YOHO AI

标签： AI芯片

  • Anthropic悄悄组队自研AI芯片，Claude不想再被算力卡脖子

    Claude背后的公司，要自己画芯片了

    Anthropic最近悄悄干了一件事：它正在组建一支专门设计AI芯片的团队。这个消息最早由Business Insider捅出来，随后Anthropic亲自向TechCrunch确认了。说白了，做Claude的这家公司不想再把”跑得快不快、花得多不多”完全交给别人。

    按照Anthropic的说法，他们要的是”软硬协同”——把模型和底层硬件放在一起设计，让Claude跑得更快、也更省电。上个月The Information还爆料，Anthropic已经在接触三星，把它当成潜在的代工伙伴。这步棋看着突然，其实早有苗头。

    需求就摆在那儿：Claude的用户越来越多，AI公司都在疯抢算力，光靠买别人的芯片，显然填不满这个坑。

    为什么是现在

    Anthropic手里其实攥着AWS、Google、英伟达、AMD一堆算力合作。问题是，真要scale到那个量级，把命门捏在别人手里总归不踏实。这不是谁放的狠话，是商业逻辑在后面推。

    更关键的是，它绝不是第一个动这个念头的。今年6月OpenAI刚亮出和博通合搞的Jalapeño推理芯片；Google DeepMind一直吃自家的TPU；Meta也在闷头搞MTIA加速器。同行全下场了，Anthropic要是还只当个”纯模型厂”，反倒显得不合群。

    Anthropic已经在招有芯片设计经验的工程师，岗位名字很直白——”custom silicon team”（定制芯片团队）。

    造芯不是请客吃饭

    当然，从招人到位列阵，中间还隔着十万八千里。设计芯片和训练模型是两码事，流片、量产、良率，哪一道都是烧钱又烧时间的坑。Anthropic这一步更像是在”占座位”：先把手伸进供应链，免得将来被卡。

    对普通用户来说，这事短期没啥感觉。但往后看，谁能把模型和芯片捏成一个整体，谁就能在成本和性能上甩开别人一截。Anthropic显然不想把这张牌全押在别人身上。

    Anthropic组建自研芯片团队
    Anthropic正组建定制芯片设计团队（图源：TechCrunch）

  • AMD 把 Helios 推上机架级：苏姿丰正面挑战英伟达算力王座

    在旧金山那场座无虚席的 Advancing AI 大会上，苏姿丰把 AMD 压箱底的一张新牌拍在了桌面上：一套叫 Helios 的机架级 AI 系统。这不是又一颗 GPU，而是一整柜把计算、网络、CPU、供电、散热打包在一起的”算力整机”。AMD 想用它直接撬动英伟达靠着 Vera Rubin、Grace Blackwell 这些机架系统牢牢把住的生意。

    苏姿丰当场就把话挑明了，称 Helios 是”业界性能最高的 AI 机架”，专门为了”以超大规模训练并运行全球最前沿的模型”而生。更狠的是客户名单：微软、OpenAI、Meta、Oracle、Anthropic 都在部署计划里，微软 CEO 纳德拉周一刚说要把 Azure 基础设施用 Helios 扩一波，Anthropic 这周三更是宣布要和 AMD 合作，通过这套机架部署最多 2 吉瓦的 GPU。

    AMD Helios 机架级 AI 系统
    AMD 在 Advancing AI 大会发布 Helios 机架级 AI 系统（图源：TechCrunch / Getty）

    真正的战场在”机架”，不在”单卡”

    英伟达的统治力从来不是靠某一颗芯片，而是靠把几十颗 GPU 用自家的互联和软件栈黏成一个整体。AMD 这些年单卡其实一直能打，缺的就是这个”机架”。Helios 就是冲着这个缺口来的——它参考设计里塞进了 72 颗 Instinct MI455X GPU、EPYC Venice CPU、Pensando 网络加上 ROCm 软件栈，官方规格写着 31TB HBM4、1.4 exaFLOPS 的 FP8 算力。

    “当你让一个智能体去干活，它其实要经历几十个步骤，要推理、要调工具、要取数据，还得一遍遍循环直到把问题解出来，所以你需要海量的 GPU。”苏姿丰在会上这么解释算力需求为何爆炸。

    她还给了一个吓人的判断：到 2030 年，AI 加速器市场会冲到大约 1.4 万亿美元，体量逼近今天整个半导体市场。支撑这个预测的底气，是 agentic AI 带来的”算力阶跃”——智能体越多步推理，越吃 GPU。

    开放标准，是 AMD 最锋利的矛

    Helios 不是 AMD 直接卖整机，而是一份开放机架蓝图。它用 OCP Open Rack、UALink 和 Ultra Ethernet 这些开放标准，摆明了想吸引那些不想被英伟达专有互联和 CUDA 锁死的云厂商。代价是开放生态要自己多干活做集成，但好处是客户能挑组件、挑供应商。

    • 72 颗 MI455X 组成一台”巨无霸”，机架内聚合互联带宽达到 260TB/s。
    • Anthropic 与 AMD 达成战略合作，最多部署 2GW GPU。
    • AMD 同步推出面向数据中心的 Venice-X CPU，预计 2027 年落地。

    当然，vendor 自己的跑分永远往自己脸上贴金，Helios 到底比 Vera Rubin 强多少，还得等独立测试。真正的硬仗在软件：CUDA 是英伟达 18 年攒下的工具链和肌肉记忆，ROCm 要追上没那么快。但有一点变了——现在 AI 编程工具越来越能自动把 CUDA 内核移植过去，CUDA 那道护城河，确实开始出现裂缝。

  • AMD 买下一家 24 人芯片公司，它想把 AI 模型焊死在硅片里

    这周 AI 芯片圈有个不起眼、但挺有意思的收购：AMD 宣布要买下多伦多初创公司 Taalas。这家公司 2023 年才成立，团队只有二十几人，做的事却相当极端——它不造通用的 GPU，而是把训练好的大模型直接刻进芯片里。

    不是又一颗 GPU

    常规 AI 芯片，无论是英伟达的 GPU 还是 AMD 自家的 Instinct，本质上都是通用处理器。每次推理时，模型权重都要从 HBM 高带宽内存里搬进计算单元，灵活是灵活，代价是巨大的功耗和内存带宽开销。Taalas 把这套逻辑整个翻了过来，它的哲学叫模型即计算机：不再把模型当成随时可换的软件，而是用一套专用设计流程，把模型的数学运算、连线和参数直接固化进 CMOS 逻辑里。公司 CEO Ljubisa Bajic 之前在 AMD 做过芯片架构总监，后来创办了 Tenstorrent，2023 年又拉起 Taalas，想法从头就是围绕模型来造硬件。

    速度有多夸张

    今年 2 月 Taalas 亮出首颗测试芯片 HC1，用台积电 6 纳米工艺，把整个 Llama 3.1 8B 模型装进单颗芯片。公开基准里，它跑这个模型能到每秒约一万六千九百个 token，Taalas 当时称这比英伟达 H200 快了 73 倍，功耗只有对方的十分之一。按硅片面积算，HC1 和 H100 差不多大，约 815 平方毫米。当然，Llama 3.1 放今天已经算老模型了，这颗芯片更多是验证概念。

    我们创立 Taalas，就是为了从零重新思考 AI 推理——围绕模型来构建硬件。——Taalas 联合创始人兼 CEO Ljubisa Bajic

    代价是颗芯片只认一个模型

    把权重烧进硅片，好处是甩掉了可编程逻辑和外置内存搬运，代价是零灵活性：一颗为某模型定制的芯片，就只能跑那一个模型，模型一更新就得重新流片。对此 Taalas 的说法是没那么贵——一百多层电路里只有两层会随模型变化，配合自研工具，流片周期大约两个月。下一代 HC2 目标把参数规模提到 200 亿，更大的模型则靠多颗芯片流水线并行拼起来。

    模型权重烧入硅片的 AI 推理芯片
    把模型刻进硅片：Taalas 的专用推理芯片思路

    为什么是现在，为什么是 AMD

    过去一年，推理市场彻底成了主角，各家都在想办法从专用硅片里榨更多吞吐。英伟达去年底以约 200 亿美元拿下 Groq 的推理技术，AMD 自己此前也和 Cerebras 搞过拆分式推理合作。买下 Taalas，是 AMD 九个月里的第三笔 AI 收购（前有去年 11 月的 MK1、今年 6 月的 Mext，7 月 FastFlowLM 团队也已并入）。AMD 人工智能事业部高级副总裁 Vamsi Boppana 说，目标是给客户为每种 AI 负载匹配最合适的计算方案。

    • Taalas 技术将并入 AMD 的 Instinct 加速器与 Helios 机架级系统
    • 解耦思路：提示词处理留在 GPU，token 生成卸载到 Taalas 专用芯片
    • 不算替换通用 GPU，而是补上高吞吐、模型固定那一块
    • 对反复跑同一批热门开源模型、规模极大的云客户，固定芯片可能比反复搬运权重便宜得多

  • AMD二季度数据中心营收翻倍至67亿美元，游戏业务却下滑

    AMD数据中心业务随AI算力需求爆发
    AMD数据中心业务在AI算力需求拉动下营收翻倍（图源：The Verge / Alex Castro）

    AMD刚交出的二季度成绩单，把AI这股风的含金量又摆到了台面上。最扎眼的一数字是数据中心业务营收：67亿美元，比去年同期翻了一倍还多。要知道一季度这个数字还是58亿，而一年前同期只有32亿，也就是说一年内涨了107%。CEO苏姿丰在电话会上还放话，预计2027年数据中心营收会再翻一倍。

    数据中心的钱，比游戏好赚

    这套增长几乎全靠AI算力需求在推。训练集群、推理服务、各家云厂商的采购，把AMD的Instinct系列加速器喂得饱饱的。苏姿丰的原话是，AI正在拉动该公司所有市场对算力的需求，而AMD的产品组合和客户能见度让它”异常好地”接住了这波机会。

    苏姿丰：”AI正在显著扩大我们所有市场对算力的需求，我们的领先产品组合和不断增强的客户能见度，让我们处在绝佳位置去抓住这个不断扩大的机会。”

    游戏业务拖了后腿

    另一边，游戏部门就没那么好看了：营收同比跌了31%，只剩7.79亿美元。Xbox Series X/S、PS5和Steam Deck这些主机和掌机因为涨价、零部件短缺而卖得慢，显卡价格也被整体推高，反过来压住了需求。苏姿丰把这部分下滑归结于全行业零部件成本上升导致显卡变贵。说白了，大家的钱都拿去盖AI机房了，谁还惦记换显卡。

    不是AMD一家的事

    把镜头拉远一点，这份财报其实是一张AI渗透实体经济的地图。CFO Jean Hu提到，公司总营收同比增长50%到115亿美元，其中数据中心占了58%；而PC和游戏业务整体只微涨6%，靠Ryzen处理器撑着客户端营收涨了23%。AI需求不只养活了做加速卡的，还顺着供应链一路往下走。

    • 数据中心单季67亿美元，占AMD总营收近六成，已是对公司的绝对支柱。
    • 游戏业务跌超三成，主机与显卡需求被零部件涨价和AI投资分流。
    • AI算力需求正在重塑整条半导体链，连做家电芯片的TI都被带了起来。

    写在最后

    有意思的是，就在财报前后，GE家电宣布在美国肯塔基生产的洗衣机里用上德州仪器的美国本土芯片，还打算借TI的智能微控制器平台给洗衣机、烘干机塞进AI能力。从几千美元的加速卡到几千块的家电，AI正在以不同价位钻进各种硬件。AMD这份成绩单提醒我们：这一轮算力狂欢，已经不只是几家云厂商的故事了。

  • Anthropic 也要自己造芯片了，前沿大模型实验室只剩它最后“下场”

    又一家 AI 巨头要自己造芯片了。据 Business Insider 报道，Anthropic 已经确认在组建自己的芯片团队，目标是为 Claude 这类模型设计专用硅片，而且明确提到要“让硬件和模型协同设计”。

    这句话听着平淡，分量却不轻。因为它意味着，最后一家还主要靠外购算力的前沿大模型实验室，也走上了软硬一体化的路。

    co-design hardware and models——Anthropic 对自家芯片计划的描述，等于把“为模型量身定做硬件”摆上了台面。

    不是它想卷，是大家都卷完了

    把时间线拉直了看，Anthropic 其实是“迟到者”。OpenAI 今年 6 月刚宣布要做自己的 AI 处理器；谷歌的 TPU 早就迭代到第七代（Ironwood），能单个超级舱扩到九千多颗芯片；亚马逊有 Trainium，微软有 Maia，Meta 的芯片家族也在逐年扩张。也就是说，在 Anthropic 之前，榜单上的名字基本人手一块自研硅片了。

    Anthropic 这一步，更像是补票，而不是抢跑。

    为什么非自己造不可

    表面看是想少花点钱——长期大规模采购英伟达 GPU，账单确实吓人。但真正驱动大家的，是三件事。

    • 算力自主权。英伟达几乎垄断了高端训练芯片，分配优先级、价格和供应都捏在别人手里，自研等于给自己留条后路。
    • 软硬协同。通用 GPU 再强，也是为“通用”设计的；如果你的模型用了特定的注意力结构或专家混合方案，专门定制的芯片能在能效上甩开通用方案一大截。
    • 把模型当成产品之后，算力栈本身就是护城河。谁掌握了从芯片到模型的整条链路，谁就少受供应商掣肘。

    “协同设计”到底是什么意思

    过去做 AI 的套路是：先想好模型长什么样，再去市面上找能跑它的 GPU。协同设计把顺序颠倒过来——让芯片的特长去塑造模型，也让模型的需求去塑造芯片。两边在同一个闭环里反复打磨，最终换来的往往是更好的每瓦性能，和更低的推理成本。

    对 Anthropic 这种靠卖模型调用赚钱的公司来说，推理成本每降一点，利润空间就厚一点。这账不难算。

    为 AI 模型量身定制的自研芯片概念图
    为 Claude 这类模型量身定制的自研芯片，正成为前沿实验室的新战场。（配图由 AI 生成）

    但造芯片不是写代码

    理想很丰满，现实很磨人。从立项到流片要几年，资本开销是天文数字，量产前还得解决产能和软件生态——英伟达真正可怕的护城河不是芯片本身，而是 CUDA 那套让开发者离不开的工具链。Anthropic 的芯片就算造出来，也得自己把这套“让人愿意用”的功课补上。

    所以这次官宣更像是一份战略宣言：前沿实验室的竞赛，已经从“谁的模型更聪明”，悄悄变成了“谁既懂模型、又握得住算力”。Anthropic 入场了，牌桌上的玩家又少了一个旁观者。

  • 韩国AI芯片独角兽DeepX估值飙至22亿美元，端侧推理成资本新宠

    端侧AI芯片概念图
    概念图：低功耗端侧AI推理芯片（配图由AI生成）

    8月3日，韩国AI芯片设计公司DeepX传出新一轮融资消息，估值从上一轮暴涨约4倍，来到约3.14万亿韩元，折合22亿美元。这轮它先从老股东BNW Investment和DS Asset Management手里拿到420亿韩元，后面还在谈，目标9月前再募最多3000亿韩元，投后估值最高摸到3.5万亿韩元。

    不是GPU，是端侧的大脑

    DeepX做的不是通用GPU，而是面向AI任务的专用半导体，重心不在云端数据中心，而在功耗和成本极其敏感的边缘场景——机器人、智能电子设备这些地方。它走的是NPU架构的Fabless路线，靠低功耗、高能效的推理芯片，去绕开通用GPU在耗电和价格上的瓶颈。

    客户已经开始买单

    光讲故事不够，商业化进展才是这轮高估值的关键支撑。今年4月，公司说已经从八个国家的客户手里拿到超过30份量产合同。6月它在Computex 2026上跟研扬科技（AAEON）签了三年全球量产合作，把它的NPU芯片塞进工业计算机产品线。现代汽车还拉它一起开发机器人AI计算平台，POSCO DX也在工厂自动化里用它的架构。

    “一级市场高达22亿美元的估值，给二级市场同类型科创板块立了一个更高的估值上限。”——市场对端侧AI商业化爆发力的一次直接投票

    为什么是现在

    这轮飙升背后，是AI产业从云端往终端设备扩散的大趋势。DeepX的崛起，刚好踩中”端侧AI”商业化起量的节点。它用三星先进晶圆代工工艺，同时推进IPO筹备，跟Rebellions这类韩国AI芯片独角兽一起，把韩国半导体估值的重心从存储芯片往系统级芯片（SoC）拉。

    热钱之下的两难

    估值4倍跳涨不是孤例。大模型军备竞赛逼着大家去抢专用算力，AI芯片设计成了资本眼里的香饽饽。但老股东先追投、后续才引新资方的节奏，一边是融资窗口红利，一边是兑现商业交付和规模化营收的硬约束。潮水退去之前，市场愿意为”端侧AI的故事”付多高的价，还得用真金白银的出货量来证明。

    • 估值约3.14万亿韩元（22亿美元），较上轮涨约4倍
    • D轮首批420亿韩元来自BNW Investment、DS Asset Management
    • 已签30+量产合同（8国客户），与AAEON达成三年量产合作
    • 现代汽车、POSCO DX已落地合作，采用三星代工，正筹备IPO
    📎 原文来源：综合财联社、界面新闻、智通财经报道（2026-08-03）及DeepX公开融资信息

  • AMD亮出机架级怪兽Helios，正面硬刚英伟达的算力霸权

    上周四在旧金山那场一票难求的 Advancing AI 大会上，AMD 董事长兼 CEO 苏姿丰把一台叫 Helios 的机架级系统推到了聚光灯下。她给它的定位很直白——全行业性能最强的 AI 机架，专门用来在超大规模下训练和运行世界上最难啃的前沿模型。这句话背后的潜台词也很清楚：AMD 要去英伟达的地盘上抢生意了。

    所谓机架级系统，就是把成百上千颗处理器塞进一个高功率单元里，专供数据中心训练和跑 AI 模型这类吃算力的活。过去这个市场几乎是英伟达一家说了算，靠的是 Vera Rubin 和 Grace Blackwell 两套机架系统。现在 AMD 端上来的 Helios，据 The Register 的实测，在多项指标上已经能压过 Vera Rubin 一头。

    AMD Advancing AI 大会现场
    AMD 在 Advancing AI 大会上推出 Helios 机架系统（图片来源：TechCrunch）

    客户名单里全是熟面孔

    Helios 其实早在 2025 年就亮过相，今年 1 月的 CES 2026 还搬上过舞台——那台机架的重量相当于两辆紧凑型轿车。真正让人意外的是它的客户名单：OpenAI、Meta、Oracle、Anthropic、微软，个个都是要拿它去部署的主。微软 CEO 纳德拉本周一还专门表态，Azure 的基础设施会引入 Helios 来扩容。前一天，Anthropic 和 AMD 也官宣了战略合作，要通过这套新机架部署最高达两吉瓦的 GPU 算力。

    苏姿丰说，Helios 是”为在超大规模下训练和运行世界上最苛刻的前沿模型而生”，将由头部 AI 公司以吉瓦级的规模部署。

    同一天，AMD 还顺手发布了面向数据中心的 Venice-X 处理器，专门对付高强度计算负载，预计 2027 年上市。这一套组合拳打下来，意思很明白：AMD 不只想卖一颗芯片，而是要提供一整套能喂饱 AI 产业的算力方案。

    被智能体撑起来的算力需求

    苏姿丰在演讲里聊到整个芯片行业的走向，她判断到 2030 年，驱动 AI 的芯片会占据整个计算市场相当大的份额。原因就是眼下正在发生的算力需求的”阶跃式”跳涨，而推动这一切的，很大程度上是智能体 AI 的崛起。

    她打了个比方：你让一个智能体去干件事，它其实要走几十步，得推理、得调工具、得访问数据，然后反复这么折腾，直到把问题解决。这一连串动作背后，需要海量 GPU 来支撑。

    • 到 2030 年，AI 加速器市场规模预计将达到约 1.4 万亿美元；
    • 这个数字意味着十年内 AI 加速器市场将逼近当今整个半导体市场的体量；
    • 苏姿丰认为 GPU 会占据这块市场的绝大部分，因为算法还很”年轻”、负载还在不断变化，这更利好可编程的硅方案。

    换个角度看，AMD 这波操作赌的其实是同一件事——AI 的算力饥渴短期内不会停。英伟达常年独占的机架市场，头一回真正迎来一个拿得出硬指标的对手。至于这场硬仗最后怎么打，还得看今年晚些时候 Helios 大规模出货后的真实表现。

  • 英伟达GPU要上月球了：月球车用上Jetson芯片，先得熬过零下170度的月夜

    英伟达的GPU已经铺满了地球上的数据中心，现在它盯上了一个新地盘：月球。做太空机器人的初创公司Lunar Outpost上周四宣布，他们的下一台月球车将用英伟达Jetson芯片来驱动激光雷达系统。如果顺利落地，这大概率是第一块登上月球表面的GPU。

    Lunar Outpost月球车测试
    Lunar Outpost的月球车正在测试中，它将搭载英伟达Jetson芯片（图源：TechCrunch）

    Jetson：英伟达家不太出名却很关键的那块芯片

    说起英伟达大家想到的都是Blackwell、Vera Rubin这些数据中心里的算力猛兽，Jetson的名气小得多。但在物理AI的世界里，它是台柱子——体积小、功耗低，专门让机器人在本地实时处理传感器数据，不用把信息传回服务器再等指令。对一台在月球坑里爬行的月球车来说，这种“当场反应”的能力就是生死线。

    Lunar Outpost的CEO Justin Cyrus说：“五年前我们的自主系统还是纯确定性的，现在是确定性模型加物理AI的组合。两套并行跑，我们要做的就是搞清楚物理AI能在哪些环节帮我们做没人做过的事。”

    最大的敌人：月球的夜晚

    把GPU送上月球，难的不是发射，是活下来。目前太空里的GPU大多待在近地轨道，有地球磁场罩着，环境相对温和。月球就不一样了，宇宙辐射直接照脸，温度随月相剧烈摇摆。Cyrus的原话是：“你的系统必须熬过月夜，而且得用极低的功耗熬过去。”月夜长达14个地球日，温度能跌破零下170度，这对消费级架构的芯片是极限考验。

    值得一提的是，英伟达在月球的布局不止这一步。它还和Firefly Aerospace——第一家把机器人安全降落在月球上的私营公司——达成合作，让Jetson在绕月卫星上处理图像数据，一边帮科学家绘制月球地图，一边追踪月面上越来越多的机器人。

    从探索到定居，机器人先行

    这一切背后是NASA的大盘子：花钱请私营公司先去月球探路，为2028年前后宇航员重返月球做准备。Lunar Outpost这台月球车会搭乘Intuitive Machines的着陆器，钻进环形山这些轨道上看不清的地方；再下一次任务要去一个叫Reiner Gamma的区域，那里有个让科学家困惑多年的磁异常。两次任务都计划年内搭猎鹰9号升空。

    • 近期计划：多台小型自主月球车陆续发射，验证GPU在月面的生存能力；
    • 远期目标：大型载人月球车Pegasus，可以直接搭载宇航员；
    • 卡脖子环节：Pegasus在等贝索斯Blue Origin的火箭，但那枚火箭今夏出了事故，复飞时间未知。

    Cyrus把公司的终极问题概括成一句话：怎么从“探索月球”走到“常驻月球”。他的答案是确定性模型加物理AI组成的机器人劳动力——人类要在月球上住下来，得先让机器人把粗活干了。而无论是月面机器人军团还是更科幻的太空数据中心，眼下都卡在同一件事上：一枚足够大的火箭。

  • 三个哈佛辍学生的AI芯片公司：七个月估值翻倍，冲上103亿美元

    2022年，三个哈佛辍学生跑去做AI芯片，当时整个行业都觉得他们疯了。四年后的现在，这家叫Etched的公司刚刚关闭了3亿美元的C轮融资，估值冲到103亿美元——距离去年12月那轮50亿美元估值，只过了七个月，数字直接翻倍。联合创始人兼COO Robert Wachen告诉TechCrunch，这是红杉资本领投过的估值最高的C轮。

    Etched联合创始人兼COO Robert Wachen
    Etched联合创始人兼COO Robert Wachen，公司估值七个月翻倍至103亿美元

    投资人名单快赶上AI名人堂了

    这轮融资的阵容值得念一遍：红杉领投，a16z、SK海力士、Jane Street、Diffusion Capital跟投，早期股东里还有Peter Thiel、Andrej Karpathy、Figma创始人Dylan Field、Replit创始人Amjad Masad。更有说服力的是这些人怎么被说服的——Etched的系统至今只对投资人和早期客户开放，大牌投资人全是在办公室看了私下演示之后掏的钱。

    “Anthropic的Andrej Karpathy、OpenAI的Noam Brown、Geoffrey Hinton，还有这轮所有投资人——他们都实际上手试过硬件，而且非常兴奋。”——Robert Wachen

    上个月Etched刚宣布自研芯片由台积电成功流片，首批完整系统已交给客户测试，订单金额累计突破10亿美元。要知道，这家公司创立时，”专门给Transformer架构造芯片”还被业内当成异想天开，有人专门写文章唱衰。现在连谷歌都被曝在做类似的事——把Gemini的架构直接蚀刻进硅片的Frozen v2芯片。当年的疯话，成了大厂追赶的方向。

    两块自研芯片，专攻推理的两个阶段

    外界对Etched最大的误解，是以为它的芯片只能跑特定的大模型。Wachen专门澄清：他们卖的是完整系统，什么模型都能跑，包括DeepSeek、Qwen这类混合专家模型，甚至Mamba这种非Transformer的状态空间模型。真正的独门绝技，是针对推理的两个阶段分别造了新东西。

    • 预填充阶段（理解提示词，计算密集）：Etched造了一块”低电压推理”芯片，电压比任何AI芯片都低，发热少，就能塞进更多晶体管，速度快得多
    • 解码阶段（生成回答，吃内存）：他们搞了一种新型内存和”集群级内存”互连技术，让大量芯片共享一个内存池，延迟极低
    • 结果就是官方承诺的组合拳：更高速度，更低成本

    从拿毛巾当被子，到运营10兆瓦数据中心

    这段创业史的起点相当狼狈。Wachen回忆自己跟父母说完要退学创业，落地湾区时连办公室和公寓都没着落，睡在朋友一栋待售空房的地板上，拿毛巾当被子。跑芯片设计工具的服务器架在早期员工家的车库里，每次死机需要重启，那位员工就打电话让妻子回家按重启键。

    如今公司有400名员工，办公室里自建了一座2兆瓦的数据中心，还刚在Milpitas开了一处8万平方英尺、10兆瓦的新设施，就在圣何塞总部不远处。Wachen开玩笑说，自己现在有被子了，还有床垫，”甚至有枕头，好几个枕头”。当然，他也承认路还长——量产机架系统并批量交付，才是真正的大考。”我们当时完全不知道会有多难。我觉得到今天，我们仍然要对规模化所需要的东西保持敬畏。”

  • AMD亮出机架级系统Helios，微软Anthropic排队买单，正面硬刚英伟达

    AMD这回是真的把矛头对准了英伟达。在旧金山那场一票难求的Advancing AI大会上，董事长兼CEO苏姿丰把一整套机架级AI系统Helios端了出来，还顺手报了一串已经排队的客户名单——微软就在其中。这台机器今年晚些时候就要出货，AMD的意思很明确：数据中心这块最肥的肉，它不打算再让英伟达一家独吞。

    AMD Helios AI机架系统
    AMD在Advancing AI大会上推出机架级系统Helios（图片来源：TechCrunch / Getty Images）

    机架级系统，才是这场战争的主战场

    先说清楚Helios是个什么东西。所谓机架级系统，就是把成百上千颗处理器塞进一个高功率整机柜，专门为数据中心训练和运行大模型这种吃算力的活儿服务。这个领域过去几乎是英伟达的自留地，它的Vera Rubin和Grace Blackwell两代架构一直是行业标配。苏姿丰直接放话，说Helios是业界”性能最强的AI机架”，就是冲着”在超大规模下训练和运行全球最苛刻的前沿模型”去的，还说会有头部AI公司按吉瓦级别的规模来部署它。

    “到2030年，我们预计AI加速器市场规模会达到1.4万亿美元左右——也就是说，到这个十年结束时，光是AI加速器这一块，就快赶上今天整个半导体市场的体量了。”——AMD CEO 苏姿丰

    客户名单才是最狠的一招

    性能好听归好听，真正让英伟达紧张的是Helios背后那串名字。Helios早在2025年就露过面，今年1月的CES上还搬上台展示过（这机柜重得跟两辆紧凑型轿车差不多）。现在它已经锁定了OpenAI、Meta、甲骨文、Anthropic和微软一批大客户，全都放话要部署。微软CEO纳德拉本周一说要用Helios扩建Azure；Anthropic更狠，直接和AMD签了战略合作，要通过这套新机架部署最高2吉瓦的GPU。这些名字放在一起，等于给AMD的机架能力盖了个公认的章。

    押注智能体，赌的是算力还要涨

    除了Helios，AMD这次还甩出了面向数据中心的Venice-X CPU，主打高性能计算，预计2027年上市。苏姿丰对行业走向的判断很直接：算力需求正在发生”阶跃式”的跳变，背后的推手就是智能体AI。她打了个比方，你让一个智能体干件事，它其实要走几十步——得推理、得调工具、得取数据，反反复复直到把问题解决，这一路下来吃掉的GPU数量非常可观。

    • Helios性能在多项指标上超过英伟达Vera Rubin（据The Register报道）
    • 已确认客户：OpenAI、Meta、甲骨文、Anthropic、微软
    • Anthropic承诺通过Helios部署最高2吉瓦GPU
    • 新款Venice-X数据中心CPU定于2027年上市
    • AMD预测2030年AI加速器市场达1.4万亿美元

    苏姿丰还补了一句关键判断：这个市场未来大头会被GPU吃掉，因为算法本身还很”年轻”，工作负载一直在变，这种不确定性反而利好可编程性强的芯片。翻译过来就是——英伟达的护城河没那么牢，AMD觉得自己还有的打。