Part 1：AI应用热点速递

【产品发布】阿里Qwen3.8即将发布：2.4万亿参数，全球第二

发生了什么：阿里巴巴最新大模型Qwen3.8即将正式发布，参数量2.4万亿，官方称性能仅次于Claude Fable 5。Qwen3.8-Max预览版已上线Token计划、Qoder及QoderWork平台。

为什么重要：继Kimi K3（2.8万亿参数）之后又一款超2万亿参数国产模型。全球开源模型参数纪录一周内被中国厂商两次刷新。马斯克同日宣布Grok 4.6即将完成初训（2万亿参数），称"可能超过Kimi K3"——参数军赛还在加速。

上游视角：2.4万亿参数的推理显存占用远超常规MoE模型，算力消耗指数级增长。⬇详见今日深度

【应用落地】微软悄悄把Excel和Outlook里的OpenAI换成了自家的

发生了什么：微软已在Excel和Outlook中用自研MAI模型替换OpenAI和Anthropic的模型。每周已有数万条AI prompt由MAI处理。微软AI负责人苏莱曼公开表态："我们向Anthropic支付大量费用，目标是减少并最终消除这部分成本。"

为什么重要：OpenAI最大的合作伙伴正在"去OpenAI化"。不是关系破裂，是成本逻辑——Copilot每天消耗海量Token，折扣窗口正在收窄，微软必须自建替代方案。

上游视角：自研模型意味着自建推理算力。微软已有Maia芯片计划，MAI+Maia的组合，本质是用自研栈替代英伟达+OpenAI栈。⬇详见今日深度

【行业数据】Meta Iris芯片9月量产，算力7GW翻倍至14GW

发生了什么：Meta内部备忘录确认，代号Iris的自研AI芯片（MTIA 400）将于9月量产。Bug测试仅6周无重大缺陷。与博通联合设计、台积电制造。Meta计划2027年数据中心算力从7GW扩至14GW，年度资本开支1250-1450亿美元。

为什么重要：Meta从AI基础设施的"大买家"变成"自己造的人"。Iris专攻推荐和推理——Facebook、Instagram每天运行数十亿次推荐查询，这是Meta的命脉，也是英伟达GPU的利润来源。

上游视角：Meta已与三星（内存）、闪迪（存储）、住友电工（光纤）签长期协议。定制硅崛起正在重构整个AI供应链。⬇详见今日深度

【国内动态】DeepSeek秘密自研推理芯片，一年前已启动

发生了什么：路透社7月7日报道，DeepSeek正在开发自有AI芯片，定位专攻推理。项目约一年前启动，已与芯片设计公司、晶圆代工厂和存储供应商接洽。招聘全程行业内推，不公开挂出。

为什么重要：从依赖英伟达H800训练R1，到适配华为昇腾部署V4，再到亲自下场做推理芯片——DeepSeek的算力路径，几乎是中国AI算力自主化的微缩版。6月完成510亿元首轮融资，明确资金用途之一就是自研芯片。

上游视角：推理占模型生命周期计算成本的80-90%。自研推理芯片不是"我也想造GPU"，而是"我不买GPU也能跑推理"——这是生存逻辑。

【应用落地】WAIC 2026闭幕：具身智能取代大模型成最大看点

发生了什么：2026世界人工智能大会闭幕。1100+企业参展，首发300+、首秀200+。腾讯发布具身智能全栈方案（VLM/RxBrain/VLA三大基座模型），字节×努比亚首发豆包AI智能体手机（首批10万台），曙光8000全国产十万卡超集群亮相。

为什么重要：今年WAIC最大变化：不再比模型参数，而是比落地能力。具身智能取代大模型成为最热赛道——超过60台智能机器人承担大会导览，从"缸中之脑"走向"感知-身体-行动"闭环。

上游视角：具身智能需要端侧算力，对芯片延迟和功耗有极端要求。国产推理芯片的窗口期，正被具身智能的需求窗口撑开。

Part 2：上游产能瓶颈深度分析

🔹 算力层：自研芯片浪潮——当最大买家变成最大对手

一句话结论：英伟达最大的威胁不是AMD，而是每一个花了几百亿买GPU的客户。

现状数据英伟达AI GPU毛利率70-80%。客户每花1美元，0.7-0.8美元是英伟达的利润。 Meta 2026年AI资本开支1250-1450亿美元，超过其2025年总收入的50%。微软Copilot每天消耗海量Token，折扣价窗口正在收窄。推理占模型生命周期计算成本的80-90%——训练是一次性的，推理是水电费。 Bernstein Research预测：2026年英伟达在中国AI芯片市场份额从95%跌至8%，华为占50%。

瓶颈在哪：不是技术瓶颈，是定价权瓶颈英伟达的GPU定价权建立在三个支柱上：第一，CUDA生态垄断。开发者写一次代码，只能在英伟达硬件上跑。这是最大的护城河，也是客户最想绕开的锁。第二，先进制程独占。台积电3nm产能优先给英伟达，其他GPU厂商排队等。第三，客户没有替代方案。H100/B200是唯一能跑前沿模型训练的硬件。至少以前是。现在，这三个支柱正在被同一个群体动摇——英伟达的客户。Meta用Iris替代GPU跑推荐和推理。推荐排序是Meta最频繁的计算任务，日运行数十亿次。用GPU跑这些任务，就像用跑车送快递——性能过剩，成本浪费。Iris专攻这类任务，据行业估算，单颗芯片成本可能只有GPU的1/5到1/10。微软用MAI替代OpenAI跑办公AI。Excel的数据分析、Outlook的邮件摘要，不需要万亿参数模型的推理能力。MAI-Thinking 1的编码能力据内部测试已匹配Anthropic Opus 4.8——但成本远低于Anthropic API定价。苏莱曼的表态给出了答案：目标是"最终消除"这笔支出。DeepSeek自研推理芯片。这家公司用低成本模型吸引了全球海量API调用，但推理算力的供给被英伟达供应限制卡住。自研推理芯片不是"我也想造GPU"，而是"我不买GPU也能跑推理"。两种完全不同的逻辑。这不是孤例。OpenAI公开了首款定制推理芯片Jalapeño，与博通联合设计，样片已在实验室运行。Anthropic在考虑自研芯片，6月挖走OpenAI芯片项目核心工程师。谷歌TPU已迭代到v7。亚马逊Trainium已在AWS大规模部署。共同逻辑只有一个：推理是持续性支出，自研芯片是持续性省钱。

对下游应用的影响普通读者能感知到什么？AI服务可能更便宜。当Meta用Iris跑推荐、微软用MAI跑Copilot、DeepSeek用自研芯片跑API，推理的边际成本大幅下降。这意味着更多AI功能可以免费或低价提供——ChatGPT免费层扩容、国内大模型API降价潮，背后都有推理成本下降的支撑。但体验可能分化。自研芯片跑自己模型的推理效果好，跑别人的模型效果差。每家自研栈都是封闭生态——微软MAI跑Copilot没问题，跑GPT就不一定了。AI体验的"苹果vs安卓"分化，正在从软件层蔓延到硬件层。国产AI芯片进入真正的窗口期。英伟达在中国市场份额从95%跌至8%，不是因为英伟达变弱了，而是因为华为昇腾、寒武纪、壁仞等国产芯片开始能跑万亿参数模型了。DeepSeek V4发布当天，8家国产芯片同步适配——这在一年前不可想象。

趋势判断（3-6个月）1. Q3-Q4将出现一波"定制硅首秀"。Meta Iris量产、OpenAI Jalapeño部署、微软Maia扩大范围——三家公司2026年AI资本开支合计超3000亿美元。哪怕10%转向自研硅，就是对英伟达数百亿美元订单的转移。2. ASIC在AI推理市场的份额将从目前约15%升至2027年30%以上。推理不需要GPU的通用性，ASIC更便宜、更省电。当推理占计算成本80-90%，ASIC替代GPU是经济规律，不是技术偏好。3. 英伟达GPU定价权松动已经开始。B200租赁单价年初2.63美元/小时涨到5.10美元（涨幅94%），但这是供需紧张的极端表现，不可持续。当客户开始自研替代方案，英伟达必须选择：降价保份额，还是维持高价让客户跑掉？4. 中国AI芯片市场将完成结构性替代。华为昇腾950预计Q4商用，单卡算力达H20的2.87倍。国产GPU"四小龙"（壁仞、沐曦、摩尔线程、燧原）集体冲刺资本市场，总市值接近2万亿。95%到8%，不是预测，是正在发生的数据。

Part 3：今日一句

英伟达最该担心的，不是AMD出了什么新芯片，而是Meta、微软、DeepSeek同时决定：我不买了，我自己造。