从英伟达的新神器到华为的新突破,这波 AI 芯片升级超有料

不知道大家有没有发现，最近的AI体验越来越“丝滑”了：和AI智能体聊天再也不用等半天，聊上几十轮也不会“断片”；文生图、文生视频的生成速度翻了倍，细节还更精致；刷短视频、逛电商时，推荐的内容好像比自己还懂自己……

这些藏在日常里的小美好，背后其实是AI芯片的底层革命。作为AI技术的“算力心脏”，芯片的每一次升级，都在悄悄改变我们和AI交互的方式。就在最近一周，全球AI芯片圈迎来了一波“大动作”：英伟达甩出了新一代推理“神器”，直接把AI实时交互的效率拉满；三星砸下5041亿人民币豪赌未来，要做AI芯片的“全能选手”；华为则带着全新的昇腾950PR算力芯片重磅商用，让国产算力在高端推理赛场稳稳站住了脚跟。

不用怕被满屏的技术参数劝退，今天就用最通俗的话，聊聊这波AI芯片升级的“硬核干货”：英伟达的新芯片到底强在哪？三星的五千亿投资要花在哪？华为的国产芯突破了哪些难关？这波升级又会给AI行业和我们的生活带来什么新变化？

✨ 英伟达甩出「推理王牌」，开启AI实时交互新时代

如果说AI训练芯片是“打造AI大脑的工程师”，那推理芯片就是“让AI大脑高效干活的执行者”。随着大模型从“研发阶段”走向“全民使用阶段”，低延迟、高效率的推理芯片，成了各大厂商的必争之地。而在刚刚结束的GTC 2026大会上，英伟达再次拿出了“王炸产品”，直接定义了新一代AI推理芯片的天花板。

此次英伟达的核心发布是Vera Rubin超级计算平台，这是一个包含7款芯片的“算力全家桶”，涵盖了Vera CPU、Rubin GPU、Groq 3 LPU（语言处理单元）、NVLink 6交换机等核心产品，而其中最受关注的，就是被黄仁勋称为“AI推理终极神器”的Groq 3 LPU芯片——它的出现，直接把AI推理的吞吐量/功耗比提升了35倍，让AI真正进入了“实时交互时代”。

核心亮点1：确定性架构，从“毫秒级延迟”到“无抖动响应”

和传统GPU相比，Groq 3 LPU最大的创新，在于采用了确定性流水线架构。简单来说，传统GPU就像一个“多任务的杂工”，会做很多“猜测性”的硬件设计，比如缓存管理、指令重排，这就导致数据处理时容易出现“抖动”，哪怕是毫秒级的延迟，在自动驾驶、高频交易、实时语音交互等场景中，都可能导致决策失效。

而LPU则把这些复杂的硬件设计彻底剥离到编译器层，让数据在芯片内的流动像“精密的传送带”一样，没有任何不可控的波动。举个例子，对于需要数百次模型调用的复杂AI智能体对话，原本需要数分钟的串联思考，LPU能直接缩短至数秒，让我们和AI聊天时，就像和真人对话一样自然流利，再也不会出现“答非所问”或“加载半天”的情况。

核心亮点2：LPX机架落地，打造“推理算力集群”

为了让LPU的性能发挥到极致，英伟达还推出了配套的Groq 3 LPX机架，一个机架就集成了256个LPU处理器，拥有128GB的片上SRAM（高速缓存）和40PB/s的推理加速带宽，还能通过640TB/s的专用接口实现机架间的无缝连接。

更贴心的是，LPX机架采用了全液冷设计，能有效解决高算力带来的散热问题，同时基于MGX基础设施构建，可以无缝融入英伟达的AI算力工厂。黄仁勋表示，这款机架将于2026年下半年正式出货，届时将和Vera Rubin平台的其他产品一起，构成完整的AI超级计算体系。

核心亮点3：GPU+LPU混合算力，统治“训练+推理”全链路

英伟达的野心，从来都不是单一产品的突破，而是构建完整的算力生态。此次Vera Rubin平台的核心逻辑，是让GPU和LPU各司其职，打造混合算力帝国：GPU负责在后台深耕万亿参数大模型的训练，以及长文本、多模态数据的预处理；而LPU则在前端负责实时推理，以10倍于对手的能效比，处理海量的用户交互请求。

为了让两者协同工作，英伟达还通过NVFusion技术，将LPU无缝嵌入了自己的CUDA生态——要知道，CUDA是全球90%以上AI开发者的首选工具，这种生态整合，让开发者不用重新学习新的技术，就能直接调用LPU的算力，大幅降低了应用开发和部署的门槛。

核心亮点4：牵手三星代工，卡位量产落地

值得一提的是，这款核心的Groq 3 LPU芯片，英伟达选择了由三星负责代工。这一合作，既解决了英伟达的产能问题，也让三星在先进制程代工领域拿到了关键订单。据知名分析师郭明錤预测，2026-2027年，Groq 3 LPU的总出货量将达到400万-500万颗，配套的LPX机架2026年出货300-500个，2027年将暴涨至15000-20000个，市场需求可见一斑。

表：英伟达Vera Rubin平台核心产品及功能

产品名称	核心定位	关键功能
Groq 3 LPU	推理加速器	确定性流水线架构，35倍吞吐量/功耗比，适配实时交互、AI智能体
Vera CPU	算力底座	单线程性能提升50%，高内存带宽，支撑大规模算力集群
Rubin GPU	训练/推理双用	协同LPU处理模型计算，负责长文本、多模态数据预处理
NVLink 6交换机	算力连接器	640TB/s扩展带宽，实现机架间无缝连接
ConnectX-9超级网卡	数据传输	高速数据交互，降低集群内通信延迟

对于英伟达来说，Vera Rubin平台的发布，不仅是一次产品升级，更是对AI推理市场的“精准卡位”。随着AI从“感知智能”走向“智能体智能”，实时、低延迟的推理需求会呈指数级增长，而英伟达凭借技术和生态的双重优势，已经提前站在了这个风口的顶端。

✨ 三星5041亿重金布局，打造AI芯片「一站式解决方案」

就在英伟达发布新平台的同一天，三星也抛出了一枚“资本炸弹”：2026年计划在芯片设施投资和研发上投入110万亿韩元（折合人民币约5041亿元），这一数字较2025年的90.4万亿韩元激增21.7%，也是三星首次将年度投资突破百万亿韩元大关。

这笔钱是什么概念？它相当于台积电2026年预估资本支出（520-560亿美元）的1.3倍，甚至超过了美光科技全年的营收。三星明确表示，这笔巨资的核心目标只有一个：确保公司在AI半导体领域的领先地位。而三星的底气，来自于它“全球唯一”的身份——唯一能同时提供存储芯片、逻辑代工、先进封装一站式解决方案的半导体企业。

三大投资方向，瞄准AI芯片的“三大痛点”

三星的5041亿投资，并不是“撒胡椒面”，而是精准瞄准了当前AI芯片发展的三大核心痛点，每一笔都花在了“刀刃上”。

1. HBM军备竞赛：搞定AI芯片的“内存墙”

AI芯片的算力再强，没有高速的内存支撑，也会变成“巧妇难为无米之炊”——这就是行业常说的“内存墙”。而HBM（高带宽内存）作为目前最先进的内存技术，能实现数倍于传统内存的数据传输速度，是高端AI芯片的“标配”。

目前在HBM领域，SK海力士占据主导地位，三星则处于追赶状态。此次投资，三星将重点用于加速HBM4及HBM4E的量产，同时扩大先进封装产能，目标是在高附加值存储市场“确立强劲且可持续的领先地位”，彻底打破AI芯片的“内存瓶颈”。

2. 晶圆代工良率攻坚：从“能做”到“做好”

在逻辑代工领域，三星虽然率先实现了2nm GAA（全环绕栅极）工艺的量产并贡献营收，但和台积电相比，良率差距依然是最大的短板。良率，简单来说就是生产芯片时，合格产品的比例，良率越低，生产成本越高，客户的信任度也越低。

此次投资，三星将重点用于平泽P4/P5工厂及美国泰勒工厂的产能爬坡，目标是在2026年底实现美国3nm/2nm产线的正式运营，通过持续的工艺优化，把良率提升到和台积电比肩的水平。而拿下英伟达Groq 3 LPU的4nm代工订单，就是三星在代工领域的一次重要突破。

3. 先进封装补短板：打破台积电的垄断

如果说芯片制程是“把晶体管做小”，那先进封装就是“把多个芯片拼好”。随着AI芯片的性能瓶颈从晶体管转向封装，先进封装技术已经成为AI芯片竞争的“下半场核心”。而目前在AI芯片封装领域，台积电的CoWoS技术占据了90%以上的市场份额，处于绝对垄断地位。

三星此次投资，将大力研发I-Cube、H-Cube等先进封装技术，重点解决多芯片集成、散热、互联等问题，试图打破台积电的垄断。而三星的优势在于，能实现“存储芯片+逻辑芯片+先进封装”的一体化设计，让芯片的整体性能发挥到极致。

表：三星110万亿韩元投资核心布局及目标

投资方向	核心举措	短期目标（2026）	长期目标
HBM内存	加速HBM4/4E量产，扩大封装产能	缩小与SK海力士的差距，占据HBM市场30%以上份额	成为全球HBM市场第一
晶圆代工	平泽/美国工厂产能爬坡，优化2nm GAA工艺	美国3nm/2nm产线正式运营，良率提升至85%以上	先进制程代工市场份额突破15%
先进封装	研发I-Cube/H-Cube技术，实现一体化封装	打破台积电CoWoS垄断，拿下10%以上AI芯片封装订单	成为全球先进封装领域核心玩家

机遇与挑战并存，三星的“资本换时间”豪赌

尽管投资额惊人，但三星要想在AI芯片领域反超台积电，依然面临着三道难以逾越的鸿沟。

首先是市场份额的绝对压制。根据TrendForce最新数据，2025年第四季度，台积电在全球晶圆代工市场的份额高达70.4%，而三星仅为7.1%；在决定AI算力上限的先进制程（7nm及以下）领域，台积电更是拿下了超过90%的订单，苹果、英伟达、AMD等顶级客户的核心产品，几乎都由台积电代工。

其次是客户信任的“隐形壁垒”。对于高端AI芯片来说，良率的稳定性比技术参数更重要——如果良率过低，不仅会增加生产成本，还可能导致供应链中断。而三星在过去的代工业务中，曾多次出现良率波动的问题，这让很多顶级客户仍持观望态度。

最后是技术追赶的“时间差”。台积电的2nm工艺（N2）预计在2025年正式量产，并已获得苹果、英伟达等大客户的提前预订；而三星虽然在GAA架构上抢先一步，但商业化的良率爬升需要时间，“投资额”并不等于“产出效率”。

不过，三星的这次豪赌，依然有着重要的行业意义。一方面，三星的奋起直追，将倒逼整个半导体产业链加速创新，台积电为了守住市场份额，势必会加大研发投入，推出更先进的技术；另一方面，三星的“一站式解决方案”，也为全球AI企业提供了供应链多元化的第二选择——在全球半导体供应链地缘政治博弈加剧的背景下，这种多元化，对整个行业来说尤为重要。

而和英伟达的合作，也让三星在AI芯片的生态中占据了一席之地。未来，随着英伟达LPX机架的大规模出货，三星的代工和存储业务也将迎来新的增长，形成“技术+制造”的双赢格局。

✨ 华为昇腾950PR重磅商用，国产算力实现高端推理突破

在英伟达和三星的“神仙打架”中，最让我们国人感到振奋的，还是华为带来的国产芯好消息。3月22日，在华为中国合作伙伴大会2026上，华为正式发布并展出了搭载全新昇腾950PR处理器的AI训练推理加速卡Atlas 350，标志着华为新一代AI算力芯片正式上市并进入商用阶段——这不仅是华为昇腾芯片路线图的关键落地，更是国产AI算力在高端推理场景的一次里程碑式突破。

在此之前，国产AI芯片在中低端推理场景已经有了一定的市场份额，但在高端推理场景，比如万亿参数大模型推理、高并发的互联网推荐、多模态生成等，一直被英伟达等海外厂商垄断。而昇腾950PR的出现，彻底打破了这一局面，让国产算力真正拥有了和国际主流产品“掰手腕”的能力。

四大核心升级，全是冲着“实际需求”来的

昇腾950PR是华为昇腾950系列的首发型号，定位为大模型推理Prefill阶段及推荐业务场景的深度优化，和前一代的昇腾910系列相比，它在四个核心维度实现了跨越式提升，每一个升级都精准解决了国产AI推理的实际痛点。

1. 低精度计算突破：用“精度换效率”，70B模型单卡加载

大模型推理的核心痛点之一，就是显存占用过高——一个700亿参数的大模型，用传统的FP16精度计算，需要上百GB的显存才能加载，这不仅增加了成本，还会导致推理延迟。而低精度计算，就是通过适当降低计算精度，来大幅减少显存占用，提升推理效率。

昇腾950PR此次新增支持FP8、MXFP8、MXFP4等业界标准低精度格式，还搭载了华为自研的HiF8格式——这种格式在保持FP8高效计算的同时，精度接近FP16，完美解决了低精度计算中的“精度损失”痛点。更值得一提的是，昇腾950PR是目前国内唯一支持FP4低精度的推理产品，支持FP4意味着，一个70B参数的大模型，仅需35GB显存就能单卡加载，推理延迟大幅降低。

2. 向量算力增强：2.5倍性能提升，适配碎片化数据处理

在互联网推荐、多模态推理等场景中，数据往往是离散、碎片化的，这对芯片的向量算力提出了很高的要求。昇腾950PR通过采用创新的SIMD/SIMT新同构设计，并将内存访问粒度从512字节细化至128字节，大幅强化了对碎片化数据的处理能力。

实测数据显示，在短视频推荐、电商广告推荐等场景中，昇腾950PR的性能较前代提升了2.5倍，能在更短的时间内处理海量的用户行为数据，实现更精准的个性化推荐。

3. 互联带宽跃升：2TB/s片间带宽，支撑大规模算力集群

对于AI算力来说，单芯片的性能再强，也需要通过高速的互联技术，组成大规模的算力集群，才能处理万亿参数的大模型。昇腾950PR的片间互联带宽达到了2TB/s，较前代提升了2.5倍，还支持华为自研的灵衢2.0协议及多种通信模式，能实现多个芯片之间的高速、低延迟数据交互，为构建大规模的国产算力集群奠定了坚实基础。

4. 自研HBM内存：规避海外依赖，降低整体拥有成本

和英伟达、三星不同，华为在芯片研发中，始终面临着海外供应链卡脖子的问题，尤其是在HBM高带宽内存领域，海外厂商占据着主导地位。此次昇腾950PR首次搭载了华为自研的HiBL 1.0高带宽内存，这是一款针对推理场景优化的低成本HBM方案。

这款自研HBM，不仅能有效规避海外供应链的依赖，还能大幅降低推理场景的整体拥有成本（TCO）——对于AI企业来说，这意味着在获得高性能算力的同时，还能有效控制投入成本，提升商业化效率。

硬核制造工艺：用“钝刀刻米粒”，良率突破80%

昇腾950PR的成功，不仅是芯片设计的突破，更是中国高端芯片制造工艺的一次攻坚。这款芯片采用的是中芯国际的7纳米工艺（等效N+2/N+3），而由于无法获得最先进的EUV（极紫外）光刻机，中芯国际只能使用上一代的DUV（深紫外）设备，通过复杂的“多重曝光”技术来实现这一制程——这被行业形象地比喻为“用一把钝掉的雕刻刀在米粒上刻字”。

多重曝光技术，简单来说，就是对同一晶圆反复曝光四次或更多次，才能实现7nm的制程精度。这一过程不仅让生产成本比国际领先的EUV工艺高出40%-50%，更对良率控制构成了巨大挑战——每一次额外的曝光，都意味着出错概率的显著上升。

为了解决这一问题，华为和中芯国际展开了紧密的协同设计：华为主动放宽了芯片的设计密度，用“空间换良率”；中芯国际则持续优化曝光工艺，提升晶圆的加工精度。经过数百次的试验，最终昇腾950PR的良率成功突破80%，达到了商用的标准。

更难得的是，在制造过程中，华为还集成了自研的MCM（多芯片模块）封装技术、针对高功耗的先进散热方案，并实现了与国产HBM内存（如长鑫存储的HBM3）的高难度集成。可以说，昇腾950PR的成功制造，不是单一芯片的突破，而是中国在高端芯片设计、制造、封装、存储等全产业链环节协同攻坚的成果。

Atlas 350加速卡落地，性能比肩国际主流产品

作为昇腾950PR的首发载体，Atlas 350 AI训练推理加速卡的性能表现，让业界眼前一亮。根据华为公布的数据，这款加速卡的FP4精度算力达到1.56 PFLOPS，内存带宽达1.4TB/s，功耗仅为600W，还支持2卡、4卡灵衢互联，能灵活匹配不同的业务场景需求。

在和英伟达的主流产品对比中，Atlas 350的优势十分明显：单卡算力达到了英伟达H20的2.87倍，HBM容量为112GB，是H20的1.16倍，多模态生成速度可提升60%，内存访问颗粒度的优化，还让小算子访存效率提升了4倍。在实测场景中，Atlas 350在互联网推荐场景中时延更低、响应更快，在文生图、文生视频等多模态场景中，性能也与英伟达的L20显卡相当。

表：华为昇腾950PR/Atlas 350与前代、英伟达竞品核心参数对比

产品型号	制程工艺	FP4算力	片间互联带宽	HBM容量	多模态性能	适用场景
华为昇腾910	7nm（EUV）	–	800GB/s	32GB	–	中低端推理、训练
华为昇腾950PR/Atlas 350	7nm（DUV多重曝光）	1.56 PFLOPS	2TB/s	112GB	比肩英伟达L20	高端推理、推荐、多模态
英伟达H20	4nm	0.54 PFLOPS	1.6TB/s	96GB	基础多模态	中高端推理
英伟达L20	4nm	1.4 PFLOPS	2TB/s	112GB	主流多模态	高端推理、多模态

规模化商用落地，国产算力迎来“黄金时代”

昇腾950PR和Atlas 350的发布，最关键的意义在于正式开启了国产高端推理算力的规模化商用阶段。在发布会上，昆仑、华鲲振宇、神州鲲泰、长江计算等七家华为核心伙伴，同步发布了基于Atlas 350的服务器整机产品。

比如软通动力旗下的软通华方，发布了“超强A860 A5”AI服务器，这款服务器搭载鲲鹏920处理器，可支持8块Atlas 350加速卡，被业内形容为赋能大模型时代的“核武级”算力，能满足互联网、金融、政务等领域的大规模AI算力需求。

在应用层，各大厂商也在迅速跟进：科大讯飞宣布，其新一代星火大模型将与昇腾910/950系列算力底座进行充分适配，打造更高效的国产大模型生态；华为还联合20家行业头部伙伴，发布了覆盖辅助办公、AI实训、电子病历、智能客服等核心场景的2026昇腾AI应用解决方案，让国产算力能快速落地到各行各业。

更值得期待的是，华为已经公布了清晰的昇腾芯片路线图：将以“一年一代，算力翻倍”的速度推进，2026年第四季度将推出昇腾950DT，2027年推出昇腾960，2028年推出昇腾970。这意味着，国产AI算力的升级，将进入“快车道”，未来在更多高端场景中，都能看到国产芯片的身影。

华为昇腾950PR研发与制造产业链协同示意

（核心节点包括：华为芯片设计（昇腾950PR）→中芯国际7nm DUV多重曝光制造→华为自研MCM封装+散热方案→长鑫存储国产HBM内存配套→华为Atlas 350加速卡集成→伙伴服务器整机生产→各行业应用落地）

这波升级背后，AI芯片赛道的三大核心趋势

英伟达的技术创新、三星的重金布局、华为的国产突破，这三家大厂的动作，看似是各自的战略选择，实则折射出了当前全球AI芯片赛道的三大核心趋势。而这些趋势，将决定未来3-5年AI行业的发展方向，也会悄悄改变我们的生活。

趋势1：推理芯片成绝对主力，AI产业从“研发驱动”转向“应用驱动”

根据中国报告大厅的最新数据，2026年全球AI芯片市场规模预计将突破2800亿美元，同比增长40%，而其中推理芯片的市场规模将达到1450亿美元，占比52%，首次超过训练芯片，成为AI芯片市场的绝对主力。

这一数据的背后，是AI产业的结构性转变：经过几年的发展，大模型的研发已经进入了相对成熟的阶段，而大模型的商业化落地，成为了行业的核心目标。从AI智能体、实时语音交互，到互联网推荐、多模态生成，再到自动驾驶、工业质检，所有的应用场景，都需要低延迟、高效率的推理芯片来支撑。

未来，随着AI应用的不断下沉，推理芯片的市场需求还将持续爆发，预计到2030年，全球AI推理芯片市场规模将突破3万亿元人民币，其中云端推理、端侧推理将同步增长，AI能力将从“云端”走向“终端”，融入我们的手机、汽车、智能家居等每一个设备。

表：2026年全球AI芯片市场规模及结构分布

芯片类型	市场规模（亿美元）	占比	核心驱动因素
推理芯片	1450	52%	大模型商用落地、实时交互需求爆发
训练芯片	950	34%	万亿参数大模型、多模态模型研发
边缘AI芯片	400	14%	AI能力终端下沉、物联网设备普及

趋势2：全链路能力成竞争核心，“单打独斗”不如“协同作战”

从三星的“一站式解决方案”，到华为的“设计+制造+封装+存储”全产业链协同，再到英伟达的“GPU+LPU+生态”混合算力，这波升级都指向一个核心：AI芯片的竞争，早已从单一环节的比拼，变成了全链路能力的竞争。

在AI芯片的发展初期，企业可以依靠某一个环节的优势占据市场，比如台积电的制程优势、英伟达的GPU技术优势、SK海力士的HBM内存优势。但随着AI芯片的性能要求越来越高，单一环节的优势已经无法满足需求——一款高端AI芯片，需要设计、制造、封装、存储、互联等多个环节的协同优化，才能发挥出最佳性能。

未来，全球AI芯片市场的玩家，将分为两类：一类是像三星、台积电这样的全链路巨头，能提供一体化的解决方案；另一类是在某一细分领域拥有核心技术的专精特新企业，通过和巨头合作，在产业链中占据一席之地。而“单打独斗”的企业，将很难在市场中立足。

趋势3：国产算力加速突围，从“跟跑”到“并跑”，向“领跑”迈进

华为昇腾950PR的商用，是国产AI算力发展的一个重要里程碑，它标志着国产算力在高端推理场景，已经实现了从“跟跑”到“并跑”的跨越。而这一突破，不是偶然的，而是中国半导体产业多年来持续投入、协同攻坚的结果。

在芯片设计领域，华为、寒武纪等企业已经掌握了高端AI芯片的设计技术；在制造领域，中芯国际的7nm DUV工艺良率持续提升，14nm工艺已经实现规模化量产；在存储领域，长鑫存储、长江存储的DRAM、NAND闪存技术不断突破，国产HBM内存也开始落地；在封装领域，长电科技、通富微电的先进封装技术，已经接近国际领先水平。

尽管在最先进的EUV光刻机、高端制程等领域，国产半导体产业还存在差距，但在AI芯片这一赛道，我们已经找到了**“换道超车”的机会**——通过聚焦推理芯片、打造全产业链协同、构建自主的算力生态，国产算力正在逐步打破海外垄断，在全球AI芯片市场中占据一席之地。

未来，随着华为昇腾、百度昆仑芯、阿里平头哥等国产芯片的持续升级，以及国内算力集群的建设，国产算力将迎来“黄金时代”，不仅能满足国内AI产业的发展需求，还能走向全球，成为全球AI芯片市场的核心玩家。

最后：芯片的突破，最终都是为了让AI更贴近生活

回顾这波AI芯片的升级，从英伟达的35倍能效比提升，到三星的5041亿重金布局，再到华为的国产高端推理芯片商用，我们看到的不仅是技术的突破，更是AI产业的蓬勃发展。有人说，AI芯片的竞争是一场“零和博弈”，但事实上，这场竞争的最终受益者，是每一个普通人。

那些看似冰冷的技术参数，比如35倍的吞吐量/功耗比、2TB/s的互联带宽、80%的良率，最终都会变成我们身边的小美好：和AI聊天时的自然流利，刷视频时的精准推荐，文生图时的快速高效，自动驾驶时的安全可靠……芯片的每一次升级，都在让AI变得更智能、更贴心、更贴近生活。

而华为的国产突破，更让我们看到了中国科技企业的韧性和底气。在海外供应链卡脖子的背景下，华为没有放弃，而是联合国内的产业链伙伴，一步步攻克难关，最终实现了高端推理算力的商用。这份坚持，不仅为国产AI产业的发展奠定了基础，也为中国科技的自主创新树立了榜样。

未来，随着AI芯片技术的不断进步，以及AI应用的持续下沉，我们的生活还将迎来更多的惊喜。而我们也有理由相信，在全球AI芯片的赛道上，国产算力将走得更远、更稳。