NuAxi Stream - Real-Time Semiconductor Intelligence

Thu, Oct 22

9 items

18:22Impact score 55
微软正式发布第三代自研AI加速器Maia 300：台积电N2P（2nm增强版）制程，288GB HBM4带宽18TB/s，计划2027年开始量产部署
微软近日正式发布第三代自研AI加速器Maia 300。该芯片基于台积电N2P（2nm增强版）芯粒架构打造，单芯片FP4算力达13.8 PFLOPS，专为长上下文推理、低延迟对话及多步骤智能体任务设计。内存方面，8组HBM4堆栈带来288GB容量，较上一代Maia 200的216GB HBM3提升33%，带宽从7.1TB/s跃升至18TB/s，增幅达2.5倍。芯片采用多芯粒设计：计算芯粒使用台积电N2P工艺，内存与I/O芯粒搭配3nm制程。机架级设计上，单个机架集成96颗Maia 300，整机功耗约167kW，HBM总容量达27.6TB，聚合带宽约1.7PB/s；微软表示机架规模下Maia 300的Token吞吐量最高可达Maia 200的7倍。与英伟达最新GB300机架（72颗GPU、功耗约142kW）相比，Maia 300芯片密度翻倍，每兆瓦推理性能高出约40%。微软将Maia 300定位为Azure及Microsoft 365 Copilot等服务的“主力推理系统”，并计划于2027年开始量产部署，同时将Azure Maia家族扩展至多吉瓦级规模。量产部署目前仍为计划，尚未实施。
Maia 300 HBM4微软, 台积电 and 3 total
18:05Impact score 10
英伟达在GTC 2026柏林大会上发布用于监控AI代理的OpenShell架构
英伟达于当地时间10月21日在GTC 2026柏林大会上发布OpenShell参考架构，用于支持AI代理的安全部署与运行。该架构为覆盖AI代理开发与运营的全栈基础设施，硬件由Nvidia Vera Rubin NVL72服务器机架和BlueField-4数据处理单元（DPU）组成，其中Rubin GPU负责AI模型推理，Vera CPU负责AI代理控制与工具执行；BlueField-4 DPU在硬件层面直接执行安全策略。该架构还运行N Sentry集成安全软件，若AI代理试图越过指定软件边界，Sentry会在毫秒内隔离并阻断该操作。原文指出该架构目前已可用，Dell Technologies、Cisco、HPE、Lenovo和Supermicro正在基于该架构构建基础设施。英伟达同场还推出DSX AI Factory平台，将计算、网络、存储、软件、电力基础设施与冷却系统从设计阶段即整合为标准化数据中心设计；由于Vera Rubin支持100%液冷，该平台可将冷却水消耗降至接近零，对于一座2吉瓦（GW）设施，相比传统冷却方式每天可节省5400万升水，相当于18万户家庭的日用水量。
Rubin GPUs Vera CPUs BlueField-4 DPUsNvidia
16:45Impact score 30
DeepSeek于10月20日宣布开源内部生产级推理框架DeepInfer，该框架已兼容英伟达SM100 GPU和华为昇腾950 NPU
据大橘财经报道，10月20日，DeepSeek宣布开源其内部生产级推理框架DeepInfer。该框架是DeepSeek在面临美国尖端芯片出口限制背景下，确保其大模型紧追美国顶尖AI模型的核心；推理框架负责管理模型如何使用计算资源处理用户请求，会影响延迟、吞吐量、所需硬件及AI运营成本。DeepInfer整合分布式推理、投机解码等技术，可将AI工作负载分配到不同硬件上，目前该框架已兼容英伟达SM100 GPU和华为昇腾950 NPU。彭博社10月21日指出，推理技术通常被视为AI公司核心竞争力、较少公开，此次公开让外界得以了解DeepSeek如何在压低运行成本的同时保证模型性能。需要说明的是，此次发布的并非完整推理技术栈，构建完整服务还需KV缓存系统、Prefill/Decode解耦及数据并行副本间负载均衡等功能，这些未完全包含在本次开源项目中，不过大部分核心解耦功能已实现。原文未说明此次开源的具体动机原因。
DeepInfer推理框架英伟达SM100 GPU 华为昇腾950 NPUDeepSeek
11:44Impact score 30
英伟达黄仁勋：GPU 寿命可达 8 年以上，AI 正在改写硬件折旧规则
10月22日消息，科技媒体Wccftech于10月21日发文称，在GTC柏林大会上，英伟达首席执行官黄仁勋表示，随着软件持续更新和AI应用需求扩大，GPU的实际使用寿命已从过去普遍认为的约4年，延长至8年甚至更久；他称公司采用软件可编程技术并在资产整个生命周期内持续改进软件，确保长期高效运行，这是重要优势之一。文中还提到，在SpaceX 2026年第三季度财报电话会上，马斯克提出类似判断：随着AI软件改进和模型优化，每瓦计算能力所能提供的有用智能越来越多，计算能力的价值与每瓦的有用智能成正比，因此每瓦计算能力的价值会随时间上升而非减少，并称像H100这样的老GPU现在的租金比新电脑时期更高。加文·贝克（Gavin Baker）在GTC柏林大会上表示，随着词元（Tokens）价格下跌、词元组合转向价格更低的词元，单位GPU小时的租赁成本却大幅上涨，因为给定GPU小时内获得的词元越多价值越高。
GPU英伟达
10:27Impact score 30
三星公开专利申请：在不增加GPU的情况下提升AI服务器内存效率
三星电子公开了一项专利申请，针对多名用户同时向AI服务器提交请求时的GPU内存短缺问题。该技术通过计算GPU与CPU之间的数据传输成本并减少不必要的传输，旨在使AI服务器在有限内存容量内无需增加GPU即可快速处理更多用户请求。此为专利申请的公开，属于技术方案，尚非已落地实施的产品或产能变化。
GPU memorySamsung Electronics
09:28Impact score 55
谷歌与亚马逊在PyTorch Conference 2026发布TorchTPU与TorchNeuron开源框架，挑战英伟达CUDA主导地位
谷歌与亚马逊在美国加州圣何塞当地时间10月20日举行的PyTorch Conference 2026上，分别发布开源框架TorchTPU和TorchNeuron，旨在简化现有AI应用从英伟达GPU向自家芯片迁移，挑战英伟达CUDA生态的主导地位。PyTorch由Meta（原Facebook）的AI研究实验室FAIR于2016年主导开发，全球约85%的AI应用开发者使用它，而FAIR最初围绕英伟达GPU和CUDA平台设计PyTorch，导致向其他芯片迁移困难。谷歌与Meta合作开发的TorchTPU，据谷歌称，超过98%的现有PyTorch模型只需将代码中的设备字符串改为model.to("tpu")即可在TPU上运行，转换耗时从几分钟到几天不等，且TPU已在PyTorch核心层面作为与GPU、CPU同等的原生设备运行。AWS的TorchNeuron则允许基于PyTorch的AI模型直接运行在AWS的Trainium AI芯片上，开发者只需修改几行设备设置，把英伟达的cuda替换为AWS的neuron。亚马逊已通过GitHub以Apache 2.0开源许可发布TorchNeuron公测版，并向PyTorch主开源项目直接贡献代码。此前将针对英伟达生态优化的AI应用迁移到谷歌或亚马逊专有AI芯片至少需数天，复杂情况下需数月，新工具有效消除了这些时间和成本障碍。随着TorchNeuron、TorchTPU及类似工具获得采用，专用AI芯片预计将主要在底层性能、能效和定价上竞争，但针对具体模型的兼容性、性能和成本验证仍需额外时间。
Nvidia CUDA TorchTPU TorchNeuronGoogle, Amazon and 5 total
07:58Impact score 10
Nvidia在10月21日GTC Berlin主题演讲称AI瓶颈在于部署速度、电力与安全而非芯片，并发布参考设计与软件，将覆盖范围从GPU扩展到AI数据中心的构建与运行
Nvidia于10月21日在GTC Berlin主题演讲中提出，AI的瓶颈现已从芯片转向部署速度、电力与安全，而非硅片本身，并发布参考设计与软件，将Nvidia的覆盖范围从GPU扩展到整个AI数据中心（AI工厂）如何构建与运行的层面。原文未说明价格、产能或供需方面的具体影响，该内容属产品与战略层面信息。
AI工厂（AI factories）参考设计与软件 GPUsNvidia
03:04Impact score 45
传英伟达向采用AMD芯片的云服务商施压拒绝部分企业参加 GTC Berlin
据分析机构SemiAnalysis爆料，英伟达被指对部分采用AMD GPU、Google TPU及其他竞争芯片的"Neocloud"云服务提供商施压，多家专注于AI基础设施的Neocloud企业因在产品组合中引入AMD GPU、TPU及其他非英伟达芯片而被禁止参加英伟达在德国柏林举办的GTC大会。据称此举意在限制这些企业对竞争对手硬件的采用。SemiAnalysis还称今年早些时候英伟达曾被指通过限制新产品早期配额惩罚采用竞争对手技术的云服务商，相关企业在IPO、融资及获得英伟达资金支持方面也可能面临不利影响。报道指出该"惩罚"据称未波及亚马逊AWS、微软Azure等超大规模云厂商。也有业内人士认为英伟达作为GTC主办方有权决定邀请对象，相关做法更多属商业合作关系管理。此为传闻性质，原文未说明确证结果。
AMD GPU Google TPU英伟达, AMD and 3 total
00:30Impact score 60
据报道，与NVIDIA存在授权关联的Groq考虑在下一代AI芯片中由SRAM转向3D堆叠DRAM
据ZDNet援引业内消息人士报道，已将其推理技术授权给NVIDIA的AI芯片公司Groq正在考虑在下一代芯片中采用3D堆叠DRAM，可能放弃其以SRAM为中心的设计，从而显著增加片上内存容量；该消息属于传闻/计划，并非已确认的实施。报道指出Groq正在探索3DS（3D堆叠内存），其通过硅通孔（TSV）垂直连接DRAM裸片；3DS与HBM虽都依赖TSV，但HBM侧重高数据传输速度，3DS侧重在保留传统DRAM接口的同时增加内存容量。现有NVIDIA Groq 3 LPX是面向Vera Rubin平台的机架级AI推理加速器，据NVIDIA称，每颗Groq 3 LPU集成500MB SRAM、片上内存带宽150TB/s，整套LPX机架组合256颗LPU、提供128GB SRAM和40PB/s聚合SRAM带宽；据该公司称，每个机架还提供12TB DDR5内存与128GB SRAM并用。据36Kr援引d-Matrix CEO Sid Sheth称，SRAM容量每两年仅增长约10–20%，而AI模型规模可能每六到九个月翻倍，这一差距使SRAM难以单独满足内存容量与带宽需求。制造方面，据Seoul Economic Daily，Samsung Foundry在其Pyeongtaek工厂以4nm工艺代工NVIDIA的Groq 3 LPU；Samsung高管曾在6月表示正在与NVIDIA就下一代Groq LPU讨论代工合作；TSMC董事长魏哲家在4月的法说会上表示TSMC正与客户合作开发下一代LPU。此外，同样重度依赖SRAM的Cerebras也在推进3D堆叠DRAM，据该公司称其未来的CS-6系统将把堆叠DRAM与晶圆级SRAM及计算整合，以在保持快速数据访问的同时显著扩展内存容量。
SRAM 3D-stacked DRAM (3DS)HBMGroq, NVIDIA and 6 total

Wed, Oct 21

11 items

23:30Impact score 30
NVIDIA发布采用硅中介板上光学(OOI)的下一代CPO原型，目标更高带宽密度，两项技术仍处研究阶段且未公布商业化时间表
NVIDIA在SEMICON West 2026上以"Optical Integration for the Next Generation of AI"为主题展示下一代共封装光学(CPO)技术，包括光学引擎从有机封装基板移至承载计算芯片的硅中介层上的OOI原型，据The Elec称该设计可消除电信号路径中的有机基板，通过更短的细间距中介层连接提高带宽密度并降低功耗。NVIDIA还演示了DWDM技术，据Wccftech称在单根光纤上结合8个波长、每波长最高32 Gb/s，合计每光纤256 Gb/s。两项技术仍处于研究阶段，未公布商业化时间表，NVIDIA表示正为潜在未来产品进行评估。展望未来，NVIDIA计划以Kyber NVL1152架构扩展光互连，将8个机架连接为单一1,152-GPU NVLink域并支持Feynman平台；据Wccftech称Feynman预计于2028年推出。现有CPO产品方面，2026年5月NVIDIA宣布Spectrum-X Ethernet Photonics交换机已进入全面量产，为Vera Rubin平台集成200Gb/s SerDes与CPO技术，早期采用者包括CoreWeave、Lambda和Oracle Cloud Infrastructure；制造生态中TSMC提供硅光子制造，SPIL负责芯片级封装组装测试，TFC封装激光器并做可靠性验证，Foxconn负责整机系统集成，另有Coherent、Lumentum、Sumitomo Electric提供外置激光源模块，Corning、Senko、Browave提供光纤及相关组件，Fabrinet负责散热与最终测试。
co-packaged optics (CPO)optics-on-interposer (OOI)dense wavelength-division multiplexing (DWDM)NVIDIA, TSMC and 12 total
22:42Impact score 55
英伟达柏林GTC大会发布DSX Pod集装箱式迷你数据中心，硬件部署周期从6个月缩短至14天
英伟达CEO黄仁勋周三在柏林GTC大会上呼吁欧洲加快AI落地，称欧洲要享受AI红利、打造AI生态与AI经济，就必须让所有终端行业用上AI，并举例汽车、金融、医疗赛道。本次发布会面向欧洲市场发布了新的数据中心硬件、软件、模型，并公布与当地龙头企业合作。核心新品为DSX Pod，一款集装箱式迷你数据中心，单套集装箱内预装、调试完毕服务器、线缆与配套管路，客户到货后只需通电并与其他同型号单元互联即可使用；该方案由戴尔等英伟达合作伙伴打造，把硬件部署周期从原先6个月缩短至14天，适合小于1吉瓦规模的中小型算力部署。英伟达称，欧洲已有多家客户采用DSX AI数据中心方案及最新的Vera Rubin处理器，其投资的数据中心开发商Nscale是其中之一。针对全球市值最高上市公司英伟达长期受供应链产能瓶颈制约的情况，揖斐电、三星电机、欣兴电子将为其增加封装基板供给；安靠计划到2028年底把芯片封装产能提升至原来四倍；京元电子扩充芯片测试产能。具身智能方面，英伟达表示今年上半年该板块营收最高同比增长30%，规模约110亿美元；其与思灵机器人打造开源机器人开发平台，配套硬件为搭载Jetson Thor的Agile ONE SN人形机器人，并称人形机器人赛道研发复杂度高、投入巨大，目前只有资金雄厚的企业能够参与。此外，英伟达宣布与西门子旗下业务部门合作落地基于AI的先进放疗设备；汽车领域沃尔沃采用英伟达芯片研发自动驾驶车辆，大众商用车业务搭载英伟达方案，Bolt Technology OU依托英伟达软硬件开发自动驾驶出租车。报道还提及，过去两周AI板块股价持续承压，费城半导体指数走出2008年以来最长连跌行情。
DSX Pod Vera Rubin处理器封装基板英伟达, 戴尔 and 13 total
19:18Impact score 60
Vinatech三天内获得超240亿韩元数据中心超级电容器订单，含与Sanmina的119.4亿韩元及AcBel Polytech的123亿韩元合同
Vinatech于10月21日披露，与印度Sanmina签署1194亿韩元数据中心用超级电容器供应合同，该合同约为公司2025年综合营收822亿韩元的145.3%，合同期至2027年12月23日。10月19日，Vinatech还与台湾AcBel Polytech签署1230亿韩元超级电容器供应合同，两笔合同合计约2425亿韩元，接近公司2025年年度营收的三倍。截至10月19日，来自AcBel Polytech、美国燃料电池公司Bloom Energy和Sanmina的订单合计2290亿韩元；计入最新合同后，总额升至约3485亿韩元，超过公司2025年营收的四倍。原文指出，随着人工智能（AI）数据中心电力需求增加，超级电容器需求上升，AI服务器在众多GPU同时运算时会在短时间内消耗大量电力，超级电容器可快速供应或吸收电力，适合作为管理数据中心电力需求突然波动的辅助电源。Vinatech自6月底以来已连续获得多项数据中心超级电容器供应合同。
supercapacitors for data centersVinatech
15:55Impact score 55
英伟达旗下Groq下一代LPU架构转向3D堆叠DRAM 瞄准更大模型时代的容量需求
据 cnBeta.COM 2026年10月21日报道，已被英伟达纳入麾下的 AI 推理芯片公司 Groq 计划在下一代 LPU（语言处理单元）产品中引入 3D 堆叠 DRAM 技术，以替代当前广泛采用的 SRAM 方案，此举意味着未来更侧重提升芯片存储容量，以适应不断膨胀的大型 AI 模型需求，属计划而非已实现的产品变更。现有一代 Groq LPU 采用 500MB SRAM 设计，内存带宽高达 150TB/s，单颗可提供约 1.20 PFLOPs 的 FP8 算力；LPX 机架配置 256 颗此类芯片，总计提供 128GB SRAM 容量和 640TB/s 扩展带宽。该机架由英伟达于今年早些时候公布并纳入 Vera Rubin 生态体系，已于今年 8 月进入全面量产阶段；早期测试显示，在与 NVL72 服务器协同工作时系统可实现每秒 3400 个 Token 的推理速度，创性能纪录。报道称，与 SRAM 相比 DRAM 容量更高但带宽和访问速度较低；3D 堆叠方案可堆叠多层 DRAM 并利用 TSV 硅通孔实现层间连接，与 HBM 实现方式相似，可提高单位面积存储密度、改善能效并减少占用空间。报道还提到，未来 Groq 或许不会完全放弃 SRAM，而是将 DRAM 与 SRAM 产品线并行发展，按应用场景提供差异化方案。原文未说明具体时间表或量产计划细节。
LPU 3D堆叠DRAM SRAMGroq, 英伟达
11:56Impact score 55
被挡在英伟达顶级AI芯片之外，中国科技巨头转向工作站GPU；据报道符合出口规定的RTX PRO 5500正成为AI推理热门替代，字节跳动等据报已下达订单，出货预计2027年初
据TrendForce发布：被挡在英伟达顶级AI芯片之外的中国科技巨头正转向工作站GPU，符合出口规定的RTX PRO 5500据报正成为AI推理的热门替代品。英伟达在中国AI加速器市场的份额可能已跌至接近零，但需求据报正在回暖：字节跳动等科技巨头据报已为AI推理下达总计350亿美元的RTX PRO 5500订单，出货预计在2027年初。上述均为报道内容，出货尚未发生，仅为预计计划。
RTX PRO 5500 AI acceleratorNVIDIA
11:51Impact score 50
Ken Griffin：GPU类似航空公司，若供过于求边际定价将自由落体，老旧GPU高租金难持续，企业AI支出转向ROI精算
10月21日，在Citadel年度全球市场未来峰会上，Citadel创始人Ken Griffin接受彭博记者Dani Burger采访时表示，市场正从过去两年的"主题式扫货"转向基本面研究，并提出AI算力投资的三大潜在陷阱。陷阱一：GPU与航空公司相似，边际运行成本极低，一旦GPU供给超过需求，边际定价（现货租赁与API调用价格）将自由落体，他援引2000年电信泡沫中"暗光纤"作为历史参照。陷阱二：目前5至6年前的老旧GPU仍能收取极高租金，但这种情况在未来5至6年里大概率不会持续，按7至9年高资产残值进行折旧贴现的投资机构估值模型将面临重估。陷阱三：美国企业AI支出从试错转向ROI精算，正在区分需为OpenAI和Anthropic顶尖模型支付高价的业务与可用开源模型低成本运行的业务。据《华尔街日报》报道，Anthropic在其S-1文件中披露未来计划投入7500亿美元算力开支且支出规模仍在增加；Griffin承认这一扩张计划与企业端收紧之间存在张力，并表示关键在于Anthropic能否将自身模型打造成"必需品"，"但我们现在不知道答案"。关于AI泡沫，他表示"在这个时刻，几乎可以肯定存在局部泡沫"，同时强调边际定价、折旧假设和企业预算三个维度上市场的重新定价才刚刚开始。文中还提到近日AI交易遭遇大幅重挫，半导体板块遭遇金融危机以来最长连跌。以上均为Griffin的观点与警示，原文未报告GPU价格的实际变动。
GPU 高带宽内存DRAM 超微多层陶瓷电容器MLCCNVIDIA（英伟达）, OpenAI and 3 total
09:58Impact score 0
DeepSeek开源推理框架，社媒测算推理毛利率或超95%
DeepSeek于10月20日开源内部推理框架DeepInfer及deepseek-recipe，支持英伟达GPU和华为昇腾NPU。社媒测算其单卡硬件毛利率为84%至96%，单集群每天处理155万亿Token，每GPU小时收入38美元。分析人士推演OpenAI与Anthropic主流模型API毛利率或达95%。
DeepSeek
08:45Impact score 30
Nvidia将Vera CPU定位为智能体AI数据中心基础设施的核心组件，GPU与CPU比例下降显示AI计算架构或迎重新设计
Nvidia正将其Vera CPU定位为面向智能体（agentic）人工智能的数据中心基础设施的核心组件，理由是多步推理和工具调用增加了对快速串行处理的需求。该公司表示，CPU资源正与GPU一同变得愈发重要，同时GPU与CPU比例的下降显示出AI计算架构可能出现重新设计的信号。
Vera CPU GPUsNvidia
07:59Impact score 10
SK hynix专栏：半导体范式转向存储器，AI芯片竞争重心从算力转向数据供给与放置（2026年10月21日）
这是SK hynix于2026年10月21日发布的AI生态系统系列第4篇技术评论文章，作者为OXMIQ Labs创始人兼CEO Raja Koduri（曾负责Apple、AMD和Intel的GPU与AI加速器架构开发），主题为半导体范式正转向存储器。文章观点认为：AI性能正从纯算力转向数据移动与放置，存储器带宽与层级主导成本；Transformer模型增长使缓存复用假设失效，系统反复从DRAM或HBM读取数据，低延迟小批量推理中存储带宽可能成为瓶颈。文中指出HBM通过TSV和中介层将多个DRAM裸片垂直堆叠，将计算与存储距离从厘米缩短到毫米；作者称2015年在AMD参与基于HBM的GPU开发，后在Intel主导开发集成47个chiplet和四个HBM2e堆叠的Ponte Vecchio。文章还介绍混合键合（铜对铜直接键合取代微凸点）以及PIM（存内处理）技术，称PIM在特定工作负载下可将能耗降低10到100倍，但同时面临热管理等挑战。文章为作者个人观点、属背景分析，不构成价格、产能、库存或供需的实际事件报道。
HBM HBM2e DRAMSK hynix, OXMIQ Labs
07:32Impact score 50
10.21盘前：某海外芯片设计厂商宣布以绩效为导向全球裁员，存储芯片股与光通信股普遍下跌
据10月21日盘前消息梳理，半导体板块方面：某海外芯片设计厂商宣布以绩效为导向在全球范围内裁员，原文未说明裁员原因；存储芯片股与光通信股普遍下跌，文中提及的存储相关个股包括兆易创新、江波龙、佰维存储，原文未说明下跌原因。另据同篇梳理，英伟达GTC大会于10月20日至22日在德国柏林举行，设有100多场专题分享，覆盖加速计算、智能体AI、物理AI、机器人、开源模型、AI基础设施等方向；英伟达宣布在德国于利希超级计算中心，利用超级计算机JUPITER成功模拟104量子比特的容错量子计算系统，该模拟运行于由8192块GPU组成的GB200 NVL72超级芯片系统。原文未给出存储芯片或光通信产品本身的价格变动数据，上述下跌为个股股价表现。
存储芯片
04:50Impact score 58
Anthropic备战IPO：2026年上半年净亏损超807亿美元，总算力承诺支出将超6000亿美元
据《华尔街日报》10月20日援引Anthropic IPO招股说明书草稿报道，该公司2026年上半年净亏损超过807亿美元，其中720亿美元来自与可转换票据及其他融资工具估值变动相关的会计计提，较去年同期130亿美元的净亏损大幅扩大。该公司总算力承诺支出将超过6000亿美元，未来十年在算力相关协议上的承诺支出合计逾5180亿美元，且正洽谈进一步扩大计算资源；计划在算力方面的总开支最高可能达到7500亿美元，仅租赁英伟达芯片一项就将支出最多860亿美元。2026年上半年Anthropic在算力上的支出已约达90亿美元，2025年全年的计算与基础设施支出为73.3亿美元。Anthropic正与英国云计算提供商Nscale洽谈，计划租用其位于西弗吉尼亚州Monarch数据中心园区第二栋建筑的算力资源，新增约460兆瓦的计算容量，采用英伟达最新一代Vera Rubin芯片，并保留对规划中第三栋建筑的优先谈判权；若该协议达成，双方总合同承诺价值将升至约900亿美元。云协议方面：谷歌云约1110亿美元、亚马逊AWS约1100亿美元、微软云约310亿美元。营收方面，该公司今年上半年营收达163亿美元，第三季度营收环比增长45%至168亿美元；据路透社报道，2025年全年营收增长12倍至约46亿美元，2025年运营亏损超过80亿美元（剔除与历史融资相关的各类负债减记）；公司表示2026年第二季度已实现经调整后的正利润，但具体口径在完整审计财务数据公布前仍有待厘清。据报道，Anthropic正寻求以1.5万亿至2万亿美元估值于11月挂牌上市，具体日期尚未确定。
英伟达芯片英伟达Vera Rubin芯片Anthropic, Nscale and 6 total

Chip Teardown Lab1 opened

Whose chips are really inside the hottest new products? We open them up and show you, one part at a time.

Tesla Model YAcross 30 electronic modules we confirmed 130 parts (120 part numbers), 34 of them from Texas Instruments.See the full teardown All teardowns

Component price indexNPI, vs. prior period

Analog	$0.68	−5.9%
Connector	$0.75	+0.2%
CPU	$386.74	−21.3%
DDR4	$88.40	−0.2%
DDR52026-W13	$14.89	−11.2%
GPU	$478.20	+8.2%
MCU	$0.68	−61.7%Unusual
MLCC	$0.01	+54.0%Unusual
MOSFET	$0.12	−82.8%Unusual
PMIC2026-W13	$0.44	−12.5%
SSD/HDD	$288.43	n/a

Period 2026-W18All categories

NuAxi Stream - Real-Time Semiconductor Intelligence

Thu, Oct 22

9 items

18:22Impact score 55
微软正式发布第三代自研AI加速器Maia 300：台积电N2P（2nm增强版）制程，288GB HBM4带宽18TB/s，计划2027年开始量产部署
微软近日正式发布第三代自研AI加速器Maia 300。该芯片基于台积电N2P（2nm增强版）芯粒架构打造，单芯片FP4算力达13.8 PFLOPS，专为长上下文推理、低延迟对话及多步骤智能体任务设计。内存方面，8组HBM4堆栈带来288GB容量，较上一代Maia 200的216GB HBM3提升33%，带宽从7.1TB/s跃升至18TB/s，增幅达2.5倍。芯片采用多芯粒设计：计算芯粒使用台积电N2P工艺，内存与I/O芯粒搭配3nm制程。机架级设计上，单个机架集成96颗Maia 300，整机功耗约167kW，HBM总容量达27.6TB，聚合带宽约1.7PB/s；微软表示机架规模下Maia 300的Token吞吐量最高可达Maia 200的7倍。与英伟达最新GB300机架（72颗GPU、功耗约142kW）相比，Maia 300芯片密度翻倍，每兆瓦推理性能高出约40%。微软将Maia 300定位为Azure及Microsoft 365 Copilot等服务的“主力推理系统”，并计划于2027年开始量产部署，同时将Azure Maia家族扩展至多吉瓦级规模。量产部署目前仍为计划，尚未实施。
Maia 300 HBM4微软, 台积电 and 3 total
18:05Impact score 10
英伟达在GTC 2026柏林大会上发布用于监控AI代理的OpenShell架构
英伟达于当地时间10月21日在GTC 2026柏林大会上发布OpenShell参考架构，用于支持AI代理的安全部署与运行。该架构为覆盖AI代理开发与运营的全栈基础设施，硬件由Nvidia Vera Rubin NVL72服务器机架和BlueField-4数据处理单元（DPU）组成，其中Rubin GPU负责AI模型推理，Vera CPU负责AI代理控制与工具执行；BlueField-4 DPU在硬件层面直接执行安全策略。该架构还运行N Sentry集成安全软件，若AI代理试图越过指定软件边界，Sentry会在毫秒内隔离并阻断该操作。原文指出该架构目前已可用，Dell Technologies、Cisco、HPE、Lenovo和Supermicro正在基于该架构构建基础设施。英伟达同场还推出DSX AI Factory平台，将计算、网络、存储、软件、电力基础设施与冷却系统从设计阶段即整合为标准化数据中心设计；由于Vera Rubin支持100%液冷，该平台可将冷却水消耗降至接近零，对于一座2吉瓦（GW）设施，相比传统冷却方式每天可节省5400万升水，相当于18万户家庭的日用水量。
Rubin GPUs Vera CPUs BlueField-4 DPUsNvidia
16:45Impact score 30
DeepSeek于10月20日宣布开源内部生产级推理框架DeepInfer，该框架已兼容英伟达SM100 GPU和华为昇腾950 NPU
据大橘财经报道，10月20日，DeepSeek宣布开源其内部生产级推理框架DeepInfer。该框架是DeepSeek在面临美国尖端芯片出口限制背景下，确保其大模型紧追美国顶尖AI模型的核心；推理框架负责管理模型如何使用计算资源处理用户请求，会影响延迟、吞吐量、所需硬件及AI运营成本。DeepInfer整合分布式推理、投机解码等技术，可将AI工作负载分配到不同硬件上，目前该框架已兼容英伟达SM100 GPU和华为昇腾950 NPU。彭博社10月21日指出，推理技术通常被视为AI公司核心竞争力、较少公开，此次公开让外界得以了解DeepSeek如何在压低运行成本的同时保证模型性能。需要说明的是，此次发布的并非完整推理技术栈，构建完整服务还需KV缓存系统、Prefill/Decode解耦及数据并行副本间负载均衡等功能，这些未完全包含在本次开源项目中，不过大部分核心解耦功能已实现。原文未说明此次开源的具体动机原因。
DeepInfer推理框架英伟达SM100 GPU 华为昇腾950 NPUDeepSeek
11:44Impact score 30
英伟达黄仁勋：GPU 寿命可达 8 年以上，AI 正在改写硬件折旧规则
10月22日消息，科技媒体Wccftech于10月21日发文称，在GTC柏林大会上，英伟达首席执行官黄仁勋表示，随着软件持续更新和AI应用需求扩大，GPU的实际使用寿命已从过去普遍认为的约4年，延长至8年甚至更久；他称公司采用软件可编程技术并在资产整个生命周期内持续改进软件，确保长期高效运行，这是重要优势之一。文中还提到，在SpaceX 2026年第三季度财报电话会上，马斯克提出类似判断：随着AI软件改进和模型优化，每瓦计算能力所能提供的有用智能越来越多，计算能力的价值与每瓦的有用智能成正比，因此每瓦计算能力的价值会随时间上升而非减少，并称像H100这样的老GPU现在的租金比新电脑时期更高。加文·贝克（Gavin Baker）在GTC柏林大会上表示，随着词元（Tokens）价格下跌、词元组合转向价格更低的词元，单位GPU小时的租赁成本却大幅上涨，因为给定GPU小时内获得的词元越多价值越高。
GPU英伟达
10:27Impact score 30
三星公开专利申请：在不增加GPU的情况下提升AI服务器内存效率
三星电子公开了一项专利申请，针对多名用户同时向AI服务器提交请求时的GPU内存短缺问题。该技术通过计算GPU与CPU之间的数据传输成本并减少不必要的传输，旨在使AI服务器在有限内存容量内无需增加GPU即可快速处理更多用户请求。此为专利申请的公开，属于技术方案，尚非已落地实施的产品或产能变化。
GPU memorySamsung Electronics
09:28Impact score 55
谷歌与亚马逊在PyTorch Conference 2026发布TorchTPU与TorchNeuron开源框架，挑战英伟达CUDA主导地位
谷歌与亚马逊在美国加州圣何塞当地时间10月20日举行的PyTorch Conference 2026上，分别发布开源框架TorchTPU和TorchNeuron，旨在简化现有AI应用从英伟达GPU向自家芯片迁移，挑战英伟达CUDA生态的主导地位。PyTorch由Meta（原Facebook）的AI研究实验室FAIR于2016年主导开发，全球约85%的AI应用开发者使用它，而FAIR最初围绕英伟达GPU和CUDA平台设计PyTorch，导致向其他芯片迁移困难。谷歌与Meta合作开发的TorchTPU，据谷歌称，超过98%的现有PyTorch模型只需将代码中的设备字符串改为model.to("tpu")即可在TPU上运行，转换耗时从几分钟到几天不等，且TPU已在PyTorch核心层面作为与GPU、CPU同等的原生设备运行。AWS的TorchNeuron则允许基于PyTorch的AI模型直接运行在AWS的Trainium AI芯片上，开发者只需修改几行设备设置，把英伟达的cuda替换为AWS的neuron。亚马逊已通过GitHub以Apache 2.0开源许可发布TorchNeuron公测版，并向PyTorch主开源项目直接贡献代码。此前将针对英伟达生态优化的AI应用迁移到谷歌或亚马逊专有AI芯片至少需数天，复杂情况下需数月，新工具有效消除了这些时间和成本障碍。随着TorchNeuron、TorchTPU及类似工具获得采用，专用AI芯片预计将主要在底层性能、能效和定价上竞争，但针对具体模型的兼容性、性能和成本验证仍需额外时间。
Nvidia CUDA TorchTPU TorchNeuronGoogle, Amazon and 5 total
07:58Impact score 10
Nvidia在10月21日GTC Berlin主题演讲称AI瓶颈在于部署速度、电力与安全而非芯片，并发布参考设计与软件，将覆盖范围从GPU扩展到AI数据中心的构建与运行
Nvidia于10月21日在GTC Berlin主题演讲中提出，AI的瓶颈现已从芯片转向部署速度、电力与安全，而非硅片本身，并发布参考设计与软件，将Nvidia的覆盖范围从GPU扩展到整个AI数据中心（AI工厂）如何构建与运行的层面。原文未说明价格、产能或供需方面的具体影响，该内容属产品与战略层面信息。
AI工厂（AI factories）参考设计与软件 GPUsNvidia
03:04Impact score 45
传英伟达向采用AMD芯片的云服务商施压拒绝部分企业参加 GTC Berlin
据分析机构SemiAnalysis爆料，英伟达被指对部分采用AMD GPU、Google TPU及其他竞争芯片的"Neocloud"云服务提供商施压，多家专注于AI基础设施的Neocloud企业因在产品组合中引入AMD GPU、TPU及其他非英伟达芯片而被禁止参加英伟达在德国柏林举办的GTC大会。据称此举意在限制这些企业对竞争对手硬件的采用。SemiAnalysis还称今年早些时候英伟达曾被指通过限制新产品早期配额惩罚采用竞争对手技术的云服务商，相关企业在IPO、融资及获得英伟达资金支持方面也可能面临不利影响。报道指出该"惩罚"据称未波及亚马逊AWS、微软Azure等超大规模云厂商。也有业内人士认为英伟达作为GTC主办方有权决定邀请对象，相关做法更多属商业合作关系管理。此为传闻性质，原文未说明确证结果。
AMD GPU Google TPU英伟达, AMD and 3 total
00:30Impact score 60
据报道，与NVIDIA存在授权关联的Groq考虑在下一代AI芯片中由SRAM转向3D堆叠DRAM
据ZDNet援引业内消息人士报道，已将其推理技术授权给NVIDIA的AI芯片公司Groq正在考虑在下一代芯片中采用3D堆叠DRAM，可能放弃其以SRAM为中心的设计，从而显著增加片上内存容量；该消息属于传闻/计划，并非已确认的实施。报道指出Groq正在探索3DS（3D堆叠内存），其通过硅通孔（TSV）垂直连接DRAM裸片；3DS与HBM虽都依赖TSV，但HBM侧重高数据传输速度，3DS侧重在保留传统DRAM接口的同时增加内存容量。现有NVIDIA Groq 3 LPX是面向Vera Rubin平台的机架级AI推理加速器，据NVIDIA称，每颗Groq 3 LPU集成500MB SRAM、片上内存带宽150TB/s，整套LPX机架组合256颗LPU、提供128GB SRAM和40PB/s聚合SRAM带宽；据该公司称，每个机架还提供12TB DDR5内存与128GB SRAM并用。据36Kr援引d-Matrix CEO Sid Sheth称，SRAM容量每两年仅增长约10–20%，而AI模型规模可能每六到九个月翻倍，这一差距使SRAM难以单独满足内存容量与带宽需求。制造方面，据Seoul Economic Daily，Samsung Foundry在其Pyeongtaek工厂以4nm工艺代工NVIDIA的Groq 3 LPU；Samsung高管曾在6月表示正在与NVIDIA就下一代Groq LPU讨论代工合作；TSMC董事长魏哲家在4月的法说会上表示TSMC正与客户合作开发下一代LPU。此外，同样重度依赖SRAM的Cerebras也在推进3D堆叠DRAM，据该公司称其未来的CS-6系统将把堆叠DRAM与晶圆级SRAM及计算整合，以在保持快速数据访问的同时显著扩展内存容量。
SRAM 3D-stacked DRAM (3DS)HBMGroq, NVIDIA and 6 total

Wed, Oct 21

11 items

23:30Impact score 30
NVIDIA发布采用硅中介板上光学(OOI)的下一代CPO原型，目标更高带宽密度，两项技术仍处研究阶段且未公布商业化时间表
NVIDIA在SEMICON West 2026上以"Optical Integration for the Next Generation of AI"为主题展示下一代共封装光学(CPO)技术，包括光学引擎从有机封装基板移至承载计算芯片的硅中介层上的OOI原型，据The Elec称该设计可消除电信号路径中的有机基板，通过更短的细间距中介层连接提高带宽密度并降低功耗。NVIDIA还演示了DWDM技术，据Wccftech称在单根光纤上结合8个波长、每波长最高32 Gb/s，合计每光纤256 Gb/s。两项技术仍处于研究阶段，未公布商业化时间表，NVIDIA表示正为潜在未来产品进行评估。展望未来，NVIDIA计划以Kyber NVL1152架构扩展光互连，将8个机架连接为单一1,152-GPU NVLink域并支持Feynman平台；据Wccftech称Feynman预计于2028年推出。现有CPO产品方面，2026年5月NVIDIA宣布Spectrum-X Ethernet Photonics交换机已进入全面量产，为Vera Rubin平台集成200Gb/s SerDes与CPO技术，早期采用者包括CoreWeave、Lambda和Oracle Cloud Infrastructure；制造生态中TSMC提供硅光子制造，SPIL负责芯片级封装组装测试，TFC封装激光器并做可靠性验证，Foxconn负责整机系统集成，另有Coherent、Lumentum、Sumitomo Electric提供外置激光源模块，Corning、Senko、Browave提供光纤及相关组件，Fabrinet负责散热与最终测试。
co-packaged optics (CPO)optics-on-interposer (OOI)dense wavelength-division multiplexing (DWDM)NVIDIA, TSMC and 12 total
22:42Impact score 55
英伟达柏林GTC大会发布DSX Pod集装箱式迷你数据中心，硬件部署周期从6个月缩短至14天
英伟达CEO黄仁勋周三在柏林GTC大会上呼吁欧洲加快AI落地，称欧洲要享受AI红利、打造AI生态与AI经济，就必须让所有终端行业用上AI，并举例汽车、金融、医疗赛道。本次发布会面向欧洲市场发布了新的数据中心硬件、软件、模型，并公布与当地龙头企业合作。核心新品为DSX Pod，一款集装箱式迷你数据中心，单套集装箱内预装、调试完毕服务器、线缆与配套管路，客户到货后只需通电并与其他同型号单元互联即可使用；该方案由戴尔等英伟达合作伙伴打造，把硬件部署周期从原先6个月缩短至14天，适合小于1吉瓦规模的中小型算力部署。英伟达称，欧洲已有多家客户采用DSX AI数据中心方案及最新的Vera Rubin处理器，其投资的数据中心开发商Nscale是其中之一。针对全球市值最高上市公司英伟达长期受供应链产能瓶颈制约的情况，揖斐电、三星电机、欣兴电子将为其增加封装基板供给；安靠计划到2028年底把芯片封装产能提升至原来四倍；京元电子扩充芯片测试产能。具身智能方面，英伟达表示今年上半年该板块营收最高同比增长30%，规模约110亿美元；其与思灵机器人打造开源机器人开发平台，配套硬件为搭载Jetson Thor的Agile ONE SN人形机器人，并称人形机器人赛道研发复杂度高、投入巨大，目前只有资金雄厚的企业能够参与。此外，英伟达宣布与西门子旗下业务部门合作落地基于AI的先进放疗设备；汽车领域沃尔沃采用英伟达芯片研发自动驾驶车辆，大众商用车业务搭载英伟达方案，Bolt Technology OU依托英伟达软硬件开发自动驾驶出租车。报道还提及，过去两周AI板块股价持续承压，费城半导体指数走出2008年以来最长连跌行情。
DSX Pod Vera Rubin处理器封装基板英伟达, 戴尔 and 13 total
19:18Impact score 60
Vinatech三天内获得超240亿韩元数据中心超级电容器订单，含与Sanmina的119.4亿韩元及AcBel Polytech的123亿韩元合同
Vinatech于10月21日披露，与印度Sanmina签署1194亿韩元数据中心用超级电容器供应合同，该合同约为公司2025年综合营收822亿韩元的145.3%，合同期至2027年12月23日。10月19日，Vinatech还与台湾AcBel Polytech签署1230亿韩元超级电容器供应合同，两笔合同合计约2425亿韩元，接近公司2025年年度营收的三倍。截至10月19日，来自AcBel Polytech、美国燃料电池公司Bloom Energy和Sanmina的订单合计2290亿韩元；计入最新合同后，总额升至约3485亿韩元，超过公司2025年营收的四倍。原文指出，随着人工智能（AI）数据中心电力需求增加，超级电容器需求上升，AI服务器在众多GPU同时运算时会在短时间内消耗大量电力，超级电容器可快速供应或吸收电力，适合作为管理数据中心电力需求突然波动的辅助电源。Vinatech自6月底以来已连续获得多项数据中心超级电容器供应合同。
supercapacitors for data centersVinatech
15:55Impact score 55
英伟达旗下Groq下一代LPU架构转向3D堆叠DRAM 瞄准更大模型时代的容量需求
据 cnBeta.COM 2026年10月21日报道，已被英伟达纳入麾下的 AI 推理芯片公司 Groq 计划在下一代 LPU（语言处理单元）产品中引入 3D 堆叠 DRAM 技术，以替代当前广泛采用的 SRAM 方案，此举意味着未来更侧重提升芯片存储容量，以适应不断膨胀的大型 AI 模型需求，属计划而非已实现的产品变更。现有一代 Groq LPU 采用 500MB SRAM 设计，内存带宽高达 150TB/s，单颗可提供约 1.20 PFLOPs 的 FP8 算力；LPX 机架配置 256 颗此类芯片，总计提供 128GB SRAM 容量和 640TB/s 扩展带宽。该机架由英伟达于今年早些时候公布并纳入 Vera Rubin 生态体系，已于今年 8 月进入全面量产阶段；早期测试显示，在与 NVL72 服务器协同工作时系统可实现每秒 3400 个 Token 的推理速度，创性能纪录。报道称，与 SRAM 相比 DRAM 容量更高但带宽和访问速度较低；3D 堆叠方案可堆叠多层 DRAM 并利用 TSV 硅通孔实现层间连接，与 HBM 实现方式相似，可提高单位面积存储密度、改善能效并减少占用空间。报道还提到，未来 Groq 或许不会完全放弃 SRAM，而是将 DRAM 与 SRAM 产品线并行发展，按应用场景提供差异化方案。原文未说明具体时间表或量产计划细节。
LPU 3D堆叠DRAM SRAMGroq, 英伟达
11:56Impact score 55
被挡在英伟达顶级AI芯片之外，中国科技巨头转向工作站GPU；据报道符合出口规定的RTX PRO 5500正成为AI推理热门替代，字节跳动等据报已下达订单，出货预计2027年初
据TrendForce发布：被挡在英伟达顶级AI芯片之外的中国科技巨头正转向工作站GPU，符合出口规定的RTX PRO 5500据报正成为AI推理的热门替代品。英伟达在中国AI加速器市场的份额可能已跌至接近零，但需求据报正在回暖：字节跳动等科技巨头据报已为AI推理下达总计350亿美元的RTX PRO 5500订单，出货预计在2027年初。上述均为报道内容，出货尚未发生，仅为预计计划。
RTX PRO 5500 AI acceleratorNVIDIA
11:51Impact score 50
Ken Griffin：GPU类似航空公司，若供过于求边际定价将自由落体，老旧GPU高租金难持续，企业AI支出转向ROI精算
10月21日，在Citadel年度全球市场未来峰会上，Citadel创始人Ken Griffin接受彭博记者Dani Burger采访时表示，市场正从过去两年的"主题式扫货"转向基本面研究，并提出AI算力投资的三大潜在陷阱。陷阱一：GPU与航空公司相似，边际运行成本极低，一旦GPU供给超过需求，边际定价（现货租赁与API调用价格）将自由落体，他援引2000年电信泡沫中"暗光纤"作为历史参照。陷阱二：目前5至6年前的老旧GPU仍能收取极高租金，但这种情况在未来5至6年里大概率不会持续，按7至9年高资产残值进行折旧贴现的投资机构估值模型将面临重估。陷阱三：美国企业AI支出从试错转向ROI精算，正在区分需为OpenAI和Anthropic顶尖模型支付高价的业务与可用开源模型低成本运行的业务。据《华尔街日报》报道，Anthropic在其S-1文件中披露未来计划投入7500亿美元算力开支且支出规模仍在增加；Griffin承认这一扩张计划与企业端收紧之间存在张力，并表示关键在于Anthropic能否将自身模型打造成"必需品"，"但我们现在不知道答案"。关于AI泡沫，他表示"在这个时刻，几乎可以肯定存在局部泡沫"，同时强调边际定价、折旧假设和企业预算三个维度上市场的重新定价才刚刚开始。文中还提到近日AI交易遭遇大幅重挫，半导体板块遭遇金融危机以来最长连跌。以上均为Griffin的观点与警示，原文未报告GPU价格的实际变动。
GPU 高带宽内存DRAM 超微多层陶瓷电容器MLCCNVIDIA（英伟达）, OpenAI and 3 total
09:58Impact score 0
DeepSeek开源推理框架，社媒测算推理毛利率或超95%
DeepSeek于10月20日开源内部推理框架DeepInfer及deepseek-recipe，支持英伟达GPU和华为昇腾NPU。社媒测算其单卡硬件毛利率为84%至96%，单集群每天处理155万亿Token，每GPU小时收入38美元。分析人士推演OpenAI与Anthropic主流模型API毛利率或达95%。
DeepSeek
08:45Impact score 30
Nvidia将Vera CPU定位为智能体AI数据中心基础设施的核心组件，GPU与CPU比例下降显示AI计算架构或迎重新设计
Nvidia正将其Vera CPU定位为面向智能体（agentic）人工智能的数据中心基础设施的核心组件，理由是多步推理和工具调用增加了对快速串行处理的需求。该公司表示，CPU资源正与GPU一同变得愈发重要，同时GPU与CPU比例的下降显示出AI计算架构可能出现重新设计的信号。
Vera CPU GPUsNvidia
07:59Impact score 10
SK hynix专栏：半导体范式转向存储器，AI芯片竞争重心从算力转向数据供给与放置（2026年10月21日）
这是SK hynix于2026年10月21日发布的AI生态系统系列第4篇技术评论文章，作者为OXMIQ Labs创始人兼CEO Raja Koduri（曾负责Apple、AMD和Intel的GPU与AI加速器架构开发），主题为半导体范式正转向存储器。文章观点认为：AI性能正从纯算力转向数据移动与放置，存储器带宽与层级主导成本；Transformer模型增长使缓存复用假设失效，系统反复从DRAM或HBM读取数据，低延迟小批量推理中存储带宽可能成为瓶颈。文中指出HBM通过TSV和中介层将多个DRAM裸片垂直堆叠，将计算与存储距离从厘米缩短到毫米；作者称2015年在AMD参与基于HBM的GPU开发，后在Intel主导开发集成47个chiplet和四个HBM2e堆叠的Ponte Vecchio。文章还介绍混合键合（铜对铜直接键合取代微凸点）以及PIM（存内处理）技术，称PIM在特定工作负载下可将能耗降低10到100倍，但同时面临热管理等挑战。文章为作者个人观点、属背景分析，不构成价格、产能、库存或供需的实际事件报道。
HBM HBM2e DRAMSK hynix, OXMIQ Labs
07:32Impact score 50
10.21盘前：某海外芯片设计厂商宣布以绩效为导向全球裁员，存储芯片股与光通信股普遍下跌
据10月21日盘前消息梳理，半导体板块方面：某海外芯片设计厂商宣布以绩效为导向在全球范围内裁员，原文未说明裁员原因；存储芯片股与光通信股普遍下跌，文中提及的存储相关个股包括兆易创新、江波龙、佰维存储，原文未说明下跌原因。另据同篇梳理，英伟达GTC大会于10月20日至22日在德国柏林举行，设有100多场专题分享，覆盖加速计算、智能体AI、物理AI、机器人、开源模型、AI基础设施等方向；英伟达宣布在德国于利希超级计算中心，利用超级计算机JUPITER成功模拟104量子比特的容错量子计算系统，该模拟运行于由8192块GPU组成的GB200 NVL72超级芯片系统。原文未给出存储芯片或光通信产品本身的价格变动数据，上述下跌为个股股价表现。
存储芯片
04:50Impact score 58
Anthropic备战IPO：2026年上半年净亏损超807亿美元，总算力承诺支出将超6000亿美元
据《华尔街日报》10月20日援引Anthropic IPO招股说明书草稿报道，该公司2026年上半年净亏损超过807亿美元，其中720亿美元来自与可转换票据及其他融资工具估值变动相关的会计计提，较去年同期130亿美元的净亏损大幅扩大。该公司总算力承诺支出将超过6000亿美元，未来十年在算力相关协议上的承诺支出合计逾5180亿美元，且正洽谈进一步扩大计算资源；计划在算力方面的总开支最高可能达到7500亿美元，仅租赁英伟达芯片一项就将支出最多860亿美元。2026年上半年Anthropic在算力上的支出已约达90亿美元，2025年全年的计算与基础设施支出为73.3亿美元。Anthropic正与英国云计算提供商Nscale洽谈，计划租用其位于西弗吉尼亚州Monarch数据中心园区第二栋建筑的算力资源，新增约460兆瓦的计算容量，采用英伟达最新一代Vera Rubin芯片，并保留对规划中第三栋建筑的优先谈判权；若该协议达成，双方总合同承诺价值将升至约900亿美元。云协议方面：谷歌云约1110亿美元、亚马逊AWS约1100亿美元、微软云约310亿美元。营收方面，该公司今年上半年营收达163亿美元，第三季度营收环比增长45%至168亿美元；据路透社报道，2025年全年营收增长12倍至约46亿美元，2025年运营亏损超过80亿美元（剔除与历史融资相关的各类负债减记）；公司表示2026年第二季度已实现经调整后的正利润，但具体口径在完整审计财务数据公布前仍有待厘清。据报道，Anthropic正寻求以1.5万亿至2万亿美元估值于11月挂牌上市，具体日期尚未确定。
英伟达芯片英伟达Vera Rubin芯片Anthropic, Nscale and 6 total

Chip Teardown Lab1 opened

Whose chips are really inside the hottest new products? We open them up and show you, one part at a time.

Tesla Model YAcross 30 electronic modules we confirmed 130 parts (120 part numbers), 34 of them from Texas Instruments.See the full teardown All teardowns

Component price indexNPI, vs. prior period

Analog	$0.68	−5.9%
Connector	$0.75	+0.2%
CPU	$386.74	−21.3%
DDR4	$88.40	−0.2%
DDR52026-W13	$14.89	−11.2%
GPU	$478.20	+8.2%
MCU	$0.68	−61.7%Unusual
MLCC	$0.01	+54.0%Unusual
MOSFET	$0.12	−82.8%Unusual
PMIC2026-W13	$0.44	−12.5%
SSD/HDD	$288.43	n/a

Period 2026-W18All categories

NuAxi Stream - Real-Time Semiconductor Intelligence

Thu, Oct 22

Wed, Oct 21

NuAxi Stream - Real-Time Semiconductor Intelligence

Thu, Oct 22

Wed, Oct 21

Trending components