# GPU的所有文章

在 HTX 新聞中心流覽與「GPU」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策，提供權威的加密行業洞察。

AMD股价预测2026至2030年：华尔街发出657美元重大目标信号！

AMD股价在2026年上半年表现强劲，年初至今涨幅超130%，交易价接近510美元。其2026年第一季度营收达103亿美元，同比增长38%，其中数据中心业务营收58亿美元，首次占总营收过半，同比增长57%。CEO苏姿丰将服务器CPU市场总规模预测上调至2030年超1200亿美元。 分析师普遍看好AMD，共识评级为“强力买入”，12个月平均目标股价为472.17美元，华尔街最高目标价达665美元。长期模型预测，至2030年AMD股价可能介于493至822美元之间，基准情景均值接近657美元。 推动股价的主要动力是数据中心业务的结构性增长、与OpenAI及Meta的GPU合作、以及MI450系列等新产品的预期。然而，投资者也需关注风险，包括当前超过169倍的市盈率、英伟达可能进军服务器CPU市场带来的竞争、以及出口管制等宏观因素。

marsbit06/02 13:12

AMD股价预测2026至2030年：华尔街发出657美元重大目标信号！

marsbit06/02 13:12

黄仁勋的「Agent工厂」里，装了什么新故事？

在COMPUTEX 2026期间，英伟达CEO黄仁勋发表了主题演讲，核心聚焦于“Agent AI”时代的到来。此次发布的关键在于，英伟达正围绕智能体生态，构建从芯片、数据中心到软件平台的全栈技术体系。 硬件层面，专为Agent工作负载设计的Vera Rubin平台已进入量产，其处理Agent任务的效率是上一代Grace Blackwell平台的10倍。该平台引入共封装光学（CPO）网络技术以降低能耗，并强化了机密计算安全能力。同时，英伟达推出了新型处理器“Vera” CPU，这是首款为AI智能体设计的CPU，与Rubin GPU通过高速NVLink互联，优化了Agent任务中的数据传递。 软件与模型方面，英伟达推出“AI工厂运营工具箱”DSX，整合了设计、仿真、建设到运营的全流程。发布了5500亿参数的混合专家模型Nemotron 3 Ultra，以及配套的NemoClaw、OpenShell等工具，旨在帮助企业构建能安全接入业务流程的“数字同事”。此外，面向物理AI的世界基础模型Cosmos 3正式发布，它能统一理解、生成和预测物理世界信息。 在物理AI领域，英伟达联合宇树发布了基于Isaac GR00T平台的人形机器人参考设计H2 Plus，旨在降低开发门槛。还开源了一套物理AI技能工具集，让智能体能直接调用标准化操作。 产品布局上，推出了“DGX Station for Windows”桌面AI超算工作站，让Agent能在企业本地Windows环境中安全运行。并与微软合作推出基于Arm架构的RTX Spark SoC，瞄准AI PC市场。 最后，英伟达升级了AI原生存储架构，在BlueField-4 STX中强化了针对Agent数据访问的安全管控能力。 总结来看，英伟达正通过Vera Rubin、DSX、Nemotron、Cosmos 3、H2 Plus等一系列产品，从算力供给、模型智能、安全管控、物理形态到部署运营，全方位构建服务于Agent的基础设施，宣告一个以智能体为核心的新计算时代已经开启。

marsbit06/01 12:04

黄仁勋的「Agent工厂」里，装了什么新故事？

marsbit06/01 12:04

AI PC来了，本地硬刚120B大模型！英伟达用RTX Spark重新定义“个人AI电脑”底座

英伟达在GTC 2026大会上发布RTX Spark超芯片，将AI PC的算力标准大幅提升至1 petaflop（1000 TOPS），远超当前主流AI PC的NPU算力。该芯片采用Blackwell架构GPU与Arm架构Grace CPU的SoC设计，并配备最高128GB的统一内存，使CPU和GPU可直接共享数据，消除了传统架构中的数据搬运瓶颈。 凭借强大算力与统一内存，RTX Spark支持在本地设备上运行120B参数的大语言模型，并处理百万级token的上下文窗口，同时也能胜任12K视频编辑、大型3D渲染等高负载任务。微软为其升级了Windows安全机制，并引入英伟达的OpenShell沙盒运行时，以保障AI代理操作的安全性。 软件生态方面，Adobe宣布将底层重构Photoshop和Premiere以适配新架构，宣称性能可提升2倍。多家主流OEM厂商如华硕、戴尔、联想等将于今年秋季推出搭载该芯片的轻薄笔记本和台式机。 RTX Spark的出现，标志着PC架构正从以x86 CPU为核心转向以GPU为中心的SoC平台，但其实际性能表现、功耗散热、定价及软件生态适配等仍有待市场验证。

marsbit06/01 06:41

AI PC来了，本地硬刚120B大模型！英伟达用RTX Spark重新定义“个人AI电脑”底座

marsbit06/01 06:41

英伟达推出 DSX 平台，继续向 AI 工厂基础设施进军

英伟达在NVIDIA GTC Taipei大会上发布DSX平台，将其业务从GPU销售进一步扩展至AI工厂基础设施领域。该平台旨在为企业提供从设计、仿真、部署到运营管理的完整解决方案，以应对AI模型规模扩大带来的电力、散热和资源调度等挑战。DSX整合了芯片、系统、软件及合作伙伴技术，通过统一技术栈帮助客户提升部署效率、可靠性并降低AI推理成本。 平台核心软件包括DSX MaxLPS和DSX OS。MaxLPS利用液冷与功耗优化技术，在固定电力预算下可额外部署最多40%的GPU以提高能效；DSX OS则是一套面向AI工厂运营的开源软件平台，支持生命周期管理、智能调度等功能。此外，DSX还整合了参考架构、数字孪生仿真、动态负载调整及数据协同等多项能力。 商业落地方面，多家云服务商已部署DSX核心组件，戴尔、慧与、联想等硬件厂商也在开发DSX就绪系统。DSX Flex功能已开展商业化试点，验证AI工厂根据电网需求动态调节功耗的能力。战略上，DSX标志着英伟达正从AI芯片供应商向AI基础设施平台提供商转型，致力于建立覆盖AI工厂全生命周期的行业标准，巩固其市场领先地位。

marsbit06/01 04:27

英伟达推出 DSX 平台，继续向 AI 工厂基础设施进军

marsbit06/01 04:27

万字解读“光互连”产业链：被 GPU 光芒掩盖的 AI 基建瓶颈

本文探讨了AI数据中心中光互连技术的崛起，指出其正从GPU的配套环节转变为决定算力利用率的核心瓶颈。随着AI集群规模扩大至成千上万块GPU协同工作，GPU间高速数据传输的需求激增，传统铜缆因带宽、距离和能耗限制已无法满足，光纤和光模块成为关键解决方案。 文章详细分析了光互连产业链，包括光模块的组成（激光器、调制器、探测器、DSP芯片及光学组件）、两种半导体工艺（硅基DSP与化合物半导体光学芯片）以及上游材料（如InP衬底、SOI衬底）。重点介绍了下一代技术CPO（共封装光学），其将光学元件集成到芯片封装内，大幅缩短电光转换距离，有望解决超高密度AI集群的连接瓶颈，并可能开辟一个巨大的新市场。 文章梳理了产业链上的关键公司，从上游的衬底供应商（如AXTI、Soitec）、外延片供应商（IQE），到激光器制造商（如SIVE/SIVEE、LITE、COHR、AAOI）、代工厂（TSEM、Win Semi），再到DSP/交换芯片供应商（博通、迈威尔）和光纤龙头（康宁）。最后提供了保守、均衡和激进三套配置思路，并提示了CPO商业化进度、技术路线选择和中小市值公司波动等风险。 核心结论是：光互连是真实且紧迫的AI基建需求，与GPU出货强绑定；CPO是未来最大的增量市场；投资机会在于抓住产业链中稀缺的瓶颈环节。

marsbit05/28 11:03

万字解读“光互连”产业链：被 GPU 光芒掩盖的 AI 基建瓶颈

marsbit05/28 11:03

从电力基础设施到 Token 经济：AI 产业链的「七层蛋糕」

本文提出，AI产业正从以模型训练为核心的“上半场”，进入以海量推理需求驱动的“Token工业时代”。未来消耗算力最多的将是遍布全球的AI Agent的每一次交互与任务执行。 文章借鉴并扩展了黄仁勋的“蛋糕”架构，将AI经济产业链描绘为围绕Token运转的“七层蛋糕”： 1. **电力**：AI时代的能源基础。 2. **AIDC（AI数据中心）**：集中GPU形成Token生产能力的“工厂”，趋势向轻量化、模块化的区域节点发展。 3. **GPU**：Token的核心生产设备，需求从训练向推理倾斜。 4. **LLM（大语言模型）**：Token的生产引擎，竞争焦点转向推理成本与效率。 5. **Token分发**：像电网一样分配算力的云平台与租赁服务。 6. **Token优化与智能调度**：根据任务复杂度、隐私要求等，动态调度算力与模型的关键“大脑”。 7. **AI Agent**：Token的最终消费者与价值实现层。 当前产业链各层之间存在割裂与效率瓶颈（如算力与能源不匹配、缺乏智能调度等）。只有当这七层基础设施被打通并高效协同时，AI产业才能从“工具时代”迈向真正的“大规模采用时代”。未来的竞争关键，可能不在于拥有最大的模型，而在于能否有效连接能源、算力、网络与Token流动，构建起支持数十亿AI Agent持续协作的智能基础设施网络。

marsbit05/26 05:43

从电力基础设施到 Token 经济：AI 产业链的「七层蛋糕」

marsbit05/26 05:43

NeoCloud三巨头：NBIS, IREN, CRWV哪个更具投资价值？

本文讨论了NeoCloud领域的三家公司Nebius、IRON和CoreWeave的投资价值。嘉宾Nate Endicott的核心观点是：AI算力短缺将持续至少3-5年，超大规模云厂商无法迅速自建基础设施，因此NeoCloud公司是必要的市场补充，而非被替代的对象。 他详细对比了三家公司： * **CoreWeave**：最早进入市场，拥有最高激活算力和营收，专注于AI模型训练，与微软和OpenAI有深度合作。 * **IRON**：由比特币矿工转型，核心优势在于锁定了大量土地和廉价电力资源，但目前大客户单一。 * **Nebius**：由前Yandex团队创立，注重工程文化与软件栈建设，专注于AI推理市场。其非巨头客户合同增长迅猛，并拥有多家高估值子公司，财务结构更健康。 Nate特别看好Nebius的长期潜力，因其团队背景、软件战略以及向企业市场扩张的能力。他认为，近期Nebius宣布对H100/B200涨价30-70%证明了GPU的定价权和需求强度，反驳了GPU会快速贬值的空头观点。 总体而言，Nate判断未来几年NeoCloud赛道将整体受益于AI算力需求爆发，三家公司都可能实现营收大幅增长。除GPU外，网络设备（如Arista Networks）也是AI基础设施投资的重要环节。

marsbit05/25 10:29

NeoCloud三巨头：NBIS, IREN, CRWV哪个更具投资价值？

marsbit05/25 10:29

智谱凭什么一天暴涨近30%？

智谱（02513.HK）股价单日暴涨近30%，核心触发因素是公司面向企业客户开放的GLM-5.1高速版API，其模型输出速度达到每秒400个token，刷新全球大模型API速度上限。 这一速度约为行业平均水平的3到5倍，意味着每秒可生成约200个汉字，显著提升了AI任务的执行效率。在AI进入Agent（智能体）时代、任务需要模型进行多轮自我调用的背景下，速度成为关键竞争力，直接影响任务完成时间和智能上限。 实现这一突破依赖智谱在推理引擎、并行策略和网络架构三个层面的技术创新： 1. **TileRT推理引擎**：将整个模型编译成持续运行的流水线，避免传统框架中频繁启动和等待的开销，并通过“Warp专门化”让GPU内不同计算组并行工作。 2. **异构并行策略**：针对GLM-5.1采用的MLA注意力机制，让多块GPU分工协作（如有的负责稀疏检索，有的负责密集计算），优化计算流程。 3. **ZCube网络架构**：取代行业标准的树形网络拓扑，采用扁平化互联设计，使得任意两台GPU间通信路径唯一且最短（仅需2跳），从根本上避免了网络拥塞，提升了集群整体吞吐并降低了延迟。 技术升级带来直接效益：在同等GPU投入下，集群吞吐量提升15%，相当于免费获得更多算力；任务尾延迟下降40.6%，提升了稳定性；网络建设成本因精简结构而节省约三分之一。 从行业影响看，智谱的技术路径证明，在相同算力下可以产出更多，这有助于重构GPU之外的基础设施生态。长期可能侵蚀英伟达在网络侧的溢价，利好能够提供高密度交换机的厂商以及国内光模块企业。同时，该纯软件方案理论上可移植到国产AI芯片，有望降低其软件生态门槛。

marsbit05/23 01:22

智谱凭什么一天暴涨近30%？

marsbit05/23 01:22

AI算力产业链瓶颈传导的底层逻辑

AI算力产业链的瓶颈呈现清晰且递进的传导路径：从GPU计算（2022-2024年主导，受限于先进制程晶圆和CoWoS封装产能），转移到存储（2024-2025年，HBM高带宽内存成为最紧缺环节），再演进到光互连（2025-2026年，铜缆物理极限倒逼向CPO/硅光子技术切换），目前正进入第四阶段，电力供应和液冷散热成为最终的物理约束（2026年起）。 这种演变遵循系统性的“Leontief式”互补逻辑——GPU、HBM、互连、电力与冷却必须按最低短板匹配。超大规模AI集群的扩展，每解决一个环节的瓶颈，立即会暴露下一个供应链或物理限制。当前行业正处于光互连加速落地与电力/液冷大规模商用的关键切换期。这一瓶颈的序列性转移，也在不断重塑产业链的价值分配，投资焦点已从最初的芯片制造商，转向存储、光学器件及能源基础设施等环节。

marsbit05/22 12:25

AI算力产业链瓶颈传导的底层逻辑

marsbit05/22 12:25

股价逆势暴涨 30%，开始做 AI 芯片的 ARM 赢麻了？

ARM股价在2026年5月逆势暴涨，自2023年IPO以来涨幅超5倍。这波行情的核心驱动力是ARM正在进行其35年来最深刻的一次转型：从一家仅出售芯片设计IP的授权公司，转变为亲自下场设计并销售成品芯片的供应商。 ARM于2026年3月发布了其首款自研数据中心芯片“AGI CPU”，专为AI Agent时代的数据预处理、任务调度与工作流编排等CPU密集型任务设计。此举标志着ARM打破了“不与客户竞争”的传统，直接进入服务器CPU市场。 市场看好ARM的原因是AI正从聊天机器人转向需要复杂逻辑调度的Agentic AI。分析指出，这将导致数据中心对CPU的需求激增，CPU与GPU的配比可能从目前的1:4-1:8变为1:1-1:2。到2030年，服务器CPU市场规模有望突破千亿美元。 ARM的AGI CPU已获得Meta、OpenAI等头部科技公司的订单，客户需求在短短6周内从10亿美元翻倍至20亿美元。华尔街多家机构因此大幅上调ARM目标价，其估值逻辑正从“芯片IP公司”重构为“AI基础设施平台”。 然而，高增长伴随高风险。ARM当前估值极高，市盈率接近300倍。自研芯片业务也可能影响其与原有授权客户的关系，且内部人士近期有减持行为。ARM的未来取决于Agentic AI的落地速度及其从IP设计向芯片制造转型的执行能力。

marsbit05/22 04:08

股价逆势暴涨 30%，开始做 AI 芯片的 ARM 赢麻了？

marsbit05/22 04:08

活动图片

熱門分類right-arrow

熱門標籤right-arrow

比特币right-arrow

行业资讯right-arrow