在AI热潮推动下，算力需求持续喷发，导致芯片资产出现罕见现象：GPU（图形处理器）的保值能力甚至超过汽车。 以英伟达H100为例，使用3年后仍可维持原价84%，折旧速度远低于一般耐用品，颠覆市场对科技硬件「快速贬值」的既有认知。据财经媒体《商业内幕》（Business Insider）报道，这样的价格表现并非个案，而是整体市场供需失衡的结果。 根据Silicon Data的数据，英伟达不论新款或旧款GPU，近几个月价格全面上升，显示AI算力需求仍持续超过供给。GPU价格颠覆常态 旧款芯片不跌反升过去芯片市
关键字：
芯片 硅谷 GPU
Nutanix 首席执行官拉吉夫・拉马斯瓦米表示，人工智能技术的应用已开始为公司贡献利润。不过，自主智能体 AI 真正开始显著影响客户的盈利状况，还需要一段时间。该厂商在上月的 GTC 大会上公布了自主智能体 AI 平台战略，并于本周推出了更多相关功能，其中包括一套多租户框架，旨在帮助企业与新型云服务商从 GPU 中榨取更多价值。但目前仍处于早期阶段，可以合理认为，真正规模化使用 Nutanix 全新 AI 技术的客户数量大概率仅有数十家，而非数千家。与此同时，公司在聚焦即将到来的自主智能体 AI 时代的
关键字：
GPU 虚拟化 CPU 虚拟化
AI 通常被定义为算力故事：更大的模型、更快的 GPU、布满加速器的数据中心。但随着系统持续扩容，真正的限制并非算力，而是数百、数千乃至数百万处理器间的通信。图一：人工智能数据中心规模扩展集群规模的演变。现代 AI 的核心是矩阵乘法，大型神经网络可将运算分配至多个处理单元，并行计算成为提升性能的首选方案。但模型规模超过约 100 亿参数后，小型本地计算域无法支撑扩容，工作负载需分配至多个图形处理器（GPU），覆盖板卡、服务器、机架，乃至跨建筑区域级光纤网络。实际应用中，GPU 需协同如同一台超大处理器，需
关键字：
人工智能 GPU
英特尔发布了最新基准测试成绩，展现了其在 CPU 与 GPU 平台上的最新人工智能推理能力。该结果作为 MLCommons 组织MLPerf Inference v6.0测试套件的一部分正式公布，凸显了英特尔至强 6 处理器搭配英特尔锐炫 Pro B 系列 GPU，在工作站、数据中心与边缘端部署场景下的性能表现。对于关注 AI 硬件平台演进的工程师与开发者而言，这些结果清晰展现了英特尔在当前由专有 GPU 生态主导的市场中，如何布局开放、可扩展的推理系统。基准测试凸显锐炫 Pro GPU 扩展能力MLPe
关键字：
人工智能 英特尔 GPU
核心要点智能体 AI 工作负载正在重塑数据中心算力需求，性能瓶颈从以 GPU 为中心的推理转向CPU 密集的调度与工作流管理。传统 AI 推理是单步前向传播，而智能体 AI 是分布式、多步骤、带规划 / 工具调用 / 验证 / 迭代推理的复杂流程，对 CPU 需求激增。实测显示：在金融异常检测、AI 代码生成等场景中，CPU 耗时超过 GPU 推理，仅靠提升 GPU 性能无法优化整体吞吐。数据中心需保持CPU 与 GPU 均衡配比，推荐比例为 1:1 到 1.4:1，即每颗 GPU 配 86–120 个
关键字：
智能体AI Agentic AI GPU
Equinix 正在扩大其数据中心容量，以满足来自人工智能与云基础设施日益增长的需求，特别是高密度 GPU 部署场景。此次扩建反映出计算架构的整体转变 ——AI 推理负载正对供电、散热和网络互联能力提出越来越高的要求。这一动态凸显出基础设施限制正成为 AI 系统设计的关键因素，同时也表明半导体生态系统的价值重心正在转移：不再局限于芯片本身，而是延伸到支撑芯片运行的物理基础设施层面。为 AI 负载扩展基础设施Equinix 正在升级设施以支持更高的功率密度，其数据中心专为大型 GPU 集群（例如基于英伟达架
关键字：
Equinix 液冷 GPU 人工智能 基础设施
在各大存储巨头竞相押注 HBF（高带宽闪存）等后 HBM 时代技术之际，被公认为 **“HBM 之父”的韩国科学技术院（KAIST）教授金正浩（Joungho Kim）** 抛出重磅判断：当前由英伟达主导的GPU 中心化 AI 架构，终将转向内存中心化架构。随着 AI 从生成式模型向智能体模型演进，内存瓶颈正成为关键制约。金正浩在接受《Aju News》采访时将这一转变称为 **“上下文工程”的兴起 —— 海量文档、视频及多模态数据需被并行处理。他强调，要跟上这一趋势，内存带宽与容量必须提升最高 1000
关键字：
HBM HBF AI GPU
3月25日至29日，以“科技创新与产业创新深度融合”为主题的2026中关村论坛年会在京举行，汇聚来自100多个国家和地区的上千名嘉宾，共促创新与发展。摩尔线程作为国产全功能GPU领军企业，深度参与未来产业、量子科技、人工智能等多个平行论坛。同时，摩尔线程重点展示了与生态伙伴在量子计算等前沿领域的最新合作进展，并携全栈自主算力解决方案亮相“人工智能+”展区，以自主可控的底层算力引擎，驱动智能经济高质量发展。 &n
关键字：
中关村论坛 摩尔线程 GPU
随着半导体制造工艺不断向更先进的纳米制程迈进，计算光刻已从芯片设计的辅助环节，发展成为先进芯片设计的核心支柱。如今，掩模合成、光刻仿真以及光学邻近效应校正（OPC）对计算精度和数据处理吞吐量提出了前所未有的要求。而这些工作流程的核心环节便是光栅化—— 将复杂的几何版图转换为超高分辨率像素网格的过程。西门子EDA部门近期发布了一份白皮书，提出了应对该问题的创新方案。书中深入剖析了光栅化成为技术瓶颈的原因，以及基于大规模并行 GPU 架构的创新光栅化算法如何破解相关难题，并通过实际性能测试结果，展现了这一创新
关键字：
并行 GPU 光栅化器 加速计算 光刻技术 西门子EDA
过去一年，如果你关注通信行业的新闻，大概很难躲过「AI-RAN」这个词。英伟达和软银牵头成立的 AI-RAN 联盟，T-Mobile 西雅图的实验室测试，Indosat 在印尼完成的 AI 通话演示——一连串的动态似乎在传递一个信号：GPU 即将大规模进入基站，AI 正在从「网络上层」下沉到「无线底层」。但如果你有机会和运营商的朋友聊一聊，会发现他们的态度远没有发布会舞台上那么激动。兴奋是有的，但更多的是审慎、观望，甚至是一丝不易察觉的疑虑：基站里真的需要塞进一块 GPU 吗？这笔账到
关键字：
GPU AI-RAN
在过去三年里，AI服务器市场的叙事逻辑高度单一：谁拥有更多的GPU，谁就掌握了通往通用人工智能（AGI）的钥匙。然而，随着AI应用从简单的聊天机器人升级为能自动执行复杂流程的代理AI（Agentic AI），数据中心的底层算力需求正在发生本质性的剧变。汇丰证券在最新发布的深度行业报告中指出，一个“算力再平衡”的时代已经开启，CPU正重新成为AI数据中心的决策枢纽。早期的AI模型主要依赖大规模GPU进行并行计算，但代理AI的工作流则完全不同，涉及大量的逻辑分支、任务同步和多线程处理。代理AI不仅需要输出内容
关键字：
代理AI Agentic AI CPU GPU
算力瓶颈往往不是计算，而是数据传输。AI训练需要不断在服务器之间交换数据，例如梯度同步和模型参数更新。在这条高增长赛道上，博通与Marvell的脱颖而出，并非偶然，而是技术、资金、客户、战略四大维度长期积累的必然结果。
关键字：
GPU 定制芯片 AI硬件
近年来，中国获取英伟达高端芯片的限制持续收紧，而这些限制反而为国内芯片企业创造了前所未有的增长机遇。据 21 世纪经济报道消息，中国芯片设计企业营收实现增长，寒武纪、摩尔线程、元心科技等企业业绩大幅提升。值得关注的是，据爱集微指出，长期困扰中国芯片企业的盈利难题在 2025 年取得突破性进展：寒武纪业绩大幅扭亏为盈，摩尔线程、元心科技等 GPU 企业的亏损则大幅收窄。寒武纪 2025 年成功扭亏为盈21 世纪经济报道数据显示，寒武纪 2025 年营收达 64.97 亿元，同比激增 453%；净利润为 20
关键字：
GPU 寒武纪 摩尔线程 元心科技
在扩展 AI 工作负载的过程中，你会遇到的问题之一就是 KV 缓存耗尽 HBM 内存，这会限制 AI 应用的 “记忆” 容量，并导致用户体验下降。针对这一问题，英伟达及其合作伙伴正在开发全新的 上下文内存存储平台（Context Memory Storage，CMX）。上周在美国犹他州盐湖城举办的首届 VAST Forward 大会上，英伟达与 VAST Data 的代表演示了 CMX 如何突破 GPU 内存墙。 KV 缓存是现代 AI 技术栈的固有组件。有了 KV 缓存，用户不必每天早上 7
关键字：
英伟达 CMX GPU 内存墙 VAST Data
综合韩国媒体《首尔经济》、New Daily等报道，2026年2月12日清晨，三星天安园区使用大型低震动运输车，完成全球首批HBM4量产产品的出货。三星表示，本次出货的HBM4最高运行速率达13Gbps，远超行业此前预期的11.7Gbps，相较JEDEC标准的8Gbps快46%，也较前一代HBM3E的9.6Gbps提升超过35%。由于实际性能超出英伟达的规格要求，市场消息显示：在HBM3E阶段对三星产品持谨慎评估态度的英伟达，在测试三星HBM4样品后，反而主动要求提前量产进度。有分析认为，这批HBM4将搭
关键字：
三星 HBM4 英伟达 GPU
gpu介绍
GPU概念
GPU英文全称Graphic Processing Unit，中文翻译为“图形处理器”。GPU是相对于CPU的一个概念，由于在现代的计算机中（特别是家用系统，游戏的发烧友）图形的处理变得越来越重要，需要一个专门的图形的核心处理器。
GPU的作用
GPU是显示卡的“心脏”，也就相当于CPU在电脑中的作用，它决定了该显卡的档次和大部分性能，同时也是2D显示卡 [
查看详细 ]
关于我们 -
广告服务 -
企业会员服务 -
网站地图 -
联系我们 -
征稿 -
友情链接 -
手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473