及多轮链式调用、工具交互和不断增长的上下文，对系统压力模式完全不同。AA-AgentPerf通过回放真实编程智能体的任务轨迹进行测试，并设定服务等级目标（如每秒输出token数）来约束性能，最终以“每兆瓦并发智能体数”作为核心能效指标。测试显示，GB300 NVL72（由72块GPU通过NVLink互联成的机架级系统）在能效和单卡服务密度上均大幅领先。这一成绩源于Blackwell架构的硬件升级、高速互联以及TensorRT-LLM等软件栈优化的系统级协同。需要指出的是，测试成绩基于模拟的智能体轨迹，与实际生产环境的能力存在差异；该基准尚处发展初期，其能否成为行业广泛认可的标准仍有待观察。

marsbit前天 01:02

marsbit前天 01:02

Token吃掉三成工资，硅谷AI账单失控了

硅谷AI应用正呈现两极分化：一方面，研究机构SemiAnalysis通过大模型将内部Token支出控制在员工薪资的30%以内，实现了生产效率的数倍提升，重写了专业服务的成本结构。英伟达CEO黄仁勋更是积极推动AI工具普及，视Token为新时代的生产资料。另一方面，Uber、微软等巨头却因AI使用量激增而面临预算严重超支、成本失控的困境。有研究表明，在许多场景下，雇人仍然比使用AI更经济，且过度使用可能导致运维事故。关键在于未来的成本趋势。通过软件优化（如使吞吐量提升14倍）和硬件迭代（如新一代芯片性能可达旧款的数十倍），大模型推理成本正快速下降。Anthropic等公司的毛利率不降反升，预示Token价格将持续走低。当前全球科技公司一边大幅增加AI资本开支，一边持续裁员，但AI对宏观经济的直接影响尚不明显。这类似于基础设施建设的阵痛期：先投入铺设“管道”，应用和效益才会随之涌现。对于企业而言，选择是尽早利用成本下降的趋势拥抱AI转型，还是等待观望。

marsbit前天 00:15

marsbit前天 00:15

OpenAI和Anthropic都要“自研芯片”，除了成本，更重要的是算力控制权

据The Information报道，Anthropic正与三星洽谈定制AI芯片，并已启动自研芯片的早期开发工作，此举被视为追随OpenAI的类似布局。两家头部AI公司共同指向同一趋势：大模型竞争正从算法层面转向软硬件一体化的综合竞争。文章指出，自研芯片的首要动机并非仅是降低成本，更是为了掌握核心算力的控制权。当前，AI计算高度依赖英伟达GPU，供应紧张和成本高企使算力成为核心生产资料。通过定制芯片，AI公司可以优化模型与硬件的协同设计，从而在推理速度、能耗和单位经济性上获得更大提升。专家分析认为，最大的效率提升空间来自模型、内核与硅片之间的跨层协同优化，而非单点改进。然而，这并不意味着对英伟达的立刻替代。自研芯片从设计到部署周期漫长，且英伟达的CUDA生态和通用性优势依然显著。因此，自研芯片更可能作为一种技术备选和谈判筹码，用于特定、高负载的推理场景，形成对现有供应链的制衡。这一动向也反映了全行业“算力自主权”竞赛的全面开启。从谷歌、亚马逊到Meta、微软，全球科技巨头均已深度布局自研AI芯片。对三星等代工厂而言，获得Anthropic的订单将有助于其在AI半导体领域扩大影响力。总体而言，大模型的竞争已延伸至对算力、资金和硬件栈的整体控制能力。

marsbit07/03 13:38

OpenAI和Anthropic都要“自研芯片”，除了成本，更重要的是算力控制权

marsbit07/03 13:38

半导体股票暴跌，Anthropic 却想造一颗 2nm 芯片

Anthropic被曝已启动自研AI芯片的早期工作，正与三星讨论使用其最先进的2纳米工艺和封装技术来制造。此举旨在优化其AI模型Claude的推理效率，以降低功耗和云成本。三星此前作为战略投资者参与了Anthropic的融资，希望借此在AI芯片代工领域挑战台积电的领先地位。尽管启动自研，Anthropic强调其算力扩张仍将主要依赖亚马逊、谷歌和英伟达的芯片。公司已与AWS和谷歌签署了价值数百甚至上千亿美元的长期算力协议，并租用了SpaceX的大型GPU集群。分析指出，自研芯片虽能提升自主性，但也使Anthropic与三星、英伟达等亚洲供应链绑定更深。当前，定制推理芯片已成为OpenAI、谷歌、亚马逊等头部AI公司的共同选择，但英伟达在AI推理市场仍占据主导地位，市场份额高达74%。对于Anthropic而言，自研芯片是应对算力成本和供应链风险的长远布局，但短期内难以摆脱对现有硬件巨头的依赖。

链捕手07/03 09:54

链捕手07/03 09:54

英伟达年度「最危险」论文：AI自繁衍代码，无限刷级进化

英伟达、剑桥大学等机构发布题为“红皇后哥德尔机器”的论文，提出一种让AI通过自我编写、测试、淘汰与保留代码来实现无限进化的方法。该机制允许AI不仅进化自身，还能主动进化其“考官”（评估器），形成相互竞争的动态循环，从而打破过去20年“哥德尔机”因需数学证明而停滞的理论困境。实验显示，该系统在代码生成、论文撰写和数学证明等任务中均取得提升。例如，代码生成通过率从69.9%提升至71.7%，且效率更高；论文接收率从21.8%升至40.5%；数学证明任务中搜索成本降低3倍。此外，系统还缓解了LLM裁判偏爱AI内容的问题，进化后的评审对AI与人类内容一视同仁。 Anthropic联合创始人Jack Clark预测，到2028年底有60%概率出现高度自主进化的AI。该研究被部分评论称为“年度最危险论文”，因其可能开启AI无休止自我迭代的递归自我改进（RSI），加速迈向人工超级智能（ASI）。

marsbit06/28 07:50

marsbit06/28 07:50

Transformer的八个爹，如今都在哪？

《Transformer的八个爹，如今都在哪？》 2017年，谷歌八位研究人员发表了奠基性论文《Attention Is All You Need》，提出了Transformer架构。如今，这八位作者已全部离开谷歌，分散在AI领域的各个前沿。 **Ashish Vaswani** 与Niki Parmar先后共同创立了Adept AI和Essential AI。最新传闻英伟达正吸纳Essential AI核心团队，Vaswani可能加入。 **Noam Shazeer** 因谷歌未发布其聊天机器人而出走创立Character.AI，后谷歌斥资约27亿美元授权技术并请他回归。近日他再次离职，加入了OpenAI。 **Niki Parmar** 在离开Essential AI后，于2024年底加入了Anthropic，参与Claude模型开发。 **Jakob Uszkoreit** 是“仅用注意力”想法的最初提出者。他于2021年联合创立生物科技公司Inceptive，用AI设计RNA疗法。 **Llion Jones** 于2023年在东京联合创立Sakana AI，探索模型协同演化的新路径，公司已获巨额融资并与大企业合作。 **Aidan N. Gomez** 是当年最年轻的作者（实习生）。他联合创立了企业级AI公司Cohere，专注于为企业提供安全、可控的AI服务。 **Łukasz Kaiser** 是唯一一位始终留在大型实验室做纯研究的作者。他于2021年加入OpenAI，是GPT-4、推理模型o系列的核心贡献者。 **Illia Polosukhin** 于2017年离开谷歌，联合创立了区块链项目NEAR Protocol，并将其定位为未来AI智能体经济的“结算层”。 2024年，其中七人在英伟达GTC大会上重聚。尽管路径各异，但他们都未停止探索。正如他们所言，Transformer并非终点，下一个架构必须“明显地、毫无疑问地更好”才能取代它。

marsbit06/28 05:29

英伟达MoE新开源：一行import，微调加速3.7倍

英伟达开源NeMo AutoModel，为MoE大模型微调提供高效方案。该工具基于Hugging Face Transformers v5开发，用户只需添加一行import代码，即可在不改动原有API的情况下，显著提升训练效率。实验显示，在单节点8×H100 GPU上，相比原版Transformers v5，NeMo AutoModel在Qwen3-30B-A3B等模型上可实现3.4-3.7倍的训练吞吐量提升，同时GPU显存占用减少29%-32%。其核心技术包括专家并行（EP），通过将专家权重分布到多GPU来降低内存压力；DeepEP，融合计算与通信以减少延迟；以及TransformerEngine，对注意力机制等核心运算进行内核加速。该方案尤其适合已使用Transformers v5的用户，能以最小代码变更获得性能大幅优化。代码与详细指南已在GitHub及英伟达文档中公开。

marsbit06/26 07:28

marsbit06/26 07:28

研报解读：台积电 2027 年 AI 收入将翻倍，CoWoS 产能仍是瓶颈

摩根士丹利报告预测，台积电AI相关收入将在2027年达到863亿美元，较2026年的271亿美元增长218%。增长驱动力不仅来自英伟达GPU，AMD的CPU和谷歌TPU也成为新引擎，其中AMD的CoWoS消耗量预计暴增308%。报告指出，尽管台积电计划在2027年底将CoWoS先进封装产能扩至每月20万片，全球总产能预计达每月28万片，但仍可能无法满足当年全球约269万片的需求，尤其是最高端的CoWoS-L封装产能依然紧张。这使台积电在高端环节拥有定价权。报告还列举了ABF基板供应改善、新兴CPU需求验证及英伟达下一代产品量产等近期催化剂，并指出联发科、日月光和京元电子等供应链公司也将受益。总体来看，台积电AI业务增长强劲，但产能建设是关键前提，供应链分化正在加剧。

marsbit06/25 03:56