标签: GPU
OpenAI称Kimi开源是减速主义外国佬看到咱得大模型水平追上来就开始酸了
OpenAI称Kimi开源是减速主义外国佬看到咱得大模型水平追上来就开始酸了KimiK3对整个AI产业的积极意义：❶架构创新和数据质量打造国产模型新标杆：1）K3定位2.8T开源通用模型，主攻长程编程、Reasoning推理、知识工作和视觉理解等，在ArtificialAnalysis的IntelligenceIndex中Rank3、AgenticIndex中Rank3和ArenaFrontendCode中Rank1；2）K3是国产模型在通用场景和性能的双重新标杆，在游戏开发/CAD/反编译、深度研究报告可视化、严谨知识工作、EDA模拟、视频剪辑等任务上接近Fable5水平；3）K3在长程Agent任务上表现优异，其GPUKernel优化、从零构建GPU编译器MiniTriton、48小时自主芯片设计、2小时完成研究员1-2周的科研编程、3D游戏开发等案例都刷新了产业对开源模型long-horizonagency能力的预期；❷超大参数MoE开源模型将释放CSP和国产超节点红利:1）无所谓算力通缩，K3作为的一个2.8T参数量的超大稀疏MoE（896激活16），仅权重就占用>1.5T的HBM容量（MXFP4下），并采用了极其稀疏的专家并行方案（WideEP），推理Infra对scale-up域的容量和带宽要求极高，需要部署在64卡以上的超节点上做推理；2）腾讯/华为/阿里/Vercel/OpenRouter等已率先完成K3模型上线，已有国产芯片完成自部署适配和模型上线，预计更多hyperscaler和neocloud厂商将完成模型接入、并在7/27的权重开放后完成自有算力适配和部署；3）国产超节点在算力调度池化、PD+vLLM、Mooncake分离式推理、分布式KVCache池、多级缓存&缓存降级等方案上的架构适配和大规模生产落地将进一步享受开源模型的红利，随着Infra推理调度的进一步优化和超节点的商业化，CSP和国产算力将进一步享受顶级开源模型的利润再分配机遇；❸K3在Infra架构和模型性能上仍有优化空间：1）K3默认max思考强度的token消耗超过常规模型，指令模糊时的"过度主动"既有行为失控风险、也进一步推高消耗；2.8T级权重带来极高部署门槛，限制非数据中心算力的利用；实测Output62TPS低于同档模型中位数（72TPS，但TTFT1.99s反而占优）；2）用户反馈缓存保留仅10分钟，可能系KDA快照缓存只能精确续写、无法像PagedKV部分复用，命中语义存在架构级差异；而保留时长偏短更可能是快照适配在Infra侧尚未成熟的工程问题；3）当前Agent框架须完整回传历史思考，不适用级联调度下的多模型切换场景；SwarmMax在K3规模下的调度稳定性尚待第三方验证；❹K3的发布对产业的影响显然是更积极的：1）SOTA模型之间的竞争正在加剧。Anthropic近期已持续加大让利（Fable5以50%额度常驻Max订阅、CC周额度上调50%并延长至8/19），GPT-5.6与K3的推出将使其高份额&高毛利面临更直接的竞争压力。但“模型能力天花板远未到顶”是产业里的共识，SOTA模型的交替领先不仅利好上游算力的叙事，也能催使更SOTA的模型早日推出，并加速产业红利进一步向下游应用传导；2）CSP凭借其算力规模效应和生态粘性逐渐掌握了未来模型的分发权和下游应用的拓荒权，将扮演产业趋势里“承上启下”的关键角色。开源模型的崛起和用户数据主权意识的唤醒，正在让CSP与闭源模型公司在生产级的推理市场中占据上风，同时也意味着将Anthropic的ARR作为跟踪行业景气度的唯一指标将不再可取，后续CSP的表述口径&数据披露将会更加关键。
#问一次ChatGPT地球付出多少代价#【问一次ChatGPT，地球要付出多少代
#问一次ChatGPT地球付出多少代价#【问一次ChatGPT，地球要付出多少代价？】当你每一次点开ChatGPT时，千里之外的数据中心就在消耗资源——冷却水、电力、算力。单次AI请求的消耗微不足道，但乘上每天数十亿次的使用量，数字将触目惊心。2024年，全球数据中心耗电415太瓦时，占全球用电量的1.5%。到2030年，这一数字将翻倍，相当于日本全国一年的用电量。再加上芯片里的稀有矿物、堆积如山的电子垃圾、不断攀升的水消耗——AI的能耗究竟会对环境产生多大影响？这个问题亟须正视。与此同时，AI发展也带来了巨大的环境效益。AI技术可帮助优化电网调度、提升可再生能源预测精度，推动传统高耗能行业的生产流程升级，还能为气候变化建模、极端灾害预警提供更为精准的技术支持。这种“双刃剑”属性，让AI的环境影响讨论变得更加复杂。另一个不容忽视的问题是，在AI治理的讨论中，美欧长期占据主导：硅谷定调，布鲁塞尔立法，全球跟着走。全球南方国家作为AI产业链的资源提供者、新兴市场，却很少能发声回应AI给自己国家带来的环境影响，更难以参与到全球AI环境规则的制定过程中。今年7月在日内瓦举行的联合国AI治理全球对话开幕式上，一份白皮书打破了这种单声道叙事，开始郑重回答人工智能与环境之间的关系。这份由金砖国家三个大国的重要智库——国家高端智库复旦大学中国研究院、俄罗斯自然与人民基金会、印度帕勒基金会联合撰写，联合国互联网治理论坛环境动态联盟支持，并在这次联合国对话中发布的《人工智能与环境白皮书》，把人工智能的环境足迹与环境效益纳入同一分析框架、系统探讨人工智能与国际可持续发展的关系，也是金砖国家智库首次联手，把“全球南方”的视角带入了AI环境治理的讨论桌。著名经济学家杰弗里·萨克斯教授为《白皮书》作序时，称之为“具有里程碑意义的文件”。7月18日，在2026世界人工智能大会期间，由复旦大学中国研究院主办的《人工智能与环境白皮书》国际研讨会上，来自俄罗斯、印度和中国的专家，继续探讨人工智能与环境的关系。2012年的时候，训练一次AlexNet会排放0.01吨二氧化碳，这个量几乎可以忽略不计。2020年，训练一次GPT-3，排放量达到588吨。2023年的GPT-4，这个数字来到了5184吨。2024年的Llama3.1405B，数字变成了8930吨……很难想象，2030年我们面对的AI能耗会到什么地步？但训练AI只是这个问题的冰山一角。Facebook的实测数据显示：在已部署的AI系统中，推理贡献了约65%的碳排放，训练只占35%。随着AI走向亿级用户，这个比例只会更悬殊。MistralAI第一次把单次查询的账单摊开：一个400-token的回复，会排放1.14克的二氧化碳，消耗45毫升的水——水，可能是AI账本里最被忽视的一行。OECD预测，到2027年，AI相关用水量可达66亿立方米，这相当于英国半年的用水总量。更值得警惕的是：数据中心往往建在水资源最紧张的地方。以印度为例，印度有6亿人面临高至极端水压力，班加罗尔作为印度的科技中心、数据枢纽，却面临着地下水枯竭、未来净可用水量归零的严峻风险。中国“东数西算”把算力往西部赶，某种程度上是对这种矛盾的回应，但全球范围内，AI的水消耗仍在以一种近乎不可见的方式加剧区域资源竞争。除了水以外，硬件本身的代价，同样惊人。一台2公斤的电脑，生产需要约800公斤原材料——稀土、锂、钴、镓、铜。这些矿产的开采和冶炼，不仅涉及栖息地破坏、水污染和长期生态毒性，其环境影响还不成比例地集中在全球南方。等这些原材料被制成GPU后，在数据中心里通常只有3到5年的寿命。更新周期越短，淘汰越快，废弃的硬件堆积成山——2022年全球电子垃圾已达6200万吨，而AI专用设备产生的废料尚未被单独统计。算力越强，硬件迭代越快，电子垃圾的增长曲线只会更陡。
科技股迎来新的赛道，下半场的主线或许就是CPUAI炒作时代（堆GPU）结束，实
科技股迎来新的赛道，下半场的主线或许就是CPUAI炒作时代（堆GPU）结束，实用落地时代（CPU+各类端侧芯片）开启，国产CPU迎来AI行业的增量红利。AI时代已经告别单纯比拼显卡数量、堆超大算力集群的内卷阶段，行业重心转向赚钱、落地商用，行业估值逻辑重塑：不再只看GPU供货量，CPU、端侧专用芯片、行业推理方案都具备长期增长逻辑。十万卡全国产集群接入国家超算互联网，是数字基础设施自主可控标志性工程。大规模AI产业不再受制海外芯片供给限制，国家层面算力安全、数据安全保障能力提升，后续政企AI项目会优先采用国产CPU整机。单纯GPU炒作降温，国产服务器CPU、嵌入式芯片、边缘推理硬件成为新主线；市场重新定价海光等国产CPU企业：市场之前只把它当作普通服务器芯片厂商，现在确认深度绑定AI下半场刚需，业绩增长预期上调；端侧推理、行业AI应用、向量数据库配套硬件迎来估值修复机会。
红利AI基金etf12张图读懂AI数据中心：从电力到算力，从硬件到应用AI数
红利AI基金etf12张图读懂AI数据中心：从电力到算力，从硬件到应用AI数据中心不是机房，而是Token工厂。AI数据中心的本质，不只是把电力转化为算力，而是把算力进一步转化为Token、API调用和企业生产力。最近两年，AI产业链越炒越细：从大模型到算力，从GPU到光模块，从液冷到电力设备，再到PCB、变压器、储能和数据中心。很多人的问题不是“不关注AI”，而是越看越乱：到底什么是真需求？什么是蹭概念？AI数据中心为什么会同时拉动这么多行业？所以我整理了这组图，想用更直观的方式，把AI数据中心这件事讲清楚。看懂这个框架，才知道为什么电力、GPU、光模块、液冷、PCB、存储都会被卷进来；也才能分清楚，哪些环节是真正的核心瓶颈，哪些只是普通配套，哪些又可能只是短期概念炒作。$半导体ETF国联安sh512480$$兆易创新sh603986$$寒武纪sh688256$
【华为Mate80Pro性能解禁：麒麟9030ProGPU相比
【华为Mate80Pro性能解禁：麒麟9030ProGPU相比9020提升76%，《原神》能效表现优于高通骁龙8Gen3】华为去年发布了Mate80系列旗舰手机，搭载华为自研的麒麟9030及麒麟9030Pro处理器。今日，B站up主放出了一期针对华为Mate80Pro的性能分析报告。据介绍，这两款芯片均基于同一种Die，估算约有150亿晶体管，规模与苹果A15、高通骁龙8Gen2接近。其中，满血版的麒麟9030Pro采用9核14线程架构，包含一颗2.75GHz超大核、四颗2.27GHz大核及四颗1.72GHz小核，并集成6核马良935图形处理器。麒麟9030则在此基础上屏蔽一颗CPU大核变为8核12线程，并采用了5核马良935AGPU。架构方面，麒麟这代大核与小核变化不大，主要对超大核寄存器深度及乱序执行窗口进行了微调。缓存上，超大核L2缓存翻倍至2M，5颗大核共享的L3从10M升级到12M，SLC缓存也提升至12M。在能效测试中，极客湾移植了原生的SPECCPU2017测试，并结合HiSmartPerf高性能模式进行了测试。结果显示，麒麟9030Pro的超大核能效稳步提升，性能接近高通骁龙8+的Cortex-X2核心，虽然仍未超越X2，但差距已非常接近。另外，麒麟9030Pro浮点性能进步更为明显，中频段能效表现出色。多核能效方面，得益于工艺升级和核心数量增加，9030Pro的多核能效曲线落在骁龙8Gen2和8Gen3之间，中低频能效甚至接近8Gen3，相比前代9020提升巨大。GPU方面，马良935架构获得了显著提升，ALU单元相比前代翻倍，算力提升超过200%。在3DMark的SteelNomadLight测试中，9030Pro比9020强了76%，能效曲线与骁龙8+接近。此外，9030Pro的NPU升级为“一大两小”三NPU架构，ISP方案也升级至9.0，基带面积则大幅缩减了31%。在实际应用表现方面，鸿蒙原生版《原神》的表现令人惊艳。Mate80ProMax在804P分辨率下可实现全程60帧畅玩，整机功耗仅4.9W，能效甚至优于8Gen3在720P下的表现。这得益于鸿蒙原生应用去除了冗余代码，以及芯片底层对图形驱动的深度优化。在《王者荣耀》120fps极致设定下，其平均功耗仅3W，能效表现极其出色。对于《异环》等游戏，虽然目前调度策略尚有优化空间，但整体表现已处于行业第一梯队。针对光线追踪技术，麒麟9030Pro集成的马良935GPU首次支持该功能，在《暗区突围》等重载场景下，系统通过针对性的驱动层优化，实现了功耗控制与性能释放的平衡。极客湾指出，Mate80系列的系统流畅度也远超预期。鸿蒙系统配合麒麟9030芯片，通过更智能的调度策略，避免了安卓端常见的“一刀切”限频问题，加上原生应用的高效开发框架，使得交互体验异常顺滑。华为Mate80Pro配备5750mAh电池，Mate80ProMax配备6000mAh大电池。测试数据显示，两款机型在极客湾5G续航5.0模型测试中均取得8.14分的成绩，在一众旗舰中稳稳保持第一梯队级表现。
大半夜的，又一条消息把我看得睡意全无。不是开玩笑，业内迎来一次重大技术突破。国产
大半夜的，又一条消息把我看得睡意全无。不是开玩笑，业内迎来一次重大技术突破。国产超算灵晟实现全国产自主化，在德国汉堡举办的国际超算大会上，成功登顶全球超算TOP500榜单榜首。2.19EFlops是什么概念？也就是每秒二百亿亿次运算。打个通俗比方，就算全球几十亿人同时用计算器计算，耗费漫长时间，也难以追上它一秒钟的运算量。这台超算部署在深圳国家超算中心，完成了一次重磅突破。最亮眼的地方在于它走出了一条全新的技术路线。当前全球主流超算普遍采用CPU搭配GPU的异构方案，美国顶尖超算大多依靠英伟达、AMD加速芯片搭建。灵晟没有搭载任何GPU，仅凭自研国产CPU完成运算，走出了不一样的技术道路。多年来，高端半导体领域持续遭遇技术限制，反而倒逼我们打造出这台全国产化超算。从处理器、高速互联网络到操作系统，软硬件全部实现自主研发。技术封锁往往就是这样，越是严苛限制，越能激发自主研发潜力。该项目负责人为国家超算深圳中心主任卢宇彤，她在汉堡现场发言时提出：这是回归计算加速的本质。简单来讲，不再一味照搬国外既定技术路线，走出属于我们自己的研发道路。传统超算需要搭配GPU，是因为CPU处理人工智能任务效率有限。这台灵晟直接在国产CPU内部集成了AI加速单元，内存带宽相比传统CPU提升十倍。相当于自主研发核心硬件，摆脱对外来配件的依赖。不少人会疑问，跑分高是不是只做数据测试？其实不然。该设备已经投入大气海洋模拟、新药研发、脑科学等科研项目，大规模并行运行效率稳定保持在84%以上，兼顾运算性能与实际科研用途。上一次国产超算拿下全球榜首，是2017年的神威太湖之光，时隔整整九年再度重回第一。此前一直有舆论唱衰国内超算发展，科研团队潜心深耕，终于交出亮眼成绩。这条新闻带来的启发十分深刻：单纯依靠技术封锁，很难遏制一个国家尖端科技的发展。图灵奖得主唐加拉现场评价，这套超算体系，为超算结合人工智能科研开辟了全新方向，这份评价分量十足。看完这则消息不由得感慨，手握核心技术和单纯具备技术潜力完全是两回事。如今我们不仅拥有顶尖算力设备，还建成了完整的自主产业链。未来，这台超算还会持续助力人工智能与基础科学研究。信源：综合科技日报、央视新闻、观察者网等媒体2026年6月23日报道。
美团投资的AI独角兽公司一、通用大模型独角兽1. 智谱AI（清华系大模型龙头）
美团投资的AI独角兽公司一、通用大模型独角兽1.智谱AI（清华系大模型龙头）美团战略入股，持股约5.54%，投前估值200亿元，国内头部通用大模型2.月之暗面（Kimi母公司）美团A1轮领投，最新估值超200亿美元，长文本大模型标杆，Kimi为国民级AI工具。3.光年之外美团20.65亿元全资收购（王慧文创办），初创即达2亿美元估值，AGI技术团队并入美团自研大模型LongCat。二、具身智能/机器人独角兽1.宇树科技（Unitree）美团第一大外部股东（持股9.65%），四足/人形机器人龙头，2026年科创板IPO过会，IPO估值420亿元。2.银河通用机器人美团天使轮领投、最大外部股东（持股15%），通用人形机器人Galbot落地药店自动分拣，估值210亿。3.普渡科技多轮大额参投，商用送餐机器人龙头，服务机器人赛道独角兽。4.星海图、自变量机器人美团联合/独家领投，专攻具身大模型（机器人大脑），单家估值破百亿，国内端到端通用机器人底座厂商。三、国产GPU/算力芯片AI独角兽1.摩尔线程国产桌面GPU龙头，美团早期投资，上市首日市值破3000亿。2.沐曦股份通用AI训练GPU独角兽，美团布局算力底层，对标英伟达A/H100。3.紫光展锐、爱芯元智AI边缘计算、车载芯片独角兽，美团布局终端AI算力。美团8年累计投资28家AI独角兽、43家硬科技企业，7家已完成上市。
从龙芯到GPU！唐志敏54岁再创业，为何总挑最硬的骨头啃？当全网吹捧“芯片
从龙芯到GPU！唐志敏54岁再创业，为何总挑最硬的骨头啃？当全网吹捧“芯片英雄”时，谁看见唐志敏孤注一掷的狠劲？54岁本可退休，他却砸声誉、赌融资，在GPU赛道硬刚英伟达——这哪是创业？分明是拿命填中国芯片最后的窟窿！第一，他专挑“死局”破。从龙芯一号终结无芯史，到海光借x86弯道超车，再到现在象帝先死磕GPU，唐志敏每次都选最难的路。别人躲着国外技术封锁，他偏要正面刚：“总要有人做！”第二，人才是他唯一的赌本。甘当人梯培养团队，连下属报告都代写，换来百人死忠研发军团。融资崩盘时没人跑路，只因跟着他“把不可能变可能”。第三，54岁敢押上全部。对赌失败？裁员危机？老将偏要绝地重生。网友骂“疯子”，他却说：“国产芯片要好用，不是可用！”
GPU之间的数据传输增长呈指数级增长，这都涨到天上去了，全球AI光模块PCB市场
GPU之间的数据传输增长呈指数级增长，这都涨到天上去了，全球AI光模块PCB市场规模年增速的幅度高达83%，远远超过同期的光模块60%增速，而且，人工智能确实大动了，这些产业链的高速增长！AI人工智能是一个庞大的工程与基础建设相关产业链相对比较广泛！这些都是前期的需求增长！人工智能的基础建设，还属于一个初期发展阶段，等到下一个阶段，就是AI物理发展，也就是AI应用软件，让AI人工智能拥有自己的身体。到那个时候，那么产业链的集群就会更大！
这两年跟几个做金融AI的朋友聊天，发现一个挺普遍的现象：GPU采购预算批得爽快，
这两年跟几个做金融AI的朋友聊天，发现一个挺普遍的现象：GPU采购预算批得爽快，上架之后实际利用率却惨不忍睹。显卡经常在那儿"等着"，数据从存储搬过来要时间，网络传过来要时间，等数据到了，计算早就跑完了——典型的"车等油"。金融智能体对这个问题的敏感度尤其高。实时反欺诈、动态授信、智能投顾，智能体要在毫秒级完成"感知-决策-执行"闭环。数据路径一拥堵，推理时延抖动，体验和风控效果一起打折。中科曙光这次在金融展上推的"元融"方案，说白了就是冲着"不让GPU空等"来的。算力是scaleX40超节点——单节点40张GPU，显存加起来5TB多，万亿参数模型能装下。存储是ParaStorF9000，单节点带宽220GB/s，能同时给40张卡各喂5GB/s以上的数据。网络是scaleFabric，端到端时延压到0.93微秒。三层拉通之后，数据不用再从存储"长途跋涉"去找算力，算力就贴着数据跑。"元融"专攻AI创新和智能体推理，当然也有FlashNexus9000专门守住核心交易。江海证券已经跑通了四大场景。大模型推理从秒级压到百毫秒级，这个提升在真实业务里体感还是挺明显的。中科曙光元融金融展
6月16日，五大短线热门板块！一、AI算力GPU半导体板块逻辑：燧原科技科创板I
6月16日，五大短线热门板块！一、AI算力GPU半导体板块逻辑：燧原科技科创板IPO过会，国产算力芯片加速替代寒武纪、海光信息、弘信电子、浪潮信息、紫光股份、中船特气、首都在线、兆易创新二、HVLP算力铜箔板块逻辑：头部厂商订单排至2027下半年，高端超薄铜箔供需缺口持续扩大铜冠铜箔、德福科技、隆扬电子、嘉元科技、诺德股份、超华科技、生益科技、台光电子三、高纯硅硅基量子芯片板块逻辑：攻克硅基量子芯片核心原料，同步利好高端半导体硅片国产自主沪硅产业、有研硅、有研新材、中核科技、兰石重装、杭氧股份、华特气体、中芯国际四、锂电储能板块逻辑：亿纬锂能预告2026半年净利大增95%-110%，锂电全产业链盈利修复亿纬锂能、宁德时代、比亚迪、天赐材料、恩捷股份、融捷股份、阳光电源、国轩高科五、6G卫星互联网超材料板块逻辑：我国超表面电磁调控核心样品研制落地，为6G毫米波、低轨卫星通信底层核心技术光启技术、中国卫星、航天电子、信维通信、国博电子、盛路通信、盟升电子、硕贝德个人观点，仅供参考！欢迎点赞关注，赠人玫瑰、手有余香，祝大家投资一路长虹！股市分析股市点评股票财经股票交流
沐曦股份刚在科创板站稳脚跟，转身就直奔港交所。这家国产GPU独角兽的动作，刚
沐曦股份刚在科创板站稳脚跟，转身就直奔港交所。这家国产GPU独角兽的动作，刚好踩在AI算力由海外单一供给转向国产并存的节骨眼上，它的目的很明确，就是去拿国际资本，重注砸向下一代通用GPU和软件生态。对于还在高研发投入期、亏损收窄的沐曦来说，光靠A股显然不够解渴。搞通用GPU这事，烧钱周期长、生态壁垒高，不备足粮草很难跟得上。但还是不少人质疑，毕竟公司刚上市不久，理财还没焐热就又要融资，吃相有点难看。但这或许正是硬科技的残酷现实，不拼命砸钱迭代，技术就会掉队，想保持身位就得持续吸金。这种刚上市就再融资的激进打法，你觉得是长期主义还是急于圈钱？评论区聊聊。
AI会带来失业，也会带来更多就业机会！失业的人会拼命生存，这种生命力很强！正如当
AI会带来失业，也会带来更多就业机会！失业的人会拼命生存，这种生命力很强！正如当年直播干翻了线下零售，但也逼着更多零售商和工厂都招直播主播销售，极大的增加了就业！被迫创业潮大厂降本增效，首当其冲的是总监级中层。这批人有经验、有积蓄、有人脉，却被“逼上梁山”。不是想创业，是没得选。这种“被迫创业”与主动创业完全不同——主动创业是锦上添花，被动创业是背水一战。生存本能驱动的爆发力惊人，就像欧洲大航海：活不下去，才出海。今天的大厂裁员潮，本质上是在向全球输送一批最凶狠的创业者。00后创业者正在涌现00后的产品定义跟老一辈完全不在一个频道，天生就是AI原住民，认为AI工具就像水电一样自然。面对这种变化，VC的出手策略急剧调整——要么投极早期（1000-3000万人民币），要么投极后期，中间成长期几乎不碰。估值涨上来了，数据还没跑出来，竞品突然冒出好几个，根本没法判断谁能胜出。目前市场上形成了两套投资套路：1.完全市场化：产品好、技术领先、卖货赚钱2.国家战略：跟着政策走，投GPU、火箭、大模型、核聚变
