据《金融时报》10 月 1 日报道，腾讯已与甲骨文签署其迄今规模最大的海外租赁协议，将在东南亚多处甲骨文数据中心获取约 10 万块先进 AI 芯片。腾讯与甲骨文均未回应置评请求。

交易细节

知情人士称，腾讯于今年同意一项为期五年的租赁，涉及东南亚多个甲骨文数据中心，交易估值约 70 亿美元（按当前汇率约合 470.18 亿元人民币），首付比例约 30%。这部分算力将用于推进腾讯 AI 模型与智能体工具的开发。

报道指出，字节跳动与阿里巴巴仍是东南亚数据中心的最大客户。此类租赁协议在美国现行规则下被允许，也可能让腾讯获得英伟达在中国市场无法获取的先进芯片。中国科技企业与前沿 AI 实验室正利用这些境外算力承担模型训练等任务。

算力投入持续加码

腾讯披露的数据显示，今年第二季度资本支出同比增长 176% 至 530 亿元人民币，主要用于 AI 基础设施与算力资源预付款。同期，腾讯还在招聘更多顶尖人才，并对基础设施与数据部门进行重组。

在国产高端 AI 芯片产能与生态尚难完全满足头部企业需求的背景下，通过海外租赁快速获取大规模算力，成为相关企业抢占大模型研发节奏的务实选择。

（图片来源：IT之家）

在近日于上海举行的 2026 全球 AI 芯片峰会上，国内存算一体芯片企业后摩智能（HOUMO.AI）确认，其下代大模型端边 AI 芯片将采用 3D CIM 存算一体架构，并结合融合存算与 3D DRAM 技术。这意味着这家公司把「向上堆叠」作为突破端侧算力瓶颈的主路径。

同等面积，算力翻倍

后摩智能表示，这款新一代旗舰芯片将具备端侧超实时思考与互动能力。通过垂直堆叠，其可在同等面积下实现 2 倍算力，同时还有望进一步优化功耗与散热压力——对端侧设备而言，这两项指标往往比峰值算力更「卡脖子」。

端侧运行大模型，长期受两大约束：内存带宽与功耗。新一代芯片选择 3D CIM 路线，逻辑上是在面积不变的前提下，把算力与存储贴得更近，用空间换能效。

上一代 M50 已落地 150 余款产品

后摩智能上一代产品是 2025 年 7 月发布的后摩漫界 M50 芯片。其典型功耗为 10W，可提供 160TOPS（INT8）或 100TFLOPS（bFP16）算力，支持 48GB 内存容量、153.6GB/s 内存带宽。更受关注的是落地进展：M50 目前已获得超过 150 款产品定点，覆盖丰富应用场景，说明端边 AI 芯片已从实验室参数走向实际产品接入。

六年路线与产业化目标

后摩智能联合创始人、产品副总裁信晓旭在峰会上分享，应对 AI 芯片提升算力与访存的两大挑战，后摩智能作为存算一体先行者，过去六年沿基于 SRAM 的存算一体路线迭代，把该架构从学术界带入产业界。M50 量产半年，产品定点已达 150 余款，形成商业闭环。

针对行业主流 3D 堆叠技术算力受限、散热不佳等难题，后摩智能自研 3D CIM 架构，实现同等面积下算力翻倍，并显著优化功耗与散热压力。信晓旭表示，后摩智能将围绕端侧 AI 对算力、能效和存储带宽提出的新需求持续演进，并加速推进 3D CIM 架构的芯片产业化探索。

从 M50 的 150 多款定点，到下代芯片切换 3D CIM 架构，后摩智能在端边 AI 这条线上走得比许多人预期中更实——其赌注，是端侧设备对「实时响应」而非「跑分峰值」的真实需求。

为降本与自主而造

Iris的核心目标很明确：降低不断攀升的AI基础设施成本，并减少对英伟达和AMD等外部芯片供应商的依赖。不过其定位是“补充”而非“替代”——它与Meta大量采购的英伟达、AMD通用GPU协同工作，针对Meta平台专属任务做深度优化，而非完全替换商用显卡。

Meta首席财务官苏珊·李（Susan Li）曾表示，定制芯片是Meta芯片战略的“核心支柱”。通过自研芯片与模型深度耦合，Meta有望长期削减硬件采购与能耗成本，并避免供应链受制于人。这同时标志着Meta自研芯片项目从侧重推理环节，向进军AI模型训练领域的关键进阶。

激进的扩张与迭代节奏

为保障算力扩张，Meta规划在2026年部署总规模达7吉瓦（GW）的算力基础设施，并计划在2027年将该规模翻倍至14吉瓦；公司预计2026年在AI基础设施领域的投入最高可达1450亿美元。为锁定供应，Meta已与三星电子、闪迪、住友电工签署了长期供货协议。

迭代节奏同样激进。Meta计划到2027年前保持约每六个月推出一款新芯片的节奏。报道还提及，Meta首席执行官马克·扎克伯格否认行业存在算力过剩，称“不知道业内有谁会觉得自己的算力太多”。

行业转向定制算力

分析认为，定制ASIC（专用集成电路）相比英伟达通用GPU，总持有成本（TCO）可降低30%到50%，每瓦性能高出一个量级，代价是设计绑定特定模型架构且缺乏成熟软件生态。Meta采取“定制自研+通用外采”的双轨并行策略：自研芯片针对专属任务降本增效，商用GPU则保障通用训练与供应链稳定。

这一趋势并非孤立。在AI领域，Meta正与OpenAI、Google等公司展开激烈竞争，对算力的需求呈指数级增长；OpenAI、Anthropic等也纷纷与博通合作或启动自研芯片计划，以绕开英伟达。互联网巨头集体构建自己的AI算力体系，正成为行业的新常态。

一场由文章引发的风波

就在刚刚过去的周末，Anthropic 首席执行官达里奥·阿莫代伊（Dario Amodei）发表文章，主张适度放缓高性能大模型的研发节奏，并给出一套”在不牺牲商业优势与美国 AI 领先地位前提下”的三步方案。该观点得到了 OpenAI 首席执行官萨姆·奥尔特曼（Sam Altman）与埃隆·马斯克（Elon Musk）的公开支持。

受此影响，9 月 14 日美股交易中，AI 基础设施板块遭到重估。博通股价下跌 4.8%，安硕半导体 ETF（iShares Semiconductor ETF）跌幅达 5.6%，其他数据中心硬件厂商股票同样承压。Anthropic 本就是博通定制芯片业务最重要的客户之一，这解释了投资者为何对阿莫代伊的言论格外敏感。

陈福阳的回应

在 CNBC 节目《疯狂金钱》（Mad Money）中，主持人吉姆·克莱默（Jim Cramer）问及这场争论是否会促使博通重新审视 2027 财年与 2028 财年的 AI 半导体业绩预期。陈福阳明确回答：”不会，丝毫不会。”他表示，无论是用于前沿 AI 模型训练，还是已落地 AI 产品所需的推理算力，需求都”非常强劲且具备很强的持续性”。

博通在 9 月 2 日发布的 2026 财年第三季度财报中已给出明确指引：2027 财年 AI 半导体营收预计达 1150 亿美元（约合 7734 亿元人民币），到 2028 财年再翻番至 2300 亿美元（约合 1.55 万亿元人民币）。该指引曾是方程式的亮点。博通当季录得创纪录的 296 亿美元营收，同比增长 86%，主要由 AI 芯片需求驱动；公司预计第四财季营收约 348 亿美元。

客户结构：Anthropic 有望登顶

陈福阳提到，Anthropic 有望在 2027 年成长为博通最大的定制芯片客户，并在 2028 年继续保持这一地位。在此之前，谷歌一直是博通最大的定制业务客户，双方曾合作设计谷歌的 TPU 张量处理器。博通还披露与三星电子达成一份价值超过 2000 亿美元的多年度制造协议。

更看好推理侧

陈福阳尤其看好”推理”需求——即大模型完成训练后、面向日常实际调用阶段产生的算力。”训练侧的情况我不好判断，但当大家要把 AI 做成产品、开展推理部署时，我看到这块需求依旧会极其强劲。”他认为，即便训练投资节奏出现调整，推理侧的真实部署需求也未必减弱。

治理与前景

陈福阳认同阿莫代伊”AI 需要设立约束”的观点，但本人并不恐慌。”和所有工具一样，我们的确需要建立治理机制与安全防护。”不过他也强调：”AI 并不是活物，它不会自己不受控制地肆意作乱。”他将生成式 AI 与前沿大模型研发类比于 18 世纪始于英国的工业革命，认为其终将推动社会迈向更高生活水平。

这场争论意味着什么

阿莫代伊的文章重新点燃了”大模型是否跑得太快”的行业辩论，而陈福阳的回应则从芯片供应商视角给出相反信号：下游产品化与推理部署的需求，足以支撑长期增长。市场接下来的焦点，在于 AI 训练投资的放缓担忧，究竟会转化为真实的资本开支削减，还是被博通所强调的推理侧需求所抵消。

小结

博通维持 2028 财年 2300 亿美元 AI 芯片营收目标不变，核心底气来自推理算力的持续强劲与 Anthropic 等头部客户的扩张。这场”放缓与否”的争论，短期扰动股价，却尚未动摇产业链对长期需求的判断。

9月11日，燧原科技正式登陆科创板。至此，摩尔线程、沐曦股份、壁仞科技、燧原科技这四家被业界称为”AI芯片四小龙”的国产算力芯片企业，全部完成资本化登场。这意味着四家公司已走过初步的技术验证阶段，国产AI芯片的竞争正式进入以规模化交付和盈利能力比拼为核心的新阶段。

四小龙：从技术验证到资本化

过去数年，国产GPU与AI加速芯片大多停留在中小规模试点与细分场景适配，能否承载大规模训练与推理始终受市场质疑。随着四家头部企业相继上市，”AI芯片四小龙”这一称呼本身，也从一个融资叙事变成了一组可被公开财务数据检验的实体。

资本化的意义不止于募资。它意味着这些企业必须开始接受市场对营收、毛利与盈利节奏的定期审视，竞争逻辑从”谁的架构更先进”转向”谁能把芯片变成持续赚钱的生意”。

上半年营收：增速亮眼，盈利待解

从已披露的上半年数据看，四家公司的营收均录得高速增长，但整体仍未跨过盈利线。

需求侧的拉动力来自真实的算力缺口。中国信通院数据显示，2026年一季度国内AI算力需求同比增长417%，而有效供给增速为128%，供需缺口持续扩大，为国产芯片打开了历史性窗口。

盈利拐点则初现轮廓：摩尔线程上半年扣非后归母净利润为-1.51亿元，较去年同期的-3.17亿元明显收窄；沐曦股份扣非后归母净利润-0.49亿元，同比减亏75.83%，且二季度单季已实现0.54亿元扣非盈利。沐曦股份董事长兼总经理陈维良曾预测，公司最早有望在2026年实现盈亏平衡。

估值回撤与系统性竞争

资本市场对”四小龙”的态度，正从初期的热情转向对业绩兑现能力的审视。截至9月10日收盘，已上市的摩尔线程、沐曦股份、壁仞科技（港股）市值分别为1711亿元、1975亿元、971亿港元，三家公司普遍较年内高点回撤约四至五成。

北京社科院研究员王鹏分析认为，在国产替代的刚性需求下，”四小龙”已进入营收高速增长阶段，但盈利拐点仍待观察。下一阶段比拼的是系统性能力：支撑大规模智算集群落地的规模化交付能力、快速完成主流大模型与行业场景适配的软硬件全栈效率、以年为单位快速迭代产品的能力，以及在特定行业与算力场景建立专属优势的能力。

国产替代窗口

能把研发投入、产品性能、软件生态与客户订单串成一条持续盈利商业链条的公司，才有望真正站稳脚跟。对下游客户而言，国产芯片”是否好用、能否稳定支撑真实生产流量”仍是采购决策的核心顾虑；而对”四小龙”而言，能否把当前的窗口期转化为可验证的盈利能力，将决定下一轮分化的方向。

*本文事实据证券时报、今日头条及中国信通院公开数据整理。*

实测是怎么做的

测试采用 Qwen3.5 397B FP8 模型，FP8 对 FP8 公平对比，输入 8000 Token、输出 1000 Token。在每秒 100 Token 单用户吞吐基准下，TPU 每百万 Token 成本 0.181 美元；B200 为 0.222 美元，B300 高达 0.276 美元，TPU 分别便宜 19% 与 34%。若将中位响应时间限制在 20 秒，TPU 成本进一步降至 0.098 美元。

成本优势从哪里来

TPU 的成本优势并非来自峰值算力：实测中 TPU 物理吞吐仅领先约 5%，但每小时租赁成本远低于 GPU，叠加价格差后放大为约 50% 的每美元性能领先。更令英伟达忌惮的是软件生态出现松动：谷歌推出 TorchTPU，利用 PyTorch 的 PrivateUse1 后端接口，让 TPU 直接成为原生 Torch 运算设备；开发者只需把一行代码 device=torch.device(‘cuda’) 改为 device=tpu.get_device()，无需重写训练循环或修改模型架构即可在 TPU 上运行。

Ironwood 的硬件参数

Ironwood 单芯片配备 192GB HBM，是上代 Trillium 的 6 倍，可容纳更大 KV Cache；矩阵单元采用 256×256 脉动阵列，原生支持 FP8 运算。硬件实力提升也让谷歌在销售策略上更主动：自 2025 年起开放 TPU 直接销售，不再只依赖云端租赁。

三家方案怎么比

为什么这件事重要

这次实测的意义不在”谁峰值更高”，而在”每美元能跑多少有效推理”。对大模型推理供应商，采购决策正从”唯峰值算力”转向”有效算力 × 成本 × 软件迁移”。TorchTPU 降低了生态壁垒，是谷歌把 TPU 从内部资产变成对外云业务的关键一步。

对中国市场读者，国产算力同样面对”软件易用性决定 adoption”的命题——峰值跑分再高，开发者迁不动、用不顺，也难形成规模。Ironwood 用”一行代码切换”降低门槛的打法，值得国产 AI 芯片参照。

本文基于哪些信息

本文基于 SemiAnalysis 报告（经多家中文科技媒体转述，2026 年 9 月 11 日至 12 日）及公开 TPU 规格整理。成本与性能数字来自 SemiAnalysis 实测口径，HBM 与架构参数来自谷歌官方资料。

据 Business Insider 报道，戴维·赫勒与尼基塔·鲁丁在英伟达从事机器人相关研发多年，参与过黄仁勋携人形机器人登台的重磅演示。2024 年两人离职，在苏黎世创办初创公司 Flexion Robotics，主攻机器人智能系统。临行前他们远程致电黄仁勋，黄仁勋没有劝留，却对原定公司名“Checkpoint”提出异议，认为“听起来像另一个行业”，并提醒“你们还没意识到这条路会有多难”。此后英伟达后续投资了 Flexion，公司累计融资已超过 5700 万美元（约合 3.84 亿元人民币），近期在旧金山设办公室并从 Meta 等公司招揽研究员。

另一案例是徐冰（Bing Xu）：英伟达 2024 年收购了他的第一家初创公司，他随之加入英伟达；今年早些时候离开，创办芯片软件初创公司 INT21。黄仁勋与其他高管花两小时与他长谈试图挽留，并给出尖锐评价——沟通能力是他的最大短板，会限制其成就上限。徐冰称这是“过去十年收到的最真实的反馈”，此后聘请了公关团队。

两例离职创业对照

这背后的逻辑，被业界类比为“PayPal 黑帮”：当年 Peter Thiel、Elon Musk 等 PayPal 校友相互扶持，创立了 LinkedIn、YouTube 等定义了 Web 2.0 的公司。英伟达的“校友圈”正沿相似路径成形——只不过载体从支付变成了 GPU 与 CUDA。

对英伟达而言，这套非正式的“校友”网络是一笔高杠杆资产。黄仁勋的临别反馈，无论认可还是批评，都成了投资信号：拿到他点头的项目更容易获得资本背书，而这些初创公司几乎都建立在英伟达的 CUDA 平台之上，等于把英伟达的影响力直接种进下一代硬件与 AI 应用。当 AMD、英特尔在 AI 硬件上加速追赶时，英伟达用人才网络提前锁定了未来客户与合作伙伴——竞争对手难以复制这种“技术血统加平台忠诚”的组合。

对中国市场而言，这一现象有双向启示。一面，英伟达校友创办的机器人、芯片软件公司，是全球 AI 产业链的重要增量，其技术路线与 CUDA 深度绑定；另一面，中国本土的 AI 芯片与机器人创业同样依赖人才流动，如何把“流出”转化为“生态外延”而非单纯失血，是更值得借鉴的组织命题。

风险在于“生态近亲繁殖”：若校友网络缺乏非英伟达视角，可能产生架构层面的群体思维，错失下一次平台级范式转移——正如微软曾因 Windows 中心主义而一度错过移动浪潮。从趋势看，这类非正式网络未来 18 至 24 个月内很可能被英伟达正式化为企业风投或加速器，以管理股权、知识产权与战略协同。

什么是英伟达“校友圈”？

指从英伟达离职创业、仍与公司和黄仁勋保持联系的创始人网络，类似“PayPal 黑帮”，是英伟达向外延伸的人才与生态网络。

黄仁勋为什么投资离职员工？

公开报道显示，这更多出于对人才能力的认可与生态布局，而非单纯财务回报；被他点名的项目也更容易获得风投背书。

这对 AMD、英特尔意味着什么？

英伟达借校友初创把影响力种入下一代硬件与 AI 应用，竞争对手需在技术之外也构建自己的开发者与创业者生态，否则面临生态孤立。

本文基于 Business Insider、The Economic Times 等公开报道及 IT之家、网易等中文转述综合撰写，人物姓名为音译。

9 月 9 日至 12 日，以”共创AI新经济”为主题的 2026 Inclusion·外滩大会在上海黄浦世博园举行。作为蚂蚁集团生态合作伙伴，国产 AI 芯片企业墨芯人工智能（MOFFETT AI）在大会上展出了自研 AI 计算卡产品，完整呈现了以专用稀疏推理芯片提升算力效能的技术路径。

稀疏化：从底层架构削减冗余计算

墨芯成立于 2018 年，总部位于深圳，在上海、北京和硅谷设有办公室。创始团队包括卡内基梅隆大学的 AI 科学家，以及来自英特尔、高通等半导体公司的芯片研发核心成员，累计拥有数十款产品、超过 50 亿颗主流芯片的量产经验。

这家公司自称是”双稀疏算法”的发明者，在全球持有百余项专利，其技术路线是从算法和软件出发反向定义硬件，针对稀疏化做专门的架构设计。首款芯片 Antoum 支持 32 倍稀疏率，主要面向云端人工智能推理场景，可编程支持 CNN、RNN、LSTM、Transformer、BERT 等网络模型，并兼容浮点与定点数据类型。基于这颗芯片，墨芯陆续推出了 S4、S10、S30、S40 等系列 AI 计算卡。

在公开基准测试中，这套方案有过可查的成绩：MLPerf Inference v3.0 中，S40 计算卡在 ResNet-50 模型上单卡算力达到 127375 FPS。公司方面称其计算卡在视觉、自然语言处理、大模型等主流任务上具备领先能效比与单位算力推理吞吐量，并连续三届在 MLPerf 推理测试中夺冠。

落地四大片区，新一代 SparsePrime 年内推出

算力的价值最终要落到场景里。据介绍，基于自研芯片构建的推理集群，墨芯已经在西北、西南、华东、华北四大片区的数据中心实现部署，结合各地产业与资源特点，为智能制造、生命科学、城市治理等不同场景提供推理支撑。

面向不断演进的推理负载，墨芯即将推出新一代 SparsePrime 计算卡。该产品基于自研 Antoum 2.0 架构，专为大模型与复杂推理场景优化设计，广泛适配主流 Transformer 模型。在软件兼容层面，现有的 PyTorch、TensorRT、vLLM 等推理框架可近乎零代码修改迁移，同时支持 Triton 自定义算子开发。官方表述是”初步实现精度无损、算力翻倍的技术路径可能”——注意这是一个技术路径上的阶段性结论，而非已量产的确定指标。

此前在 ICDIA 2026 上，墨芯的 S40AC 计算卡入选”2026 强芯 TOP100″。S40AC 采用主动涡轮散热设计，主打满负荷运行下的低温稳定，配合工业级强化设计支撑长时间运行。

标准与联盟：降低产业链适配成本

要让更高效的计算方式真正服务于产业，还需要降低技术适配与协同的门槛。今年 7 月，墨芯成为工业和信息化部人工智能标准化技术委员会成员单位，依托稀疏计算领域的技术积累，参与 AI 基础硬件、软件平台及大模型等方向的标准研制。8 月，墨芯又发起成立稀疏计算产学研联盟，围绕前沿研究、关键技术攻关和成果转化开展协同创新。

2025 年，墨芯入选国家发改委《中国战略性新兴产业典型案例》。从芯片架构创新，到标准共建与联盟协同，这家公司试图说明的是：在推理需求持续攀升的阶段，提升算力效能与扩充算力供给同样重要。

三大 Pro 能力首次披露

据联发科官方信息，天玑旗舰芯首款 Pro 将带来”Pro 旗舰 + Pro 体验”，具体分为三条主线：

• 能效 Pro：先进制程里程碑式突破、DTCO 制程深度共研、重构芯片架构；
• 游戏 Pro：AI 深度融合的 GPU 图形渲染技术、星速引擎全面进化、震撼光追技术落地；
• 影像 Pro：重塑安卓视频拍摄体验、4K 240fps 超高速慢动作、专业创作玩法。

其中，”AI 深度融合的 GPU 图形渲染”与”震撼光追技术落地”的并列表述，意味着新平台在图形管线上将更深度地引入人工智能，光追有望从局部效果走向更系统级的落地；而 4K 240fps 超高速慢动作则把旗舰影像的视频规格进一步推高，面向专业创作场景。

2nm 制程成最大看点

结合此前报道，联发科预计将在 9 月 15 日的发布会上推出天玑 9600 系列，包含天玑 9600 标准版与天玑 9600 Pro 两款产品。据目前公开信息，该系列采用双芯片布局：标准版基于台积电 3nm 工艺，属于天玑 9500 系列的增强版本；Pro 版则采用台积电第二代 2nm（N2P）工艺，是联发科旗下首款 2nm 手机芯片。

相比 N3E 工艺，2nm 制程在相同功耗下性能提升最高可达 18%，在相同速度下功耗降低约 36%。对于长期在旗舰市场与高通、苹果同台竞技的联发科而言，率先将 2nm 带入天玑产品序列，无疑在制程话语权上抢占了先机。

外界爆料勾勒更多轮廓

在官方”留白”之外，近期外界爆料也勾勒出天玑 9600 Pro 的更多技术轮廓（注：以下为媒体爆料，非联发科官方确认）：该芯片可能采用 2+3+3 全大核三丛集 CPU 架构，含 2 颗主频接近 5GHz 的 Arm C2-Ultra 超大核；GPU 或搭载新一代 Arm Magni 架构并原生支持硬件级光线追踪与游戏插帧；NPU 算力据称可达 200 TOPS，支持 LPDDR6 内存与 UFS 5.0 闪存，首批机型或包括 vivo X500 系列与 OPPO Find X10 系列。另有供应链消息称，天玑 9600 Pro 单价约 216 美元，相较同定位的高通方案更具价格优势。

这些爆料若最终与官方发布吻合，天玑 9600 Pro 将不仅是一颗制程领先的旗舰芯，更可能在 AI 算力、游戏光追与影像视频规格上形成差异化卖点。不过一切仍以 9 月 15 日发布会公布的信息为准。

写在最后

从”官宣 Pro 来了”到 9 月 15 日的正式发布，联发科用三大 Pro 能力为天玑 9600 Pro 定下了高能效、强游戏、专业影像的基调，2nm 首秀则是最硬的底牌。对于关注安卓旗舰平台演进、尤其是注重游戏光追与视频创作能力的用户来说，这场发布会值得持续关注。

据发布会现场信息，这款芯片拥有 16 倍于传统手机内存的带宽，实现高达 330 词元每秒的端侧推理速度。词元即大模型每秒生成的基本文本单元，这一指标意味着手机本地运行的 AI 助手，首次可以做到接近”打字速度”级别的实时对话响应。

突破”内存墙”：1.22 TB/s 带宽

玄戒 O100 的核心突破在于”内存墙”的解决思路。普通旗舰手机的内存带宽约为 77 GB/s，而 O100 达到 1.22 TB/s，是前者的 16 倍。其采用近存 AI 计算架构，将 AI 计算单元与存储单元的物理距离压缩到 1.4 微米，通过 258 万个混合键合节点实现”面对面”直连，从而让数据在存储与计算之间高速往返。

绕开 EUV 的两条路线

在量产路线上，O100 走的是”多芯片三维集成”路线：在先进制程受限的背景下，小米选择用先进封装把两片完整晶圆叠成一颗芯片，而非继续缩小晶体管。这一路径与华为同日发布的麒麟 9050 Pro（采用单芯片内三维化”逻辑折叠”方案）形成对照，被外界视为中国半导体产业绕开先进制程封锁的两条不同工程路线。

三芯齐发，2027 年商用

雷军当晚一并发布了三颗自研芯片。除 O100 外，玄戒 O3 为旗舰手机 SoC，采用台积电 3 纳米制程、十核全大核 CPU、行业首发支持长鑫 LPDDR6 内存，将随小米 18 Fold 折叠旗舰首发；玄戒 D100 则是国内首款 3 纳米智驾芯片，最高支持 160 GB 统一内存，可本地部署 2000 亿参数大模型。三颗芯片还可通过 AICube 原型机实现协同计算，在端侧同时运行 1200 亿与 30 亿参数双模型，并支持快慢系统切换。

小米方面称，玄戒 O100 计划于 2027 年正式商用。作为对比，台积电的 CoWoS 先进封装已在数据中心大规模量产并驱动英伟达 H100、H200 等加速器，而 O100 在键合间距（1.4 微米）这一关键参数上已达到全球领先水平，但在商业化进度上仍需追赶。