YOHO AI

标签： AI Chip

  • 高通想做下一个英伟达，先掏出了Dragonfly CPU

    高通Dragonfly CPU
    高通发布Dragonfly C1000 CPU，进军AI数据中心市场 | 图源：生成图

    美东时间6月25日，高通在纽约举办了2026投资者日暨股东大会。这场活动之前，市场对高通能不能在AI数据中心市场分一杯羹持怀疑态度——毕竟这个市场已经被英伟达、AMD和英特尔盯住了。但高通拿出来的一套完整产品路线图和一份大幅上调的财务指引，让股价在盘后直接涨了13%。

    Dragonfly C1000：专为AI智能体设计的CPU

    高通在投资者日上正式发布了Dragonfly C1000处理器。这款芯片的定位很明确：不是给普通服务器跑数据库的，是给AI智能体用的。随着自主智能体（Agentic AI）快速普及，CPU需要承担越来越多原本由GPU处理的任务——智能体要持续思考、调用数据库、执行代码，如果CPU跟不上，GPU就只能干等着，而GPU闲置对数据中心来说就是直接亏钱。

    高通的差异化优势在于功耗。做了几十年手机芯片的人，最知道怎么在性能和处理功耗之间找平衡。现在数据中心扩建最大的瓶颈不是芯片性能，是电力——各大云厂商都在为能耗发愁。高通把在手机和边缘计算上积累的能效技术搬到数据中心，正好打在了痛点之上。

    高通CFO Akash Palkhiwala在会后接受采访时说得很直白：”CPU市场供给不足，行业需要更多具备成熟技术能力的参与者。”言下之意：英伟达和AMD的CPU供应跟不上需求，高通来补这个缺口。

    Meta已经下单，2028年量产即部署

    发布的同时，高通宣布了一个重量级合作：Meta将在2028年Dragonfly C1000量产阶段大规模部署这款芯片，双方已签署长期供货协议。对高通来说，拿下Meta这样的头部云厂商的订单，是对产品竞争力的最好背书。

    除了Meta，高通还透露已经拿到两家超大规模云服务商（hyperscaler）的定制芯片大额订单，定制芯片业务将逐步兑现规模化收入。高通CEO Cristiano Amon说，高通和云厂商的合作”不是从零起步”——凭借手机芯片和边缘计算产品，高通早已和全球几乎所有头部云厂商建立了稳定合作关系。

    收购Modular，对标英伟达CUDA

    硬件之外，高通同步宣布收购AI软件公司Modular。这笔交易的对价是不超过1920万股高通普通股，按高通周二收盘价计算，价值约39.2亿美元。Modular拥有Mojo编程语言、MAX推理平台和AI编译器，这套软件体系可以实现AI应用在不同芯片架构上高效运行——高通明说，这个技术栈要对标的是英伟达的CUDA。

    CUDA是英伟达最深的护城河。无数AI应用和模型都基于CUDA开发，换不了平台，用户就被锁住了。高通收购Modular，就是要打通从芯片硬件、编译工具到模型部署的全链条，复制英伟达靠软硬件协同构筑行业壁垒的路径。这个算盘打得清楚：光有芯片不够，得有软件生态才能留住客户。

    财务指引大幅上调，股价盘后涨13%

    这次投资者日最刺激市场的地方，是高通大幅上调了中长期营收指引。2029财年非手机业务营收指引从原来的220亿美元上调至400亿美元，增幅接近91%。汽车业务的设计订单总价值已扩容至650亿美元，2029财年汽车板块收入目标提高至100亿美元。

    手机芯片一直是大通的基本盘，占最近季度总营收的三分之二。但全球智能手机出货量早在2017年就见顶了，增长空间有限。高通过去几年持续向智能汽车、机器人和云端算力倾斜资源，这次的财务指引上调，算是给市场交了一份多元化转型的时间表。

    多重利好催化下，高通股价在会后盘后交易中大涨13%。市场用钱投票，表达了对高通进军数据中心算力市场的看好。至于高通能不能真的从英伟达、AMD和英特尔手里抢到市场份额，接下来几年见分晓。

  • 内存芯片紧缺让美光赚翻了，AI算力狂潮背后的隐形赢家

    美光内存芯片与AI算力
    美光科技正在从AI内存芯片紧缺中收获惊人的增长

    AI热潮捧红了一堆创业公司和亿万富翁，但它还造成了一个不那么明显的结果：内存芯片严重紧缺。这个问题预计会持续到2027年，而最大的美国内存芯片制造商美光（Micron），正在成为这场”RAMageddon”里最耀眼的赢家。

    从830亿到1.2万亿，美光的股价坐了火箭

    2024年初，美光的股价还在83美元左右徘徊，市值大约910亿美元。而本周，美光的股价已经冲破1048美元，市值站上1.2万亿美元。

    这个涨幅有多夸张？不到两年半的时间，股价翻了超过12倍。带动这一切的核心动力只有一个：AI。

    AI模型对内存的需求是出了名的贪婪。训练要内存，推理也要内存，而且随着模型越来越大，这个需求还在加速。美光作为全球最主要的内存芯片供应商之一，站在了这场需求爆炸的正中央。

    财报数字让人咋舌

    美光本周三收盘后公布了第三财季财报，数字让华尔街分析师集体重新审视自己的模型。营收同比翻了四倍，达到414.5亿美元；净利润从去年同期的18.8亿美元暴涨到282亿美元。

    财报发布后，美光股价当天飙升超过13%。公司对第四财季的指引同样亮眼：预计营收在490亿到510亿美元之间。

    这些数字背后是一个简单的供需逻辑：AI数据中心对HBM（高带宽内存）和企业级DRAM的需求远超供应，美光手里握着的订单已经排到了未来几个季度。

    跟Anthropic绑在了一起

    美光这周还有一件事值得注意：它跟AI实验室Anthropic签了一份战略协议，将向Anthropic供应内存和存储芯片。更意味深长的是，美光还参与了Anthropic的最新一轮（Series H）融资——虽然它没有披露具体投了多少钱。

    这个动作很有意思。芯片厂商投资AI实验室，本质上是在用资本绑定未来的客户需求。Anthropic现在是Claude的开发者，也是AI领域最炙手可热的公司之一。美光通过投资锁定供应链关系，这步棋下得相当精明。

    消费者也在为内存紧缺买单

    内存芯片紧缺不只是企业端的问题，它正在向消费端传导。苹果CEO库克一周前刚警告说，苹果产品涨价已经不可避免——背后的重要原因之一就是内存成本飙升。

    这波涨价会落到每一个买手机、买电脑的消费者头上。AI很酷，但买单的不只是科技巨头，还有每一个普通用户。

    美光的狂欢能持续多久？这个问题没有确定答案。内存芯片行业的周期性是出了名的，供不应求可以在几个季度内变成供过于求。但至少在目前，AI算力扩张的势头还没有放缓的迹象，美光的好日子可能还会持续一段时间。

    对于那些还在犹豫AI基础设施投资机会的人来说，美光的股价走势提供了一个参考：在AI浪潮里，不一定非要去投模型公司，给这些公司提供”粮食”的芯片厂商，可能是更稳的赌注。

  • Databricks前AI负责人创业：用振荡器架构把AI电费砍到千分之一

    AI最烧钱的不只是显卡，还有电费。训练一次大模型，数据中心消耗的电够一个小城市用一天。推理规模上去之后，这笔运营成本更是惊人。

    Naveen Rao见过这笔账。他曾任Databricks的AI负责人，现在出来创业，公司名叫Unconventional AI。他们的目标听起来像吹牛：把AI推理的功耗降低1000倍。

    用的不是更先进的芯片制程，而是一套完全不同的计算机架构——基于振荡器的计算方式。

    未来感AI芯片架构概念图
    Unconventional AI的振荡器架构概念图 | 图：AI生成

    一声”hello world”

    本周，Unconventional发布了第一个AI模型Un-0，一个图像生成工具。输出质量跟Stable Diffusion、OpenAI的GPT Image 1相当，但底层计算方式完全不一样。公司在论文里说，他们用软件模拟了振荡器芯片架构，在上面跑通了完整的图像生成模型，性能不输当前最先进的扩散模型。

    Rao跟TechCrunch说：”这是新型计算机的一声’hello world’。接下来一年，你会看到一些相当有意思的消息。”

    振荡器架构简单说就是用电子振荡器的物理特性做计算，而非传统晶体管的开关逻辑。这个想法在神经形态计算领域已经存在多年，但做出跟主流AI模型兼容的实用系统，Unconventional可能是第一家。

    AI scaling难，因为能源就摆在那里。这会是未来几年的根本限制，你绕不过去，归根结底是个能源受限的问题。

    50人的团队，1000倍的野心

    当然，Un-0目前还跑在软件模拟器上。真实芯片的设计图很快就会公开。公司的计划是：先开源芯片设计，然后自己搭完整的推理栈——芯片、系统、算力供应一条龙。

    Rao说：”我们会用我们的芯片搭建一套新系统，在上面跑AI模型。提示词从网线进来，推理结果从那边出去——但耗电量只有现在的千分之一。”

    这家公司目前不到50个人。从论文和软件模拟器到真实可用的芯片系统，中间隔着的东西太多了。但Rao不是随便说说的人——Databricks的AI业务是他亲手带起来的。

    如果Unconventional真的能做到他们声称的事情，整个AI数据中心的经济账就要重算了。全球在AI基础设施上的投入以千亿美金计，电费是其中越来越大的一笔。把这笔成本砍掉99.9%，意味着什么不言而喻。

    接下来一年，真实硬件会出来。到时候就知道，这个1000倍是营销话术还是真的。

  • 被英伟达挖走创始人之后，Groq融了6.5亿美元重新出发

    被英伟达挖走创始人之后，Groq融了6.5亿美元重新出发



    Groq AI芯片概念图
    Groq的AI推理芯片（概念图）

    想象一下这个场景：你花十年时间攒出一家AI芯片公司，技术是自己亲手设计的，结果某天英伟达跑来跟你说——”把技术授权给我，顺便你的创始人兼CEO我也一并请走了”。你会怎么办？

    Groq的选择是：再融一笔钱，换一批人，换个打法，继续干。

    Jonathan Ross和他的LPU

    先把时间拨回十年前。Jonathan Ross在Google待过，帮Google搞出了TPU（Tensor Processing Unit）那块AI训练芯片。出来创业后，他搞了一款叫LPU（Language Processing Unit）的推理芯片，专门给大模型推理用的，速度很快。2024年Groq的估值冲到69亿美元，在AI芯片圈里算是英伟达之外最被看好的挑战者之一。

    然后英伟达来了。2025年12月，英伟达跟Groq签了一份非独占技术授权协议——说白了就是把LPU的技术拿去用——同时把Ross、总裁Sunny Madra和一帮核心工程师全部请进了英伟达。这笔交易的结构在AI圈有个外号叫”not-acqui-hire”：投资人拿钱走人，人才被挖走，但公司品牌还留着。

    英伟达那边当然没闲着。今年3月的GTC大会上，英伟达直接推出了自己的Groq 3 LPX推理硬件系统，用的就是拿到授权的LPU技术。

    6.5亿美元，重新出发

    按理说，核心技术IP给了竞争对手、创始人也被挖了，这家公司基本可以宣告出局了。但Groq没有。

    6月22日，Groq宣布完成6.5亿美元新一轮融资。领投方是达拉斯的成长型基金Disruptive（其创始人Alex Davis同时担任Groq董事长）和佛罗里达对冲基金Infinitum。Groq没有披露最新估值，但去年9月上一轮融资时估值还是69亿美元。

    更关键的是，Groq在业务上做了一个 pivot——转向所谓”neocloud”业务。这个业务原来由Madra负责，现在成了一号位。

    根据公司披露的数据：Groq的推理云现在有13个数据中心，覆盖北美、欧洲、中东和亚太，服务超过500万开发者，每周处理上万亿个token。这个规模说明，哪怕核心技术IP被英伟达拿走了，Groq的云服务本身还是有客户的。

    新班子，新打法

    创始人走了，就得找新人。Groq这几个月的动作就是：招人。

    新任CEO是Doug Wightman——他当初没有跟Ross一起去英伟达，留了下来。COO请来了Alan Rice，之前在xAI和Meta干过，再之前是美国海军出身。CTO和CPO则是一对被投过的创业搭档：Sinclair Schuller和Rakesh Malhotra，两人之前一起搞过企业云软件公司Apprenda，后来又创立了软件工程公司Nuvalence，2024年被安永收购。

    这个班子搭建的意图很明确：Groq不再主打芯片硬件，而是主打推理云服务。问题是，英伟达现在自己也有Groq 3 LPX系统了，Groq的云服务还能有多少差异化优势？

    活着就有希望

    有意思的是，这种”被大厂not-acqui-hire之后还能活下来”的案例，在AI圈并不是没有先例。

    Scale AI去年被Meta用143亿美元做了一笔类似的交易（Meta拿了Scale的数据标注授权，同时挖走了创始人兼CEO Alexandr Wang等人）。当时外界普遍认为Scale要完蛋了。但Scale AI的CEO Jason Droege今年5月告诉Forbes，公司业务已经反弹，今年营收预计突破10亿美元。

    Groq能不能复制这个剧本？现在下结论还为时过早。推理云服务这个赛道确实需求爆炸，各家AI公司都在抢算力，VC也愿意砸钱（就在本周，另一家推理初创公司Baseten据说正在以更高估值融资）。但竞争也在快速加剧——英伟达自己下场了，这可不是普通对手。

    AI芯片这个游戏，有钱就能继续玩。Groq拿了6.5亿，换了新班子，转了新方向，还留着500万开发者和每周上万亿token的处理量。这些筹码够不够跟英伟达再打一轮？至少Ross去了英伟达之后，Groq还没有选择投降。


  • 欧洲不想跟美国一起掐中国芯片，ASML成了夹心饼干

    美国想拉上欧洲一起堵死中国买芯片制造设备的路，但欧洲不干了。荷兰贸易大臣Sjoerd Sjoerdsma本周跑了一趟华盛顿，会见美国商务部长Howard Lutnick和国会议员，目的很直接：反对《MATCH法案》。这个法案如果通过，会禁止中国芯片制造商使用西方半导体设备，而受影响最大的就是荷兰公司ASML。

    ASML光刻机与欧美芯片政策博弈
    ASML是唯一能生产最先进光刻机的公司，如今被推到了美中芯片博弈的风口浪尖

    ASML是欧洲最有价值的公司，也是全世界唯一能做出先进AI芯片所需的光刻机的企业。中国市场对ASML来说不是小头——占其系统销售净额的19%。

    MATCH法案掐住的是哪条脖子

    现有的管制措施已经不让ASML把最先进的EUV（极紫外光刻）设备卖给中国了，但中国还能买到稍老一代的DUV（深紫外浸入式）设备——这些机器大概是十年前的技术，但依然能造出不少成熟制程的芯片。MATCH法案想做的，是把DUV也塞进禁令里。

    “我这次来华盛顿向国会全面说明我们的关切，这种情况很不寻常。对荷兰来说，利害关系可能非常高。”
    ——荷兰贸易大臣 Sjoerd Sjoerdsma（引自彭博社）

    ASML CEO Christophe Fouquet今年5月跟TechCrunch聊过这个话题。他的态度很明确：没人能轻易取代ASML在光刻机领域的地位，但中国市场丢了，对公司来说是很真实的损失。19%的销售额不是小数目，强行切断意味着ASML的营收要重新找补回来。

    欧洲为什么不愿意跟

    美国的算盘是拉着盟友一起把对中国的芯片设备出口掐紧，这样中国就没办法自建先进芯片产能。但欧洲有充足的理由不配合：ASML是荷兰的命根子企业，强行丢了中国市场，这家公司的研发投入和全球竞争力都会受影响，最终吃亏的是欧洲自己。

    还有一层考虑：中国是全球最大的芯片消费市场之一，欧洲的光刻机、德国的化工材料、日本的设备零部件，整个半导体供应链里中国都是重要买家。美国可以靠本土市场和盟友体系扛住中国的反制，但欧洲单一国家的抗压能力没那么强。

    法案还没过，但博弈已经开始了

    MATCH法案今年4月提出的，目前还没走到众议院或参议院全体投票那一步。彭博社的分析认为，它大概率得塞进一个更大的法案包裹里才能过关。这意味着荷兰和其他欧洲国家还有一段时间可以游说、谈判、想办法把最糟的条款拦下来。

    这件事背后更大的问题是：美国主导的芯片围堵战略，在盟友内部已经出现了裂痕。韩国、荷兰、德国都有自己的产业算盘，不是每个国家都愿意为了配合华盛顿而牺牲自家龙头企业的中国市场。这场芯片战争，后面还有得吵。

  • AI芯片公司Cerebras财报后股价跌近20%，CEO说市场理解错了

    Cerebras股价走势
    Cerebras上市后股价走势低迷，周三单日跌近20% | 图片来源：AI生成

    Cerebras Systems这周的遭遇，算是给AI芯片行业的狂热泼了盆冷水。周二公司发布了上市以来第一份季度财报，营收数据其实不差，但星期三股价直接跌了将近20%，一度逼近IPO发行价。

    问题出在毛利率指引上。Cerebras给全年毛利率的指引是38%到41%，但刚过去的这个季度，毛利率是47%。换句话说，公司自己预计接下来的利润率会明显收窄。投资者一看这个数字，直接选择了用脚投票。

    CEO说市场理解错了

    Cerebras的CEO Andrew Feldman星期三上了CNBC，说投资者对毛利率指引的理解有偏差。他的解释是：公司要从一个现有大客户那里把已经交付的系统租回来，这样才能更快地把产能释放出来，同时公司自己的数据中心也在建。

    临时租回自己的设备这件事，会在今年拖累利润率。但Feldman的潜台词是：这是短期阵痛，为了抢时间窗口不得不做的取舍。

    这个解释能不能让市场买账，目前看存疑。股价星期三刷新了上市以来的最低点，已经快要跌回IPO价格。对一家刚上市没多久的AI芯片公司来说，这个开局相当难看。

    营收涨了94%，亏损在收窄

    把情绪放在一边，Cerebras这季度的账面数据其实有可圈可点之处。营收1.93亿美元，比去年同一个季度涨了94%。净亏损从去年同期的2390万美元收窄到1400万美元。

    但AI芯片这个赛道，光有营收增长是不够的。投资者给Cerebras的估值，押注的是它能在英伟达统治的AI训练芯片市场里撕开一道口子。如果利润率起不来，哪怕营收涨得再快，盈利预期也得往后推。

    这件事其实反映了一个更普遍的问题：AI基础设施的投资周期和盈利周期之间，存在明显的错配。Cerebras选择先扩张产能、暂时牺牲利润率，是一条走得通的路，但前提是市场愿意等。从星期三的股价反应来看，至少有一部分投资者不想等。

    对手那边，英伟达和AMD都在紧锣密鼓地推新一代推理芯片，Groq刚宣布了6.5亿美元的融资。Cerebras能不能在利润率回暖之前，先把市场份额稳住，接下来几个季度见分晓。

  • OpenAI拿出第一块自己的AI芯片，代工的是Broadcom

    OpenAI Jalapeño AI芯片
    OpenAI首款定制AI推理芯片Jalapeño（概念图）

    昨天OpenAI办了个小仪式，Broadcom的CEO Hock Tan亲自把第一块Jalapeño芯片交到了Sam Altman和Greg Brockman手里。这块芯片的全名很长——OpenAI Intelligence Processor，代号Jalapeño——是OpenAI第一次真正拥有自己名字的定制AI推理处理器。

    这件事的意义不只是”OpenAI做了块芯片”这么简单。它意味着这家公司正在把掌控权从Nvidia手里往自己这边挪一步。

    为什么是现在

    OpenAI和Broadcom的合作关系去年10月就公布了，但芯片真正亮相还是这两天的事。根据OpenAI官方的说法，从设计到送厂制造（tape-out），整个过程只用了9个月。他们说自己用AI模型辅助了芯片设计，所以才能跑这么快。

    如果这个数字属实，这确实是高性能半导体行业里最快的ASIC开发周期之一。通常这种级别的芯片从设计到出炉要走两三年，OpenAI说自己9个月搞定了，里面有它自己模型的功劳——用AI设计AI芯片，这个逻辑闭环很有意思。

    Jalapeño不是一块通用加速卡，它是从零开始为大型语言模型推理设计的。用OpenAI硬件项目负责人Richard Ho的话说：”我们围绕对前沿AI模型推理需求的理解，从头优化了架构。”

    它到底强在哪里

    OpenAI目前给出的最核心数据是：性能功耗比（performance per watt）大幅优于当前业界最先进水平。具体好多少，他们说要等几个月后的技术报告才会披露。

    目前Jalapeño的工程样品已经在实验室里跑起来了，生产目标频率和功耗都达标，跑的负载包括GPT-5.3-Codex-Spark。这块芯片的设计思路是减少数据搬运（data movement），同时把计算、内存和网络资源平衡好，让实际利用率尽量接近理论峰值。

    专门做推理，不是训练。这个定位很清晰——预训练这种最吃算力的任务短期内还是会跑在Nvidia的GPU上，但推理侧的成本优化空间巨大，哪怕只省个10-20%，对OpenAI这种规模的运营来说都是真金白银。

    全栈叙事

    OpenAI在这波宣传里反复强调的一个词是”full stack”——全栈。他们的逻辑是：不光做模型，不光做产品，现在连芯片架构、内核、内存系统、网络、调度、部署系统全部自己设计，每一层都围绕同一个目标优化：让模型更快、更可靠、更便宜。

    这个叙事其实和Google的TPU、Amazon的Trainium是一个路子。这些公司都发现，与其完全依赖Nvidia，不如自己掌握一部分算力供应链。区别在于，OpenAI是纯软件公司起家，现在往硬件走，这个跨越比Google和Amazon都要大。

    接下来怎么铺

    Jalapeño只是第一代。OpenAI和Broadcom签的是multi-generation路线图，计划从2026年底开始部署到吉瓦级（gigawatt scale）的数据中心，合作方包括Microsoft和其他伙伴。

    Broadcom的CEO Hock Tan在声明里说：”这只是多代路线图的第一步。通过和OpenAI直接联合开发我们的领先硅片，我们能让吉瓦级数据中心从2026年开始部署。”

    吉瓦级是个什么概念？大概是一个中等城市的总用电功率。把AI数据中心做到这个规模，算力供给确实是个核心瓶颈，这也是为什么OpenAI要自己下场做芯片。

    这块芯片目前还在测试阶段，离大规模部署还有段时间。但它传递的信号很明确：OpenAI不想在算力这件事上完全被人卡脖子，哪怕这个”人”是Nvidia。

  • OpenAI拿出第一块自研芯片，但它不想和你聊参数

    终于不再只靠英伟达，OpenAI拿出第一块自研芯片

    OpenAI昨天（6月24日）正式发布了首款自研AI芯片”Jalapeño”，这是一块与博通（Broadcom）合作开发的ASIC专用集成电路，专门用来跑AI推理任务——也就是处理你发给ChatGPT的那些请求。

    距离OpenAI官宣与博通合作造芯片，刚好过去了九个月。背后的算盘其实很清楚：减少对英伟达GPU的依赖。现在AI芯片紧缺，各家都在想办法摆脱”英伟达税”，微软、Meta、亚马逊也都在这条路上跑了，只是性能暂时还追不上英伟达。

    博通CEO Hock Tan在接受路透社采访时说，Jalapeño的性能可以对标英伟达的Blackwell芯片和谷歌的TPU。

    这里得解释一下，Jalapeño是一块ASIC芯片，意思就是它为特定任务而生——AI推理。推理和训练是两回事：训练是让模型”学东西”，需要吞掉海量数据；推理是用训练好的模型去回答用户问题、跑Codex这种智能体。推理芯片的要求和训练芯片不太一样，OpenAI选择从这个场景切入，算是一步稳棋。

    OpenAI把这块芯片称为”多代计算平台的第一步”，预计2026年底之前部署上线。官方说法挺克制：”虽然还在测最终性能，但早期测试显示Jalapeño的每瓦性能会比当前最先进的芯片明显更好。”

    OpenAI自研芯片Jalapeño
    OpenAI首款自研AI芯片Jalapeño，专为推理任务设计（配图为OpenAI办公室）

    这件事的意义不止于”OpenAI有了自己的芯片”。它折射出的是整个AI行业对算力的焦虑：大家都想摆脱对单一供应商的依赖，都在自研芯片这条路上加码。问题是，英伟达的护城河不只是芯片本身，还有CUDA生态——这块Jalapeño到底能不能在实际 workload 中打过Blackwell，还得等真正部署之后才能见分晓。

    有意思的是芯片名字Jalapeño（哈雷佩尼奥辣椒）。OpenAI内部给项目起食物名字不是第一次了，之前GPT系列的内部代号也用过料理-Related命名。这种做法让一家AI巨头看起来没那么”钢铁直男”，虽然本质上这还是一场算力争夺战。

    顺带一提：如果你在关注AI基础设施这条线，这块芯片值得记住——它不一定会颠覆英伟达，但会让OpenAI在和云服务商谈判时多一张牌。推理成本如果能压下来，ChatGPT的定价逻辑可能也会跟着变。