社区

每年八月的 Hot Chips，都是观察芯片架构演进的风向标。但 2026 年这场会议传递的信号，早已超出单颗芯片的性能范畴。

两天几十场演讲，英伟达、英特尔、AMD、博通、谷歌、Meta、三星等行业玩家悉数登场，亮出最新技术路线与产品规划。

整场看下来，最核心的转向只有一个：AI 基础设施正在从GPU 中心走向系统中心，制约系统性能的天花板，早已不是单颗芯片的计算速度，而是数据能否高效地在裸片之间、机柜之间、数据中心之间流动。

本文顺着这条主线展开：拆解计算端如何围绕新约束自我改造，真正的行业瓶颈如何显形，需求边界又在向哪里延伸；最终归纳产业链价值迁徙的三个方向，以及各环节标的的核心逻辑。

会议上半场的三大热点 ——CPU 角色、功耗约束、封装架构，表面上是三个独立的技术方向，底层却指向同一个目标：让数据走最短的路径、耗最少的能量，最大限度减少数据搬运的损耗。

CPU 从算力配角，变身 AI 工作流编排器1. CPU 从算力配角，变身 AI 工作流编排器

英伟达提出，Agentic AI 本质是工作流问题，不只是算力问题，最新的 Vera CPU 就围绕单核 Agent 性能、数据处理与 I/O 专门优化；

英特尔的 Wildcat Lake 用 NPU 加 CPU 核心承载 AI 编排任务；

富士通 Monaka 处理器直接定位「绿色 AI 数据中心」核心。

获胜的 CPU 不再是裸算力最强的那款，而是最擅长调度海量 AI 工作流、统筹数据搬运的。

目前 Arm 架构在 AI 平台主机 CPU 中的份额已超 60%，其 AGI 平台推进到 136 核、千亿级晶体管规模，英伟达 Vera 采用定制 Arm Olympus 核心，富士通 Monaka 同样基于 Arm 架构。

这轮 CPU 角色的复活，本质是 Arm 授权模式 + 定制化设计在 AI 机柜内的份额扩张，受益的是 Arm 本身，以及有能力自研定制 CPU 的平台型公司；对 x86 阵营而言，更多是防守性的叙事更新。

功耗取代纯性能，成第一设计约束2. 功耗取代纯性能，成第一设计约束

几乎所有计算厂商都在谈每瓦性能，而非绝对算力：AMD 给出 2030 年机架级效率提升 20 倍的长期目标；英伟达 Vera 系列明确面向电力受限的数据中心场景；英特尔 Wildcat Lake 通过缩小裸片面积、降低内存需求来压低功耗。

行业的核心目标函数，已经从「最大化算力（FLOPS）」，改写为「电力约束下最大化性能」。这个改写意味着，当电力成为硬约束，每瓦性能的提升只有三条路径：更先进的制程、更激进的封装、更聪明的系统架构；同时，电源与散热在整机成本结构中的权重，正在被系统性抬升。

封装与 Chiplet：差异化从「造芯片」到「3. 封装与 Chiplet：差异化从「造芯片」到「拼系统」

未来的产品差异化，越来越多地来自封装、Chiplet、互联与系统集成，而不只是制程节点的领先。

英特尔 Wildcat Lake 取消基础裸片，计算面积缩减约三成，转向 MCP 封装并采用 UCIe 实现裸片间通信；

博通 Diamond Rapids 采用 Fan-out Fabric 架构，模块化计算块搭配统一内存 I/O 互联；

AMD MI400 用 CoWoS-L 封装，把加速器、缓存 / 互联、I/O 拆分为独立裸片。

封装已经从后端生产工序，变成了前端架构二、真正的瓶颈：算力不再稀缺，数据搬运成核心矛盾选择，这是对相关环节估值框架的实质性升级。

如果说计算侧的改造是铺垫，那么会议的核心主题，就是「连接」。当算力不再是短板，数据搬运的效率，正在成为整个 AI 系统的性能天花板。

1. 内存军备竞赛，本质是降低通信开销1. 内存军备竞赛，本质是降低通信开销

2. AI 系统的性能约束，正在从纯算力转向内存带宽与互联效率。

3. 英伟达 Rubin GPU 主打可扩展一致性架构与海量 I/O，NVLink 6 对比以太网延迟低 3 倍、包速率高 10 倍，同时官方坦言「内存容量是每一代产品都要做的取舍」；AMD MI455X 单卡堆叠 432GB HBM4，带宽达 23.3TB/s；博通 Diamond Rapids 打造 16 通道内存架构。

4. 当所有厂商都把内存当成必须权衡的稀缺资源，HBM 的供给紧张就绝不是一两个季度的短期问题。

5. 看完整场会议会发现，行业口中的「内存问题」，本质上是一个特化的网络问题。

6. 三星推出 LPDDR5X-PIM 让计算靠近内存发生，XCENA 推出 CXL-PNM 在内存侧做近数据处理，Cerebras 走极端片上带宽路线 —— 三条技术路径的目标都不是单纯加内存，而是降低数据通信的开销。

7. 从这个视角看，内存创新就是网络创新的延伸，CXL 生态的卡位价值也随之清晰：它正是在内存与网络的交界地带，做价值重构。

2. 网络上升为 AI 系统的核心层级

博通 Thor Ultra、英伟达 BlueField-4 与 Spectrum-X 硅光方案、Meta 的 MTIA 路线图、谷歌 TPU 架构，各家厂商的技术路径不同，解决的却是同一个问题：数据搬运正在成为主导性瓶颈。

历史上算力稀缺、通信成本很低；如今集群里数千颗加速器产生的数据，需要在服务器、机柜、数据中心之间高效流转，网络效率直接决定了整个集群的算力利用率。

未来 AI 赛道的赢家，未必是拥有最快处理器的公司，而是能在整个系统里最高效搬运数据的公司。

AI 工厂：围绕数据流，重构数据中心3. AI 工厂：围绕数据流，重构数据中心

英伟达反复用「AI 工厂」定义下一代数据中心，并展示了五层网络架构：BlueField-4 DPU 负责 Scale-In（接入层），NVLink 负责机柜内 Scale-Up（纵向扩展），Spectrum-X 以太网负责 Scale-Out（横向扩展），跨数据中心 Scale-Across（广域互联），再加上面向长上下文的 Context Scale 层。

传统数据中心围绕服务器构建，AI 工厂围绕数据流构建，计算、内存、网络、存储、安全作为一个整体系统协同运转。价值创造正在从单颗芯片，转向能优化整条数据搬运栈的供应商。

这解释了英伟达为什么把网络做成事实上的第二增长曲线，也解释了以太网阵营为什么能同步受益 —— 两条路线互相竞争，但做大的是同一块数据搬运的蛋糕。

推理与长上下文：网络需求的放大器4. 推理与长上下文：网络需求的放大器

多家厂商都强调，未来的增长动力来自模型推理，而非模型训练。

英伟达 LPX 面向低延迟部署与长上下文负载；Groq 3 LPX 机柜实现每秒 1.1 万 token 吞吐量，第三方基准显示长上下文解码速度提升 4 倍；SambaNova 指出，Agentic 推理的负载越来越由解码阶段主导。

行业的核心问题，已经从「我们能多快训练一个模型」，变成「我们如何高效服务几十亿次 AI 交互」。

对网络产业链而言，这是需求的放大器：推理业务天然分布式、对延迟敏感、东西向流量密集，而且是持续性经营开支，而非一次性建设开支。

三、需求外溢：定制芯片与端侧 AI，打开新增长边界

定制芯片是贯穿整场会议的核心主题之一，而 Physical AI 的露出，则指向了更远的需求边界。

定制芯片：是系统优化，不是对标英伟达1. 定制芯片：是系统优化，不是对标英伟达

Meta 的 MTIA 400 相比上代实现约 5 倍 FP16 算力，搭配 288GB HBM 容量；谷歌 TPU v8 超级集群将达到 9600 颗芯片、2PB 共享内存，十年间共享内存系统性能提升了一百万倍。

市场常把定制芯片解读为对英伟达的挑战，但更深层的逻辑是：超大规模厂商在围绕自家工作负载，优化整个基础设施栈，目标不是做更便宜的算力，而是消除系统级瓶颈 —— 定制芯片本身，就是一种网络优化策略。 它分流的是计算环节的定价叙事，做大的却是互联、光模块、HBM、先进封装这些路线中立的环节。

Physical AI：端侧的第二增长曲线2. Physical AI：端侧的第二增长曲线

当前的 AI 开支高度集中在数据中心，而机器人与自动驾驶代表的低延迟、低功耗、高可靠需求，是一套全新的增长曲线。它的兑现节奏更慢，但对晶圆代工、定制芯片设计服务而言，是第二增长曲线的雏形。

四、产业链价值迁徙：三个确定性方向

梳理整场会议的技术信号，可以得出三个产业链演进的核心判断，价值正在沿着这三个方向重新分配。

判断一：价值从单颗芯片，转向系统与数据栈

当产品差异化的核心从制程转向封装、互联与系统集成，能优化整条数据搬运栈的公司，将拿走更多的价值溢价。网络设备、互联架构不再是算力的配套，而是性能本身的来源，这一环节的天花板与估值框架都需要向上修正。

英伟达：五层网络架构把 DPU、NVLink、以太网、跨数据中心互联、长上下文扩展拼成完整的系统版图，「AI 工厂」不是营销概念，而是把定价权从单颗芯片转移到系统的商业策略。即便计算环节的份额被自研 ASIC 侵蚀，网络与系统集成也能形成对冲。后续需要跟踪 NVLink 私有生态与开放以太网的份额拉锯，这决定其系统溢价能维持多久。

博通：开放以太网阵营的芯片底座。Thor Ultra 网卡直指 Scale-Out 以太网场景，与 Tomahawk 交换体系构成对 NVLink 封闭生态的正面替代。而超大规模厂商自研芯片越激进，定制 ASIC 设计服务与配套互联的市场空间就越大，这正是博通的核心服务市场。

Arista：以太网阵营的系统出口，把交换芯片变成超大规模厂商机房里可部署的成品。推理带来的东西向流量、AI 工厂的多层网络架构、以太网在 Scale-Out 层的地位巩固，都在持续抬升其可寻址市场空间。风险在于竞争格局：上要面对 Spectrum-X 的全栈捆绑竞争，下要面对白盒交换机的成本挤压，它赚的是「以太网阵营整体扩容」减去「阵营内部竞争」的差值。

Arm：编排层复活的最纯受益者。AI 平台主机 CPU 份额超 60%、AGI 平台的核心数与晶体管规模升级，再加上英伟达、富士通的定制化采用，共同指向一个结论：AI 机柜内的 CPU 插槽，正在被 Arm 架构系统性占领。

判断二：路线中立的环节最受益，赚「过路费」的确定性最高

GPU 与自研 ASIC 之争、NVLink 与开放以太网之争，最终胜负未定；但无论哪条路线胜出，数据搬运的总字节量都在持续增长。 光互联、HBM、先进封装、电源散热、互联芯片，是所有技术路线都绕不开的环节，也是确定性最高的受益方向。Lumentum 与 Coherent：英伟达把硅光单独作为 AI 工厂网络基础设施的组成部分展示，意味着共封装光学（CPO）正式从技术储备进入主力产品序列，两家是 CPO 与硅光的核心供应方。核心逻辑是速率升级叠加 CPO 渗透，带来量价双升；但需要注意，CPO 把光引擎推进交换机内部，既是容量扩容，也是供应格局的重塑。跟踪谁真正进入 CPO 供应体系，比外推可插拔时代的份额更重要。

美光：MI455X 单卡 432GB HBM4、23.3TB/s 带宽，把 HBM 军备竞赛推到新档位；而英伟达「内存容量是每代都要取舍」的表态，等于厂商亲口承认供给会持续紧张。美股范围内，美光是最纯粹的 HBM 敞口标的；在与 SK 海力士、三星的三家格局中，其 HBM4 的客户认证进度与份额爬坡是核心变量，份额比行业总量更值得跟踪，弹性也源于此。三星展示的 LPDDR5X-PIM 则提示了另一个维度：存储厂商开始在标准品之外，布局近内存计算的差异化产品，这对行业定价结构是长期利好。

台积电：整场会议上几乎每一颗亮相的芯片，最终都指向同一家代工厂：AMD MI400 的 CoWoS-L、Waymo 的 5nm 自研传感器融合芯片、各家的 Chiplet 化设计。「差异化从制程转向封装」不但没有削弱台积电，反而把 CoWoS、SoIC 先进封装变成了第二重护城河 —— 先进封装产能和先进制程一样稀缺。定制芯片扩散对它意味着客户数量增长，而非单一大客户的议价权上升。围绕它的后段设备、材料以及下一代封装方向的配套厂商，是这条逻辑里预期差可能更大的延伸。

Vertiv：AMD 的 2030 年机架效率 20 倍目标、英伟达 Vera 面向电力受限数据中心的定位，前提都是机柜功率密度持续上行，这正是电源与散热的需求函数。它的需求跟随功率密度，而非任何一家芯片厂商，路线中立性在全产业链里最好，需求久期也最长。

Marvell、Astera Labs、Credo：内存问题是网络问题的直接载体。XCENA 的 CXL-PNM 和三星 PIM 把近数据处理推上台面，而 CXL 生态正是内存与网络交界处的核心卡位。Astera Labs 最纯粹，主打重定时器与 CXL 互联；Marvell 是组合拳，CXL 之外还有定制 ASIC 设计服务和电光互联，直接受益于超大规模厂商自研芯片的扩散；Credo 的有源电缆，吃的是机柜内 Scale-Up 高速铜连接的红利。

判断三：需求从训练的资本开支脉冲，转向推理的持续性经营开支

Groq 的高 token 吞吐量、SambaNova 提出的推理解码主导、英伟达的长上下文产品布局，共同说明行业的核心矛盾已经变成「如何高效服务数十亿次日常交互」。推理是持续发生的经营开支，天然分布式、延迟敏感、东西向流量密集。 这个判断的意义，不在于指向一批新标的，而在于改变前两类标的的估值逻辑：当网络与互联的需求，从训练周期的脉冲式采购，变成推理驱动的持续性消耗，这些环节的需求久期会变长、波动性会下降，市场给周期股的估值，理应迎来系统性上修。值得单独一提的是纯推理芯片新势力，比如 Cerebras 的极端片上内存带宽路线，正是「少搬数据」哲学的最激进实践。纯推理标的在二级市场的稀缺性，本身就说明这条赛道的定价还不充分。一旦推理占比数据开始出现在超大规模厂商的资本开支说明里，这里可能出现新的估值映射标的。

结尾

整场 Hot Chips 看下来，最强烈的感受是：AI 硬件的叙事，已经彻底翻过了「算力军备竞赛」的那一页。

过去我们比单颗芯片的算力、制程、频率，现在我们比系统的数据搬运效率、每瓦性能、端到端延迟。价值的重心正在从计算的起点，向数据流动的全链条迁徙；从卖一颗芯片的溢价，向卖一套系统的能力、卖持续的服务转移。

这个转向不会一夜完成，但每一代产品、每一次架构升级，都在往这个方向推进。而产业链的投资机会，永远藏在价值流动的方向里。

$特斯拉(TSLA)$ $ROUNDHILL GENERATIVE AI & TECHNOLOGY ETF(CHAT)$ $通用人工智能 ETF-AGIX(AGIX)$