AI推理芯片占数据中心工作负载多数
推理占大多数数据中心AI工作负载，但与训练不同，它需要低延迟和可预测性。现有训练芯片侧重于峰值FLOPS，可能无法满足推理的严格限制。
关注
这种转变凸显了对专门为推理设计的芯片的需求。
- 相关厂商
- AI Chip Makers
- 影响评分
- 10 / 100，低影响
推理占大多数数据中心AI工作负载，但与训练不同，它需要低延迟和可预测性。现有训练芯片侧重于峰值FLOPS，可能无法满足推理的严格限制。
这种转变凸显了对专门为推理设计的芯片的需求。
SK海力士提出构建下一代AI内存生态愿景。随着AI从训练转向推理，数据移动效率成为瓶颈，架构正从处理器中心向内存中心转变。
该战略定位强化了HBM及高速内存在AI基础设施中的核心地位，长期需求前景向好。
调查显示69.2%受访者希望谷歌放弃Tensor处理器，用户对其性能及发热控制不满。尽管面临负面反馈，谷歌仍计划推出Tensor G6并搭载于Pixel 11系列。
对谷歌Tensor芯片需求前景，但竞争对手或受益于其市场表现。
ABI Research指出，在轨数据中心运行GPU一年的成本至少比地面数据中心高一个数量级。文章分析了散热、辐射及太阳能收集等物理难题，导致SpaceX、Google等巨头推进太空计算面临巨大挑战。
短期太空计算商业化进程，但利好地面数据中心GPU需求及供应链稳定性。
谷歌加速推进其AI芯片战略，将定制TPU定位为英伟达GPU在推理端的替代方案。此举旨在抓住行业从模型训练转向实际应用部署的趋势。
此为市场竞争格局变化，对现有半导体供应链的供应、需求及价格无直接量化影响。
英伟达、苹果、联发科等公司以超25万美元年薪招募三星、SK海力士的HBM与NAND工程师。SK海力士2026年初发放了高达月薪2964%的创纪录绩效奖金以应对人才流失。
核心人才争夺战白热化，反映先进内存需求强劲且可能加剧长期供应风险。
SemiAnalysis报告基于超2000颗H100的基准测试，指出GB200 NVL72因可靠性与软件问题，目前无法用于前沿模型大规模训练。新架构软件生态通常需要时间成熟，预计年底前GB200效率将有显著提升。
报告未直接影响短期交易，但GB200部署延迟可能对现有H100/H200供需格局构成轻微支撑。
已经到底了
爆款新品里，到底装了谁的芯片？拆开，一颗一颗给你看。
全部拆解| Analog | $0.68 | −5.9% |
|---|---|---|
| 连接器 | $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%异常波动 |
| MLCC | $0.01 | +54.0%异常波动 |
| MOSFET | $0.12 | −82.8%异常波动 |
| PMIC2026-W13 | $0.44 | −12.5% |
| SSD/HDD | $288.43 | 暂无 |