2026年AI推理硬件革命：从训练转向部署

从训练转向部署2026年AI推理硬件革命：从训练转向部署到部署2026年，人工智能行业已从专注于模型训练转向人工智能推理，这得益于推理模型和代理式人工智能的兴起。 这一转变暴露了传统GPU的内存带宽瓶颈，催生了新的硬件策略。 英伟达和亚马逊等行业领导者正在采取“系统方法”，将用于预填充阶段的计算密集型芯片（例如英伟达的Vera Rubin GPU、亚马逊的Trainium）与用于解码阶段的以内存为

AI基础设施撞上“墙”！Marvell：铜连接、内存瓶颈成下一阶段算力扩张关键

AI算力竞赛正从单纯的芯片之争，演变为一场涵盖互连、内存与网络的系统级博弈。 Marvell高管近日在Six Five Summit 2026上指出，随着推理模型驱动内存需求急剧膨胀、数据中心规模突破物理极限，铜连接已逼近性能天花板，光学互连与内存扩展技术正成为下一阶段算力扩张的核心变量。Marvell定制云解决方案业务执行副总裁Will Chu表示，市场长期聚焦于XPU本身，却忽视了围绕XPU的

中美AI赛道竞争格局分析与投资机会探索

“美国技术平台与闭源性能领先”与“中国场景驱动与开源生态突破”的双核竞争格局，将进一步如何演变？投资人又该如何把握好下一步的重点机会？ 当前，人工智能AI浪潮被公认为人类历史上继机械化、自动化、互联网化之后的第四次工业革命。人们普遍预期这场智能化革命能推动生产力再度飞跃上一个全新的高度。而全球 AI 赛道目前阶段呈现的是“美国技术平台与闭源性能领先”与“中国场景驱动与开源生态突破”的双核竞争格局。

前OpenAI研究副总裁：人类研究员的时间还剩2年，整个AI研究迅速走向自动化

在当前的人工智能领域，一方面是技术一日千里的狂飙突进；另一方面，则是被无尽的代码与实验压榨至极限的疲惫。 ‘我们的工作只剩最后几天了，趁现在还能干就多干点，之后我们就可以全都休息了。’”前OpenAI研究副总裁 Jerry Tworek 在近期的访谈中抛出了这个略带黑色幽默的观点。 在他看来，这绝非一句简单的玩笑。随着“原生智能体（agent-native）”时代的到来，AI自身正迅速接管研发工作

打破“算力存储通信”三堵墙，升腾超节点给出十万亿大模型训推“最优解”

如果说2026年的AI圈只有一个关键词，那必然会是“智能体（Agentic AI）”。 从能聊到能干，智能体浪潮下，AI在各领域开始加速赋能，AI编程的爆发进一步带来生产力的质变，在各行各业掀起变革。 随之而来的是AI推理需求呈指数级爆发，2030预计全球每月Token消耗数将超过120千万亿，暴涨24倍。 为了支撑更强的Agent处理更复杂的任务，模型也越来越大，顶级MoE模型参数量直接来到“十

瑞银上调AI资本支出预测：2026年逼近万亿美元，九成增量来自内存涨价

瑞银大幅上调人工智能资本支出预测，内存成本的急剧上涨是推动这一轮支出扩张的核心因素，其影响正深刻改变AI投资周期的结构与经济逻辑。 据瑞银最新估算，2026年全球AI资本支出总额将达9980亿美元，较2025年的5060亿美元几乎翻倍。2027年这一数字将进一步升至1.447万亿美元。这一预测的大幅上修，主要源于内存价格的快速攀升，而非基础设施投资规模的整体扩张。 内存支出的爆发式增长意味着AI投

报告：中国AI发展重心从大模型转向智能体

报告指出，中国AI产业发展重心正逐渐从大模型和算力竞争转向智能体规模落地、应用变现。中国电信研究院周六发布《智能体时代AI基础设施发展研究报告（2026）》。 报告显示，当前AI正进入以智能体为主要形态的全新发展阶段，智能体让复杂的AI技术隐形化、普惠化，大众和企业无需掌握专业技术，借助智能体就能完成全流程的复杂任务。目前，智能体已进入办公自动化、电商运营、工业控制及游戏等多个领域。 中国电信研究

AI利润格局：模型公司每100美元收入，35-40美元流向云厂，为其带来10-20美元营业利润

AI模型公司每赚100美元，约35-40美元以推理计算费用的形式流向AWS、Azure、GCP三大云厂商。云厂商从这笔收入中赚取10-20美元营业利润，对应营业利润率约35%-45%。 这是巴克莱在8月28日发布的AI行业单位经济学研报中的核心发现。 与此同时，AI实验室的付费推理利润率已从2025年的十几个百分点飙升至2026年的50%-65%以上，调整后毛利率同比提升30-50个百分点。驱动力

GFF 2026：NPCI与NVIDIA推出面向银行智能体的开放AI训练环境

NPCI和NVIDIA在GFF 2026上推出了一个用于银行AI智能体的开放强化学习环境，可利用合成数据在印度银行任务上进行训练和基准测试。

顶尖风投a16z：顶尖人才涌向AI基建，基础设施设计将“推倒重来”

需求以千倍速扩张，而芯片、内存、电力、数据中心的供给最快也要三到五年才能跟上——顶尖风投a16z认为，在需求呈现指数级增长、核心组件订单已排至数年后的背景下，传统的计算堆栈已被推至物理极限，一场围绕AI时代的基础设施重构正在全面开启。 近日，硅谷顶级风险投资机构a16z（Andreessen Horowitz）正式宣布推出"机器时代基金"（Machine Age Fund），专注投资AI基础设施领

张亚勤：AI智能分布将出现三类二八分化

【财新网】“未来80%的大模型将是开源权重模型，20%是闭源模型。”9月22日，清华大学智能产业研究院院长张亚勤在英特尔技术创新与产业生态大会现场给出AI发展的三大智能分布趋势。除了开闭源模型之分化外，他指出，在算力资源分布上，未来80%的算力将在边缘侧，20%在数据中心；AI大模型预训练的算力目前占算力的80%，未来80%算力将走向后训练。　　这一格局将改变目前的IT技术架构。IT基础设施将从计

OpenAI最新内部数据公开 2028年实现全自动AI研究

前些天，号称实现 AGI的 GPT-6 Astra 发布后，引发了全网对于递归自我改进架构的热议。AI 已经开始参与下一代 AI 的研发。问题是，这种事情到底已经发生到什么程度了？就在刚刚，OpenAI 公开了 AI 模型在自家内部加速科研的详细数据。此外，OpenAI 正式宣布已达成自动化 AI 研究实习生的目标，并在 2028 年实现完全自动化的 AI 研究人员。 作者表示，递归式自我改进可能

捡漏还是跳坑？AI造假让二手硬件交易骗局更难防

根据最新市场观察显示，随着全球PC零售市场波动加剧，二手显卡及核心配件的价格不仅未随使用年限下调，反而呈现出异常飙升态势，且利用AI生成图像/视频进行的欺诈行为已成为市场主流威胁。 据近期Reddit及国内硬件社区的大量反馈，2026年的二手市场已不再是简单的玩家对个人交易，大量职业卖家和利用AI技术武装的诈骗团伙介入其中。由于AI生成的成色图片和测试视频几可乱真，普通发烧友很难仅凭视觉素材判断硬

记者手记｜英特尔眼中的智能体大机会

美国加利福尼亚州圣何塞，英特尔标志。图：视觉中国　　【财新网】“预计到2026年底，超过80%的企业应用将至少嵌入一个AI智能体。IDC预测，到2031年，中国企业场景中的活跃智能体数量将达到3.5亿个。中国大模型现在每天的Token调用量已增至2024年初的5000倍。”　　在9月22日到23日举办的英特尔技术创新与产业生态大会上，英特尔数据中心集团副总裁、中国区总经理陈葆立给出上述预测称，就A

OpenAI首度公布“内部RSI进展”：已实现“自动化研究实习生”

OpenAI公开披露内部数据，智能体工作量已是人类研究员的3倍以上。 “一个能在人类指导下执行明确定义的研究任务的系统，包括那些需要一名熟练研究员数天才能完成的任务。” 2028年3月前实现完整的“自动化AI研究员”，使其能够参与深度学习和对齐研究，并通过迭代进一步改进系统。 AI产出更多代码和实验结果，研究进展加快，更好的模型被训练出来，再反过来提升智能体能力。 从OpenAI公布的数据看，智能

智能体之年，高通交卷：从端边云到多终端，重构AI算力基座

耳机在你开口前调整好降噪，并打开一段常听的旋律；出门坐进车里，座舱自动切换到你习惯的座椅角度和空调温度，同时驾驶系统开始监控前方路况；开车路上，对手机说一句“整理上周会议记录”，智能体便在后台跨应用调取文件、生成草稿，到了办公室文档已经就绪。 同一台设备、同一套硬件，正在同时服务两个“使用者”：一个是你，另一个是那个越来越懂你、越来越主动的智能体。过去四十年，个人计算的核心命题是“人如何操作机器”

下一代AI数据中心将建在哪里？

单机跑Kimi K3首破5.85毫秒，同等投资Token产能提升10倍！浪潮信息破局Agent算力难题

2026年，Agent的火爆程度空前。而同期Token消耗量的增长更为惊人：从2026年的0.026Peta（千万亿），增长到2030年的152667Peta。Agent数量增长约28倍，Token消耗却增长数百万倍。需求侧增长如此之快，算力供给能接住吗？今年有两个案例十分典型：一是Kimi K3。这个总参数量2.8万亿的模型，权重文件达到1.56TB，普通AI服务器的GPU显存连权重都装不下，官

创业公司Crusoe融资39亿美元打造“Spark”模块化数据中心

在人工智能热潮推动下，全球数据中心建设正面临前所未有的扩张需求。然而，电力供应不足、建筑工人短缺以及项目审批周期过长等问题，正在成为制约AI产业发展的关键瓶颈。面对这一局面，美国AI基础设施公司Crusoe提出了一种不同于传统“超大型园区”的解决方案：建设可批量生产、可运输部署的模块化数据中心。 Crusoe近日宣布完成39亿美元融资，公司估值达到约309亿美元。公司表示，新资金除了继续支持大型A

英伟达据报重启“Rubin CPX”AI加速器项目 改用168GB HBM4内存

据供应链分析师郭明𫓹透露，英伟达此前一度搁置的“Rubin CPX”AI加速器项目如今重新启动，并对内存架构进行了重新设计。该产品原计划搭载128GB GDDR7显存，如今改为配备168GB HBM4高带宽内存。 英伟达在去年年底曾宣布，计划基于Rubin GPU家族开发一款专用加速器，主要面向大规模智能体人工智能工作负载。项目公布后曾被报道暂时搁置，但英伟达目前似乎已经完成重新规划。Rubin

AI行业冒出一批高薪新岗位，不用会写代码

别只盯着写代码，AI 最缺的岗位已经转移到了电力和机房。在美国弗吉尼亚州阿什伯恩，James Waddy 每天在 Digital Realty 的数据中心里走约 3 万步。他闻设备有没有烧焦的气味，摸管道检查裂缝，还要留意屋顶设备遭鸟破坏的迹象。 我们谈论 AI 与就业，常常先想到屏幕里的变化：代码自动生成，文案几秒写完。把视线移开一点，还能看到另一份工作清单。 有些人专门找模型的麻烦，有些人设计

一文看懂升腾超节点：AI Infra已进入系统工程阶段

AI大模型竞赛，正在进入新的量级。海外，十万亿参数的大模型已经逐步变成现实；国内，数万亿参数的大模型也在加速追赶。为了训出真正的SOTA模型，算力集群从万卡走向10万卡已成为标配。 然而，卡越堆越多，真正被利用起来的算力，却没有同步增长。华为的仿真数据显示，在10万卡集群中，卡间通信可能消耗了40%以上的训练时间，算力利用率往往不到30%。也就是说，大量昂贵的算力，并没有真正用于计算。 对于训练周

↩️ 据科技媒体 The Information 报道，DeepSeek 创始人梁文锋向投资者表示，采用华为芯片进行训练是 DeepSeek 最核心的战略赌注之一，预计华为最早将于 2026 ...

LoopDNS资讯播报: 中国国产AI芯片迈入大模型训练与海外输出阶段 国产AI芯片正打破“只能推理、无法训练”的认知：美团万亿参数模型“LongCat-2.0”已成功在5万颗国产芯片集群上完成预训练，表明国产硬件已具备大规模训练能力；同时，华为正向中东及中亚客户销售搭载DeepSeek-V4模型的升腾950DT系统。美国旨在限制中国AI芯片能力的出口管制，反而促使部分同样面临英伟达供应限制的国家

TechCrunch Disrupt 2026 的新“真实世界 AI”舞台将展示 Nvidia、机器人和灭绝动物

在我们的新“真实世界 AI”舞台上，我们将聚焦数字与物理的交汇点，以及我们将继续看到的这两者融合的所有方式。