从英伟达、台积电、博通、美满到AMD，全球科技巨头正以前所未有的速度押注光互连，从光引擎、光子芯片、交换机到先进封装全面布局。谁率先跨越成本、良率与量产门槛，谁就有机会掌握下一代AI数据中心的话语权。
英伟达CEO黄仁勋联合Apollo、贝莱德、黑石等六大金融机构，筹划5000亿美元融资，将GPU算力定义为新型资产类别。黄仁勋声称芯片"长寿命、可变现、可替换"，并将A100芯片经济寿命延长至10年——而这与其去年"Hopper芯片几乎无人问津"的表述大相径庭。
本文介绍了虚拟GPU（vGPU）的工作原理，解析了其关键技术以及在不同领域的应用前景，帮助读者了解相关领域的新技术与发展趋势。
进入Agentic AI时代，长期受到忽视的CPU，似乎正在重新获得一个新的定位，算力的结构也将迎来新变化。对于国产CPU厂商而言，新的市场窗口期出现了？
本周，桑迪亚国家实验室对这款芯片给予了高度评价，宣布这款大型芯片已满足所有系统验收要求，为未来将其部署到更大规模的系统中铺平了道路。
这两年，HBM几乎成了整个行业绕不开的关键词。在火热的AI加速器之上，除了居于核心位置的GPU，最吸引目光的，往往是那几颗紧贴其旁的HBM。它们大多通过热压键合堆叠而成，其在DRAM芯片之间布置微米级金属凸块，经由加热与加压完成连接与成型。
据报道，中国半导体企业已占据国内市场的大部分份额，拥有41%的国内AI服务器市场份额，并计划在2025年交付165万块GPU，而总产量为400万块。IDC的数据显示，英伟达仍以55%的市场份额领先，预计出货量为220万块，但这与该公司在制裁前声称的95%的市场份额相比，已大幅下滑。
HBM（高带宽内存）作为当前AI加速器GPU的核心配置，凭借垂直堆叠的薄DRAM芯片结构，以超高数据带宽为AI训练与推理提供了关键支撑，成为AI算力爆发的重要基石。
英特尔前CEO帕特·基辛格在近期接受采访时表示，量子计算将在两年内普及并加速戳破AI泡沫，且将在2030年前彻底取代GPU。在他看来，量子计算将与经典计算、AI计算共同构成未来计算世界的“神圣三位一体”。
在此背景下，全球算力产业下一步将往哪走？非GPU路线能有多大市场空间？未来会百花齐放还是一支独大？非GPU赛道哪条路线有望最先冲出重围？我们试图通过拆解全球算力格局及国内几家头部企业的技术路线，找到这些问题的答案。
主要的云服务提供商正在摆脱对英伟达 CUDA 生态系统的依赖，并投资开发自己的芯片用于高容量推理，因为在高容量推理中，运营成本超过了训练成本。
TPU与GPU之间的竞争正在重塑AI硬件市场格局。GPU基于并行处理，能处理多样化任务，而TPU专门针对张量矩阵运算进行优化。谷歌TPU采用类似RISC的设计理念，通过限制功能来提升特定运算效率。
