寒武纪gpu用的谁的hbm
粉丝4.7万获赞11.9万
相关视频
02:53查看AI文稿AI文稿算力刷屏这么久，但百分之九十九的人没看懂 cpu 是 什么， hbm 有 什么用？今天一分钟讲透算力产业链的专业术语，全用大白话保证能听懂。 第一个 gpu 图形处理器，它是算力的心脏，专门干并行计算的苦活累活。全球主要厂商，英伟达、 amd， 国内相关企业，含五 g 海关信息。 第二个， c p u 中央处理器，它是算力的大脑，负责调度指挥。全球主要厂商，英特尔、 amd， 国内相关企业，海光信息、龙芯中科。第三个， c p u 供风装光学 g p u 这个心脏再强，血管细也白搭。 c p u 相当于给 g p u 直接接了根光纤血管，解决芯片高速传输瓶颈。主要厂商，中继细创新、天府通信，业内称为光模块三剑客。 第四个， hbm， 高宽带内存，它是 gpu 的 专用，高速公路数据位得快，算力才跑得起来。全球主要供应商， sk 海力士、三星美光。 第五个互联芯片，它是算力系统的数据调度员，多块 gpu 怎么协同干活，全靠它来调度。 全球主要厂商，蓝鲸科技、 estela labos、 内砂电子。第六个， pcb 硬质电路板，所有芯片都得站在这块骨架上， ai 服务器对骨架强度要求极高。国内主要厂商，深蓝电路、铺电股份、正弘科技。 第七个， m l c c 多层陶瓷电容器，每个芯片周围都有成百上千个，相当于粮仓，负责稳定供电，煤炭芯片立马饿死。全球主要厂商，日本春田、三星电机。国内相关企业，风华高科、三环集团。第八个，先进封装芯片制成快走到头了， 线宽没法再细，那就把芯片像搭积木一样堆起来，连起来，性能照样翻倍！国内主要厂商，长电科技、通富微电、圣和精微、华天科技。第九个交换机，上万块 gpu 联网干活谁指挥？交通交换机就是算力极强的红绿灯！ 国内主要厂商，锐捷网络、紫光股份、中心通信。第十个服务器，把芯片板卡、电容钱装进铁盒子，才算一台能用的算力设备，它就是算力的最终主体。 主要厂商，工业复联、浪潮信息、中科曙光。第十一个夜冷芯片功耗飙到几百瓦，风扇吹不动了怎么办？直接让芯片泡澡降温？国内主要厂商，曙光速创、英维克、高栏股份。 算力不是单一硬件，而是完整体系， gpu 硬算、 cpu 调度、 cpu 传输、 hbm 存储互联、芯片调度、 pcb 承载、 mlcc 稳压、先进封装、集成、交换机主网、服务器整合、液冷散热 十一个环节，缺一不可。以上信息均来自公开可查资料，想要完整产业链图谱，点个关注，下期继续分享！
500熊二不二
02:45查看AI文稿AI文稿国产 gpu 三巨头，谁才是真正的中国算力头号玩家？别急着站队，先把这三家公司到底在玩什么搞清楚。韩武器是 ai 原生的专精派，一句话先说清，他不是为了通用，而是为了大冒险。他做什么？ 韩武器走的不是因为他那条万能 gpu 的 路，他干脆一步到位，只为 ai 计算而成技术怎么做？不做传统 gpu， 主打 asic npu， 自驾资源架构，把图形渲染这些非必要功能全砍掉。一句话，把所有算力都用在深度学习上，主攻 ai 云端训练、大模型推理、政务计算中心，核心逻辑很硬。韩五 g 是 国内最早开始赚钱的算力公司之一， 订单直接绑定互联网大厂和政府计算中心。优点很明显，算力效率高，场景明确，内化快。缺点也很清楚，不通用，打不了游戏，也不适合图形渲染。他是算力界的特种兵， 专门死磕大模型。摩尔现成最像英伟达的全能派。这家公司只有一个目标，复刻英伟达。他做什么？摩尔现成做的是真正意义上的全功能 gpu 技术路线，自研 music 架构，同时覆盖四大功能， ai 计算、图形渲染、视频处理、物理仿真。 目前来看，他是国内最接近英伟达底层逻辑的玩家。主攻哪？原宇宙数字孪生云游戏 ai 计算集群核心逻辑在生态摩尔县城认为 gpu 不 能躺在机房里跑模型，它也必须能插在电脑上直接跑三 a 大 作，所以它赌的是软件生态开发者体系、应用场景的广度。 它是算力界里面的全能选手，目标是吃下整个生态木兮股份呢，是死磕性能的突围派。如果说前面两个是路线之争，那木兮拼的是硬实力， 他做的通用并行计算，不做显示，不玩花活，一门心思充性能。计算技术底子有多硬？创始人来自 amd， 算是正统的 gpu 技术血脉，主攻哪 hpc， 高性能计算， 大型数据中心，能源科研超算，它的王炸是什么？扩大兼容性，很多企业不愿意改英伟达的底层代码，慕希的希元系列可以几乎无成本迁移，它切的是要求最高、单价最贵、门槛最高的那一层市场。它是算力界的力量担当，主打高性能平替。 如果你看好国产大模型的落地速度，核心标的是含五 g， 因为它有现成的订单和利润。如果你看好国产软件游戏原宇宙的底层支撑，标的是摩尔，现成， 它是唯一能够提供完整视觉体验的。如果你看好大型科研机构和互联网大厂的无缝切换，标的是木兮股份，它是兼容两字上走的最深的技术流。这三家马车不是在竞争，而是共同瓜分曾经被英伟达统治的万亿算力版图。
284Daniel
02:31查看AI文稿AI文稿韩五 g 一个月涨超了百分之一百，市值超过了八千亿，带飞了国产 ai 芯片。我还记得咱们第一次说韩五 g 的 时候，它才一千多亿。 大模型训练完成以后，现在的日常响应用户需求，比如说聊天啦、生成内容啦、分析数据等等，你所用到的 gpu、 asic、 npu、 fpa 等芯片统称叫 ai 推理芯片，这可是下一个万亿级市场。新元股份连续十个季度亏损， 但是从九二四行情以来，它涨超了百分之一千，市值突破了一千五百亿，还超越了新上市的避震科技。 凭什么呢？鑫源股份啊，最核心的业务有两个模式，对于互联网大厂来说，自己研发芯片就要养一只庞大的芯片队伍，研发周期长达数年，每年都要烧掉数十亿的利润，还不一定会成功。 交给鑫源的话，你只要支付费用，就能够拿到匹配自己需求的定制芯片，而且你还能获得完整的芯片设计方案。有了第一代芯片方案，互联网大厂就可以自行迭代，省去大量的人力物力。 鑫源股份前四个月新签的 ai 芯片订单超过了七十亿元，业绩迎来了爆发。这就是它的第一个模式，交钥匙全包服务。 第二个模式是它的 ip 授权服务，毛利率高达了百分之九十。互联网大厂们，你们的第一代芯片只要使用了鑫源股份的交钥匙全包服务， 今后你只要使用鑫源股份的 ip， 你 就要向他缴纳版权费利润。科技只做了一件事，自研高端 gpu 芯片，不要因为它这种重资产模式投入极大，单颗芯片流片加研发的投入就需要数亿元，而且还要适配软件生态。 倍润科技近三年仅研发投入就超过了三十亿元，妥妥的烧钱大户。但是只要你能造出高端 gpu， 你 就直接封神，成为 ai 时代最核心的公司。所以随着国产芯片需求的爆发，倍润科技的业绩也迎来了增长， 二零二五年他的营收同比增长了百分之二百。如果我们把避任科技比作是中国英美达，这个比喻现在可是遍地开花，那么我们现在看新源股份，他就是中国的博通，这个比喻现在还不多， 一边是重资产投入，一边是轻资产挣钱，你觉得哪种模式更适合中国的芯片企业？
196英才立新
01:52查看AI文稿AI文稿大家都知道，现在 ai 算力高度依赖 gpu 芯片，但很多人不知道，如果没有 hbm 再强大的算力芯片，比如英伟达 h 一 百，也可能连百分之三十的性能都发挥不出来。这是为什么呢？ 你可以把 gpu 想象成一位世界级顶级厨师，一秒钟就能做完一桌菜。但传统的内存就像普通的跑腿小哥，食材放在很远的仓库里，路又远又窄，每次只能搬一点点，结果就是厨师炒菜只要一秒，送菜却要几分钟，再贵的 gpu 也只能站在原地发呆， 这就是所谓的内存墙。而 hbm 做了一件事，他直接把仓库搬到了灶台旁边，还盖成了一座石材的摩天大楼，里面数千部高速电梯同时运作，把食材源源不断送到厨师手边。于是， gpu 终于能火力全开。 在大模型的任务中， hbm 三的数据供给速度比传统方案快约四点四倍，没有 hbm， 再强的 gpu， 响应速度也像牛车一样。正因为如此， hbm 成了二零二六年 ai 圈最疯狂的应酬级。 目前主流的 hbm 三 e 单颗约三百七十美元一块，英伟达 h 一 百通常要配备六颗。也就是说，一张 ai 显卡最贵的部分可能不是 gpu， 而是内存。 即便三星、 sk、 海力士、美光三大厂已经把百分之七十的产量都压住在 hbm 上，二零二六年缺口依然高达百分之五十到百分之六十，它已经成了半导体行业最难抢的黑色黄金。 而下一代的 hbm 四，还要把数据通道升级成十六车道超级高速公路，单堆站待宽预计逼近两 tb 每秒， 更高阶的版本甚至瞄准了三 tb 每秒以上。你觉得未来 ai 时代，真正掌握定价权的会是英伟达还是 hbm 厂商呢？评论区聊一聊吧。我是丹姐，欢迎点赞关注，我们下期再见。拜拜。
09:38查看AI文稿AI文稿今天的话题是高宽带闪存是如何通过更高的容量和宽带来缓解人工智能在推理过程当中遇到的内存瓶颈的，以及它会如何影响 未来以内存为中心的这种 ai 系统的架构。没错没错，这个其实是非常非常热门的一个话题，那我们就直接开始吧。首先要讲的就是 ai 算力发展带来的这个内存强的问题， 为什么现在的内存架构没有办法跟上 gpu 的 这个算力的需求，从而拖慢了整个 ai 系统的这个效率呢？ 对，现在的情况就是 gpu 的 算力提升是非常快的，但是它的这个配套的 hbm 内存虽然说宽带很高，但是它的容量是很有限的，一般只有六十四 gb 左右。 那相反呢，传统的 ssd 硬盘，它虽然说可以装得下很多很多的数据，但是它的访问速度是远远跟不上的。嗯，所以这个就导致 ai 的 运算过程当中，处理器经常要等待数据的传输， 就像一个厨师，他在菜板和冷库之间来回跑的时间远远超过了他真正炒菜的时间，所以这个就形成了所谓的内存墙，成为了 ai 进一步发展的一个拦路虎。我很好奇到底是哪些关键的因素让 ai 对 内存的渴求越来越大？ 首先第一个就是模型的参数的规模已经到了万亿这个级别，那如果说用八位的表示的话，一个万亿参数的模型，它就需要差不多一 tb 的 内存空间，但是现在的 hbm 四单堆站它只有六十四 gb， 所以 就导致你需要把 很多很多的 gpu 串联起来才能够满足这个需求，那这个时候就会造成算力的利用率变得非常的低。第二个就是 m o e， 也就是专家混合模型的广泛使用，虽然说它可以节省一部分的算力，但是它的整体的参数的数量是非常庞大的，这些参数都要常驻在高速内存当中，所以这就直接把你的内存的容量的需求又推高了好几倍。 第三个就是 kvatch 这个东西的消耗，随着你的输入的文本或者视频的托根数量达到百万这个级别， kvatch 它会以几何级数的方式增长，它甚至会超过模型本身的权重的大小。明白了那高贷宽闪存到底是一个什么样的东西，它是怎么通过一些微观的结构上的创新， 能够带来这么强悍的性能的提升呢？高宽带闪存它其实是专门为了这个 ai 和数据密集型的工作赋载设计的一种存储方案，它最最核心的一个创新就是采用了十六层的三 d n 的 技术， 把原本平面的那种存储单元像建摩天大楼一样的叠起来了，这就从根本上改变了传统的 ssd 的 那种结构。那这个高带宽闪存具体是怎么解决数据传输的瓶颈的呢？这就要说到它的另外一个黑科技了，就是硅通孔 tsv 技术， 它就相当于在这个堆叠的芯片之间打了数万个垂直的微小通道，那原本你这个数据只能从芯片的边缘慢慢的进出，现在相当于给你每个楼层都装了一个高速电梯， 所以这个数据就可以以数百甚至数千 gb 每秒的速度进行狂飙。另外呢，为了保证它的可能性，它还采用了一种叫超低撬取设计和高级的导热材料， 就算它在工作的时候产生了大量的热量，它依然可以保持非常好的稳定性。这么说的话，高宽带闪存，它在整个 ai 的 存储的生态里面是怎么找到自己的定位的？它跟传统的企业级的 ssd 以及最新的 hpm 三 e 和 hpm 四 到底有哪些？核心的区别就是高带宽闪存，它是专门为 ai 的 推理设计的，它在容量和带宽之间找到了一个非常好的平衡，比如说它的单堆转的容量可以做到五百一十二 gb， 甚至到一点六 tb， 那 它这个容量是远远大于 hbm 三 e 和 hbm 四的。同时呢，它的读取带宽可以达到数百 gb 每秒， 那虽然说比 hbm 要稍微慢一些，但是它也是远高于传统的企业级 ssd 的。 看来它的这个适用场景跟其他的存储方案还是有明显区分的。 确实是这样，比如说在 ai 的 推理的场景里面，那些比较冷的数据，像模型的权重和 kvatch 就 非常适合放在 hbm 里面，然后热数据的计算还是交给 hbm， 那 企业级的 ssd 就 更适合做离线的归党。 这是因为 h b f 的 写入寿命是远高于 s s d 的， 但是比 h b m 要低一些，所以它正好就填补了这个非常重要的生态位。能不能具体说说高带宽闪存，它的眼镜的路线， 最近这几代到底在性能上面有哪些突破性的提升？最早的 h b f 一 代，它的读取代宽就已经可以达到一点六 tb 每秒，那到了第三代的时候就直接突破了三点二 tb 每秒，这个提升其实是非常夸张的，就相当于每一代都可以给你 带来非常强悍的这种数据搬运的能力。行，下面咱们谈谈 sk 海力士的 h 三混合架构， 它到底是怎么通过这种动静结合的设计，把高宽带闪存和 hbm 各自的优势充分的发挥出来的。这个 h 三的架构其实它就是把数据分成了静态和动态两部分，那其中静态的权重参数和长期的 kvatch 是 放在 hbf 集群里面的， 它就相当于一个只读书架，专门用来存放那些不怎么变化的冷数据。 然后呢， hbm 集群就相当于一个缓存工作台，它是用来存放频繁计算的临时张量和激活状态的， 也就是热数据。哦，那这种分工的模式是不是就意味着 hbm 本身的这个写入寿命短的问题也能够得到缓解呢？没错没错，因为你冷数据的读取是不会影响到 hbm 的 寿命的，然后你所有的这种频繁读写的操作都是在 hbm 上， 所以它既保证了性能，又绕开了 h b f 的 这个短板。同时呢，它还使用了一种叫做延迟隐藏的技术， 就是会提前把你需要的数据从 h b f 运取到 h b m 里面，所以你这个 g p u 就 永远都在忙碌状态，不会说因为等待数据而空闲。这个 h 三混合架构在面对这种超大 k v catch 的 时候，到底能够带来多大的性能提升呢？有一个千万级 token 的 这种超大 k v catch 的 仿真 结果就非常的夸张，就是如果是传统的纯 hbm 架构，需要用到三十二个 gpu， 但是如果是用两个搭载了 h 三混合架构的 gpu 就 可以完成同样的任务， 所以它这个节省下来的硬件成本和空间都是非常可观的。好的，那下一个主题就是下一代存储的军备竞赛， 各大存储巨头到底在高贷宽闪存和相关的技术上面有哪些具体的动作？现在的竞争真的是太激烈了，你看像闪迪和凯侠，他们就是技术创新的极先锋。 闪迪和凯侠把这个 n 的 做到了三百三十二层，然后闪迪还获得了科技巨头的四百二十亿美元的长期订单。 那 sk 海力士呢？它其实在 hbm 市场是处于一个领导地位的，现在它又联合了闪迪一起在推动 hbm 的 全球标准，然后它也发布了 h 三架构的蓝图。 三星电子呢，它最近就是在自然杂志上面发表了它的 faet 的 新架构，它这个新架构号称可以把工号降低百分之九十六。 美光科技呢，他就是在新加坡投入了巨额资金进行研发，他想要做到就是 h b m 和 h b f 两手抓， 把数据中心的所有的存储环节都打通。说到这个 h b f 对 向量数据库和边缘 ai 的 影响， 这个 heaven 架构到底是做了哪些创新，可以让我们的向量数据库的性能可以有一个质的飞跃？ heaven 架构它最大的特点就是把高宽带闪存直接放到了 gpu 的 封装里面，那这样的话就彻底地绕开了传统的 pcl 总线带来的瓶颈， 所以在处理十亿级的数据级的时候，它的吞吐量可以提升二十倍，同时它的延迟可以降低到原来的四十分之一。也就是说，有了这样的一个集成之后，我们在边缘设备上面跑大模型是不是就更现实了呢？是这样的，因为 h b f 它是属于那种非意识性的存储，所以它在待机的时候几乎不耗电，然后它又可以在断电之后依然保存你的模型数据， 所以你就可以做到随时休眠，随时唤醒，而且是 tb 级的。这种加载速度，就算没有网络连接，你的边缘设备也可以本地运行 像四百零五 b 这样的超大模型，这就为绿色边缘 ai 和本地的超级智能体提供了一个非常坚实的基础。明白了，那最后我们来展望一下以内存为中心的 ai 新纪元。 为什么说 h b f 它不仅仅是一个技术的升级，它更是一个架构范式的彻底改革呢？因为这个有 h b m 之父之称的 john houkim， 他 就预测说，随着这种智能体 ai 的 崛起，全球的内存需求会暴增一百万倍。 他就说未来的系统一定是以超大容量的内存集群为核心的， gpu 会退居二线。那 h b f 它就是因为突破了传统的存储的物理极限，所以它会是推动这个划时代改革的一个关键的技术。
30智奇漫步
04:32查看AI文稿AI文稿兄弟们，所有人都在盯着 h b m， 但我告诉你，真正的大机会根本不在 g p u 旁边那颗贵的要命的小芯片上。就在刚刚， g a d e c 全球存储标准协会正式甩出了 m r d i m m 的 新标准，三星、海力士、镁光三大存储巨头全部下场了。 你只需要记住一件事， h p m 是 跟 g p u 绑定解决近端算力的贵，容量小。而 m r d i m m 不 一样，它是直接插在服务器主板上，给 cpu 当主内存用的，就是你们见过的一条条内存条。现在服务器 cpu 核心数越来越多， 但每颗核心分到的内存待宽反而在下降，就像车道没变宽，车却多了一倍，堵得要死。 m r d i m 干的就是一件事， 它能同时跑两个内存通道，相当于并排跑两列车。第一代产品就能标到八八零零 m t 每秒， 比现在主流的 d d 二五内存条直接提升将近百分之四十。根据 j e d e c。 最新路线图，第二代目标速率已经定到一二八零零 m t 每秒，标准马上就要落地了。但今天我要讲的根本不是内存颗粒本身，而是一个几乎没人注意到的结构性机会， 两类全新的接口芯片。这两类芯片可能会带来一条内存条从十美元直接蹦到近一百美元的价值跃升。我把它扒开讲清楚。先说架构变化，原来标准的 d d 二五内存条上面有一颗关键芯片叫 r c d， 单价大概七到十美元。 但到了 m r d i m m 时代，必须采用一加十架构，一颗 m r c d 芯片加上十颗 m d b 数据缓冲器 m r c d 单价大概三十美元， m d b 加起来大概四十五美元。 你单算接口芯片这一块，一条内存就从十美元级别直接蹦到七十到一百美元，翻了好几倍。而且你要知道， m r c d 和 m d b 这两个东西在以前是没有的，是从无到有的纯增量。 有机构用中性情形百分之五十渗透率计算，年就需要四点五六亿颗 m r c d。 四十五六亿颗 m d b。 将近五十亿颗芯片的纯增量市场， 足以重新塑造整个接口芯片赛道的格局。那谁能吃到这个肉？第一条线，就是能同时做出 m r c d 和 m d b 整套方案的公司。目前全球范围内能把这些芯片做完整并提供全套方案的极其稀缺。其中卡位最明确的就是蓝起科技， 它在传统 d d r 五时代就是全球 r c d。 芯片的头部玩家，份额大概百分之四十。到了 m r d i m m 时代， 下游客户越来越希望一家供应商给出一整套方案，而不是东拼西凑。蓝企这种既有 m r c d， 又有 m d b， 还附带能把 s p d。 温度传感器、电源管理芯片全套配齐的厂商， 份额大概率会进一步往上走。它已经是全球唯二能提供 m r c d m d b。 芯片的供应商，第二子代产品已经推出，并在去年 q 四出货量显著提升。第二条线得把目光从大芯片稍微移开，看看模组上不起眼的小芯片 s p d 和温度传感器， 原来 ddr 五内存条上就有，但到了 m r d i m m 工作频率更高，负债更大，对 s p d。 芯片的总线性能、对温度传感器的精度要求全上了一个台阶，不是原来那套便宜货能凑合的， 必须升级，单价就往上涨。而且随着 m r d i m m 放量以及 d d r 五渗透率进一步提升，需求量也跟着走，典型的量价齐升。这条线上确定性最强的是巨辰股份，国内 s p d。 芯片龙头跟蓝企合作开发的 d d r 五 s p d。 芯片早就通过了主流模组厂认证， 国内试战率已经到百分之四十左右，已经打进了浪潮、中科、曙光这些核心服务器厂商的供应链。但我必须跟你说清楚风险。 m r d i m m 现在才刚刚起步，目前渗透率只有个位数，要真正大规模放量，得看下游云厂商的资本开支节奏，也得看新一代 cpu 平台的普及速度。 这中间节奏但凡慢一点，市场预期就要跟着调整。这不是概念，这是产业齿轮已经咬合上的趋势。美光海力士的成品条已经推出来了，英特尔最新的志强六代 cpu 已经适配支持， 联想也强调下一代 cpu 服务器设计方案，设计师们正加速拥抱 m 二 d n m 来消除内存待宽瓶颈。产业化的轮子已经转了，至于谁能真正从中获利，咱们且走且看。
718金键看世界
02:38查看AI文稿AI文稿大家好，今天我们来聊一个 ai 硬件圈特别火的话题， h p m， 也就是高宽带内存，它到底牛在哪？为什么说它是国产替代的？最后一公里三分钟给你讲明白。先一句话总结， h p m 就是 给 cpu、 gpu 用的数据，高速公路 如果没有它，再强的显卡也会因为数据喂不饱而饿着跑，算力浪费一大半。 h p m 有 三个杀手锏， 第一，速度快，单条每秒传输一 tb 数据，相当于两百部高清电影。第二，体积小，芯片像叠汉堡一样垂直堆叠，省地方。第三，省电，传输距离短，能耗比传统内存低一半。它主要用在哪儿？ ai 训练游戏、显卡？超级计算机， 比如训练拆 gpt 这种万亿参数的大模型，没 hbm 根本跑不动。一句话， ai 时代，算力等于宽带乘计算力，宽带跟不上，芯片再强也是瘸腿。 现在全球百分之九十的 hbm 被韩国厂商垄断，但中国正在拼命追赶，目标是到二零二八年把国产份额从不到百分之五提升到百分之五十。这就带来一个巨大的机会， hbm 封装材料 h p m 封装材料占了整个芯片成本的百分之六十以上，主要有四大类，第一， g m c 材料，像环氧膜塑料，耐高温、抗膨胀。代表企业联瑞新材二零二六年中试线投产。第二，球形硅微粉 纯度要求极高，用来降低热膨胀。联瑞新材已经是全球第二产品，通过了三星认证。第三， a b f 载板，相当于芯片内部的高速公路， 国内唯一量产的是深南电路，给长新存储供货。第四， a d l 接线材料，保证高频信号不丢不串，华正芯材、超声电子都在加速布局。 从国产化进度看， g、 m、 c 和球形硅微粉二零二六年国产率百分之十五，二零二八年目标百分之五十。 a、 b、 f 载板二零二六年只能满足百分之十需求，二零二八年扩到百分之三十。 a、 d、 l 材料预计二零二七年突破，短期看联瑞新材、深南电路，中期看华正新材、新森科技，长期盯紧 g、 m、 c 材料突破 当然风险也不少，技术验证周期长，动不动两三年，关键原料意外进口，还有封装技术路线可能变。 h、 b、 m 是 ai 时代的算力命脉， 而封装材料是国产替代的关键环节，谁先突破技术认证，谁就能吃到最大的蛋糕。你觉得国内哪家企业最有可能跑出来？关注我，带你读懂硬核科技。以上内容仅为行业分析，不构成投资建议。
23陈泊霖@北京奇赢
01:05查看AI文稿AI文稿国产 gpu 领域的含五 g， 木兮、吉神、摩尔先生，就像芯片界的三国杀，有人装金一路封神，有人全能通吃吃市场，还有人靠性价比 打入寻常百姓家。含五届，那是 ai 推理的偏科王者，刷短视频的精准推荐，小区监控识别人脸这些活他贼溜，省电还高效，但你让他搞个三 d 渲染设计汽车零件直接就罢工了。 木兮是什么？那是全能六边形的一个战士，既能长时间训练 ai 写文案，又能够实时的给用户回复，还能够帮设计师渲染建筑图纸。更绝的是，它能够直接跑英伟达的程序 企业换芯片，不用重新编程了，门槛就直接砍半了。那摩尔现成呢？是从游戏杀出来的多面手，早年专攻三 a 游戏的画质，现在加了 ai 的 功能。 王岩神啊，不卡顿，还能够帮小公司搞农作物病害虫的识别，虽然样样通，但样样不精。胜在一个芯片解决所有需求，性价比拉满。 客户呢，也不一样，韩五金呢，只供大结构。木兮紧盯算力中心，摩尔现成，直接把显卡卖到你家电脑里面。现在国产 gpu 没有绝对的王者，就看谁能够把优势打透。
17AI算力圈刘老师
