台积电考虑应英伟达要求生产 3D DRAM 内存
AI 芯片扩产需要内存供应同步增加,英伟达推动台积电研究内存制造,可能为现有供应格局引入新的竞争者。
115 条公司与产品报道 · 77 期日报
英伟达提供 GPU、CUDA 软件平台及数据中心互连系统,业务覆盖模型训练、推理和 AI 基础设施。这里重点整理其对外投资,观察资金如何连接模型公司、GPU 云服务商与芯片互连生态,同时保留产品、业绩和合作报道。
梳理 NVIDIA 对 Meta、OpenAI、Firmus、d-Matrix、Reflection AI、CScale 和 GMI Cloud 的投资报道,逐笔注明出资口径、交易阶段及业务关系。
日期为本站报道日期。每个节点保留当时的报道状态,后续进展见新闻时间线。
梳理 NVIDIA 对 Meta、OpenAI、Firmus、d-Matrix、Reflection AI、CScale 和 GMI Cloud 的投资报道,逐笔注明出资口径、交易阶段及业务关系。
AI 芯片扩产需要内存供应同步增加,英伟达推动台积电研究内存制造,可能为现有供应格局引入新的竞争者。
NVIDIA 在一篇博客中描述 Vera CPU 面向 AI 代理工作负载的表现,称它在单颗 CPU 内兼顾更快的代理速度和更高的每瓦容量。公司表示,在 100 兆瓦数据中心对比中,Vera 相比最快的 x86 CPU 可实现 1.6 倍更多代理/瓦,相比最节能的 x86 CPU 代理速度快 2 倍。NVIDIA 还称 Perplexity 用 Vera 运行代理式编码任务快 1.5 倍,Modal 以 Vera 实现每核最高 2 倍的沙箱吞吐量。
模型研发所需的算力取决于整批设备能否形成集群,供货批次与部署节奏会直接影响训练计划。
英伟达在一篇博客中说明,随着更大模型、更长上下文和 agentic 应用推高 GPU 内存压力,公司通过全栈协同设计提升每个字节的有效工作量。文中提到 Blackwell Ultra 到 Vera Rubin 平台,单卡 HBM 容量约增 3%,而在 SemiAnalysis AgentX 上按美元计算的 agentic 吞吐最高提升 30 倍。英伟达还介绍了 NVFP4、Dynamo、CMX 和 cuVS 等手段,用于分担模型权重、KV cache 和 RAG 数据。
NVIDIA 宣布,《Hogwarts Legacy》今天在 GeForce NOW 获得 DLSS 5 升级,并加入 3D-Guided Neural Rendering。新功能为霍格沃茨世界带来更逼真的光照和材质,同时保留原有几何与纹理。NVIDIA 还称,Avalanche Software 通过 DLSS 5 的开发者控制调校接入效果,以维持游戏的艺术风格,Ultimate 会员可在多种设备上体验。
据 TechCrunch 报道,Box 在其开发者大会上展示了 Box Content Retrieval,新功能将英伟达的 Nemotron embedding 系统嵌入产品核心,帮助 agents 更准确地回答查询。Box 称它可让检索更快、更便宜;英伟达副总裁 Kari Briski 预计查询速度可提升到四倍,错误减少 20%,tokens 用量减少 90%。该功能将向 Enterprise Advance 客户开放,预计明年年初开始上线。
推理需求把采购竞争延伸到交货期:拿到多少卡、何时能上线,直接影响模型服务可以承接多少调用。
NVIDIA 介绍了 AI 在半导体晶圆厂中的应用,涵盖工程仿真、工艺预测和虚拟环境中的流程优化。据公司披露,COMSOL 使用 cuDSS 将多物理场仿真加速至最高 10 倍,Applied Materials 借助 PhysicsNeMo 将形貌仿真加速至最高 35 倍。Siemens 正把 cuLitho 集成到 Calibre 光刻软件中,关键仿真任务最高可加速至 17 倍,让工程师在晶圆印制前完成更多验证。
NVIDIA 介绍了物理 AI 和智能体在西班牙、马来西亚等地的城市服务应用。据公司披露,1MillionBot 结合 ALIA、Nemotron 等模型,在西班牙支持超过 150 处部署,处理居民办事、预约和咨询。在马来西亚,ITMAX 的 SamurAI V2 视觉智能体计划到 2027 年支持超过 17,000 个摄像头,并结合交通仿真测试信号灯配时。NVIDIA 称,相关方案可将高峰时段路段通行时间最多缩短 26%。
长上下文智能体的推理竞争,越来越取决于缓存如何跨内存和计算节点流动。
英伟达称,Breakthrough Listen 和 SETI Institute 已把 agentic AI 引入搜寻地外智慧的日常流程。在北加州 Allen Telescope Array,代理可通过一次自然语言请求操控天线、校正数据并运行模型。系统借助 NVIDIA Holoscan 处理数据流,最高可在 RTX PRO 6000 Blackwell GPU 上处理 2.4 Tb/s,并已实现对蟹状星云脉冲星的实时 AI 检测。
AI 基础设施竞争正同时争夺客户的系统架构与资本合作关系,模型服务增长、硬件部署和融资开始相互连接。
AI 基础设施的竞争边界正在越过芯片,延伸到开发者获取模型和部署工具的入口。
NVIDIA 的需求增长与客户融资能力更加紧密相连,信用支持也进入了芯片生意。
AI 云建设依赖持续融资,供应商的股权支持正参与决定下游扩张的速度。
科技公司市值接近时,短期排名容易变化,产品销售与资本开支预期更能帮助解释各自的相对表现。
AI 算力扩张把设备供应和资本支持联系得更紧,云服务商的融资能力也会影响新硬件转化为可用容量的速度。
算力建设的融资渠道会直接影响芯片交付与部署节奏,供应商投资也因此成为基础设施扩张的一部分。
推理需求正在扩大算力采购的产品范围,而供货能力决定这些订单转化为模型服务增量的速度。
AI 芯片的主导权正在延伸到内存内部设计,平台厂商提出统一要求后,原本直接竞争的制造商也可能参与同一套产品分工。
现有芯片仍有可观的软件优化空间,但能进入生产环境的提速,必须同时说明硬件条件、工作负载和正确性边界。
英伟达自己做开放模型,卖的其实是“在我的芯片上最快”的定制路径,模型成了推销算力平台的工具。
同一天里,借钱建算力的公司被抛售、卖硬件的苹果创下新高,市场正在区分 AI 时代谁背负成本、谁收获需求。
开放模型越好用,企业越愿意自己买芯片来跑,卖芯片的公司因此有理由亲自下场养模型。
英伟达应对替代芯片的办法是把对手收编进自己的体系,守的已经是整个机柜的标准。
算力公司在一级市场一轮比一轮贵,到了二级市场门口才第一次遇到不肯照价买单的人。
两家头部模型公司的收入之所以难比,是因为“经云厂商卖出的那部分算不算自己的”没有统一答案,招股书会强迫它们给出同一种算法。
英伟达的订单越来越多由客户举债支付,芯片需求的强弱,已经和信用市场愿意放多少贷绑在了一起。
“不算收购的收购”绕开了反垄断审查,也绕开了普通股东的投票权,现在两头都开始找上门来。
芯片巨头同时投资多家互连创业公司,买的是选择权;对创业公司来说,拿到投资和拿到订单是两回事。
没有匹配的追踪动态。