标签: GPU
转：非常同意！资金后续会流入到互联，电力，机柜，数据中心。这其实跟1999年互联
转：非常同意！资金后续会流入到互联，电力，机柜，数据中心。这其实跟1999年互联网泡沫时炒作的路径是一样的1.先炒上游基础设施，1999年是门户网站→光纤→网络设备，现在是GPU→HBM→光模块→服务器2.然后核心瓶颈再不断往外扩散，1999年带宽不够所以炒作光纤，现在是算力不够炒gpu，存储不够炒dram，互联不够炒光模块/cpo。3.到大后期资金流向边缘资产，1999年是机房、电信运营商、基础设施，现在是数据中心、电力、冷却、机柜。这些都是ai硬件基础设施的红利，但最终也要落实到应用上。历史总是惊人的相似哈哈哈哈投资
人工智能除了gpu最缺的就是存储芯片，远比光模块，pcb，液冷板强，而且存储不论
人工智能除了gpu最缺的就是存储芯片，远比光模块，pcb，液冷板强，而且存储不论高端，低端存储都缺，华为曾经说过算力增长万倍，存储至少几百倍，技术不管怎么先进，怎么用高端储存代替至少几十倍先进产能扩产，最厉害的长鑫长江都没有上市，大家都认为这些都是周期性产业，但这个周期足够长，需求足够大！未来五到十年高端ai存储一直不够用的，也就是现在所说的hbm
价值投资日志并购/弹性/暗线（高预期）股票概念核心逻辑来伊份GPU/光纤
价值投资日志并购/弹性/暗线（高预期）股票概念核心逻辑来伊份GPU/光纤借壳开启资本运作，潜在GPU/光纤资产注入。罗博特科光模块并购收购FiconTEC，全球耦合测试设备龙头。首都在线IDC/边缘计算算力租赁+边缘计算，词元传输核心。
我司小伙伴关于REDMIK90Max的实测数据。室温环境下，REDMIK9
我司小伙伴关于REDMIK90Max的实测数据。室温环境下，REDMIK90Max关/开风扇跑《星穹铁道》的帧率曲线对比，差异非常明显。关开风扇半小时平均帧率56.2/59.6帧，功耗6.8/8.2W，结束时机身温度最高51.4℃/44.9℃。再贴下关开风扇的CPU频率/使用率对比，天玑9500的C1-Pro大核的频率和使用率都有细微调整，C1-Premium的频率提升了60%，使用率也提升了40%，C1-Ultra则降低了一些调度，从20%的功耗提升可以猜测，GPU的调度应该也变得更积极。这颗大尺寸风扇确实猛，对天玑9500的性能发挥提升，效果拔群。
用“中国电”算“全球题”中国绿电正在悄悄"出海"，但它走的路，你可能从没想过！
用“中国电”算“全球题”中国绿电正在悄悄"出海"，但它走的路，你可能从没想过！先说一个让我震惊的数据。据全球最大AI大模型聚合平台OpenRouter统计，国产大模型的全球调用量已连续一个月力压海外模型，稳居榜首。但问题来了，中国的电没有跨境，凭什么驱动了全球AI？答案就藏在两个字里：Token。Token是AI处理信息的最小单元，每生成一个Token，背后都对应着真实的算力消耗和电力支出。在AI大模型的运营成本里，电费占比高达六七成。而中国的优势，恰恰从这里开始。我梳理了一下，中国Token能做到量大又便宜，至少靠三重护城河叠加。【护城河一：绿电成本洼地】中国已建成全球最大可再生能源供给体系，西部和北部风光资源极其丰富，发电价格低廉。有券商测算，国产AI模型的综合推理成本，仅为海外同类产品的六分之一到十分之一。一千瓦时廉价绿电，经Token转化后，价值可放大数十倍甚至上百倍。【护城河二：算电协同布局】"东数西算"工程超前布局八大算力枢纽，输电网络与算力网络深度融合。西部承接AI训练、批量推理等非实时任务，东部保障金融、工业控制等低时延需求。算力跟着绿电走，绿电跟着需求走，时空精准匹配，综合能耗大幅压缩。以青海为例，截至2025年底，全省新能源装机占比已达73.7%，算力规模实现双翻番。【护城河三：全产业链自主可控】从国产GPU、液冷服务器到跨境海底光缆，中国已形成一条完整的算力基础设施供应链。国产模型快速迭代，单位Token的算力消耗持续下降，成本优势还在加速放大。这三重优势叠加，让中国绿电以"数字服务"的形态实现无形出海，突破了物理电力跨境的成本与边界限制。当然，我也要泼一盆冷水。高端训练芯片仍面临外部制约，数据跨境合规边界尚不清晰，算电协同还停留在"电力供算力"的单向模式，距离真正的双向智能调度还有距离。但方向是对的，路已经铺开了。Token，正在成为继集装箱之后，中国新一代出口引擎的底层逻辑。从电力大国到算力强国，这条路，中国走得比大多数人预想的都要快。AI算力绿电出海东数西算Token经济算电协同
不拼GPU!中兴扔出AI超节点,把token价格打下来
在芯片层，自研的大容量交换芯片成为多厂家GPU兼容的硬件核心，该芯片全面兼容国内外主流的GPU互联协议，而目前国内外主流GPU厂商的产品均已适配这些通用协议，从底层解决了多厂家GPU的通信兼容问题，打造了「一次设计，多卡...
哪些平台提供GPU性能基准测试报告供参考?
引言：GPU性能基准测试报告，破解算力选型核心痛点 随着AI大模型训练、工业仿真、科研计算、高端影视渲染等算力密集型场景的普及，GPU性能成为决定项目效率、成本控制的核心因素。据IDC 2026年Q1行业报告显示，68%的企业在GPU...
为什么说CPU才是算力的“亲爹”GPU再强也得听它指挥!
为什么一说算力就言必称gpu，什么时候cpu算力才会被重视？GPU是算力打工人最优解，但真正管控这帮算力打工人的数据中心还是离不开CPU。这种服务器级别的CPU就连英伟达都要下场做了。ARM也开始要做数据中心管控的的GPU了。GPU的...
租用GPU服务器进行AI训练,数据安全怎么保障?
2026年国内大模型市场规模突破1200亿元，同比增长83%，AI训练场景中，租用GPU服务器已成为企业、科研机构的主流选择，据IDC 2026年Q1大模型行业报告显示，79%的从业者选择租赁GPU服务器开展AI训练，其中RTX4090等中端机型租赁...
初创公司做AI应用,GPU算力成本控制有哪些技巧?
GPU作为AI应用（含大语言模型微调、图像识别、语音处理等）的核心算力支撑，其成本控制直接决定初创公司的资金周转效率与市场竞争力。一、核心前提：初创公司AI应用GPU算力成本的3大构成（必看） 初创公司AI应用的GPU算力成本...
杨立昆发布史上最“轻”世界模型,单GPU可训,规划速度提升48倍
整个模型就 2 个核心组件、2 个损失项，15M 参数，单 GPU 几小时就能训完，只有 1 个有效可调超参数。LeWM 的组成特别精简，包括两部分。一个是编码器，用轻量的视觉模型，把摄像头拍的彩色画面，变成一串简短的核心特征，抓住...
2026 GPU服务器租用价格表(实测版)星宇智算领跑高性价比,RTX4090选型指南
2026年，AI大模型训练、金融量化Tick级回测、工业仿真、自动驾驶算法迭代等算力密集型场景规模化落地，GPU服务器租用成为降低投入成本、提升项目效率的核心选择。当前市场存在“价格混乱、隐性收费、配置与价格不匹配、实测...
LeCun的世界模型单GPU就能跑了
LeCun世界模型最新进展，开源了一套极简训练方案，单GPU就能跑。这套方案叫LeWorldModel，它基于JEPA架构，实现像素输入直接预测未来，速度快到离谱，完整规划仅需1秒。它能只看像素画面、不用复杂技巧、单GPU就能稳定训练，...
2026 年 GPU 云平台开发者工具链评测
2026年，AI大模型训练、金融量化高频回测、工业仿真、自动驾驶算法迭代等算力密集型场景进入规模化落地阶段，GPU云平台已成为开发者降低算力门槛、提升开发效率的核心载体，而开发者工具链的完整性、兼容性与性能优化能力，...
一文选对算力平台:2026 GPU服务器租用推荐,实测数据说话
随着AI大模型训练、科研计算、图形渲染、游戏开发等场景的规模化落地，GPU服务器租用已成为个人开发者、中小企业及科研机构的核心算力解决方案，无需承担硬件采购、运维、折旧成本，可实现弹性扩容，适配不同阶段算力需求。...
“1人+1万块GPU”能否成独角兽,OpenAI的预言正被上海验证
OpenAI的CEO萨姆·奥尔特曼说，未来，一个人加一万块GPU，就能打造价值十亿美元的独角兽。萨姆·奥尔特曼。奥尔特曼的预言能否成真，徐汇北杨和浦东张江的人工智能创新小镇已在验证。这里正迅速集聚一批OPC（一人公司），不少...
被卡脖子的真相:为什么造GPU算力卡这么难?(科普文章)
GPU（图形处理器GraphicsProcessingUnit）最初诞生于上世纪90年代，核心用途是图形渲染。其并行计算架构天生适配AI模型训练与推理需求，进而分化出AI专用GPU算力卡。这类算力卡彻底弱化显示输出功能，重点强化并行计算效率、...
AMD的RDNA 5凭借更聪明的工作方式将GPU性能翻倍
AMD正在为即将推出的RDNA 5 GPU进行指令级优化，使公司能够在特定工作负载上将GPU性能提升一倍。AMD的RDNA 5系列将实现双发射VALU的有效利用，使GPU轻松达到理论峰值 RDNA 5将是对架构和指令级属性的全新改写，这也是我们许多...
调研速递|东芯股份接受嘉合基金等51家机构调研 详解利基型DRAM市场格局及GPU产品商业化潜力
公司董事、副总经理、董事会秘书蒋雨舟，证券事务代表黄沈幪及投资者关系代表王佳颖共同接待，就研发团队配置、产品价格影响、利基型DRAM市场竞争、子公司砺算科技GPU产品进展及存储需求趋势等核心议题与机构展开深入交流。...
香港理工大学与OPPO研究院突破:普通GPU实现大模型训练能力提升
这就是为什么像GPT-4这样的模型需要成千上万台最顶级的GPU同时工作，而且这些GPU必须通过超高速网络连接，确保信息传递毫无延迟。当前的大模型训练方式分为两种主要模式。第一种是完全中心化训练，所有设备都放在同一个数据...
AI初创公司要求AMD研发96GB RDNA 5 GPU,狂热计划已启动并寻求投资
对计算能力的需求已经变得异常旺盛，在此背景下，AI初创公司TinyCorp对AMD提出了一个相当有趣的要求—一款“巨型”RDNA 5 GPU。TinyCorp希望以每台2,500美元的价格获得96 GB显存的RDNA 5 GPU；可能忽视了内存短缺问题 每一家...
iPhone 17e首批跑分公布:阉割A19处理器GPU差了点
然而GPU由于规格有所减少，因此跑分也差了一大截。iPhone 17e采用的是与iPhone 17标准版一样的A19系列处理器，只不过GPU核心数从5个变为了4个，因此在CPU得分上，网上也有多个iPhone 17e的成绩，其中多核分数最高大约为9200分...
iPhone 17e跑分出炉:CPU是个“硬汉”GPU却偷偷“摸鱼”
虽然大脑很聪明，但这iPhone 17e的“手脚”—也就是GPU（图形处理器），却被苹果悄悄动刀了。正牌iPhone 17用的是5核GPU，到了17e这里，直接砍掉一核，只剩4核。这一下，差距就出来了。在Metal图形测试里，大哥能考到37000分的...
德明利申请GPU存算系统相关专利,混合存储实现GPU存算,提效降延时升性能
专利摘要显示，本发明提供了通过混合存储实现GPU模组存算的方法和系统，GPU模组包括GPU芯片，GPU芯片内设置有DDR控制器、PCM控制器和SRAM，GPU芯片前端设置有CXL控制器，GPU芯片内部的数据总线分别连通CXL控制器、DDR控制器、...
苹果又搞了一个创新:CPU、GPU分开设计,再封装在一起
说起现在的ARM芯片，不管是手机Soc，还是电脑用的芯片，都是CPU、GPU设计在一起的，然后集成在一颗芯片了。而手机Soc里面则集成更多的东西，有CPU、GPU、DSP、ISP、NPU，基带芯片等等。这样的好处是高度集成化，提高芯片之间的...
大模型训练的硬件基础:GPU内存层级、分块与并行策略
Llama 3 最大的模型超过 4000 亿参数在 16000 块 GPU 上训练了数周乃至数月，优化计算意味着在更低的成本下训练更大的模型。本文将介绍 GPU 的核心特性，并据此讨论如何设计更快的算法。GPU 与 CPU 的区别 CPU 的优化目标是单...
并行科技拟 8066 万元采购 GPU 服务器及存储设备,3 月 20 日前交付服务器
3月5日，并行科技（920493）发布公告称，公司拟合计投入不超过8066万元采购GPU算力服务器及存储设备，以扩充自有算力资源池，满足AI及多行业持续增长的算力需求。根据公告，此次采购分为两部分：一是向浙江天极集成电路技术...
