AI硬件行业日报 | AMD 50亿绑定Anthropic，大厂造芯全面开战

2026年7月23日 · AI硬件行业每日深度解读

导读

今日AI硬件赛道硝烟四起，三条主线交织共振。第一，AMD在旧金山Advancing AI 2026大会上正式发布Zen 6架构EPYC Venice服务器CPU——台积电2nm工艺、256核、AI负载性能提升1.7倍，更砸出50亿美元战略投资Anthropic，部署最高2GW的MI450系列GPU，正面叫板英伟达。第二，大厂定制芯片竞赛全面升温——Google秘密研发Frozen v2将Gemini架构硬连线到硅芯片，Meta Iris完成测试9月量产，OpenAI Jalapeño正式亮相，Broadcom一统三家定制芯片设计。第三，端侧AI迎来爆发拐点——IDC报告显示云端AI芯片增速骤降至12%，边缘芯片出货量却暴涨45%，麒麟2026以双核达芬奇架构实现功耗暴降41%，7款AI手机集体通过国家网信办首批备案。供应链侧，纬创7亿美元德州工厂投产量产美国首片GB300基板，黄仁勋7月24日将在硅谷与三星、SK、NAVER圆桌密会争夺HBM4产能，百时美施贵宝成为生命科学行业首家采购Vera Rubin的企业——AI算力正从云端向千行百业渗透。

一、AMD Advancing AI 2026：Zen 6 EPYC Venice正式发布，50亿美元投资Anthropic

7月22日至23日，AMD在旧金山莫斯康展览中心举办Advancing AI 2026大会，正式发布基于Zen 6微架构的EPYC Venice服务器处理器，并宣布与Anthropic达成涵盖芯片供应、技术协同和股权投资的全面战略合作。

Venice是AMD首款基于台积电2nm GAA（全环绕栅极）工艺量产的服务器CPU，核心数从上代Turin的192核提升至256核（提升33%），支持16通道DDR5内存，带宽最高1.6TB/s，AMD宣称AI负载性能最高提升1.7倍。芯片采用全新SP7插槽，TDP范围700-1400W。封装结构上，Venice由8个计算chiplet和2个I/O硅片组成，每个计算chiplet含32核，总计256核512线程。

更具战略意义的是AMD与Anthropic的合作：Anthropic将部署最高2GW的AMD Instinct MI450系列GPU（Helios机架级方案），首批1GW部署于2027年上半年启动。AMD同时承诺向Anthropic进行最高50亿美元的股权投资。双方还将开展多年工程合作——AMD工程团队全面采用Claude模型优化Instinct GPU工作负载和加速ROCm软件开发。

此外，微软Azure宣布全面部署Helios平台，新增两款基于EPYC Venice的虚拟机（HDv2面向代理式AI和数据管道，HXv2面向EDA），成为AMD第一个"GPU+CPU+网络"全栈超大规模云客户。加上此前Meta签下的60-100亿美元多年合同和OpenAI的6GW MI450合作，AMD已构建起足以与英伟达分庭抗礼的客户矩阵。

二、纬创美国德州工厂开业，英伟达AI服务器供应链本土化落地

7月21日，纬创资通在美国得克萨斯州沃斯堡的首座制造工厂D1正式启用，投资7亿美元（约47亿人民币），占地约3万平方米。这是英伟达GB300 Grace Blackwell Ultra计算基板在美国实现量产的首座工厂。

工厂目前设置两条制造单元：一条已开始量产GB300计算板，另一条将生产下一代Vera Rubin超级芯片。今年产量计划提升至每月数万块计算板。英伟达CEO黄仁勋亲临开幕典礼并与纬创董事长林宪铭共同揭幕，他表示英伟达每年对AI服务器需求翻倍增长，D1工厂产能仅占英伟达总制造量5%，后续仍需更多工厂跟上需求。黄仁勋称，围绕GB300构建的系统是"世界上最强大的AI超级计算机"，包含150万个零件、重2吨、成本400万美元。

纬创在开工前已基于英伟达开放平台构建数字孪生，完成整座工厂的全流程仿真，涵盖Nemotron、Cosmos、Omniverse、Metropolis和PhysicsNeMo等平台。工厂已创造500多个新岗位，计划年底增至1000人。英伟达已承诺在美国制造价值高达5000亿美元的先进AI平台，纬创沃斯堡工厂是这一承诺的制造端落地。后续D2厂房产能将比D1翻倍。

这一事件标志着AI服务器供应链赴美进入量产阶段。台积电在亚利桑那州制造芯片，纬创、鸿海在得州建立计算板和系统组装能力，AI硬件制造正从单点投资转向供应链协同落地。

三、Google Frozen v2 + Meta Iris量产，大厂定制芯片竞赛全面升温

AI芯片定制化浪潮正以前所未有的速度推进。Google正在开发代号"Frozen v2"的定制AI芯片，将Gemini模型架构直接硬连线到硅芯片中，预计2028年实现推理效率提升6至10倍。Google认为支撑Gemini的Transformer架构已趋于稳定，定制芯片是下一代AI推理经济的关键赌注。

OpenAI与博通合作推出的首款自研推理芯片"Jalapeño"正式亮相，采用OpenAI自有模型辅助芯片设计加速研发流程。Meta的Iris AI芯片已完成六周测试，定于2026年9月进入量产。

值得关注的是，博通同时为Google、OpenAI、Meta三家设计定制芯片，形成AI芯片设计高度集中的格局，所有项目均依赖台积电台湾工厂代工。这意味着定制ASIC赛道的设计能力被高度垄断，而制造端则完全绑定台积电。推理成本在模型全生命周期中占比高达80%至90%——训练是一次性投入，推理是持续支出，这就是大模型公司集体造芯的根本驱动力。

四、端侧AI爆发：云端增速放缓至12%，边缘芯片出货量大涨45%

据IDC《2026年Q1全球端侧AI芯片市场报告》，2026年Q1全球云端AI芯片出货量同比增长仅12%，较2025年同期35%的增速明显放缓。与此同时，边缘AI芯片出货量同比大增45%，其中面向IoT、工业边缘、智能终端的中低端AI芯片出货量涨幅突破110%——两者形成显著的增速剪刀差。

市场规模方面，头豹产业研究院预测2026年中国端侧AI市场规模预计达8661亿元，2024至2028年CAGR保持57.96%。终端渗透率方面，2026年中国AI手机出货量预计达1.47亿台（同比+31.6%），占整体市场53%；AI PC国内渗透率预计达62%；AI眼镜出货量预计同比增长107%至275万台。

业绩端已开始兑现：瑞芯微2026年上半年净利润预增60%-71%，全志科技预增195%-220%，端侧AI芯片厂商中报集体预增。7月15日，国家网信办公布最新一批生成式AI服务备案名单，7款手机（苹果、华为、OPPO、VIVO、小米、三星、中兴）集体通过端侧AI备案，标志着端侧AI正式迈入合规落地新阶段。

五、麒麟2026功耗暴降41%，双核达芬奇架构实现端侧突破

华为麒麟2026芯片在同等性能输出下整体功耗暴降41%，这一数据来自已完成流片、正在稳步提升良品率的真实芯片实体样品。核心突破在于双核达芬奇架构升级——一个核心负责大模型推理等重量级任务，另一个处理语音唤醒、传感器融合等轻量级场景，两者协同实现功耗精细化管理。

晶体管密度从上一代155 MTr/mm²提升至238 MTr/mm²，增幅53.5%，在不更换工艺节点、不使用EUV光刻机的情况下，纯靠架构创新达到了英特尔18A和台积电初代3nm的门槛水平。芯片工作电压从1.1V降至0.9V，核心路径走线缩短30%，时钟缓冲器减少一半以上。麒麟2026已能本地运行70亿参数大模型，实时语音翻译延迟从云端方案的300-500毫秒压缩至10-20毫秒。

与高通骁龙8 Gen4（INT8算力52TOPS）和联发科天玑9500（苏黎世AI Benchmark 15015分）相比，麒麟2026的优势在于"精准"——轻量AI任务功耗极低，重量级任务速度够快，所有数据本地处理。麒麟2026将于今年秋季搭载在Mate系列旗舰机型上，华为还公布了2027年更高主频版本已完成流片验证、2029年目标4.0GHz主频、2031年逻辑折叠技术等效1.4nm工艺的长期路线图。

六、黄仁勋7月24日硅谷会韩国巨头，HBM4供应链争夺战升级

7月24日，三星电子会长李在镕、SK集团会长崔泰源、NAVER董事会主席李海珍将在硅谷附近与英伟达CEO黄仁勋举行圆桌对话。OpenAI CEO奥尔特曼与Anthropic CEO阿莫迪也有可能出席——这是全球AI产业链存储芯片、GPU算力、生成式AI应用三大核心环节掌门人的首次集体同台。

核心议题直指HBM4供应分配。6月5日英伟达官宣三星、SK海力士、美光三家HBM4全部通过认证，但份额悬殊：SK海力士预计拿下60%-70%（已率先量产12层堆叠HBM4，9月大规模供货），三星25%-30%，美光仅剩余量。SK海力士7月14日已正式量产面向Vera Rubin的12层堆叠HBM4，采用大规模回流模制底部填充工艺，良率稳定。三星虽在技术上有亮点（混合键合技术更先进、HBM4数据传输速率3.3TB/s业界最快），但早期良率拖累了量产节奏。

李在镕此行目标明确：争取更多HBM供应配额、承诺2026年HBM月产能提升50%至25万片晶圆、争取英伟达LPU Grok3代工合作。消息传出后，三星电子股价当日涨4.63%，SK海力士飙升5.94%。黄仁勋明确表示，新一代Vera Rubin AI服务器对HBM需求将大幅提升，HBM4技术和认证体系已被英伟达与韩国企业牢牢锁定。

七、百时美施贵宝采购Vera Rubin，AI算力跨界进入制药行业

百时美施贵宝（BMS）宣布采购英伟达最新Vera Rubin架构DGX SuperPOD超级计算系统，成为生命科学行业首家采用该平台的企业。BMS首席数字与技术官Greg Meyers称其为"SuperDuperPOD"。

BMS表示，新系统每兆瓦性能最高可达上一代的10倍，将用于扩展自研AI模型规模、缩短药物研发周期。目前AI已参与BMS所有小分子药物项目设计，覆盖大多数大分子项目。AI智能体已将靶点识别与验证的手动工作时间缩短数周，用于临床试验的药物制备时间缩短20%-30%，预计未来几年可扩大至50%。BMS首席研发官Robert Plenge透露，一款处于临床早期的镰状细胞病实验性疗法，如果没有AI辅助很可能根本不会被发现。

这标志着AI算力正从互联网和云服务向传统行业深度渗透。此前礼来公司也与英伟达达成类似合作，制药行业AI军备竞赛已然打响。BMS采用"预测优先"方法——在实验室工作开始前率先用AI评估药物设计，这种模式的扩散将深刻改变制药行业的研发范式。

趋势总结

今日AI硬件行业的信号异常密集，三条主线清晰浮现：

第一，算力竞争从"单卡比拼"进入"生态绑定"阶段。 AMD不再只是卖芯片，而是用50亿美元股权投资绑定Anthropic、用Helios全栈方案锁定微软Azure，构建"芯片+投资+软件协同"的闭环——这与英伟达"Vera Rubin全栈平台+纬创本土化制造+HBM4供应链控制"的策略如出一辙。算力巨头正在从产品供应商进化为生态构建者。

第二，定制芯片从"可选项"变为"必选项"。 Google、OpenAI、Meta三家同时推进定制ASIC，且全部由博通设计、台积电代工，说明大模型架构趋于稳定后，将模型硬连线到硅芯片已成为降本的核心杠杆。推理成本占模型全生命周期80%-90%，谁先把模型装进芯片，谁就掌握推理经济的定价权。

第三，端侧AI从"概念"进入"业绩兑现"。 云端增速骤降至12%而边缘暴涨45%，不是云端不行了，而是AI算力的增量重心正在转移。7款AI手机通过备案、瑞芯微全志中报预增、麒麟2026功耗暴降41%——端侧不再是PPT故事，而是真实订单和利润。当Token的消费主体从人变成智能体，端侧算力的需求结构将发生根本性改变。

一句话总结：2026年下半年，AI硬件行业正从"训练军备竞赛"转向"推理经济+端侧渗透"的双轨竞争，谁能把算力成本压到最低、把AI能力塞进最小的设备，谁就赢得下一个十年。