标签: AI Chip

  • 这台机器卖4亿美元,全球只有一家公司造得出来——没有它,AI芯片根本造不了

    这台机器卖4亿美元,全球只有一家公司造得出来——没有它,AI芯片根本造不了

    你知道吗,一块英伟达H100芯片背后,站着一台比双层巴士还大、重150吨、售价4亿美元的机器。这台机器来自一家荷兰公司ASML,它垄断了全球90%以上的高端芯片光刻设备市场。没有它,摩尔定律早就死了,这轮AI热潮也无从谈起。

    光刻:把电路图案”印”到芯片上

    芯片制造的核心逻辑是通过光刻将电路图案转移到硅晶圆上。光刻设备的性能核心取决于光源波长:波长越短,可制造的芯片特征尺寸越小。行业长期遵循”升级光源波长—提升数值孔径—再升级波长”的迭代路径。

    从早期400纳米可见光,到193纳米深紫外光(DUV),再到2017年ASML推出首代极紫外(EUV)光刻机——研发花了16年、投入超100亿美元,特征分辨率达到13纳米,售价超1亿美元。那一代机器让摩尔定律又续了命。

    4亿美元一台,它到底长什么样

    新一代High-NA EUV光刻机,特征分辨率达到8纳米——相当于40个硅原子的宽度,是当前可量产的最先进光刻设备。数值孔径从0.33提升到0.55,别看这小数点后面两个数,带来的精度提升是代际级的。

    ASML High-NA EUV光刻机
    ASML的High-NA EUV光刻机,重150吨,体积相当于双层巴士(图片来源:MIT Technology Review)

    这台设备有多大?大小相当于双层巴士,重超150吨,体积超200立方米。内部包含数千条管道、线缆和加压罐,工程师需要通过电梯才能到达设备顶部操作。把这么个大家伙造出来,全球只有ASML一家能做到。

    核心光学系统由德国蔡司供应。新一代反射镜尺寸是上一代的2倍,投影系统重达12吨,是上一代的7倍。镜面光滑度达到蔡司有史以来最高水平——因为EUV光会被几乎所有材料吸收,所以每一层反射镜都必须做到极致光滑,否则光还没到晶圆上就损耗殆尽了。

    EUV光源的产生方式也很疯狂:用激光轰击每秒数万次的熔融锡滴,产生13.5纳米波长的极紫外光。新一代设备的激光轰击频率从上一代的每秒2万次提升至3万次,激光系统规模已经达到填满整个房间的程度。

    ASML首席技术官Marco Pieters说:”我们可以支持客户实现更小的特征尺寸,这为当前AI领域的发展打开了空间。目前我们看到的只是冰山一角。”

    谁在买,谁在等

    4亿美元一台,但芯片厂商还是抢着买。2025年ASML共售出近50台EUV系列光刻机,总营收接近400亿美元,公司市值超5000亿美元。这不是”智商税”,是实打实的产能焦虑——AI数据中心对高端芯片的需求实在太猛了。

    英特尔是首台High-NA EUV光刻机的客户。2024年春季,300名ASML工程师前往英特尔俄勒冈工厂完成设备安装调试。英特尔希望通过率先部署该设备,夺回在芯片制造领域的优势,推进代工业务和台积电竞争。目前设备已用于部分精密组件制造,后续将逐步扩大应用范围。

    台积电则持观望态度,表示会在技术成熟、能为客户带来最大价值时再部署,预计大规模采购要等到2030年之后。台积电的算盘是:现有EUV设备通过多重图案化技术仍可满足需求,且4亿美元的单台成本过高,不如把现有设备的潜力先榨干。

    地缘政治的”霍尔木兹海峡”

    为了阻碍中国发展先进AI芯片,2019年美国政府向荷兰政府施压,禁止ASML向中国出售高端EUV光刻机。这件事在半导体行业里被叫作”也许是最重要的瓶颈”——ASML相当于芯片供应链中的霍尔木兹海峡,掐住它就能掐住全球算力的喉咙。

    中国为此投入数十亿美元研发自主EUV技术。2025年有报道称,中国政府专项研发团队已经造出原型机,但尚不具备工业级量产能力。短期内中国仍然会通过深紫外(DUV)光刻结合多重图案化技术,尽可能挖掘现有设备的潜力。与此同时,中国也在软件层面优化大模型(如DeepSeek等轻量化LLM),用算法弥补硬件算力不足。

    SemiAnalysis分析师Jeff Koch有个判断:中国不需要达到ASML的设备效率,只要能造出每小时仅处理1片晶圆、运行成本极高的设备,中国也会大规模部署,以此摆脱对西方技术的依赖。这话听起来夸张,但放在地缘政治的背景下,并不是没有可能。

    垄断者也有压力

    ASML的垄断地位和高昂的设备成本催生了新的竞争者。目前已有几条路线在试图打破这个格局。

    一条路是中国持续投入巨资研发自主EUV技术,目标实现高端芯片供应链自主可控。这条路最难,但政治意愿最强。

    另一条路是初创公司寻找替代技术路线。美国旧金山初创公司Substrate研发基于粒子加速器产生的X射线光源的光刻设备,宣称可实现和High-NA EUV相同的精细图案制造能力,目标是2030年实现芯片量产,且计划自建晶圆厂,将晶圆制造成本降至1万美元/片(仅为行业预期成本的1/10)。不过该公司暂未公开核心技术细节,外界持保留态度。

    挪威初创公司Lace Lithography则研发氦原子束光刻技术,无需使用光源。氦原子束的精度可达0.1纳米,远低于EUV的13.5纳米。设备功耗更低、体积更小,计划2029-2030年向晶圆厂出售设备。

    ASML高管表示,目前尚未看到可替代EUV、实现大规模量产的可行技术。公司未来将继续挖掘EUV技术的潜力。下一代”Hyper-NA”EUV光刻机的数值孔径将提升至0.75,特征分辨率可达6纳米,预计7-8年后推出原型机,2030年代后期实现大规模量产。同时ASML正在研发标准化平台,让客户可以根据需求在同一尺寸的设备中配置普通EUV、High-NA或Hyper-NA模块,降低晶圆厂的部署成本。


    光刻技术的迭代周期长达数年甚至数十年,ASML的领先地位在短期内难以被撼动。但长期来看,新的替代技术终将出现。到那时候,AI芯片的”霍尔木兹海峡”可能就不再是一个荷兰小镇上的公司了。

  • Cerebras上市后第一份财报就把股价干掉了20%,CEO说「你们都误解了」

    AI芯片公司Cerebras本周交出了上市后的第一份财报,结果市场不买账——股价当天跌了快20%。CEO Andrew Feldman后来上CNBC解释说,投资者「误解」了公司的利润率展望。但股价跌了就是跌了,解释归解释,投资者的钱是实打实亏了。

    Cerebras AI芯片公司股价暴跌
    Cerebras上市后第一份财报,股价应声跌近20%(图:AI芯片概念)

    数字其实不差,问题是展望

    先看财报本身。第一季度营收1.93亿美元,同比增长94%;净亏损从去年同期的2390万美元收窄到1400万美元。这看起来挺不错。但指引出了问题:公司预计全年毛利率38%-41%,而第一季度是47%。利润率收窄的预期,把投资者吓跑了。

    Feldman的解释是:为了加快交付,Cerebras要从最大的客户那里租回一部分设备,而这会侵蚀今年的利润率。他说市场「误解」了这个指引,公司其实在按计划在走,甚至还在超越计划。

    「这是被误解了。我们在2026年初制定了一个计划,几个月前上市的时候分享了那个计划,而现在我们在超越那个计划。」——Cerebras CEO Andrew Feldman

    解禁期叠加财报,雪上加霜

    股价压力不只来自财报。Cerebras的内部人股份解禁期是分批改的,本周二财报发布后的第二个交易日,就有2800万股Class A股票可以开始交易。内部人一旦开始卖,股价自然承压。Feldman说分批改的目的是平滑节奏,但市场买不买账是另一回事。

    Cerebras的底气:不依赖HBM,也不依赖台积电最尖端工艺

    Feldman在采访中还提到了Cerebras相比英伟达的一个优势:他们不需要高带宽内存(HBM),也不需要台积电最尖端的工艺。这两个正是英伟达目前产能受限的瓶颈。不过,Cerebras自己也有麻烦——它需要建更多数据中心,而数据中心的审批和建设周期,远比AI芯片的研发周期长。

    Feldman自己也说:「我们想以AI的速度前进,但数据中心是以房地产的速度移动的。」这句话挺无奈的,也很真实。

    「我们想以AI的速度前进,但数据中心是以房地产的速度移动的。」——Andrew Feldman

    AI芯片公司的盈利之路,没那么好走

    Cerebras的处境其实是整个AI芯片行业的一个缩影。英伟达赚得盆满钵满,但追在后面的那些挑战者,面临的是研发烧钱、客户验证周期长、数据中心建设慢的多重压力。财报后股价跌20%,说明投资者对AI芯片公司的耐心,已经不像两年前那么足了。

    Mizuho和Wedbush的分析师在财报后反而上调了预期,但市场显然选择了用脚投票。接下来几个季度,Cerebras需要用实际业绩证明,这次的「误解」真的是误解,而不是利润率承压的开始。


  • OpenAI首款自研芯片Jalapeño曝光:不再完全依赖英伟达

    周三,OpenAI终于把自己的第一款定制芯片拿了出来给人看。这款叫Jalapeño的推理处理器,是OpenAI跟Broadcom一块设计、一块造出来的。公司说,这颗芯片是专门针对OpenAI推理系统的需求定制的,而且开发过程中,OpenAI自己的AI模型也参与了芯片的设计工作。

    目前Jalapeño还在测试阶段,但OpenAI透露说,早期测试结果显示,它的性能功耗比要比目前业界最先进的方案强不少。这话听着有点虚,但考虑到OpenAI的体量,他们确实有底气这么说。

    OpenAI Jalapeño芯片概念图
    OpenAI首款自研芯片Jalapeño(概念图)| 图片来源:TechCrunch

    为什么要自己造芯片?

    这件事其实传了很久。OpenAI跟Broadcom的合作关系去年10月就正式公布了,但OpenAI要自研芯片的传闻,早在2025年初就开始到处飞。最核心的动机很简单:他们不想被英伟达牵着鼻子走。

    现在训练大模型、跑大模型,全得用英伟达的GPU。算力需求越大,OpenAI交给英伟达的钱就越多。自己造芯片,哪怕只能替代一部分英伟达的GPU,长期来看也能省下不少钱,更重要的是,不用再看英伟达的脸色。

    OpenAI总裁Greg Brockman在去年10月的一期官方播客里说过一段话,大意是:”我们对自己要跑的工作负载有很深的理解。我们一直在找那些现有方案服务不够好的特定场景,然后想办法造出能加速这些场景的东西。”

    Jalapeño能干嘛?不能干嘛?

    先说清楚,Jalapeño不是用来训练大模型的。它的定位很明确:专门做推理(inference)。也就是用户发一条指令,模型给出回答这个过程。OpenAI在公告里特别强调了这颗芯片在跑实时编程模型时的低成本表现。

    像预训练这种特别吃算力的活,短期内估计还是得靠英伟达的硬件。但推理成本的优化,对OpenAI的财务来说可能是个大事情。每次用户问ChatGPT一个问题,OpenAI都要付一次推理成本。如果能把这部分成本降下来,哪怕只降一点点,积少成多,对公司的盈亏平衡会有不小的影响。


    不是只有OpenAI在这么干

    自研AI芯片这件事,OpenAI不是第一个,也不会是最后一个。Google有自己的TPU(张量处理单元),亚马逊有Trainium,这些都是为了同一个目的:加速机器学习工作负载,减少对英伟达的依赖。

    但OpenAI这次做的,跟Google和亚马逊还不太一样。Google和亚马逊主要是给自己云服务里的客户用,OpenAI造这颗芯片,首要任务是服务自己的产品和模型。Codex、GPT系列,这些产品的推理需求,OpenAI比任何人都清楚。自己造芯片,等于把优化的主动权拿在了自己手里。

    OpenAI在公告里说了一段挺有意思的话:

    “OpenAI不仅在开发前沿模型或在模型之上构建产品,我们还在设计支撑这些模型的基础设施:芯片架构、内核、内存系统、网络、调度、部署系统,以及产品体验。因为OpenAI在整个技术栈上都有布局,每一层都可以围绕同一个目标进行优化:让模型更快、更可靠、对用户更便宜。”

    这段话翻译过来就是:我们不想只做软件,硬件我们也要自己搞。从最底层的芯片,到最上层的产品体验,全都要打通。

    Jalapeño这个名字…

    最后说个题外话,这颗芯片的名字Jalapeño(哈雷佩尼奥),是一种墨西哥辣椒。OpenAI给项目起名字一直挺随意的,之前GPT系列的内部代号也全是这种风格。至少比叫”OpenAI Chip 1.0″有意思多了。

    这颗芯片目前还在测试,什么时候能大规模用上,OpenAI没说。但方向已经很明确了:以后的OpenAI,不仅卖模型、卖订阅,还要卖自己造的芯片跑出来的推理能力。英伟达估计不太乐意看到这个局面。

  • OpenAI联手博通九个月拿出第一颗自研芯片,Jalapeño能不能撼动英伟达?

    OpenAI联手博通九个月拿出第一颗自研芯片,Jalapeño能不能撼动英伟达?

    6月24日晚上,OpenAI在旧金山和帕洛阿尔托两地同步开发布会,亮出了一颗以墨西哥辣椒命名的芯片——Jalapeño。这是OpenAI成立九年来的第一颗自研芯片,从立项设计到成功流片,只用了九个月。

    OpenAI Jalapeño AI推理芯片
    OpenAI与博通联合发布的首款自研AI推理芯片Jalapeño,从设计到流片仅用时九个月。

    发布会现场,博通CEO陈福阳(Hock Tan)和总裁Charlie Kawwas把首批工程样片交到了OpenAI CEO山姆·奥特曼和总裁格雷格·布罗克曼手里。这个画面挺有象征意义的——一家靠算法和模型起家的AI公司,正式迈进了硬件领域。

    九个月做出一颗芯片,这是什么概念

    正常来说,一颗复杂AI芯片从设计到流片,周期通常是18到24个月。Jalapeño只用了九个月,部分原因是OpenAI自己参与了开发流程——AI帮工程师加快了某些设计工作。

    但更关键的是分工。OpenAI负责芯片的底层架构设计,博通负责硅片实现(代工制造)和网络硬件(包括Tomahawk交换芯片),加拿大电子制造服务商Celestica负责板卡与机架系统集成。这种分工模式让OpenAI能专注于自己最懂的部分——AI模型需要什么样的计算——而把制造和集成交给有经验的人。

    博通CEO陈福阳在接受路透社采访时说,Jalapeño的性能”可与英伟达Blackwell芯片和谷歌TPU相媲美”。他同时透露,这款AI加速器相比传统GPU可节省约50%的成本。

    专门优化的ASIC路线

    Jalapeño不是通用GPU,而是一款面向大语言模型推理场景量身打造的ASIC(专用集成电路)。与英伟达GPU相比,ASIC可编程灵活性更低,但可以针对AI专属任务做深度优化,成本优势显著。

    在架构上,Jalapeño重点优化了数据流,减少数据移动,让计算、内存与网络资源的配置更均衡,实际利用率更接近理论峰值。OpenAI硬件负责人理查德·何(Richard Ho)说,团队围绕”对前沿AI模型最为关键的内核、内存传输、网络以及服务模式”对架构做了全面优化。

    首批工程样片已经在实验室以量产标准的频率和功耗条件下稳定运行机器学习任务,还成功跑通了OpenAI今年2月推出的代码模型GPT-5.3-Codex-Spark。早期测试显示,Jalapeño的每瓦性能(能效比)将显著优于当前业界最先进水平。

    只供内部使用,不对外销售

    一个值得注意的细节:Jalapeño芯片和配套服务器系统均不会对外销售,只供OpenAI内部使用。配套服务器由天弘科技负责生产。

    这意味着OpenAI做这颗芯片,目的不是跟英伟达打擂台卖芯片,而是给自己建一条算力的”后路”——降低对英伟达GPU的依赖,同时压低自己的推理成本。

    这个策略不难理解。OpenAI每年花在算力上的钱是个天文数字,而且英伟达GPU并不总是那么容易拿到。能自己控制供应链,对OpenAI这样的公司来说,战略价值远大于财务账面上省的那点钱。

    部署时间表和后续规划

    按照OpenAI的规划,Jalapeño将在2026年底前开始小规模部署,2027年快速爬坡,2028年上半年实现全面规模化量产。远期规划总耗电量最高将达到10吉瓦,配套建设千兆瓦级数据中心集群。

    OpenAI把Jalapeño定位为”多代计算平台的首个里程碑”。布罗克曼说:”通过自主研发更多底层技术环节,我们可以用更高效率提供智能服务,持续推动前沿人工智能技术实现规模化普惠落地。”

    芯片发布也让人联想到OpenAI的IPO传闻。奥特曼最近表示,公司正考虑”在未来一年内”进行公开上市。Coinbase已经推出了与OpenAI相关的Pre-IPO期货。自己掌握芯片供应链,对于一家准备上市的公司来说,绝对是加分项。


  • 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。