算力部署全曝光

9 月 25 日，马斯克在社交平台 X 发文，详细披露了旗下人工智能业务的算力部署情况。相关算力业务现已并入 SpaceX，对外以 SpaceXAI 名义运营，其核心资产是位于美国田纳西州孟菲斯的两大超算集群 Colossus 1 与 Colossus 2。

根据披露数据，Colossus 1 目前由 15 万张英伟达 H100、5 万张 H200 以及 3 万张 GB200 组成；Colossus 2 则已部署 11 万张 GB200 与 44 万张 GB300。

马斯克给出的扩张时间表相当激进：下周将再有 22 万张 GB300 投运，2026 年 11 月计划再上线 22 万张，若进展顺利，2026 年 12 月底还将追加 22 万张。这意味着到今年年底，Colossus 2 集群的 GB300 规模将达到 110 万张。

为何要堆这么多 GPU

GB200 与 GB300 是英伟达推出的新一代 GPU，属于 Blackwell 架构的后续产品，专为人工智能训练与推理优化。相比上一代 H100、H200，GB 系列在能效与算力密度上都有显著提升，因此成为新建 AI 集群的主力芯片。

庞大的算力储备，直接支撑着 Grok 等人工智能产品的迭代。更强大的训练集群有望带来更精准的回答、更强的逻辑推理能力以及更自然的语音交互。据公开信息，Colossus 1 于 2024 年初步建成，最初用于训练 Grok；今年以来，该综合体已开始向 Anthropic 与谷歌（Alphabet）出租算力。

半年冲刺行业领先

在谈及行业竞争时，马斯克坦言，SpaceXAI 的人工智能研发仅有 3 年历史，而 Anthropic 与 OpenAI 等竞争对手已积累了 6 到 10 年。他提出，如果发展势头保持强劲，SpaceXAI 有望在约 6 个月内达到行业领先。

这一表态折射出当前大模型领域的算力军备竞赛正进入白热化阶段。在模型能力差距逐步收窄的背景下，谁拥有更稳定、更庞大的算力底座，谁就掌握了迭代速度的主动权。马斯克押注的，正是用规模换时间。

9 月 19 日，华为计算战略与业务发展部部长朱照生公开表示，昇腾已经跨越了生态的拐点，完全有能力、有机会在智能体时代构建人工智能新生态。这番表态出现在人工智能算力竞争白热化的当下，也为外界观察华为算力战略的进展提供了最新注脚。

开源社区：月活超 5200，非华为开发者反超

朱照生披露的数据显示，昇腾 CANN 开源社区月均活跃用户数已超过 5200 人，自今年 6 月起成为国内活跃度最高的开源社区。更关键的变化在于，社区中非华为开发者的数量已经超过华为开发者数量，表明外部力量正成为生态贡献的主力。

目前该社区日均新增合入代码超过 3 万行，代码迭代速度颇为可观。对于一个底层算力软件栈而言，开发者生态的活跃度往往比单点性能更能决定长期竞争力。

模型层面：国内唯一支持预训练的算力平台

在模型支持上，基于昇腾完成预训练的大语言模型和多模态模型已超过 40 个，昇腾由此成为国内唯一支持预训练的 AI 算力平台。这意味着从底层芯片到上层大模型训练，华为正在补齐全栈自主的闭环。

生态兼容性方面，昇腾除自身开源 CANN 外，已接入 PyTorch 等主流开源框架，降低了开发者的迁移门槛。

硬件与云服务：一年一代演进

在硬件与云服务节奏上，华为灵衢昇腾 950 智算集群云服务计划于 9 月 30 日面向国内市场商用，并于 11 月 30 日面向全球市场商用。此前，华为在全联接大会 2026 上发布了昇腾 960 超节点，将于 2027 年第三季度正式上市。

华为方面表示，后续将坚持一年一代的演进节奏：昇腾 970 计划于 2028 年发布，昇腾 980 计划于 2029 年发布。另据华为轮值董事长汪涛此前介绍，昇腾 960 芯片将提前至 2027 年第一季度发布，实现性能翻番。

小结

从开源社区的反超到预训练能力的落地，再到一年一代的硬件节奏，华为正在用一套组合拳证明昇腾生态的可持续性。生态拐点是否真正到来，最终仍要看开发者与模型厂商能否持续用脚投票。

当地时间 9 月 15 日，美光科技 CEO 高级顾问、前执行副总裁兼首席商务官苏米特·萨达纳（Sumit Sadana）在 Six Five Summit 2026 半导体专题论坛上，与分析师 Patrick Moorhead 展开对话。他的核心判断直白而冷峻：当前内存短缺已覆盖所有市场领域，即便供应商全力扩产，短期内也难以判断供应何时能追上需求。

萨达纳指出，AI 系统的表现越来越多地取决于内存容量、内存性能，以及处理器与内存之间的传输带宽。大型 AI 模型需要驻留在内存中，推理和训练过程中有大量数据需要在内存与处理器之间反复搬运。内存容量不足，模型无法完整加载；带宽不足，高性能处理器会因等待数据而无法充分发挥算力。换句话说，内存正在成为决定 AI 性能上限的关键变量。

新产能要等到 2028 年才爬坡

萨达纳预计，真正有意义的新增供应要到 2028 年才会开始爬坡，而供需何时恢复平衡，目前仍看不到明确时间。他强调，晶圆厂无法迅速建成——新厂需要完成审批、基础设施建设、设备安装、调试和良率爬坡。2028 年只是初始爬坡，新增产能还要在之后数年才能逐步形成规模，美光的产能建设将持续未来十年甚至更长时间。

一个常被忽视的细节是先进存储的制造难度。萨达纳透露，DRAM 晶圆制造大约包含 2000 道工序，从晶圆开始生产到最终产品交付，完整周期约为 5 个月，其中前端晶圆制造接近四个月，组装、封装和测试还需一个月至一个半月。他形容，堆叠 12 层 DRAM、再与 GPU 连接的 HBM（高带宽内存）能够稳定工作，”几乎是一个奇迹”。

商业模式被重塑：从”随用随买”到多年协议

内存短缺正在改变行业的交易方式。萨达纳表示，美光正与部分客户签署”战略客户协议”。过去的内存采购协议通常只有一年期限，新的战略协议要求双方作出多年承诺——美光锁定供应，客户锁定需求。这些协议需要具备足够明确的投资回报，从而让美光能够为未来数年的资本开支提供依据。

更深的变化发生在研发环节。为在 AI 硬件市场形成差异化，一些客户已与美光讨论长达 5 至 7 年的研发路线图，内存从系统研发早期就参与联合设计，关系越来越类似 ASIC 定制模式。萨达纳表示，这类项目通常只涉及一至两家内存厂商，合作方可能在一段时间内成为独家供应商。

资本开支大幅跃升

为填补供需缺口，美光正以前所未有的力度扩张产能。萨达纳透露，美光 2025 财年资本开支略高于 130 亿美元，2026 财年预计接近这一数字的两倍（约 260 亿美元），2027 财年可能超过 450 亿美元。公司还将美国长期投资计划由 2000 亿美元提高至 2500 亿美元，并提前了部分投资时间表。

具体进展方面，爱达荷州 ID1 晶圆厂预计 2027 年年中产出首批晶圆，ID2 晶圆厂预计 2028 年末前后产出首批晶圆；纽约州规划四座晶圆厂，首座预计 2030 年实现产出；日本、新加坡等地也在推进扩产。萨达纳提醒，这些项目覆盖晶圆制造、封装测试等环节，但多数短期内无法转化为实际供应。

下一波需求：智能体与物理 AI

萨达纳认为，数据中心 AI 并非内存需求的终点。智能体 AI 和物理 AI 将成为新的增长来源，这些需求不会替代上一轮，而是相互叠加。大模型训练仍要继续，推理规模还会扩大，智能体 AI 将增加新的计算负载，自动驾驶、工业设备和机器人则会进一步把 AI 带入现实世界。

他特别看好人形机器人。萨达纳预计，每台人形机器人可能搭载数百 GB 的 DRAM 以及数 TB 的 SSD NAND，单机存储价值量远高于手机或电脑。一旦实现规模化，将同时拉动 DRAM 和 NAND 需求。他甚至认为，人形机器人可能成为”有史以来规模最大的产品市场之一”，但全面普及仍需较长时间。

随着 AI 能力从云端向边缘设备扩散，汽车、PC、智能手机、工业设备及新的 AI 原生终端都将搭载更强的本地模型，这同样意味着对存储芯片的需求。萨达纳的判断指向同一个结论：在 AI 时代，内存不再是无声的背景组件，而是决定算力上限的战略资产。

直线折旧模型在 AI 加速器市场失效

SiliconData 指出，英伟达更早的 A100 与 H100 GPU 当前残值也「远超按 3 年或 5 年直线折旧计划所应有的水平」。所谓直线折旧，是将设备原始成本平均分摊至预计使用年限的会计方法——例如 1000 美元设备按 5 年折旧，每年折旧 200 美元，第二年残值应为 600 美元。但在 AI 加速器市场，这一模型已明显失效。

推理效率是保值核心

B200 之所以能维持极高残值，核心在于其出色的推理效率。SemiAnalysis 基准测试显示，在运行 DeepSeek-R1 时，B200 在每用户 76 词元每秒的交互速度下，每百万词元推理成本仅为 0.20 美元，仍是当前效率最高的推理硬件之一。

租赁市场同样印证了这一趋势。SiliconData 提供的 GPU 租赁价格显示，B200 在 1 月的每小时租用价格略低于 5 美元，到 8 月已升至 5.50 至 5.80 美元区间，涨幅约 50% 至 80%；非超大规模云市场的 B200 时租价格约为 5.61 美元。

需求未随呼吁降温

值得注意的是，Anthropic 的达里奥·阿莫代伊（Dario Amodei）与 OpenAI 的萨姆·奥尔特曼（Sam Altman）近期均曾呼吁放缓 AI 模型开发速度。但从 GPU 残值与租赁价格走势来看，AI 算力需求仍在持续上行，供需缺口短期内恐难缓解。

标准版 AI NAS 900 配备英特尔酷睿 Ultra 7 355 处理器、16GB 内存与 512GB 存储，售价 6999 元；AI NAS 900 Pro 则升级为 Ultra X9 388H 处理器、64GB LPDDR5X 内存，售价 17999 元。两款机型均预装飞牛 fnOS 系统，同时提供 Windows 系统驱动，方便在不同应用场景下切换。

存储方面，新品采用纯闪存架构，机身内部提供四个独立 M.2 PCIe 4.0 硬盘位，原生支持 RAID 0 / 1 / 5 全栈模式，并适配 ZFS 文件系统下的 RAID Z1 / Z2 模式。板载内存最高支持 64GB LPDDR5 / 5x 高频内存，无需外接内存插槽即可实现桌面级内存配置。

网络方面，机身配备双 2.5G RJ45 有线网口，支持链路聚合，双口绑定可实现 5Gbps 带宽；同时支持多网隔离独立组网，实现内网与外网物理分离；无线方面支持 WiFi 6 与蓝牙 5.3。接口方面，前置 2 个 USB 3.2 Gen2 10Gbps Type-C、1 个 USB 3.2 Type-A 与 3.5mm 耳机接口；后置 4 个 USB Type-A（双 USB 3.2、双 USB 2.0）、双 2.5G RJ45 网口，以及 HDMI 1.4b 与 DP 1.4a 视频输出接口。

AI 算力是新品的主打卖点。标准版 AI 算力超过 100 TOPS，Pro 版则飙升至 180 TOPS 以上，能够满足本地 AI 模型推理、AI 影像处理与日常创作类负载。机身尺寸为 159mm × 55mm × 146.3mm，净重 0.82kg，虽然体积受限，整机仍配备主动散热系统，以保障长时高负载下的性能稳定。

斗战者系列深度适配了 DIY 玩家中口碑较高的飞牛 fnOS 系统，并提供 Windows 系统驱动，针对传统大厂 NAS 系统功能更新慢、易用性不足的痛点做了取舍。在 6999 元起的价位上，四个 M.2 硬盘位与双 2.5G 网口的组合让硬件规格比普通家用 NAS 高出一截，对希望把数据冗余与读写速度同时拉满、又想在本地跑 AI 应用的玩家来说，是一个值得关注的选项。

耐人寻味的是，这笔巨资投向的是一家至今没有发布任何产品、也没有公开过任何研究成果的公司。

算力提升「一个数量级」

根据协议，SSI 将获得英伟达下一代旗舰计算平台 Vera Rubin 的大规模使用权，可用算力有望提升一个数量级。SSI 方面称，合作将使其算力在未来 12 个月内增长至现有水平的 10 倍。据知情人士透露，该公司此前主要依赖谷歌母公司 Alphabet 的 TPU 芯片开展运算，这笔交易意味着英伟达从竞争对手手中抢下了一个标志性客户。

「苏茨克维从 AlexNet 开始，就在现代 AI 的根基层面做出了开创性突破。」英伟达创始人兼 CEO 黄仁勋表示，「我们很期待看到 SSI 借助 Vera Rubin 平台带来的新突破。」

苏茨克维则回应：「我们手上的研究已经值得规模化，而拿到英伟达的大型计算机后就能做到这一点。」据报道，这笔交易从双方接触到敲定只用了几周时间；英伟达此前已是 SSI 的股东，本次属于既有关系的升级——而促成加码的关键，是英伟达获得了对 SSI 高度保密研究进展的罕见内部了解。

一家「神秘」的 300 亿美元实验室

SSI 由苏茨克维与丹尼尔·利维（Daniel Levy）于 2024 年联合创立，目标高度专一：以「直线冲刺」的方式研发「安全超级智能」——既能胜任人类所能完成的一切任务，又不对人类构成威胁的 AI 系统。公司明确表示近期无意销售任何 AI 产品，团队规模至今仅几十人。

凭借苏茨克维在业内的声誉，SSI 吸引了安德森·霍洛维茨、红杉资本、DST Global、Greenoaks 等顶级投资机构，累计融资约 30 亿美元，去年估值已达 300 亿美元上下。据了解，SSI 正在探索一条不同于 OpenAI、谷歌、Anthropic 等公司大语言模型路线的技术路径。苏茨克维在声明中透露，公司研究「聚焦于人类大脑功能中被忽视的方面」。

绑定明星创业者的熟悉剧本

这并非英伟达第一次用投资绑定 OpenAI 系明星创业者。今年 3 月，英伟达与前 OpenAI 首席技术官米拉·穆拉蒂（Mira Murati）达成了类似协议——后者去年联合创立的 Thinking Machines Lab，本月早些时候刚发布首个完全基于英伟达硬件训练的 AI 模型。

两笔交易的逻辑如出一辙：通过战略投资锁定最受瞩目的 AI 研究机构，确保它们优先采用英伟达芯片，同时压制竞争对手的芯片生态。不过，随着英伟达对 AI 初创公司的投资越滚越大，市场上关于「循环融资」的质疑声也越来越响——芯片商投资客户，客户再用融资购买芯片，一旦 AI 公司增长放缓，链条上的风险将被放大。

值得一提的是，就在协议宣布当天，英伟达股价下跌近 5%，全球市值第一的宝座被苹果夺走。对英伟达而言，押注 SSI 这样的前沿实验室，既是对未来算力需求的提前锁定，也是一场不折不扣的豪赌。

来源：《华尔街日报》、英伟达官方新闻稿、第一财经