TrendForce集邦咨询预测，随着各厂商密集推出AI Agent应用，AI服务器CPU出货2026年将年增31%，2027年有望再年增逾40%。英特尔CEO陈立武在财报电话会上称AI负载重心从训练转向推理，CPU与GPU配比正从1:8向1:1转变；KeyBanc分析师表示AMD EPYC 2026年产能近乎售罄，高端型号交期拉长至8–10周。
Agent负载把CPU从AI服务器配套件抬升为独立采购科目，AI算力预算正从只买加速卡转向配齐一整套机柜算力。
「算力的尽头是电力」只说对了一半，文章认为真正卡住 AI 扩张的是发电、电网、变压器、散热、封装与资本整条链条的速度差异，瓶颈已从 GPU 迁移到 HBM 与先进封装，如今轮到变压器、燃气轮机和并网排队。
AI 基础设施的约束已从单点技术转向能源、制造、金融与许可构成的系统链条，最慢环节决定扩张速度。
作者拆解 Nous Research 的开源 Agent Hermes：护城河不在模型能力，而在一行命令的可安装性与技能记忆沉淀，2400 万次 clone 对应 2026 年 9 月年化约 3600 万美元收入（月流水乘 12 的推算口径），变现仍在早期。
开源 Agent 的胜负手不在模型能力，而在安装门槛与用户资产沉淀；Hermes 用开放内核换分发、再向企业治理收钱，路径已跑通一半。
AI 基础设施公司 Runware 计划像造汽车一样用流水线量产模块化数据中心，目标 2028 年在罗马尼亚工厂达到日产 30 兆瓦、约每月 1 吉瓦，接近全美今年预计新增的约 10 吉瓦数据中心电力。
AI 数据中心正从工地施工转向工厂流水线制造，交付速度成为算力建设的新竞争点，Runware 试图复制汽车量产模式。
AI数据中心对HBM、服务器DRAM和企业级SSD的需求激增，挤占消费级内存供应，IDC数据显示2026年三季度全球PC出货量同比下降20.1%、智能手机下降22.0%，均创历史新低。
AI数据中心的内存需求正在从成本端挤压消费电子，PC和手机的暴跌是产能被挤占的结果，而非终端需求自然衰退。
英伟达推出DSX POD预制方案，把7个Vera Rubin机架连同线缆在工厂预装成集装箱，在外部配套就绪条件下现场部署目标最短14天，戴尔、HPE、联想等参与，计划2027年初交付。
AI算力的交付瓶颈正从芯片制造转向机房建设，预制化成为厂商缩短数据中心上线周期的共同路线。
经济观察报发文诊断中国大模型难以反超的根源在训练算力，提出短期以系统工程和模型提效弥补并用好进口芯片，中期补产能与软件生态，长期攻关光刻机等核心设备。文章引斯坦福2026年AI指数称中美最佳模型性能差距已缩至约2.7%，但Epoch AI估算训练计算量仍相差一个数量级，DeepSeek-V3用2048张H800把训练成本压至约560万美元的提效路线存在天花板。
中美模型差距的实质是训练算力体系差距，提效只能追近难以反超，竞争核心是把数万张卡连成一台机器的成体系能力。
蓝思科技拟以2500万美元（约合人民币1.72亿元）收购PMG 59.78%股权，间接控制元拾科技加码服务器机柜及液冷业务，立讯精密、工业富联、歌尔股份等果链企业也在多路径扩大AI相关业务。
果链企业的AI转型实质是用同一套精密制造能力在算力硬件、AI眼镜和机器人市场反复变现，以摆脱对单一客户和存量手机业务的依赖。
特斯拉在三季度财报中宣布Optimus人形机器人已在加州弗里蒙特工厂的量产线开工，产线由Model S和Model X旧线在46天内拆除改造而来，马斯克称设计年产能100万台。
人形机器人正从展会演示转入量产与真实上岗阶段，产业分化为美国主攻大脑、中国主攻身体的格局，价值兑现可能先落在核心部件。
无问芯穹（Infinigence AI）在NVIDIA Research推出的GPU算子优化榜单SOL-ExecBench上先后登顶L1基础算子、L2融合算子、Quant量化算子与FlashInfer-Bench推理算子四大赛道。
这场竞逐的实质是GPU底层算子优化从专家手工调优转向Agent自主探索，算力效率正成为AI基础设施竞争的焦点。
硅谷一批初创公司租用英伟达GPU部署DeepSeek、Kimi、GLM等开源模型按Token售卖，Menlo Ventures投资人Deedy Das称部分公司数月内做到月营收超100万美元；其测算每小时8美元的B300租金在效率足够高、订单足够多时可产出价值10到20美元的Token。
这类生意的实质是缺乏护城河的中间商套利，月入百万是营收口径而非利润，同行共用同一批开源权重最终只能比拼价格。
野村研报判断全球机器人仍处AlexNet时刻之后、GPT-2之前的加速期，机器人大脑尚未达到GPT-2水平，真正的ChatGPT时刻需由运营指标和数据飞轮确认，而非由发布会宣告。
机器人爆发的实质门槛在数据飞轮和工厂运营指标，而非模型发布，当前处于GPT-2之前的加速期。
清华大学、NVIDIA、CMU、UC Berkeley、Princeton、NUS 等海内外机构联合发起实时交互视频生成评测基准 StreamEval（https://streameval.ai），覆盖数字人对话、虚拟人表演、世界生成、指令编辑、参考编辑五类任务，共 300 个测试用例、38 个模型，代码、数据集与评分规则全部开源。
在连定义都未统一的实时交互视频赛道，清华与 NVIDIA 等机构先把公开、可复现的评测标准立了起来。
英伟达宣布在欧洲追加近 100 亿美元投资，投向德国机器人与医疗 AI 初创公司，并与西门子、奥迪捆绑推广物理 AI。德国总理默茨在柏林会见黄仁勋，西门子、奔驰、奥迪等工业巨头代表到场。
这场博弈的实质是 AI 从数字世界蔓延到物理世界，工业数据与制造场景成为新的争夺点，欧洲试图用老工业资产换新位置。
超节点正在改写 AI 算力“算力不够就加机器”的扩张逻辑，竞争焦点从采购多少芯片转向如何组织芯片，紧耦合系统规模已从 72 卡扩至 384 卡、1024 卡。
超节点表面比的是卡数，实质比的是芯片协作效率，算力采购的评价标准正从规模数字转向模型实际跑出的性能。
开源开发者通过修改 GPU 启动阶段的寄存器配置，解除部分 GeForce 显卡 Tensor Core 的指令发射速率限制，不改官方驱动、不换硬件即可生效，RTX 4090 在 FP16/BF16 输入。
GeForce 显卡的部分算力上限来自寄存器速率配置而非硬件本身，开源工具正在把这块余量交到用户手里。
丘栋荣时隔两年公开路演，称AI生意资本投入大、盈利模式脆弱，对资本回报是破坏性的力量，建议保守者不投、激进者找机会做空。他同时否定自己擅长的低估值策略，称低估值资产通常有问题，并转向看空煤炭石油等传统能源，相对看好未大规模投入AI的拼多多。同期黄仁勋回应AI泡沫论称AI需求仍远超供给，消化期未来两三年未必出现；文章认为两人讨论的分别是产业需求与股东资本回报两个不同问题。
丘栋荣与黄仁勋看似对立，实际一个回答AI产业需求是否真实，一个回答巨额投入后股东能否拿到回报。
2024年7月离开中庚基金的丘栋荣在两年来首次系统发声的路演中称，AI投资非常差、非常危险，AI对资本回报是破坏性力量，保守者不应投入、激进者可寻找做空机会；他还否定低估值投资，称低估值资产通常有问题、就是雷，看好美元定价的中国资产和未大规模投入AI的拼多多，并转向看空煤炭石油天然气。
这场争论的实质是产业问题与投资问题的错位，算力供不应求不等于投入的资本能变成股东回报。
重庆达瓦科技凭借实时世界模型Scenes AI获得2026 NVIDIA创业企业展示半程展示卓越企业奖，本届赛事共580多家科创企业报名、30家入围。
实时世界模型正在从逐帧生成画面转向维护可持续运行的世界状态，稀疏计算让单张消费级显卡实时运行成为可能，该路线已获NVIDIA创业生态奖项认可。
光锥智能创始人王一粟与NVIDIA中国区工程和解决方案副总裁赖俊杰对谈Token经济学，核心是企业如何把AI投入从算力核算转向产出核算。文中引用国家数据局数据，中国日均Token调用量从2024年初的1000亿升至2026年3月的超140万亿，NVIDIA内部测试称一个智能体任务可能涉及50到500次连续模型调用。
Token正从技术计量单位变成经营指标，企业AI投入的核算逻辑正在从买多少算力转向换回多少业务回报。
网约车平台 inDrive 宣布与 Pony.ai 和 Nvidia 签署谅解备忘录，计划 2027 年上半年在哈萨克斯坦首都阿斯塔纳启动 Robotaxi 测试，初期配备安全员，最终目标为全无人驾驶。
打车平台不自研技术，靠组合整车与芯片供应商以轻资产方式进入自动驾驶，新兴市场在监管配合下成为美中之外的新试验场。
光锥智能创始人王一粟与NVIDIA中国区工程和解决方案副总裁赖俊杰对谈Token经济学，核心是企业如何把AI投入从算力投入口径转为产出口径核算。国家数据局披露，中国日均Token调用量从2024年初的1000亿增至今年3月的140万亿，两年增长超千倍；文中还提到一家超市连锁企业用AI谈供应商合同，成本节省3%、ROI达4倍、付款账期延长35天。
AI投入的核算逻辑正从买卡建站的投入口径转向任务产出的经营口径，Token从技术计量单位变成需要CEO与CFO共同管理的经营指标。
西门子医疗与英伟达于 10 月 22 日宣布合作，共同开发融合智能体与机器人智能的下一代自适应放射治疗技术，将影像和肿瘤学专业知识与加速计算及仿真结合。首批开发确定三个方向，包括治疗规划中的智能体 AI、利用患者特异性数字孪生的患者仿真、帮助肿瘤团队应对患者状况变化的实时自适应计算。
西门子医疗把英伟达的加速计算引入放疗工作流程，AI 在医疗的竞争从影像诊断延伸到治疗执行环节。
AI数据中心的瓶颈正从算力芯片转向互连，中国信通院数据显示大规模分布式训练中网络通信耗时占比达30%到50%。华为副总裁王雷称国内Token实际流通效率仅60%；众星微高管拆解GB300与VR200称互连芯片约占整机价值8%到9%，据此估算国内互连芯片年市场约1000亿元。
AI集群竞争正从比拼算力转向比拼数据搬运效率，互连决定昂贵GPU的实际产出，也是国产芯片绕开英伟达封闭生态的切口。
前Nvidia产品营销人士Amulya Vishwanath称，机器人行业还没有迎来自己的ChatGPT时刻，目前处于重新搭建基础模块的乐高积木时代，她创办了专注物理AI的风投Techable Ventures。
机器人与物理AI仍处底层模块搭建期，资深从业者的判断是爆发点未到，相关投入更像长周期布局而非短期风口。
CME Group 与 Silicon Data 挂钩英伟达 H100、B200 租赁价格的算力期货因产品“新颖或复杂”被 CFTC 延长审查至 11 月 9 日完成，上市时间待定。
算力租金正在被尝试金融化定价，但国内缺公开价格基准，企业现阶段对冲波动主要靠合同和库存等实体手段。
哈佛大学、英伟达、加州大学伯克利分校、麻省理工学院和斯坦福大学的研究团队近日推出开源框架RAX，让会写代码的智能体在真实或仿真环境中自主探索，把有效经验转化为可反复运行的程序，论文称仿真实验中平均表现比最强基线高37.4%。
RAX代表的探索式路线试图用智能体写代码替代遥操作示范数据采集，为机器人技能获取提供示范训练之外的选项。
Laplace Intelligence 为机器人和自动驾驶等物理 AI 提供自动化红队测试，用 AI 智能体在高保真仿真中主动寻找故障点和极端场景。其仿真环境基于 Nvidia Cosmos 后训练改造，可结合街景、地图数据和实时路况重建真实场景，并用语言提示实时改动。
用 AI 测试 AI 正成为物理 AI 安全测试的一条新路线，Laplace 把人工找边缘场景换成智能体在仿真中主动施压，并已有付费客户。
由华盛顿大学、牛津大学、英伟达等机构组成的国际联合团队于当地时间 16 日在《科学》发表 RFdiffusion3 研究成果，这套生成式系统可对单个原子建模，用于设计蛋白质与核酸，设计出的蛋白质能在真实化学反应中实现预期功能。
蛋白质设计的 AI 正从预测已知结构转向按需生成，RFdiffusion3 将可控精度推进到原子级，并以真实化学反应确认了所设计的酶可用。
在 NVIDIA 负责机器人平台产品营销七年的 Amulya Vishwanath 创立早期基金 Techable VC，投资机器人、材料科学和生命科学领域的 physical AI。
深入机器人一线七年的投资人认为基础件尚未补齐，当下机会在重建期的早期投入而非等待通用模型引爆。
NVIDIA机器人平台前产品营销负责人Amulya Vishwanath在TechCrunch Equity播客中表示，机器人尚未迎来自己的ChatGPT时刻，目前处于基础构件仍在重建的Lego时代。
机器人基础构件未成熟与通用模型将至两种判断并存，从业者对ChatGPT时刻是否临近存在实质分歧。
据 IEEE Spectrum 报道，今年来几乎所有 94 座美国核反应堆都获得了将 AI 整合进运营的机会，大多数已接受部署。
AI 以文书合规和知识检索为切口进入核电这类极力规避风险的行业，厂商明确把运营决策排除在外。
YouTube 主播 Jun Yamog 于 10 月 12 日发布视频，将 4 张 2017 年发布的英伟达 Tesla V100 装上 NVLink 载板，在 4-bit 量化的 Qwen3.8-Flash-Next 模型推理测试中速度超过 2 台 DGX Spark 和 M5 Ultra Mac Studio。
单一实测显示旧款数据中心 GPU 在特定推理负载上仍有吞吐价值，硬件采购比价不应只看发布年份。
锦缎分析称，建滔集团市值较所持建滔积层板61.69%股权对应市值折价至少34%，折价主要发生在2026年。AI算力需求把PCB行业景气指数从约1000点推升至当前4800点，26年上半年建滔积层板EBITDA 44.59亿港元同比增172%。
集团折价不是单纯错杀，市场在为周期位置、扩产供给与家族减持治理风险定价，低估是相对的。
微软研究院发布 Physical AI Toolchain 新增的机器人推理卸载功能，开发者可用基于 Kubernetes 的声明式工具把机器人 AI 负载容器化并编排到机器人、边缘与云端，官方称其为行业首个此类能力。
机器人推理正从机载算力转向边云协同，机器人本体可被简化为轻量终端，网络与边缘云端算力成为部署成败关键。