算力与芯片

微软公布第三代自研 AI 芯片 Maia 300，目标是在 2027 年开始承担旗下产品和服务的主要推理任务。它通过芯粒架构和系统级设计提升能效，也显示微软正试图降低对 Nvidia、AMD GPU 的依赖。

Anthropic将用七年时间向Akamai采购价值116亿美元的云基础设施，规模可能进一步扩大至约200亿美元。不同于常见的供应商投资AI公司模式，Akamai反而向Anthropic授予最高约5%的潜在股权。

Google将把4颗TPU送入轨道，验证其“太阳捕手”计划能否在太空运行AI计算。由于散热能力有限，芯片每次只能工作约15分钟。

高通发布 Snapdragon 8 Elite Gen 6 和 Extreme Gen 6，重点提升手机端AI代理、语音交互、个性化记忆与影像处理能力。Extreme版本据称可在本地运行30B混合专家模型。

华为宣布，下一代昇腾960DT人工智能芯片预计将在2027年第一季度准备就绪，较原计划提前约两个季度。与此同时，华为正通过互联架构将大规模加速卡组织成面向训练和推理的计算系统。

苹果据称正在开发一款面向企业AI工作负载的服务器，计划采用两颗或四颗未来M8 Ultra芯片。若项目最终落地，这将是苹果退出Xserve多年后重返企业服务器市场。

PyTorch团队将MXFP8扩展至FlashAttention-4的前向与反向计算，并通过融合量化、TMEM调度和零Gather变长模块，提升Blackwell上的训练效率。

Arm推出Neoverse CSS N4，单裸片最多支持128个核心，并引入LPDDR6与PCIe 7.0。其背后的信号是，智能体基础设施的竞争正从单纯追求GPU算力，扩展到CPU、内存和高速I/O的整体协同。

英伟达向联发科投资35亿美元，并将开放NVLink Fusion生态，帮助后者为云厂商和AI公司开发可直接接入英伟达数据中心的定制芯片。这笔交易显示，面对大型科技公司自研芯片，英伟达正从GPU供应商转向AI基础设施平台方。

随着AI算力集群迈向超大规模，决定效率的因素不再只是GPU数量，而是数据、存储、网络与计算之间能否顺畅协同。英伟达正在把竞争优势延伸到GPU之外的系统编排层。

苹果更新 Mac mini 和 Mac Studio，并推出 M6 与 M5 Ultra 芯片。高内存容量、统一内存带宽和 Thunderbolt 5 互联，让 Mac 逐渐成为本地大模型开发与推理的另类平台。

当 GPU 从稀缺设备变成可按小时租赁的生产资料，算力价格波动就开始具备金融对冲需求。CME、Silicon Data 与 CFTC 的一系列动作，显示 GPU 期货正在从概念走向市场基础设施。

随着数据中心和GPU投入持续攀升，AI算力正从技术资源变成需要管理价格风险的关键成本。Silicon Data希望建立GPU租赁参考价，并推动算力期货进入传统金融市场。

AMD 宣布收购多伦多 AI 芯片初创公司 Taalas，后者主张将模型权重直接固化到硅片中，以绕开传统内存访问瓶颈。若交易按计划在 2026 年第四季度完成，AMD 的 AI 推理版图将增加一条非传统计算路径。

Anthropic 已确认正在招聘定制硅团队，计划为 Claude 等模型探索自研芯片。公司强调未来仍会采用多芯片策略，而不是完全替代外部供应商。

AMD 将 MI455X 与 Helios 机架级系统推到台前，试图用 2nm 计算芯粒、HBM4 大显存和开放互连体系切入 AI 基础设施核心市场。

北弗吉尼亚一次输电线路故障没有造成大停电，却让 PJM 电网经历了异常电压波动。事件显示，密集布局的 AI 数据中心在电网扰动中同步脱网，正成为新的系统性风险。

AMD发布面向大型AI数据中心的Helios机架级系统，并称其将于今年晚些时候开始向客户交付。随着微软、Anthropic、OpenAI等客户计划部署，AMD正试图在Nvidia长期占优的AI算力基础设施市场打开缺口。

由三名哈佛辍学生创办的 AI 芯片公司 Etched 完成 3 亿美元 C 轮融资，估值达到 103 亿美元。公司押注推理计算瓶颈，试图用自研芯片、内存与互连系统挑战 GPU 主导格局。

在WAIC 2026上，奇异摩尔首次集中展示了国产超节点互联全栈方案、国产GPU直通国产RDMA网卡的IBGDA Demo，以及面向下一代光互联的布局。更重要的是，这不是单点产品秀，而是在推动国产算力从“芯片可用”走向“系统可用”。

安谋科技在 WAIC 2026 展示的不是单一加速器，而是一套面向边端 AI 的系统化方案：CPU 负责控制与轻量向量计算，NPU 承担复杂推理，VPU 面向机器视觉重构编码，AIOS 则尝试补上异构调度与 Agent 编排。