AI硬件行业日报 | ARM下场造芯片，KIMI K3算力崩盘暴露供给短板

2026年7月25日 · AI硬件行业每日深度解读

导读

今日AI硬件赛道呈现三条清晰主线。第一，AMD Helios机架全面投产进入出货倒计时，苏姿丰抛出"智能体AI拉动算力需求阶跃式增长"论断——2030年AI加速器市场1.4万亿美元，推理占比已达60%，同时发布ROCm.ai平台让AI代理直接理解AMD硬件，软件生态追赶提速。第二，芯片架构层面暗流涌动——ARM从IP授权商亲自下场造AI CPU，已拿下Meta和OpenAI订单，两年客户需求超20亿美元；奕行智能发布业界首个RISC-V AI算力超节点；阿里云真武M890超节点完成Qwen3.8适配，成为国内首个能承载超2万亿参数模型的超节点。第三，算力供给端矛盾集中爆发——KIMI K3以2.8万亿参数登顶后因算力不足暂停新用户订阅，暴露出国产芯片在万亿级MoE模型场景的产能短板；云豹智能冲刺国产DPU第一股，三年亏损近25亿却95%营收依赖腾讯，折射出国产AI基础设施企业商业化之路仍道阻且长。

一、AMD Helios全面投产：苏姿丰称智能体AI拉动算力需求阶跃式增长

7月23日至24日，AMD在旧金山Advancing AI 2026大会上宣布，搭载MI455X GPU和第六代EPYC "Venice" CPU的Helios机架级AI系统已进入全面量产阶段，预计今年第三季度末开始出货。OpenAI高管Sachin Katti在大会讲台上直言："我需要更多、更快的算力。"OpenAI预计从2026年第四季度开始上线Helios，2027年加速部署。Anthropic确认部署高达2吉瓦的MI455X算力，Meta正在实验室验证Helios机架工作负载，微软、甲骨文、HUMAIN等均已签约。

苏姿丰在演讲中抛出了对行业走势的核心判断：智能体AI的兴起正在带动"算力需求的阶跃式增长"。"当你要求智能体执行某项任务时，它实际上包含数十个步骤，必须进行推理、调用工具、访问数据，并不断重复这一过程。"苏姿丰指出，目前60%的计算资源已用于推理而非训练，2026年全球AI推理算力需求将首次超越训练算力。她预测到2030年AI加速器市场规模将达1.4万亿美元，接近今天整个半导体行业的总量，GPU仍将占据绝对主流地位。

软件生态方面，AMD同步发布ROCm.ai平台——一个AI驱动的开发平台，帮助开发者使用Claude、Codex、Cursor等AI代理直接理解和适配AMD硬件。ROCm已支持Hugging Face上超过300万个模型，过去一年外部开发者贡献增长10倍。此外，AMD与Anthropic启动多年工程合作，使用Claude加速ROCm软件开发和Instinct GPU工作负载优化。AMD还宣布Anthropic将广泛采用Claude于其工程和产品开发团队——AI正在帮助AMD加速追赶英伟达的软件生态壁垒。

尽管产品信号积极，市场反应审慎，AMD股价发布会期间下跌约3.5%，全日跌2.29%收于539.69美元，总市值8800亿美元。但年初至今AMD累计涨超140%，英伟达单季度营收仍超过AMD全年总和，竞争格局尚未根本改变。

二、ARM从IP授权商亲自下场造AI CPU，Meta和OpenAI已签约

ARM Holdings正在经历成立以来最重大的战略转型——从芯片架构IP授权商变成直接设计制造芯片的公司。今年3月ARM宣布将自行设计AI CPU，目前已获得Meta和OpenAI等客户的早期订单，2027和2028财年客户需求已超过20亿美元。

这一转型的背后是AI计算架构的深刻变化。据TrendForce数据，当前数据中心CPU与GPU的配比约为1:4到1:8，但随着智能体AI工作负载增长，每个GPU需要的CPU调度资源大幅增加，未来配比有望向1:1或1:2靠拢——这意味着CPU需求可能翻数倍。ARM在数据中心CPU市场的渗透正在加速，其能效比优势在智能体调度场景下尤为突出。

ARM的商业模式也值得关注。传统上ARM通过IP授权和版税获利，自研芯片意味着它将从"卖图纸"变成"卖产品"，直接与高通、苹果等自家客户形成竞争。但AI时代的算力需求规模和紧迫性，让ARM认为亲自下场是必要的。ARM股价今年已飙升159%，市值突破3000亿美元，市场对其AI CPU业务寄予厚望。

不过，ARM自研芯片也面临风险。芯片设计、流片、量产需要巨额资本投入，与ARM轻资产的授权模式截然不同。且ARM的客户同时也是其被授权方——Meta和高通都在使用ARM架构设计自研芯片，ARM亲自下场可能引发生态内的利益冲突。ARM能否在IP授权和自研芯片之间找到平衡，将决定这一转型的成败。

三、奕行智能发布业界首个RISC-V AI算力超节点，剑指推理时代算力新范式

在2026世界人工智能大会（WAIC）期间，奕行智能正式推出业界首个RISC-V AI算力超节点。这一成果将AI算力竞争从单芯片参数比拼拉向集群综合能力的赛场，是算力芯片、高速互联架构、配套软件栈三方深度协同的系统性创新。

核心算力底座为奕行智能自研Epoch云端AI芯片，原生基于RISC-V开放指令集设计。与英伟达依赖CUDA封闭生态不同，RISC-V的开放性意味着任何厂商都可以基于其指令集开发定制化AI加速器，不受单一架构厂商制约。超节点通过高速互联架构将多颗Epoch芯片组成集群，配套软件栈实现从模型编译到任务调度的完整闭环。

RISC-V在AI算力领域的突破具有战略意义。当前国产AI芯片面临的最大瓶颈之一就是对x86和ARM架构的依赖，以及CUDA生态的锁定效应。RISC-V超节点的出现，为国产算力提供了一条绕过现有架构壁垒的全新路径。不过，RISC-V生态仍处于早期阶段，软件工具链成熟度、实际业务性能验证、客户迁移成本等挑战依然存在。

四、阿里云真武M890超节点适配Qwen3.8，国内首个能承载超2万亿参数模型

阿里云真武M890超节点已完成对阿里2.4万亿参数旗舰模型Qwen3.8的适配工作，目前已上线阿里云百炼平台，面向用户提供模型推理服务。这是国内首个能承载超2万亿参数大模型的超节点。

要让Qwen3.8这类超大规模模型稳定高效运行，需将2.4万亿参数拆分至数十甚至上百张高速互联的GPU卡中。普通AI服务器无法满足这一需求，必须依赖超节点架构——通过高速互联将多台服务器组成统一计算域，实现跨节点内存共享和并行计算。真武M890的超节点设计正是为此而生。

这一里程碑的意义在于验证了国产超节点架构在万亿级模型场景的可行性。此前，超大规模MoE模型的训练和推理主要依赖英伟达NVLink互联的超节点方案（如GB200 NVL72和Vera Rubin NVL72）。阿里云真武M890的突破，意味着国产算力基础设施正在从"能用"向"能承载最大规模模型"迈进。随着国内大模型参数量持续攀升（KIMI K3已达2.8万亿），超节点能力将成为算力供应商的核心竞争力。

五、摩尔线程AICUBE万元AI中枢WAIC遭质疑，消费级AI硬件场景之困

在WAIC 2026现场，摩尔线程展台前发生的一幕成为热点事件。一位观众拿着话筒向产品经理直接发问："你们费了好大的力，开发这些功能很好，但是呢，市场在哪里？场景在哪里？"产品经理解释后落下句"它比闹钟强"，周围人都笑了。这段视频迅速传播，"一万块的AI闹钟"成为热梗。

MTT AICUBE是摩尔线程首款面向普通家庭的消费终端产品，定价10999元。搭载自研"长江"SoC芯片，集成全功能GPU、CPU和NPU，异构AI算力50TOPS，32GB统一内存，1TB全闪SSD。官方定位为"家庭AI算力中枢"，集成智能体"小麦"、本地NAS存储、轻量化桌面计算能力，支持90余项CLI系统工具和60余项技能，可跨36款APP操作。

争议的核心不在于硬件参数，而在于产品需求逻辑。从大众视角看，千元级智能音箱已能实现语音提醒、日程播报等基础交互功能；万元预算拆开可买好NAS+智能音箱+新手机，覆盖功能更广。消费者很难为一套"集合多项功能但没有杀手级应用"的万元硬件付费。

这一事件折射出整个AI硬件行业的通病：大量终端仍困于概念先行，堆砌算力却没能找到普通人持续高频使用的场景。不过，也有观点认为，技术的探索从来不是一步到位的——今天的"万元闹钟"可能就是未来家庭AI中枢的第一代原型，关键在于团队能否真正走进用户家庭，找到真需求、砍掉伪需求。摩尔线程从B端算力芯片跨界C端消费硬件，其试水结果将为整个行业提供重要参考。

六、KIMI K3算力崩盘：2.8万亿参数暴露国产芯片供给瓶颈

7月17日，月之暗面发布Kimi K3大模型，以2.8万亿参数刷新全球开源模型规模纪录，综合能力登顶多项权威评测榜单。但仅两天后，Kimi紧急发布公告暂停面向普通用户的新订阅通道，原因是算力资源全面紧张。上线后日均API调用量飙至3800亿token，直接将月之暗面手中的H100/B200集群干到满载，推理延迟从200ms涨到900ms。

K3的技术架构揭示了一个深层矛盾：用架构创新弥补算力缺口，但内存账单丝毫没减。K3采用MoE架构，896个专家中每次推理仅激活16个（激活率约1.8%），计算效率大幅提升，但所有2.8万亿参数必须同时驻留在显存中。即使采用4-bit量化感知训练将模型体积从5.6TB压缩至约1.4TB，完整部署仍需要至少64张高端GPU组成超节点阵列协同运转。

更深层的问题是算力供给受限。海外高端AI芯片出口管制持续收紧，国内企业能稳定获取的往往是性能打折版本，不得不转向国产替代芯片。但国产芯片在万亿级超大MoE模型、万卡级以上超大型集群场景仍存在代差。K3的算力崩盘本质上是存量算力储备在高并发流量面前的一次极限测试。

与此同时，7月21日国内头部大模型企业完成超大型数据中心建设，整座算力枢纽全部搭载国产算力芯片，从底层芯片到调度软件实现全栈自主可控。这一万卡级项目的落地形成示范效应，后续互联网、金融、工业等行业新建智算中心将全面参照该模式。K3的算力危机与国产万卡枢纽的落地，从供需两端验证了国产算力芯片进入实打实的卖方市场——订单饱满、交付周期拉长，行业景气周期具备长期持续性。

七、云豹智能冲刺国产DPU第一股：三年亏损近25亿，95%营收依赖腾讯

云豹智能创业板IPO申请已获深交所受理，拟募资30.35亿元，成为冲击"国产DPU第一股"的热门企业。招股书显示，2023至2025年公司营收分别为17.32万元、3635.57万元和3.70亿元，DPU产品销量从5396件增至5.40万件，增长约九倍。但同期累计亏损达24.66亿元，其中2025年归母净利润为-11.89亿元。

云豹智能的核心产品是云霄1.0系列全功能DPU SoC芯片，采用自研RISC-V与ARM V9指令集混合架构，支持400Gbps网络带宽和P4可编程，关键指标与英伟达BlueField-3持平，但在DDR接口速率、内存带宽和RDMA带宽方面仍有差距。公司第二款风驰2.0 AI DPU已完成流片，新一代瞄准800Gbps至1.6Tbps。以2025年收入计，云豹智能在中国全功能DPU市场国产独立厂商中排名第一。

但最大风险在于客户集中度过高。2024年腾讯关联交易占云豹营收93.16%，2025年进一步升至95.22%。腾讯同时是第一大股东（持股19.78%）和第一大客户，云豹智能更像腾讯直接培养的供应商。招股书披露盈利时间表最早要到2028年，意味着即便顺利上市，投资者还要陪其再走两三年亏损期。

DPU赛道的商业逻辑值得深思。DPU作为CPU和GPU的"第三颗主力芯片"，负责网络、存储和安全的数据处理，是AI数据中心不可或缺的组件。弗若斯特沙利文预测中国DPU市场规模将从2025年的497.58亿元增至2030年的1290.91亿元。但DPU的护城河一半在硅片之外——英伟达靠的是GPU+DPU+交换机+软件的全栈粘性，国产DPU厂商面临的不仅是硬件指标追赶，更是软件生态、客户迁移成本和商业独立性的三重考验。

八、25家美国科技巨头联署呼吁推动"开放权重"AI发展

7月24日，微软总裁布拉德·史密斯联合行业人士发布文章《开放权重与美国AI领导力》，25家美国科技巨头共同签署公开信，呼吁推动"开放权重"AI模型的发展。签署方包括微软、英伟达等头部企业。

文章将开放权重AI与上世纪80年代的开源软件运动进行类比——后者奠定了现代互联网的基础。开放权重模型允许开发者自由访问和使用模型的参数权重，在本地部署和微调，而非只能通过API调用闭源模型。支持者认为，开放权重将降低AI开发门槛、促进创新、增强透明度，是美国保持AI领导力的关键。

这一联署的背景值得注意。当前全球AI监管正在加速落地——EU AI Act将于8月全面执行，各主要经济体同步推进AI法规。部分监管呼声倾向于限制开放权重模型的传播，担心其被滥用。25家科技巨头的联署可视为产业界对监管收紧的一次集体回应，试图在安全与创新之间划出平衡线。

对硬件行业而言，开放权重模型的推广具有直接影响——如果更多企业选择在本地部署和微调开放权重模型，对推理算力硬件（尤其是边缘和端侧芯片）的需求将进一步放大。这与AMD苏姿丰"推理算力需求将超训练"的判断形成呼应，也与KIMI K3算力崩盘暴露的推理算力短缺问题相互印证。