基模厂盯上AI4Chip:芯片设计会不会成为下一个Coding?

资讯 36氪 全文 7415 字 · 约 19 分钟读完 配图 2 张 分类芯片

业内分歧AI4Chip是否为下一个Coding场景

所属频道 算力与芯片

AI4Chip,会不会是下一个Coding场景?

同一个问题,两位受访者给出的答案几乎相反。

一位是某基础大模型厂商(下称“基模厂”)的研究员剁椒酱。他从大模型公司的角度打量芯片设计:AI越来越聪明,人类之所以要分工,根子在于“context有限”,而AI没这道坎。几千人协作做一颗芯片,迟早会被一个足够聪明的AI压扁。他的判断是,AI4Chip就是下一个Coding场景——先帮工程师提效30%,再端到端做简单芯片,最终走向能self-improve的芯片设计。他还在社交平台上放了一句“暴论”:基模厂迟早都会有自己的芯片厂。

另一位是晒哥,做数字芯片设计近十年,也是AI芯片设计领域的知识博主。听到“下一个Coding场景”这个说法,他第一反应是笑。笑完,他给了一个不留情面的判断:“它不是下一个vibe coding的场景。因为芯片设计本身不只单纯那点代码。”

两边说的都有道理。这场分歧本身,正好是理解AI4Chip最好的入口。

不过在进入他们的观点之前,有个背景得先摆上桌——为什么“AI4Chip是下一个Coding场景”这句话,会在2026年这个时间点被提起?

01

继Coding之后,基模厂商为什么选中了AI4Chip?

答案藏在Coding的成功里,也藏在Coding的天花板里,还藏在基模厂商的算力账单里。

大模型厂商在Coding场景上的成功,已经不用再论证。Claude Code能写代码,Codex能改“仓库”,Coding agent成了过去两年里大模型最扎实的落地场景——任务可验证、数据可获取、付费意愿明确、使用频率高。

可Coding的市场容量有天花板。模型能力继续往上爬,基模厂就得回答一个问题:下一个能撑起同等量级收入的高价值任务域在哪里?

AI4Chip被推上前台,并非偶然。它符合“下一个Coding”的几个核心特征:任务高价值、专家经验密集、结果可验证、有大量可被学习的过程数据,付费方还是利润丰厚的芯片和EDA公司。更关键的是,芯片是算力的上游——对基模厂来说,做AI4Chip不只是卖工具,是往产业链更深处走一步。

招聘市场已经把这种风向摆得很明白了。打开社交平台就能看到,做基模的公司密集发布芯片类岗位,数字前端RTL、验证要人,数字后端的布局布线、时序也要人,有的帖子干脆写明“欢迎vibe芯片的AI-native新人”。业内大多觉得,这背后是同一批人在推两件事:一边训练AI学会做芯片设计,一边自己动手造芯。

基模厂盯上AI4Chip:芯片设计会不会成为下一个Coding?(配图 1)

国内各个基模厂的招聘信息在社交平台被广泛讨论

为什么基模厂非要做这两件事?

先看“练兵”这层。芯片是眼下链条最长的行业之一,规格、RTL、验证、综合、布局布线、时序、物理检查、流片,每一步都咬得很紧。大模型要能在这条极限链条上跑通,别的场景还有什么拿不下的?

再看另一层,非常现实:算力账单。剁椒酱的原话是:“如果你有一个智力程度是碾压级别的模型,那你为什么还要买别人的卡呢?它既然是AGI,为什么不自己造卡呢?”这句反问点到了根子上——基模厂下场做芯片,卖工具只是表面,真正想要的是不再被上游算力巨头卡住。落到国内厂商身上,还多了一重“缺卡”的推力:“如果根本原因是缺算力,那为什么要优化细枝末节,而不是直接去优化这个根本约束呢?”

晒哥对这个判断完全买账,还从商业终局的角度补上了最后一环。他的看法是,模型提供商卖的就是模型能力,和电力一个道理,最后会变成寡头竞争,加上国家层面的强监管。“发电厂”的利润相对固定,基础能源价格不可能高得离谱。基模厂要还想找增长,就得有自己的硬件产品。

这么看,AI4Chip被摆到台面上,技术演进只是一面,另一面是商业上的必然:大模型要找到下一个现金流,基模厂要甩开算力依赖,芯片行业要效率,政策要一个弯道超车的抓手。几股力量凑到一起,基模厂商“自己下场”就成了非走不可的一步。

但动力归动力,当下是否成立是另一回事。这就回到了下面这个核心问题,也是两位受访者分歧的起点。

02

AI4Chip,是不是下一个Coding场景?

先别急着站队:两个人说的“AI4Chip”,不是同一件事。

剁椒酱的逻辑是从上往下看的。

他立论的起点是AI能力往前走的节奏。按他的说法,今天做一颗大芯片,要几百人甚至上千人配合,每人只懂其中一小块——这并非分工本来就该这样,而是"个人的智力带宽有限,个人能处理的 context 极其有限,因而不得不把工作流切分成很细的小块"。AI没有这层束缚。一个足够聪明的AI能无限复制,前端、后端、验证、物理设计可以同时懂。所以拉长看,芯片设计被AI加速是跑不掉的,而且不止加速某一个环节,是整个软硬件co-design的循环,“AI for Chip,Chip for AI,它自己把这个loop转起来。”他给的时间表是未来5~10年。

眼下的走法要务实得多,他直接拿Coding的经验来类比:先让AI学芯片工程师的知识,再学架构师的经验,然后才慢慢学会co-design。前期它是提效工具,替工程师省下30%的活;中期能端到端做掉一些相对简单的芯片设计;最前沿、能自我迭代的阶段放在最后。

在剁椒酱眼里,这条路“可行”有先例可循——Coding已经完整走过一遍。大模型写代码的能力一路演进,让他相信这套逻辑可以搬过来:任务只要拆得足够细、每一步都能验证,AI就会一点点把活啃下来。

他把AI4Chip眼下的阶段比作“去年或者前年的Coding”。“大家已经感觉到它基本上能给你写大段的代码了。你可以把任务交给它,但它也留下了10%~20%最难的部分给到你。”这是他给出的判断。

晒哥的态度更谨慎,把“现在”和“将来”分得很开。他的说法是:“AI4Chip是一个很前沿的话题,业内讨论也挺多,但它现在还不是下一个vibe coding的场景。”

每天和RTL、验证、PPA、wafer打交道的他,承认硬件工程师已经用上了AI:写点前端代码、生成小脚本、查工具怎么用。可这些只是冰山一角。芯片设计难的地方不在那几行代码,最终要落回一个物理实体。“你还要考虑物理设计、测试,以及 PPA(功耗、性能、面积)这个不可能三角……单纯输出代码其实是很简单的事,我们目前也已经在做了。但整体意义上的AI4Chip,其实是一个系统性的考量。代码,只是开头的那一小部分。”

对当下芯片设计流程里的AI工具,他给了一个很实在的分级:L0到L1。市面上大多数号称“EDA Agent”的产品,都还在L0到L1之间打转——“给模型接了一个 shell,就敢说自己是 Agent”。哪怕是EDA三巨头之一自己发布的AI工具,在他眼里“更多像是小助手,能帮你查东西、生成小脚本,甚至还到不了半自动化的程度”。

两人的话其实没在一个层面上。剁椒酱问的是“AI能不能学会芯片设计”,晒哥问的是“AI已经学会的那部分,在真实芯片交付里能占多大分量”。这是两码事。

不过有一点两人看法一致:AI在芯片设计里会越扎越深。方向没有分歧,分歧在节奏和重心——剁椒酱盯的是能力曲线往外延伸,晒哥盯的是这条曲线在真实交付里落在哪。动力既然不缺,接下来就看落地到了什么程度。问题也就随之而来:大家现在究竟做到哪一步了?

03

大家现在做到哪一步?国内外是否存在差距?

剁椒酱对国内进展的说法比较保守:大家都在水下。浮出水面的,是此前月之暗面发布的KimiK3 用开源 EDA 工具搭配 Nangate 45nm 工艺库,做完了一颗面积约 4mm² 的芯片设计。到9月份,千问官方宣布开展了两项面向生产环境的实验。一项是在芯片设计中,Qwen3.8-Max 从一份 NoC 模块规格出发,走完 RTL、验证和物理实现;另一项独立实验里,Qwen3.8-Max 把 Qwen3.8-Flash-Next 部署到平头哥真武M890,并持续打磨端到端推理性能。

国外也没闲着。Anthropic已经官宣组建专门的芯片设计团队,开始用Claude做定制芯片的工程开发和设计;OpenAI则联合新思科技宣布多年期战略合作,一起开发面向芯片设计的专用 AI 模型 GPT-Synopsys。把国内外的AI4Chip组合放在一起看,国内在EDA和模型两头都偏弱。但话说回来,不管国内国外,这条路离商业化都还有一段距离。

困难他讲得很直接。芯片公司的经验大多不在纸面上,而在工程师脑子里、在保密文档里。眼下能想到的办法就是雇专家,没有更好的解法。AI4Chip成果好坏怎么评,也得靠行业专家来建标准,“就像AI4Science里拉一堆基础学科大牛来做benchmark一样”。他自己日常碰到的难关是“怎么更好地scaling好的数据”,这个问题由“非常非常多细节堆起来”,很难说哪一环特别难。

晒哥是从落地难处切入的。

他描述了一个行业里常见的矛盾——“态度很Open,行动很谨慎”:老板们既想在这方面做出成绩,又不愿当第一个吃螃蟹的人。公司现在不会单独立项、砸几亿去支持一个从头到尾AI-native的芯片项目流片。工程师做demo没问题,可demo不流片就只是demo;何况不少demo用的EDA工具不是商用货,而是开源的东西,跟全世界主流流程相悖,结果拿不到主流认可,自然也进不了真实生产环境。

那国内外差距到底多大?晒哥给了个更具体的数:大约6个月。

在他看来,国外顶尖模型确实领先,但领先幅度“也就是6个月的时间”。更关键的是,他认为这6个月能靠工程手段补回来——比如别再一味堆模型参数,转而把Harness做得更好。

芯片终归是软硬结合的东西。被问到国外EDA、制造链条又完整又先进,长期积累下来国内外差距会不会反而拉大时,晒哥偏乐观。他把国内的优势放在应用端和需求量上:应用铺开之后,产品出货量能正向告诉它该往哪个方向改、往哪儿升级,而不是靠旧数据、旧指标指路。放到AI4Chip上也是同一个道理:真实应用场景带来应用端的正反馈,这个正反馈再推着AI4Chip往前增强。他强调这其实是一条“非常长的链条以及评价体系”,不是答卷那种“答完就得满分”的路子。

这也解释了他为什么把国内赶超的路径浓缩成六个字:农村包围城市。他觉得国内搞AI4Chip的意愿其实更强——芯片这条路上国内一直是追赶者,沿着欧美旧路线走,弯道超车不太可能。“你想要超过他们,可能是有另外一条赛道,就类似于新能源汽车似的。”AI4Chip就是那条新赛道。

国内的政策,也在这个时点跟了上来。

8月,北京经济技术开发区(下称“北京经开区”)发布《“AI4Chip”人工智能赋能集成电路产业跨越式发展行动计划(2026-2028年)》(下称“AI4Chip 20条”)。这是全国首个AI4Chip专项政策,围绕集成电路产业部署五大行动:“AI原生全链赋能”“AI+智能设计”焕芯、“AI+制造封测”筑芯、“AI+设备材料”强芯、“AI+产业生态”育芯。按目标,到2028年,北京经开区基本建成集成电路产业AI融合发展体系,培育3~5家具有国际影响力的AI4Chip生态型领军企业,形成10个以上具备行业推广能力的标杆应用。

基模厂盯上AI4Chip:芯片设计会不会成为下一个Coding?(配图 2)

图源:北京经济技术开发区官网

不过,政策能解决“第一个吃螃蟹的人”的问题吗?答案恐怕还是要谨慎。流片的风险收益比属于商业决策,政策替代不了。真正的拐点不在政策发布那天,而在某家公司肯拿一个真实项目、一笔真实流片预算,把AI-native全流程跑完并且跑成功的那天。

也就是说,眼下是“有demo、有政策、有招聘,但缺真实流片和商业闭环”。那要是真跑通了,芯片行业会被改写成什么样?

04

夹在中间的芯片设计公司:是被挤扁,还是被逼出新的形状?

前面两位受访者已经在一个判断上碰了头:AI会持续深入地进入芯片设计,但短期内远不是“生成即交付”,真正的约束在验证、流片和责任。既然如此,更值得追问的就不是“AI能不能做芯片”,而是另一个更现实的问题:AI真的一步步做进来,谁的利益会被重新分配?

剁椒酱给了一个很形象的判断。他说,原来的芯片设计公司会被夹在大模型和EDA厂商中间。模型公司出智力,EDA公司出工具,两头都在蚕食过去由人提供的价值,芯片公司的价值被往中间挤。哪头吃得多、哪头吃得少?“目前还没有太清晰,得看谁做出了特别新、特别不可替代的东西”。

晒哥没有直接反驳这个“三明治结构”,而是从另一个角度做了修正。在他看来,EDA厂商不会轻易下场做芯片:芯片种类繁多、场景需求总量大,他们扛不住;更关键的原因不在技术,而在基因。EDA厂商的核心利润就是“卖license”——卖铲子的人,不会轻易变成挖金子的人。大模型厂商这边,他赞同模型厂商为了扩大利润有动力往上游走,但更可能的方式是深度参与AI4Chip、和design house合作,而不是把芯片设计公司替代掉。

那芯片设计公司真正的压力来自哪里?晒哥观察到两头:一头是系统厂自研芯片,云厂商、车企、互联网公司都在自己做;另一头是AI加持下的新兴公司包夹。传统芯片设计公司要是不变,很快就会沦为第三方服务商。“第三方服务不代表不赚钱,但成长空间有限——当你技术不是最领先、又没有足够的护城河时,你干的就是苦力活。”

芯片行业会被AI4Chip带到哪儿去?晒哥划了一条挺锋利的线:分“AI+”和“+AI”两种。只在现有流程里塞个AI助手,那叫“+AI”;组织形式和分工结构真的变了,才算“AI+”。

他设想,未来可能不再动辄是上万人的大公司,而是一群超级个体组成的“Lab”形式集群,“一个超级个体走得快,一群超级个体走得远”。大兵团式作战大概不会太多了,取而代之的是认知匹配的小型组织,借助AI完成以前只有大公司才能做的事。当然,这得靠AI加持,也需要时间——他预测5年可能会有大转变,10年内也许会发生整体的范式变化。

剁椒酱则从需求侧看到另一层变化:长尾需求会被激活。中国应用端极度碎片化,很多定制芯片原来“商务上各种不划算”,如果AI把生成成本降下来,最先受益的会是很多中小公司和碎片化需求。

所以,芯片设计公司会不会被挤压?两位受访者的答案其实收敛到一点:会重新分层。能做出不可替代的新东西的公司,会吃掉两头挤出来的价值;只会做同质化交付的公司,会滑向第三方服务商;长尾市场里,则会冒出一批借助AI、以更小团队和更低成本做定制芯片的新玩家。

那么,出现什么信号,才能判断AI4Chip真的成立了?

05

发生了什么?就可以判定AI4Chip是下一个Coding场景

不是发布会,是流片、出货和“不再讨论”。

先排除伪信号。模型厂商发demo不算,招聘启事挂出来不算,政策发布不算,网上讨论热度高也不算。这些只能说明“有人在押注”,说明不了“场景成立”。

真信号,综合两位受访者的判断,可以列出一张清单。

其一,得真去流片,不能停在demo上。晒哥把话说得很白:demo要是不流片,终究只是demo。他给出的时间判断是,“MPW的流片近几年可能会越来越多,但肯定不会是先进工艺。full-mask的流片,未来3~5年可能会有,而从full-mask到完全量产,则还需要一段时间”。剁椒酱讲的“端到端做简单芯片”,落点就在这个节点上——不是吐出段RTL就完事,得把整个流程走完、流片,回来还能跑。

第二,进入商业EDA的signoff路径。不是开源工具跑通,而是被主流流程认可。商业EDA的signoff地位短期不会动摇,原因不在技术,在责任。AI4Chip的工具链要进入真实生产,必须先回答这个问题。

第三,数据飞轮转起来。晒哥在文章里写道:“EDA被攻破是时间问题,不是可能性问题。工具运行日志、仿真波形、时序报告,这些数据每天都在服务器上产生,一旦有商业模式把它们组织起来,稀缺性就会被打破。”剁椒酱提到的“更好的scaling好的数据”,说的同样是数据飞轮这回事。

其四,商业化分成得算清楚。基模厂商、EDA和芯片设计公司之间,需要形成能长期跑下去的收费与分成模式,别一直停在试点阶段。OpenAI和新思尝试分成,就是个早期信号。

第五点在于讨论的对象换了。晒哥说,真正落地时未必会出现“XX年发生了XXX”那种史书式的大事件:“更多是大家在描述这些工具做出的芯片指标是什么样、应用在哪里、出货量多少——当媒体开始这样报道,而不是报道模型本身的时候,才是真正的落地状态。”

到了那一天,这个问题自然就没人提了——不会再有人追问“是不是下一个 Coding 场景”,大家都觉得稀松平常。

两位受访者对时间的判断可以对照着看。剁椒酱估的终局是5~10年;晒哥认为5年会迎来一次大转变,10年之内芯片行业的整体范式会变。

当然,这些时间表都有个前提:世界得按剧本走。

可就在近日,行业用两天时间连着给所有人上了好几堂“黑天鹅”课:掌舵英伟达33年、把CUDA做成全球AI产业默认地基的黄仁勋辞任,市值一夜之间险些跌破4万亿美元。Anthropic在IPO前夜推出新一代旗舰模型Claude Fable 5.2,还与电路板设计制造公司Diode合作,让Fable 5.2照着一段简短要求,设计出家庭语音助手中枢、USB会议扬声器和掌上虚拟宠物三款设备,甚至动手“拆解”CUDA——Claude Mythos Preview 只花了约3天,就让一个 Claude 模型在 AMD Instinct MI355X 上跑通了关键推理环节。近100%的GPU内核代码由模型移植或重写,人工干预很少,CUDA 的软件迁移壁垒头一回被 AI 明显压下去。

这两件事,事先没有一份研报预警过。行业的残酷就在这儿:它只管让所有精心推演的时间表一夜作废。所以真正的拐点到来时,多半也不会是我们此刻想象的那个样子。

但不管从哪边看,时钟都已经开始走了。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 黄仁勋谋划回归英伟达:16万人联署,国会质询与万亿IPO同周登场

    英伟达董事会夹在两股方向相反的力量之间,独立调查仍在进行,而这场角力的走向,将直接定义这家市值数万亿美元芯片巨头的未来权力结构。另外,Anthropic代表的一种更隐蔽、更系统性的产业政策游说对此次黄仁勋下台事件的影响也被媒体曝光。另外,美国参议员Chris Coons在针对黄仁勋的指控出炉后迅速公开发难,而他今年七月

    来源 TechWeb
  2. 苹果HomeView首批评测:Siri AI短板与隐私担忧待解?

    IT之家 11 月 15 日消息,苹果首款智能家庭中枢 HomeView 已经于 11 月 13 日在海外上市,配备 7 英寸 Liquid Retina 显示屏、A18 芯片、人脸识别功能,但外界期待已久的 Siri AI 仍处于测试阶段,如今出炉的首批媒体评测、用户体验说明,苹果还有大量工作没有完成。 NBC 首席

    来源 AI 行业观察
  3. 模拟芯片六巨头季报:AI数据中心抢走封测产能,交期最长拉到32周

    过去一个月时间里,德州仪器、恩智浦、意法半导体、瑞萨电子、Microchip和英飞凌相继披露了最新季报。作为全球模拟芯片、MCU及功率半导体的绝对主力,这六家巨头的业绩集体回暖:Microchip营收同比激增42.2%,TI大增28%,恩智浦与意法半导体均实现近两成增长,英飞凌更是创下单季营收新高。 业绩端的复苏已无需

    来源 AI 行业观察
  4. HomeView首批评测:Siri AI频频出错,隐私担忧浮现

    IT之家 11 月 15 日消息,苹果首款智能家庭中枢 HomeView 已经于 11 月 13 日在海外上市,配备 7 英寸 Liquid Retina 显示屏、A18 芯片、人脸识别功能,但外界期待已久的 Siri AI 仍处于测试阶段,如今出炉的首批媒体评测、用户体验说明,苹果还有大量工作没有完成。NBC 首席科

    来源 腾讯网
  5. 黄仁勋卸任英伟达CEO:AI算力格局将如何改写?

    英伟达CEO黄仁勋在一场令人震惊的变故后黯然离职。这位以皮衣形象深入人心的AI算力布道者离场,对全球最关键的芯片公司、整个AI产业以及他本人都意味着什么?《连线》记者Lauren Goode深入解析权力交接背后的迷雾,以及这场变故将如何重塑行业格局。

    来源 AI 科技快讯
  6. 黄仁勋辞职后盟友筹建“作战室”,力推创始人回归英伟达

    深陷丑闻数日后闪电辞职,黄仁勋却可能很快重返英伟达。据Ars Technica报道,其核心圈子正组建非正式“作战室”,试图推动这位创始人重新掌舵。这场围绕个人与公司的博弈,折射出AI芯片巨头在公司治理与创始人光环之间的深层张力:英伟达卖的不只是芯片,还有一张由黄仁勋本人书写了十余年的路线图。

    来源 AI 科技快讯
  7. 英伟达遭遇多线挑战:AMD、谷歌、亚马逊追赶,大客户自研芯片提速

    英伟达在AI芯片市场的统治地位正面临前所未有的挑战。即便没有黄仁勋近期的风波,AMD、谷歌、亚马逊等竞争对手的追赶步伐也已明显加快,而大客户纷纷自研芯片更让这家芯片巨头腹背受敌。分析人士指出,这场混乱可能成为挑战者撬动英伟达护城河的绝佳窗口。本文剖析英伟达真正的结构性风险,以及这场AI算力霸主之争的下一步走向

    来源 AI 科技快讯
  8. 英伟达发布Rubin HPC GPU:5万CUDA核心,2028年上市

    Rubin HPC单颗GPU搭载超5万CUDA核心,专为科学计算优化,预计2028年上市。CUDA-X扩展科学计算版图,覆盖天体物理、材料科学、药物研发和单细胞生物学等领域,黑洞分析从一个月缩短至8分钟。英伟达展示光子互连与量子计算融合、补齐超算基础设施,称Lambda采用英伟达光子共封装光学技术(CPO)实现最高5倍

    来源 华尔街见闻
  9. 黄仁勋辞任英伟达CEO:AI初创融资格局生变,谁来接棒

    IT之家 11 月 15 日消息,这是一场震动全球科技行业的人事变动。执掌英伟达 33 年、共同创立这家芯片巨头的首席执行官黄仁勋(Jensen Huang)已正式辞职。TechCrunch 援引一位新兴云计算公司的创始人的话称,他第一次听到这一消息时的反应是:“这就像一颗炸弹突然爆炸了。” 过去几年,英伟达一直是科技

    来源 AI 行业观察
  10. 麒麟9050系列:巴龙AI Modem首创融合通信架构,火车游戏卡顿降48%

    IT之家 11 月 15 日消息,华为官方今日继续揭秘首款「逻辑折叠」技术 τ 芯片 —— 麒麟 9050 系列更多配置信息,今日最新公开了新一代巴龙 AI Modem 的情报。 据介绍,新一代巴龙 AI Modem 首创融合通信架构,含 Modem AI 通信架构、多系统协同架构和星地一体融合架构,支持智能选网、地铁

    来源 AI 行业观察
  11. 台积电按客户信用额度分配产能,AI循环融资疑虑升温

    IT之家 11 月 16 日消息,据中国台湾地区媒体《工商时报》今天报道,AI 时代循环融资疑虑升温,台积电将客户财务资料与数据中心建设需求纳入需求评估,特殊应用集成电路(ASIC)从业者也加紧筹资。 据从业者透露,台积电根据各公司资产负债表拟定信用额度,同时考量历史损失率、竞争力及营运展望;当下单金额超出额度,就需要

    来源 AI 行业观察
  12. 黄仁勋去留引11.5万签名请愿:英伟达CEO职务能否恢复?

    TechCrunch报道,埃隆·马斯克等科技行业高管签署请愿书,呼吁英伟达恢复CEO黄仁勋的职务。截至周六下午,请愿已获超11.5万个签名。事件引发业界对英伟达领导层变动及AI芯片行业走向的广泛关注,分析认为黄仁勋的去留将深刻影响公司战略与市场信心。

    来源 AI 科技快讯
  13. 黄仁勋离任英伟达:亚洲多国政府紧急确认芯片供应

    TechCrunch报道,英伟达CEO黄仁勋离任消息引发亚洲多国政府连锁反应。部分政府要求确认既有芯片供应承诺,部分评估本地AI项目受影响程度,还有政府处理与英伟达相关的进行中调查。文章分析亚洲对英伟达供应链的高度依赖、各国反应差异及产业影响。

    来源 AI 科技快讯
  14. 黄仁勋辞职、英伟达安全主管8月离职:AI芯片出口管制下的治理盲区

    2026年11月,英伟达安全主管于8月悄然离职的消息浮出水面,而CEO黄仁勋因个人关系问题宣布辞职,其中涉及他与一家被怀疑向中国输送芯片的公司高管的关系。一位前情报官员指出,这类通过日常对话泄露的信息,恰恰是多数企业安全团队最缺乏能力捕捉的盲区。事件暴露出AI芯片巨头在出口管制与内部治理上的双重挑战。

    来源 AI 科技快讯
  15. 英伟达推Rubin HPC:超5万CUDA核心,押注AI智能体改写科学计算

    英伟达正将AI基础设施的竞争进一步延伸至科学计算领域。在11月16日于芝加哥举行的超级计算大会SC26上,英伟达发布专为科学计算、工程仿真和数据分析设计的新一代GPU Rubin HPC,并围绕CUDA-X软件库、光子计算和量子计算等领域公布一系列进展,试图将GPU加速计算、AI智能体与传统高性能计算(HPC)整合到统

    来源 腾讯网
  16. 黄仁勋辞任英伟达后:盟友筹建“作战室”,力推其回归

    深陷丑闻数日后闪电辞职,黄仁勋却可能很快重返英伟达。据Ars Technica报道,其核心圈子正组建非正式“作战室”,试图推动这位创始人重新掌舵。这场围绕个人与公司的博弈,折射出AI芯片巨头在公司治理与创始人光环之间的深层张力:英伟达卖的不只是芯片,还有一张由黄仁勋本人书写了十余年的路线图。

    来源 AI 行业观察
  17. SemiAnalysis下调AI算力预测:2028年资本开支降28%,英伟达承压最重

    SemiAnalysis将2028年全球AI加速器资本开支预测下调28%,2030年下修40%;2026—2030年加速器硅片出货面积累计预测下调17%,2028年HBM需求预测更被砍掉30%,2030年功耗需求预测下调34%。英伟达成为最大受冲击者,占全球硅片出货削减幅度的66%,其2030年按计算收入测算的出货预测

    来源 华尔街见闻
  18. 华为麒麟 9050 系列芯片智能音视频处理情报公开:低延迟 AI 异构协同计算、率先支持 H.266 解码

    IT之家 11 月 16 日消息,华为官方今日继续揭秘首款「逻辑折叠」技术 τ 芯片 —— 麒麟 9050 系列更多配置信息,今日最新公开了智能音视频处理能力的情报。 据介绍,华为麒麟 9050 系列芯片搭载新一代音视频处理器,音频性能提升 30%,支持新一代音频 DSP、H.266 视频硬解码和低延迟 AI 异构协同

    来源 AI 行业观察
  19. 谷歌TPU订单排到2029年:OpenAI与Anthropic需求成关键支撑

    郭明錤发文称,受益于OpenAI和Anthropic的强劲新订单,谷歌TPU出货能见度已延伸至2029年,优于英伟达GPU等供应商。他预估2028年至2029年OpenAI需要约1200万颗联发科设计的8t,Anthropic需要约1400万颗博通设计的8i;2027年至2029年谷歌TPU出货量预估分别约为800万至

    来源 凤凰科技
  20. SK海力士共建TRINITY FAB:8746亿韩元打造12英寸测试平台

    IT之家 11 月 16 日消息,SK 海力士的龙仁晶圆厂集群正在如火如荼地建设中,首座晶圆厂 Y1 的首个洁净室预计 2027 年 2 月投运。 而在龙仁 Y1 内部,还有一个项目也在推进之中,那就是 SK 海力士、龙仁市府、韩国产业通商资源部三方合作的 TRINITY FAB。 这一项目总投资额达 8,746 亿韩

    来源 AI 行业观察
  21. 消费必需品30天跑赢科技股33个百分点,BTIG回看2000年泡沫

    过去30天,标普500消费必需品板块跑赢科技板块33个百分点,创近25年来最大单月差距,重现2000年互联网泡沫破裂前的防御性轮动特征。BTIG策略师Krinsky看好消费必需品,警告科技股、半导体仍有进一步下跌空间,强势美元也可能加剧流动性压力。不过,市场对这轮轮动能否持续仍存分歧,AI交易是否步入长期调整期成为焦点

    来源 华尔街见闻
向下滚动自动加载更多