新闻热度趋势
项目概述
Node AI 使用户能够参与、贡献并从不断发展的人工智能领域中受益。通过利用区块链技术，Node AI 确保了一个透明且安全的生态系统，参与者可以参与各种功能。比如收益分成、AI节点租赁、GPU算力借贷等。
HIVE Digital签署3.5亿美元五年期AI云服务合同，将部署2016枚英伟达Blackwell Ultra GPU
数字基础设施公司 HIVE Digital Technologies 旗下高性能计算部门 BUZZ High Performance Computing 签署一份为期五年的 AI 云服务合同，金额约 3.5 亿美元，客户为一家未披露名称的投资级企业。合同预计每年新增约 7000 万美元收入，使 BUZZ HPC 年化收入升至约 1.8 亿美元。 BUZZ HPC 将部署 2016 枚英伟达 Blackwell Ultra GPU，采用 GB300 NVL72 系统、英伟达 Quantum-X800 InfiniBand 网络及 VAST Data 存储。集群预计于今年晚些时候在加拿大不列颠哥伦比亚省 Merritt 的 Bell's AI Fabric 设施投入运营，该设施使用可再生水力发电和闭环液冷技术。 HIVE 预计该项目资本支出约 1.85 亿美元，并将通过已公布的融资及新增设备债务完成部署。公司预计集群完全上线后，HPC 和 AI 业务日收入约 50 万美元，并计划在年底实现 2 亿美元 GPU 云服务年化收入；其在加拿大拥有约 400 兆瓦容量，未来两年可支持超过 12 万枚 GPU。（Bitcoin.com News）
Serenity：AI供应链繁荣远未结束，存储、封装、电力等环节或迎长期需求爆发
“白毛股神”Serenity 在 X 平台发布 AI 产业链观察，指出 AI 基础设施需求正在推动存储、先进封装、算力融资、光通信、电源及电子元件等多个环节进入长期扩张周期，AI 供应链仍处于高速增长阶段。在存储领域，Serenity 援引瑞银预测称，传统 DRAM 厂商（如美光）的毛利率可能在 2027 年达到前所未有的 95%，甚至超过 HBM 产品的毛利水平。此外闪迪长期协议已覆盖 2028 年产能的约三分之二，最低合同收入规模达到 930 亿美元，而当前市值约 2390 亿美元，显示其未来收入目标可能持续多年，难以简单视为传统周期股。在云计算基础设施方面，CoreWeave 已签署协议将使用英伟达 A100 GPU 服务至 2029 年，这对 Nebius、Iren 等新型云计算公司构成利好，也削弱了部分投资者关于老旧 GPU 快速折旧的看空逻辑。AI 模型公司增长速度也持续超预期，前沿 AI 实验室仍保持极快增长速度，若增长停滞反而值得担忧，市场预计 Anthropic 的 2028 年收入可能达到 1900 亿至 2000 亿美元。不过，先进封装和半导体基础设施仍是核心瓶颈，台积电先进封装负责人表示，未来几年行业不仅可能面临存储短缺，也将面临 ABF 载板供应紧张。Serenity 总结称，AI 基础设施供应链正在持续扩张，从 GPU、存储、先进封装，到电力、光通信和电子元件，各环节均呈现长期需求增长趋势，AI 供应链仍处于高速发展阶段。
CoreWeave、Nebius财报揭示AI云算力趋势：供给短缺持续，CSP迈向“AI基础设施操作系统”
分析师 qinbafrank 在 X 平台发文表示，CoreWeave（CRWV）和 Nebius 最新财报显示，AI 云算力（CSP）行业正在进入快速扩张阶段，行业竞争重点正从单纯提供 GPU 租赁，转向建设覆盖算力、软件、数据和运营能力的 AI 基础设施平台。目前，AI 算力需求仍明显超过短期可交付供给。与此同时，AI 算力定价权正在增强，但涨价主要集中于高价值资源。CoreWeave 表示，7 月各类 GPU 计算 SKU 价格普遍上涨约 25%；Nebius 披露，上一代 GPU 价格较一季度上涨超过 30%，二季度新签合同平均年化收入超过每 MW 2000 万美元，部分项目达到 2000 万至 2500 万美元，短期紧急容量价格甚至达到每 MW 4000 万至 5000 万美元。不过，价格上涨主要发生在短期容量、新一代 GPU、大规模集群以及生产级 AI 推理场景，传统低优先级、长期锁价的裸算力并未同步上涨。从盈利模型看，AI 算力项目级回报正在变得更加清晰，但公司整体资本回报率（ROIC）仍需时间验证。Nebius 首次披露较明确的项目回收周期，CoreWeave 则通过长期合同和资产级融资降低 GPU 投资压力。但两家公司当前仍处于高资本投入阶段，折旧和融资成本继续压缩利润空间。不过，越来越多单个项目能够实现经济模型闭环，意味着 AI 基础设施商业模式正在逐步成熟。此外，CoreWeave 和 Nebius 均在向“AI 基础设施操作系统”方向升级。未来 CSP 竞争不再只是出租 GPU 小时数，而将覆盖 AI 训练、推理、存储、网络、模型部署、监控、安全治理以及 Agent 运行环境等完整服务体系。在资本模式方面，两家公司也出现不同路径：Nebius 更偏向轻资产模式，通过资本合作伙伴投入建设 AI 数据中心，自身提供 AI 基础设施运营和软件能力；CoreWeave 则通过 Omni 战略推动混合云模式，将完整 AI 云平台部署到客户自有数据中心和 GPU 资源上，更强调企业级和主权 AI 交付。整体来看，AI 云算力行业正在从“GPU 租赁商”向“AI 基础设施平台”演进。短期供给约束仍将支撑算力价格，而长期竞争焦点将转向资本效率、软件能力以及能否成为 AI 时代的基础设施操作系统。
AI架构公司Pathway完成3000万美元种子轮融资，Id4 Ventures等参投
AI 架构开发公司 Pathway 宣布完成 3000 万美元种子轮融资，Id4 Ventures、TQ Ventures、Red Bridge Ventures、Kadmos Capital 及 Wilson Sonsini 旗下投资机构 WS Investment 等参投，Databricks 首席 AI 科学家 Jonathan Frankle 以天使投资人身份加入。Pathway 正在开发生物启发式动态层次架构（BDH），这一“后 Transformer”架构旨在突破当前 Transformer 模型持续依赖更多数据、GPU、能源和资本扩张的局限。与传统大模型需周期性重新训练不同，BDH 可利用较少数据实现持续学习与连续适应。该公司同时宣布，已任命前谷歌 DeepMind Gemini 产品负责人 Adam Kurzrok 担任首席产品官，负责 BDH 模型的产品方向，涵盖模型封装、评估体系与商业部署等工作。(Finsmes)
GPU 数据公司 Silicon Data 完成 3050 万美元 A 轮融资，Valor Atreides AI Fund 领投
GPU 市场数据基础设施公司 Silicon Data 宣布完成 3050 万美元 A 轮融资首次交割，由 Valor Atreides AI Fund 领投，CME Ventures、DRW、Samsung Next、VanEck、Jump Trading、Wintermute 等参投。本轮资金将用于 GPU 基准定价、性能测量、机构及另类数据，以及衍生品、保险和信贷市场风险基础设施。
美银：英伟达 5000 亿美元第三方融资分散风险，无需动用资产负债表
据潮向研究，美银 8 月 10 日研报指出，英伟达与 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和 KKR 签署谅解备忘录，通过独立平台调动超 5000 亿美元第三方资本。此前英伟达向 OpenAI、Anthropic 等生态伙伴股权投资约 700 亿美元，仅占 2026 至 2027 年预期自由现金流 4700 亿美元的 15%，不影响 50%自由现金流回馈股东的承诺。 美银认为融资结构将资本负担从英伟达转移至财团，GPU 算力可跨运营商转移且 CUDA 延长使用寿命，资产质量本身在对抗折旧。5000 亿美元资金池让非投资级买家能以优惠利率获取 GPU，将 AI 算力从资本密集型购买转变为融资租赁型获取，支撑 2030 年 1.7 万亿美元 AI 系统 TAM。美银维持买入评级，目标价 350 美元，对应 2027 年预期每股收益 26 倍，即将到来的财报电话会是下一个重要催化剂。
Silicon Data完成3050万美元A轮融资，Valor Atreides AI Fund领投
GPU 市场数据基础设施公司 Silicon Data 宣布完成 3050 万美元 A 轮融资首次交割，由 Valor Atreides AI Fund 领投，CME Ventures、DRW、Samsung Next、VanEck、Jump Trading、Wintermute 等参投。本轮资金将用于 GPU 基准定价、性能测量、机构及另类数据，以及衍生品、保险和信贷市场风险基础设施。Silicon Data 目前从全球 40 多个国家约 100 个 GPU 租赁平台收集数据，每日处理超过 15 万条经验证的价格记录。CME Group 正计划采用 Silicon Data 基准作为拟推出的现金结算 GPU 期货参考价格，尚待监管批准。
韩国公共机构员工私自挖矿被解雇，法院驳回不当解雇诉讼
据韩联社报道，韩国食品研究院前部门主管 A 某因在单位仓库内私自挖矿，被解雇后提起行政诉讼，但于上月 3 日被首尔行政法院判决败诉。 据调查，A 某于 2023年 2 月至 9 月间，擅自在研究院闲置홍보馆仓库内安装 2台 GPU 服务器，并动用机构预算完成空调、网络及电力改造工程，累计非法挖取山寨币约 7100 万枚。事发后，A 某还伪造审批文件试图取回 GPU 服务器以销毁证据。此外，其在 2023年 8 月至 2024年 5 月间，共 117 次使用未经授权的 VPN 违规打卡，并间接导致研究院重要科研数据遭非法外泄。 国家科学技术研究会审计委员会于 2024 年对其展开专项审计，随即向警方举报并要求研究院予以解雇处分。A 某历经内部申诉、地方劳动委员会及中央劳动委员会救济申请均遭驳回后，诉诸行政法院，仍以败诉告终。法院认定，该解雇"不存在明显违反社会通念或滥用裁量权的情形"。刑事方面，A 某以盗窃罪、违反信息通信网法及伪造私文书等罪名被起诉，一审被判处有期徒刑 1 年，今年 4 月二审维持原判，刑期正式确定。
“不安与期待只是硬币两面”：SK海力士股价回调但仍被机构看好，市场聚焦HBM4技术护城河
SK 海力士股价近期出现回调，8 月 3 日股价下跌 8.79%，虽然随后 8 月 4 日和 5 日分别小幅反弹 0.64%和 5.77%，但在 8 月 6 日股价又大跌 10.37%，收于 149.5 万韩元；8 月 7 日进一步下跌 4.88%，收报 142.2 万韩元。在市场波动加剧背景下，SK 集团发布广告引用创始人崔钟贤（최종건）的名言：“绝望与希望是一枚硬币的两面，可以像翻转手掌一样将绝望转变为希望”并将其改写为：“AI 时代的不安与期待也是硬币的两面，可以将不安转变为期待”，借此传递对 AI 产业长期发展的信心。证券机构认为，短期股价波动并未改变 SK 海力士的基本面，市场应关注其 HBM4 技术领先优势以及长期供货协议（LTA）带来的业绩稳定性，其中：1、现代汽车证券预计 SK 海力士第三季度 DRAM 和 NAND 比特增长率分别达到 9.7%和 1.5%，随着 HBM4 销售贡献扩大，即使长期供货协议占比提升，DRAM 平均售价（ASP）仍有望环比上涨 19.9%。OpenAI、Anthropic 等企业正在推进自建超大型 AI 数据中心，并计划通过 IPO 融资投入相关建设，即使部分大型科技公司未来调整资本开支（Capex），也可能被其他 AI 基础设施需求抵消。此外针对中国长鑫存储（CXMT）带来的竞争担忧，考虑到美国持续强化半导体设备出口限制，以及美光扩大美国本土投资，苹果等主要企业采用中国存储芯片的可能性较低。2、SK 证券同样看好 SK 海力士竞争优势，认为凭借 HBM 领域领先地位、与北美主要 GPU 企业的合作关系，以及 AI 驱动的 LTA 需求，SK 海力士在市场中的位置依然稳固。目前 HBM 供需满足率不足 70%，长期供货协议的核心价值在于通过客户与供应商之间的“相互绑定结构”，确保利润持续性和业绩稳定性。随着 ADR 上市等价值重估举措推进，以及出售与铠侠（Kioxia）相关 SPC 资产带来的分红收益，公司达到净现金 100 万亿韩元目标的时间可能提前。未来股东回报政策逐步明确，将有助于市场重新认识 LTA 模式价值，并推动 SK 海力士估值进一步提升。（Daum）
西部数据：AI 存储竞争不是“闪存大战 HDD”，经济可扩展性才是关键
西部数据首席产品官 Ahmed Shihab 发布长文指出，随着人工智能基础设施快速扩张，存储领域的核心竞争不应简单归结为闪存（Flash）与机械硬盘（HDD）的较量，而在于能否构建具备长期经济可扩展性的 AI 存储架构。当前 AI 行业正面临一个关键问题：今年选择的存储架构，是否能够支撑未来数据规模增长至 PB 级甚至 EB 级，许多 AI 基础设施设计并非因性能不足而失败，而是在数据规模扩大后陷入成本困境。 Ahmed Shihab 补充称，闪存和 HDD 并非竞争关系，而是面向不同工作负载的互补技术。高性能场景，如模型权重、GPU 溢出、KV 缓存等，需要低延迟闪存支持；而训练数据集、日志、检查点、合规记录以及大规模历史数据等长期存储需求，则更适合采用具备成本优势的 HDD。AI 时代的存储架构将更加分层化，而不是依赖单一存储介质。“闪存负责关键时刻的性能，HDD 负责数据生命周期。未来 AI 存储的发展方向并非“闪存取代 HDD”，而是根据不同数据生命周期和业务需求进行精准分层。“真正的基础设施不是追求炫目的性能，而是能够支撑 AI 长期增长的可靠底座。” 美股行情显示，西部数
AMD推出AI编程平台Instinct Coder，可降低企业AI编码成本70%
半导体巨头 AMD 宣布推出企业级 AI 编程平台 AMD Instinct Coder，该平台结合 AMD 芯片、Supermicro 服务器及 Spectro Cloud 软件，旨在帮助企业在本地部署 AI 编码助手，降低云端 AI 模型使用成本并保护代码及数据安全。AMD 表示，Instinct Coder 是一套“开箱即用”的端到端 AI 开发平台，整合了 AMD EPYC 处理器、AMD Instinct GPU、Supermicro AI 服务器、Spectro Cloud PaletteAI Inference Launchpad 软件，以及经过 AMD 优化的 GLM-5.2 模型，可用于代码生成、应用现代化、自动化测试、代码审查等软件开发场景。AMD 称，与依赖云端前沿 AI 模型相比，Instinct Coder 可帮助企业降低最高 70%的总拥有成本（TCO），投资回收期最快可缩短至 6 个月。AMD 表示，越来越多企业希望利用 AI 提升开发效率，但同时面临两大挑战：一方面，调用顶级云端模型成本不断增加；另一方面，将企业源代码、知识产权和敏感数据交由第三方服务存在安全和合规风险。通过本地部署模式，Instinct Coder 可让企业保持对数据和代码的控制，同时提供更可预测的基础设施成本。该平台支持 Claude Code、OpenAI Codex、Visual Studio Code 和 Cursor 等开发工具，每个节点最多支持 50 名用户（30 名并发用户）。此外，Spectro Cloud 提供的 PaletteAI Inference Launchpad 可实现 AI 工作负载管理、模型路由、请求审计和成本监控，并支持在需要时调用 Anthropic、OpenAI、Google 或 xAI 等外部模型。AMD 表示，Instinct Coder 旨在帮助企业摆脱高昂云端 AI 服务成本，在保障数据安全和自主控制的同时，加速 AI 驱动的软件开发流程。
分析师：DRAM供应短缺预计持续至2027年，英伟达评估降低Rubin Ultra HBM配置
Citrini 分析师 jukan 在 X 平台发文表示，据 TrendForce 最新存储行业研究，DRAM 供应短缺预计将持续至 2027 年，且 HBM4e 认证时间表仍存在不确定性，英伟达自 2026 年第三季度以来一直在重新评估 Rubin Ultra 的 HBM 配置。原计划采用 12 层堆叠 HBM4e 配置，但英伟达目前正在并行评估多种设计，包括 HBM4e 8 层堆叠、HBM4 12 层堆叠和 HBM4 8 层堆叠，最终规格尚未确认。除英伟达外，据称部分 CSP 也在考虑降低下一代自研 ASIC 的 HBM 容量。英伟达在 2025 年至 2026 年上半年期间，将 12 层堆叠 HBM4e 作为 Rubin Ultra 的基准设计。但自 2026 年第三季度初开始，英伟达开始审查较低规格替代方案。TrendForce 称，这一变化来自两项主要供应端限制：其一，预计 2027 年整体 DRAM 短缺限制存储厂商可分配给 HBM 生产的晶圆产能；其二，12 层堆叠 HBM4e 认证时间表及量产良率提升速度仍存在不确定性。TrendForce 表示，英伟达在 Rubin Ultra 代际的首要重点是提高 I/O 速度，扩大 GPU 出货量为次要优先事项。如果英伟达最终决定下调 HBM 规格，预计将通过减少 DRAM 堆叠层数实现。 HBM4e 能否按计划完成认证并进入量产，将决定 Rubin Ultra 的 I/O 速度能否从上一代 Rubin 的 8 至 11.7Gbps 提升至 14 至 16Gbps，或通过优化 HBM4 设计维持在 11 至 12Gbps 水平。同一产品代际内，DRAM 堆叠层数决定每颗 GPU 的 HBM 容量与可出货 GPU 数量之间的取舍。TrendForce 还认为，最终配置将取决于存储厂商的晶圆分配决策。供需方面，2027 年 HBM bit 出货量预计同比增长 50%至 60%，但仍预计无法跟上需求增长。在供应限制持续的情况下，HBM 供应商预计将在 2027 年全年保持定价权。行业已普遍预期 HBM 价格将大幅上涨，AI 芯片制造商将面临 HBM 供应有限和采购成本上升的双重压力，从而进一步强化采用较低 HBM 容量配置的动力。
SK海力士光互联内存路线图：本地HBM连接更大共享内存池
Citrini 分析师 jukan 在 X 平台发文表示，乍看之下，SK 海力士的 CPO 技术路线图似乎一条轴线指向 HBM，另一条轴线指向光通信。但其底层逻辑是，AI 竞争正从单个芯片的性能转向整个系统的数据传输效率。过去数年，HBM 解决了 GPU 无法足够快速接收数据的问题。通过垂直堆叠多层 DRAM 并将其放置在 GPU 旁边，HBM 能够提供极高带宽。然而，随着每个 GPU 周围放置更多 HBM 堆叠，封装面积、中介层边缘空间、电力供应和散热能力都在接近上限。与此同时，AI 集群已经扩展至数千甚至数万枚 GPU。无论单个 GPU 的计算速度多快，如果数据无法在 GPU 与机架之间高效传输，整个系统仍将受到“带宽墙”限制。SK hynix 的设想是将光互连扩展至内存。低延迟、高带宽的本地 HBM 仍将置于 GPU 旁边，同时通过光纤将其连接至更大的共享内存池。这样可以避免将全部内存容量限制在单个 GPU 封装内，并实现机架层面的横向扩展。从投资角度看，这并不意味着 HBM 近期将被替代。更可能出现的是新的内存层级：访问最频繁的数据仍保存在本地 HBM 中，而更大规模、访问频率较低的数据则存储在光互联内存池、HBF 或 SSD 中。SK hynix 正在重新定位自身业务，从销售标准化内存芯片，转向与客户共同设计 HBM、控制器、先进封装以及系统级内存架构。如果该路线图得以实现，SK hynix 可能增强客户黏性、提高产品附加值，并提升获得长期合约的能力；同时，公司也可能更主动地应对未来内存解耦对传统 HBM 商业模式造成的潜在影响。在供应链层面，长期可能受益的领域包括硅光子芯片、光引擎、激光器、光纤耦合技术以及先进 2.5D 和 3D 封装。不过，该概念目前仍处于极早期阶段，本质上仍只是一份路线图。jukan 表示，其今日采访的一位参与 TSMC 封装业务的人士完全不了解这一计划。
Citrini分析师质疑闪迪HBF演示：或刻意低估HBM性能
Citrini 分析师 Zephyr 在 X 平台发文质疑闪迪在投资者日展示的 HBF 与 HBM 性能对比存在参数设置偏差，认为公司在演示中刻意低估了 HBM 的性能。Zephyr 指出，闪迪将 HBM 与 HBF 的总带宽均设为 12.8TB/s，同时采用 bfloat16 运行 Qwen3-480B-A35B 模型，而当前模型推理更多使用 FP4 或 FP8，所需容量约为 240GB 至 480GB。Zephyr 还表示，闪迪将 HBM 单 GPU 容量固定为 192GB，但 16 层 HBM4E 在 8 个堆栈配置下可达 512GB 容量，带宽约 32TB/s，约为闪迪演示参数的 3 倍。其认为上述参数选择使闪迪展示的 "HBF 仅需 1 至 4 个 GPU，而 HBM 需要 8 个 GPU "的结果不能充分代表更高规格 HBM 配置下的实际性能。
CoreWeave、Nebius财报揭示AI云算力趋势：供给短缺持续，CSP迈向“AI基础设施操作系统”
分析师 qinbafrank 在 X 平台发文表示，CoreWeave（CRWV）和 Nebius 最新财报显示，AI 云算力（CSP）行业正在进入快速扩张阶段，行业竞争重点正从单纯提供 GPU 租赁，转向建设覆盖算力、软件、数据和运营能力的 AI 基础设施平台。目前，AI 算力需求仍明显超过短期可交付供给。与此同时，AI 算力定价权正在增强，但涨价主要集中于高价值资源。CoreWeave 表示，7 月各类 GPU 计算 SKU 价格普遍上涨约 25%；Nebius 披露，上一代 GPU 价格较一季度上涨超过 30%，二季度新签合同平均年化收入超过每 MW 2000 万美元，部分项目达到 2000 万至 2500 万美元，短期紧急容量价格甚至达到每 MW 4000 万至 5000 万美元。不过，价格上涨主要发生在短期容量、新一代 GPU、大规模集群以及生产级 AI 推理场景，传统低优先级、长期锁价的裸算力并未同步上涨。从盈利模型看，AI 算力项目级回报正在变得更加清晰，但公司整体资本回报率（ROIC）仍需时间验证。Nebius 首次披露较明确的项目回收周期，CoreWeave 则通过长期合同和资产级融资降低 GPU 投资压力。但两家公司当前仍处于高资本投入阶段，折旧和融资成本继续压缩利润空间。不过，越来越多单个项目能够实现经济模型闭环，意味着 AI 基础设施商业模式正在逐步成熟。此外，CoreWeave 和 Nebius 均在向“AI 基础设施操作系统”方向升级。未来 CSP 竞争不再只是出租 GPU 小时数，而将覆盖 AI 训练、推理、存储、网络、模型部署、监控、安全治理以及 Agent 运行环境等完整服务体系。在资本模式方面，两家公司也出现不同路径：Nebius 更偏向轻资产模式，通过资本合作伙伴投入建设 AI 数据中心，自身提供 AI 基础设施运营和软件能力；CoreWeave 则通过 Omni 战略推动混合云模式，将完整 AI 云平台部署到客户自有数据中心和 GPU 资源上，更强调企业级和主权 AI 交付。整体来看，AI 云算力行业正在从“GPU 租赁商”向“AI 基础设施平台”演进。短期供给约束仍将支撑算力价格，而长期竞争焦点将转向资本效率、软件能力以及能否成为 AI 时代的基础设施操作系统。
分析师：DRAM供应短缺预计持续至2027年，英伟达评估降低Rubin Ultra HBM配置
Citrini 分析师 jukan 在 X 平台发文表示，据 TrendForce 最新存储行业研究，DRAM 供应短缺预计将持续至 2027 年，且 HBM4e 认证时间表仍存在不确定性，英伟达自 2026 年第三季度以来一直在重新评估 Rubin Ultra 的 HBM 配置。原计划采用 12 层堆叠 HBM4e 配置，但英伟达目前正在并行评估多种设计，包括 HBM4e 8 层堆叠、HBM4 12 层堆叠和 HBM4 8 层堆叠，最终规格尚未确认。除英伟达外，据称部分 CSP 也在考虑降低下一代自研 ASIC 的 HBM 容量。英伟达在 2025 年至 2026 年上半年期间，将 12 层堆叠 HBM4e 作为 Rubin Ultra 的基准设计。但自 2026 年第三季度初开始，英伟达开始审查较低规格替代方案。TrendForce 称，这一变化来自两项主要供应端限制：其一，预计 2027 年整体 DRAM 短缺限制存储厂商可分配给 HBM 生产的晶圆产能；其二，12 层堆叠 HBM4e 认证时间表及量产良率提升速度仍存在不确定性。TrendForce 表示，英伟达在 Rubin Ultra 代际的首要重点是提高 I/O 速度，扩大 GPU 出货量为次要优先事项。如果英伟达最终决定下调 HBM 规格，预计将通过减少 DRAM 堆叠层数实现。 HBM4e 能否按计划完成认证并进入量产，将决定 Rubin Ultra 的 I/O 速度能否从上一代 Rubin 的 8 至 11.7Gbps 提升至 14 至 16Gbps，或通过优化 HBM4 设计维持在 11 至 12Gbps 水平。同一产品代际内，DRAM 堆叠层数决定每颗 GPU 的 HBM 容量与可出货 GPU 数量之间的取舍。TrendForce 还认为，最终配置将取决于存储厂商的晶圆分配决策。供需方面，2027 年 HBM bit 出货量预计同比增长 50%至 60%，但仍预计无法跟上需求增长。在供应限制持续的情况下，HBM 供应商预计将在 2027 年全年保持定价权。行业已普遍预期 HBM 价格将大幅上涨，AI 芯片制造商将面临 HBM 供应有限和采购成本上升的双重压力，从而进一步强化采用较低 HBM 容量配置的动力。
分析师：Kimi K3超大模型即将开源，AI基础设施平台或成为最大受益者
分析师 KawzInvests 表示，Moonshot AI（月之暗面）即将发布的 Kimi K3 可能成为开源 AI 领域的重要事件，其背后的基础设施需求或将推动 AI 云服务平台增长。Kimi K3 拥有约 2.8 万亿参数规模，是目前超大规模开源模型之一。Moonshot 官方评测显示，该模型性能仅落后于 Claude Fable 5 和 GPT 5.6 Sol 等前沿模型，完整模型权重预计将于 7 月 27 日开放。KawzInvests 指出，如此规模的模型无法在普通笔记本电脑甚至单台服务器上运行，用户需要由大量 GPU 组成的计算集群才能完成模型加载和推理。当顶级开源模型免费开放时，受益最大的可能并非普通用户，而是提供模型托管和推理服务的平台。以$DOCN（DigitalOcean）为例，其目前已支持 Kimi K2.6 等模型的无服务器推理服务。开发者无需部署硬件，只需通过 API 调用模型并按 Token 付费即可使用。此外，该平台还提供 70 多个模型托管服务，并覆盖 GPU 租赁、模型微调以及 AI Agent 开发工具。随着越来越多大型开源模型发布，开发者对于低门槛 AI 基础设施的需求将持续增加，模型托管、推理服务和 GPU 云平台可能成为开源 AI 浪潮中的关键受益方向。
韩国上市公司K Wave Media清仓88枚BTC，退出比特币财库公司行列
据 BitcoinTreasuries 数据，韩国上市公司 K Wave Media（KWM）已出售剩余全部 88 枚 BTC，用于偿还 600 万美元债务。出售完成后，公司比特币持仓降至 0 枚，退出比特币财库公司行列。K Wave Media 曾于去年宣布获得 10 亿美元比特币财库融资能力，并计划尽快将比特币持仓扩大至 1 万枚。但今年 5 月，公司已将最多 4.85 亿美元剩余融资额度由比特币财库战略转向 AI 基础设施建设，包括数据中心、GPU 算力及相关收购。
不同COLDCARD Mk3设备或生成相同助记词，约450万种起始状态可在3秒内搜索
Bitcoin News 在 X 平台发文表示，@KLoaec 发布的一项新技术分析显示，部分存在漏洞的 COLDCARD Mk3 钱包可能仅由约 450 万种随机数生成器起始状态生成，在单张 RTX 4090 显卡上约 3 秒即可搜索完这些可能性。即使考虑每个钱包生成方式存在的额外不确定性，攻击者也可能在单张高端 GPU 上约 50 分钟内完成搜索。更严重的是，该漏洞可能导致不同设备生成相同助记词。以 3 万台 Mk3 设备为假设，该分析估计约 120 对设备可能生成相同的随机数流。该碰撞估算为理论值，但表明不同设备生成重复助记词的情况可能存在。
Aethir 阻止跨链桥接漏洞攻击并承诺赔偿
去中心化 GPU 云计算基础设施平台 Aethir 确认其以太坊相关桥接合约遭遇攻击，团队已及时断开受影响合约，并联合主要交易所对黑客钱包进行黑名单处理，将损失控制在 9 万美元以内。 此前区块链安全公司 PeckShield 估算损失为 40 万美元，攻击者利用 Aethir 的跨链智能合约 AethirOFTAdapter，将被盗资金从 BNB Chain 转移至 Tron。Aethir 表示其以太坊主网 ATH 代币供应未受影响，计划于下周公布详细赔偿方案及事件分析，并与 Binance、Upbit、Bithumb 等交易所协作冻结资金。Web3 安全平台 ZeroShadow 参与调查。Aethir 2025 年实现收入 1.278 亿美元，全球部署超 44 万 GPU 容器。
Krackpot上线浏览器游戏，使用GPU破解Bitcoin Puzzle 71可获6枚BTC
Bitcoin News 在 X 平台发文表示，Simon Males 已推出 Krackpot，这是一款基于浏览器的游戏，任何人都可以使用 GPU 尝试破解 Bitcoin Puzzle 71 的私钥。奖品为 6 枚 BTC，破解概率取决于 GPU 数量：一张游戏 GPU 需要约 83 万年，100 万张 GPU 需要 1 年，所有 Steam 玩家同时参与需要 1 周。游戏通过 WebGPU 在浏览器本地运行。若用户找到私钥，6 枚 BTC 将发送至其指定的比特币地址，剩余部分归开发者所有。
美银：Anthropic 领跑前沿 AI 模型排名，token 价格松动但 GPU 租金坚挺
据潮向研究，美银证券 8月 17 日发布的前沿 AI 数据追踪报告显示，Anthropic 在三大 AI 基准测试中全面领先，Claude Opus 5 在智能指数、代理指数和编程代理指数均居首位，GPT-5.6 Sol 紧随其后，Meta MuseSpark 1.2 进入前十，Google Gemini 3.6 Flash 排在十名开外。使用量方面，DeepSeek 以约 30%的 Vercel 平台 token 份额领先，Anthropic 占25%、OpenAI 占16%；但付费额上 Anthropic 以65%遥遥领先，OpenAI 仅占 11%。定价层面，AI Token 价格指数 8 月环比下降 9%至 2.21 美元，但同比仍上涨 87%；GPU 租金保持坚挺，H100 同比上涨 33%至 2.77 美元/小时，DRAM 同比上涨 483%，NAND 同比上涨 432%。 研报判断，AI 基础设施需求依然健康，开源模型使用量增长但付费份额仍高度集中在头部闭源模型。美银认为，Meta“西瓜”和 Google Gemini 4 发布、token 定价趋势及 GPU 租金走势是
前比特币矿企 IREN 完成微软 97 亿美元 AI 合同首个里程碑
据 Cryptopolitan 报道，前比特币矿企 IREN 宣布完成与微软价值 97 亿美元、为期五年合同的首个里程碑——位于德克萨斯州 Childress的 Horizon 1 设施正式交付。该设施为 50 兆瓦规模，搭载 Nvidia GB300 系统及直接芯片级液冷技术，并获得 Nvidia 颁发的 Exemplar Cloud 认证。 按合同条款，微软将在五天内完成 GPU 验收验证，通过后 IREN 即可启动每月计费，四个 Horizon 设施全部上线后预计年化收入约 19.4 亿美元。IREN 计划 2026 年完成全部四期共 200 兆瓦部署，并于 2027 年将 AI 云算力扩展至 1.2 吉瓦，同步退出比特币挖矿业务，全年 AI 云收入运行率目标超 40 亿美元。
HIVE Digital签署3.5亿美元五年期AI云服务合同，将部署2016枚英伟达Blackwell Ultra GPU
数字基础设施公司 HIVE Digital Technologies 旗下高性能计算部门 BUZZ High Performance Computing 签署一份为期五年的 AI 云服务合同，金额约 3.5 亿美元，客户为一家未披露名称的投资级企业。合同预计每年新增约 7000 万美元收入，使 BUZZ HPC 年化收入升至约 1.8 亿美元。 BUZZ HPC 将部署 2016 枚英伟达 Blackwell Ultra GPU，采用 GB300 NVL72 系统、英伟达 Quantum-X800 InfiniBand 网络及 VAST Data 存储。集群预计于今年晚些时候在加拿大不列颠哥伦比亚省 Merritt 的 Bell's AI Fabric 设施投入运营，该设施使用可再生水力发电和闭环液冷技术。 HIVE 预计该项目资本支出约 1.85 亿美元，并将通过已公布的融资及新增设备债务完成部署。公司预计集群完全上线后，HPC 和 AI 业务日收入约 50 万美元，并计划在年底实现 2 亿美元 GPU 云服务年化收入；其在加拿大拥有约 400 兆瓦容量，未来两年可支持超过 12 万枚 GPU。（Bitcoin.com News）
Serenity：AI供应链繁荣远未结束，存储、封装、电力等环节或迎长期需求爆发
“白毛股神”Serenity 在 X 平台发布 AI 产业链观察，指出 AI 基础设施需求正在推动存储、先进封装、算力融资、光通信、电源及电子元件等多个环节进入长期扩张周期，AI 供应链仍处于高速增长阶段。在存储领域，Serenity 援引瑞银预测称，传统 DRAM 厂商（如美光）的毛利率可能在 2027 年达到前所未有的 95%，甚至超过 HBM 产品的毛利水平。此外闪迪长期协议已覆盖 2028 年产能的约三分之二，最低合同收入规模达到 930 亿美元，而当前市值约 2390 亿美元，显示其未来收入目标可能持续多年，难以简单视为传统周期股。在云计算基础设施方面，CoreWeave 已签署协议将使用英伟达 A100 GPU 服务至 2029 年，这对 Nebius、Iren 等新型云计算公司构成利好，也削弱了部分投资者关于老旧 GPU 快速折旧的看空逻辑。AI 模型公司增长速度也持续超预期，前沿 AI 实验室仍保持极快增长速度，若增长停滞反而值得担忧，市场预计 Anthropic 的 2028 年收入可能达到 1900 亿至 2000 亿美元。不过，先进封装和半导体基础设施仍是核心瓶颈，台积电先进封装负责人表示，未来几年行业不仅可能面临存储短缺，也将面临 ABF 载板供应紧张。Serenity 总结称，AI 基础设施供应链正在持续扩张，从 GPU、存储、先进封装，到电力、光通信和电子元件，各环节均呈现长期需求增长趋势，AI 供应链仍处于高速发展阶段。
AMD宣布为阿里千问模型Qwen3.8 27B提供“Day 0”支持
AMD 宣布为阿里通义千问（Qwen）最新一代模型 Qwen3.8 27B 提供“Day 0”支持，开发者可在模型发布当天即可通过 AMD 硬件本地运行该大规模开源 AI 模型。AMD 表示，Qwen3.8 27B 是一款适合本地 AI 开发的 27B 参数密集型模型，延续 Qwen 系列在代码生成、实际工作任务、科研以及长上下文 AI 应用方面的优化方向。该模型可通过开源推理框架 llama.cpp 运行于搭载 AMD 处理器的 AI PC 和工作站，或单张 AMD 32GB 显卡上，同时支持具备超过 24GB 可变显存（VGM）或显存容量的 AMD 硬件平台。AMD 初步测试显示，Qwen3.8 27B 在 AMD 平台上具备较高本地推理性能：在 AMD Ryzen AI Max+ 395 处理器上，最高可达到 24.5 tokens/秒；在单张 Radeon AI PRO R9700 GPU 上，最高可达到 51.8 tokens/秒。测试基于 Windows 系统、llama.cpp Vulkan 后端，并启用多令牌预测（MTP）优化。AMD 表示，随着后续软件和模型优化推进，实际性能仍有提升空间。阿里巴巴今天宣布正式开源 Qwen3.8 系列模型，所有开发者、科研机构和企业均可自由下载、部署和使用。全新开源的 Qwen3.8-27B，是原生多模态稠密（Dense）模型，仅 270 亿参数规模，整体水平便超越了 Qwen3.7-Plus。
相关新闻
高盛：CoreWeave 目标价上调至 139 美元，需求定价产能同步走强但中性评级待软件验证
据潮向研究，高盛 8 月 20 日研报指出，CoreWeave 二季度营收符合预期，EBIT 利润率高出市场共识 200 个基点，2026 年营收指引超出市场预期 1%。营收积压订单环比增长 5%至 1040 亿美元，三季度以来新增超 250 亿美元承诺订单。活跃电力装机从一季度 1GW 增至 1.5GW 以上，已签约电力装机达 4.2GW。高盛将 12 个月目标价从 121 美元上调至 139 美元，较当前股价有 53%上行空间，维持中性评级。 高盛认为，CoreWeave 短期确定性清晰：需求持续领先供给、新旧 GPU 代际定价维持高位、产能如期扩张。新一代芯片（Blackwell、Vera Rubin）不断创价格新高，近期 A100 合同交付已延伸至 2029 年。企业客户占比提升（卡特彼勒、IBM、日产、采埃孚），AI 算力需求正从科技巨头向实体经济扩散。高盛预计 EBITDA 将从 2025年 31 亿美元增至 2028年 313 亿美元。中性评级反映的是等待软件和平台服务成为更确定的利润率贡献因素后，再给出更积极判断。
英伟达联合主流 EDA 厂商，推动 AI 驱动的半导体设计效率化
据日经 CrossTech 报道，英伟达（NVIDIA）正积极推广利用其 AI 处理器及软件提升半导体设计效率的解决方案，并与多家主流 EDA（电子设计自动化）厂商展开深度合作。双方通过整合各自产品与技术，已落地多个效率提升案例，其中 AI 智能体（AI Agent）的应用尤为引人关注。此外，英伟达还展示了基于其最新 MPU 产品"Vera"（而非仅依赖 GPU）赋能 EDA 工作流的效率化路径，进一步拓展了其在半导体设计领域的布局。
SK海力士光互联内存路线图：本地HBM连接更大共享内存池
Citrini 分析师 jukan 在 X 平台发文表示，乍看之下，SK 海力士的 CPO 技术路线图似乎一条轴线指向 HBM，另一条轴线指向光通信。但其底层逻辑是，AI 竞争正从单个芯片的性能转向整个系统的数据传输效率。过去数年，HBM 解决了 GPU 无法足够快速接收数据的问题。通过垂直堆叠多层 DRAM 并将其放置在 GPU 旁边，HBM 能够提供极高带宽。然而，随着每个 GPU 周围放置更多 HBM 堆叠，封装面积、中介层边缘空间、电力供应和散热能力都在接近上限。与此同时，AI 集群已经扩展至数千甚至数万枚 GPU。无论单个 GPU 的计算速度多快，如果数据无法在 GPU 与机架之间高效传输，整个系统仍将受到“带宽墙”限制。SK hynix 的设想是将光互连扩展至内存。低延迟、高带宽的本地 HBM 仍将置于 GPU 旁边，同时通过光纤将其连接至更大的共享内存池。这样可以避免将全部内存容量限制在单个 GPU 封装内，并实现机架层面的横向扩展。从投资角度看，这并不意味着 HBM 近期将被替代。更可能出现的是新的内存层级：访问最频繁的数据仍保存在本地 HBM 中，而更大规模、访问频率较低的数据则存储在光互联内存池、HBF 或 SSD 中。SK hynix 正在重新定位自身业务，从销售标准化内存芯片，转向与客户共同设计 HBM、控制器、先进封装以及系统级内存架构。如果该路线图得以实现，SK hynix 可能增强客户黏性、提高产品附加值，并提升获得长期合约的能力；同时，公司也可能更主动地应对未来内存解耦对传统 HBM 商业模式造成的潜在影响。在供应链层面，长期可能受益的领域包括硅光子芯片、光引擎、激光器、光纤耦合技术以及先进 2.5D 和 3D 封装。不过，该概念目前仍处于极早期阶段，本质上仍只是一份路线图。jukan 表示，其今日采访的一位参与 TSMC 封装业务的人士完全不了解这一计划。
Nebius拟发行45亿美元可转债，用于扩建AI数据中心及采购GPU
AI 云计算公司 Nebius Group（NASDAQ：NBIS）宣布，拟面向合格机构投资者私募发行本金总额 45 亿美元可转换优先票据，其中包括 27.5 亿美元 2030 年到期票据和 17.5 亿美元 2034 年到期票据。若额外认购权全部行使，发行规模最高可达 51.75 亿美元。Nebius 表示，募集资金将用于数据中心建设和扩建、发展全栈 AI 云平台、扩大数据中心布局以及采购 GPU 等关键组件，并用于一般公司用途。此次票据的具体利率、初始转股比例等条款将在发行定价时确定。
Kaito Pulse插件被指存在多项深度数据收集行为
ultra 在 X 平台发文表示，Kaito Pulse 会通过哈希计算对用户的 GPU 渲染、硬件型号及硬件测试音进行指纹识别，并将这一唯一组合与用户的 X 账号绑定；同时可捕获用户的完整浏览记录、feed 流悬停时间、点击及关注状态，并以 30 秒为周期发送带有活跃检测的心跳包。此外，该工具还能读取 Claude 与 ChatGPT 的订阅计划及额度消耗比例，在 ChatGPT 中自动点击进入 Usage 页面，并在币安自动访问 Positions 选项卡，重新发送已登录请求，以读取钱包余额、期货仓位、盈利或亏损及存取款历史记录。Kaito AI 于昨日宣发其新浏览器插件产品 Kaito Pulse，该产品旨在将平台外活动直接带入原生 X 时间线。
Krackpot上线浏览器游戏，使用GPU破解Bitcoin Puzzle 71可获6枚BTC
Bitcoin News 在 X 平台发文表示，Simon Males 已推出 Krackpot，这是一款基于浏览器的游戏，任何人都可以使用 GPU 尝试破解 Bitcoin Puzzle 71 的私钥。奖品为 6 枚 BTC，破解概率取决于 GPU 数量：一张游戏 GPU 需要约 83 万年，100 万张 GPU 需要 1 年，所有 Steam 玩家同时参与需要 1 周。游戏通过 WebGPU 在浏览器本地运行。若用户找到私钥，6 枚 BTC 将发送至其指定的比特币地址，剩余部分归开发者所有。