芯片全览
-
华为昇腾 910B 与 910C 全景评测:达芬奇 3D Cube 架构演进、CANN 8.0 算子库深度调优与万卡集群组网实测
华为昇腾 910 系列架构演进与国产大算力底座 随着大模型参数规模迈入千亿与万亿时代,算力基础设施的自主可控成为国内智算中心建设的头等大事。华为昇腾(Ascend)系列芯片从最初的昇腾 910(代号 Davinci Max)发展至目前的昇腾 910B 与新一代...
-
寒武纪思元 590 架构解构:Neuware 生态对齐、大模型分布式训练吞吐与先进制程供应链突围
寒武纪思元 590 (MLU590):自研 MLU 架构的集大成者 作为国内最早专注于专用 AI 处理器(NPU/MLU)研发的芯片厂商,中科寒武纪推出的 思元 590 (Cambricon Siyuan 590 / MLU590) 标志着其产品线从早期“偏重...
-
壁仞科技 BR100 架构深度拆解:首款国产 Chiplet 芯粒互联设计、1024-bit 接口与 1.0 PFLOPS 算力实测
壁仞科技 BR100:开启国产 GPGPU 芯粒(Chiplet)时代 在国产高性能 GPU 与通用算力芯片领域,壁仞科技(Biren Technology)推出的 BR100 曾凭借其创纪录的算力指标震惊行业。作为国内首款基于 7nm 先进制程与 Chipl...
-
摩尔线程 MTT S4000 与 KUAE 夸娥智算集群:全功能 MUSA 架构、CUDA 源码零成本迁移度全实测
摩尔线程 MTT S4000:国产“全功能”通用 GPU 的坚守与突破 在众多国产 AI 算力芯片厂商中,摩尔线程(Moore Threads) 选择了技术难度最高、但通用性最强的一条技术路线——全功能 GPU(Full-Feature GPU)。 所谓全功能...
-
百度昆仑芯 XPU-P800 与天数智芯天垓 100:本土大模型生产推理部署 TCO 成本与能耗比分析
本土大模型生产推理选型:昆仑芯 XPU-P800 vs 天数智芯天垓 100 大模型产业的下半场,重心正在从“千卡千亿模型预训练”全面转向“高并发、低时延的规模化推理部署”。 在实际商业场景中,企业面临的最严酷挑战并非单卡峰值 TFLOPS,而是 TCO(总拥...
-
英伟达特供版 H20 算力深度实测:算力被大砍至 296 TFLOPS 后,为何依然靠 4.0TB/s 显存带宽与 NVLink 成为抢手货?
英伟达特供版 H20:算力与显存“畸形”配比背后的工程玄机 2024 年以来,英伟达为满足美国出口管制新规,专门针对中国市场推出了基于 Hopper 架构的合规芯片——NVIDIA H20。 当这颗芯片的参数首次公布时,业界一片哗然:其 FP8 计算算力被精准...
-
国产万卡 AI 算力集群三大工程痛点:RoCE v2 无损网络丢包、芯片发热与千瓦级液冷机房改造实战指南
国产万卡智算集群工程实战:网络丢包、热密度与液冷机房重构 随着大模型预训练规模向 GPT-4 及万亿 MoE(混合专家模型)演进,算力部署模式已经从早期的“单机 8 卡”、“百卡微集群”全面升级为 万卡超算中心(10,000+ Accelerators Clu...
-
国产 AI 芯片 CUDA 兼容性红黑榜:源码转译、LLVM 重编译与 Triton 算子生态迁移成本全面测评
国产 AI 芯片 CUDA 生态兼容性红黑榜与选型实操 在 AI 硬件界流传着一句名言:“制造一块 AI 芯片需要 100 名硬件工程师,但让它好用需要 1,000 名软件工程师。” 英伟达(NVIDIA)凭借其深耕近 20 年的 CUDA (Compute...
-
英伟达 Blackwell B200 与 GB200 NVL72 架构解析:双芯 Chiplet 互联、1200W 液冷散热与 FP4/FP8 实测
NVIDIA Blackwell B200:大模型算力芯片的代际跃迁 NVIDIA Blackwell B200 代表了生成式 AI 加速器自 Volta 架构以来最显著的技术演进。面对单光罩尺寸(Reticle Limit)的物理极限,英伟达首次在旗舰 GP...
-
英伟达 Hopper H100 与 H200 SXM 对比实测:HBM3 与 HBM3e 显存带宽实测对比及大模型推理吞吐表现
NVIDIA H100 vs H200:显存瓶颈破局之战 在大模型(LLM)推理与长文本服务中,算力往往并非唯一瓶颈,显存带宽与 KV Cache 容量才是制约推理并发与首字延迟(TTFT)的决定性要素。NVIDIA 推出的 H200 作为 Hopper 架构...
-
AMD Instinct MI300X 与 MI325X 深度评测:256GB HBM3e 超大显存密度、CDNA 3 架构演进与 vLLM 生产部署指南
AMD Instinct MI300X / MI325X:超大显存阵营的逆袭 在生成式 AI 算力市场,英伟达长期占据主导地位,但随着开源模型生态与 vLLM、Triton 等统一计算框架的成熟,AMD 凭借 Instinct MI300X (192GB) 与...
-
谷歌 TPU v6 (Trillium) 与 TPU v5p 架构对比:OCS 光路交换网络拓扑、超节点 Pod 扩展性与能效比剖析
Google TPU v6 (Trillium):自研云端 AI 芯片的能效巅峰 从 2016 年第一代 TPU 问世至今,Google 已经走过了十年的专用张量处理器自研历程。全新的 TPU v6 (代号 Trillium) 作为 Google 支撑下一代...
-
Cerebras WSE-3 晶圆级巨型芯片解构:4 万亿晶体管、90 万 AI 核心与 44GB 片上 SRAM 的大模型计算范式突破
Cerebras WSE-3:整片晶圆铸就的算力怪兽 在芯片制造领域,传统流程是将制造完毕的 12 英寸硅晶圆通过激光切割成数百颗独立的芯片 Die,封装后焊接在 PCB 板上,再通过铜线与以太网连接。然而,Cerebras Systems 打破了这一延续半个...
-
Groq LPU 与 GPU 架构路线之争:为什么确定性执行指令与超大片上 SRAM 能跑出 500+ Tokens/s 推理速度?
Groq LPU:确定性时序执行的极速革命 当用户在 ChatGPT 或 Claude 中等待大模型按字逐句蹦出时,传统 GPU 的推理延迟(尤其是首字延迟 TTFT 与每 Token 生成耗时)很大程度上受限于动态指令调度的开销与高延迟的外部 DRAM 访问...
-
AWS 自研芯片 Trainium2 与 Inferentia2 实测:Neuron SDK 算子对齐、NeuronCore-v2 架构与云端大模型训练成本分析
AWS Trainium2 & Inferentia2:公有云巨头的自研算力护城河 对于全球最大的云计算服务商 AWS 而言,过度依赖第三方 GPU 硬件不仅承受着高昂的采购溢价,还面临供货周期的严重制约。为此,AWS 推出了专门针对基础模型预训练的 Trai...
-
AI 算力芯片功耗与散热全指南:700W~1200W 超高热流密度芯片冷板式与浸没式液冷机房选型实操
700W~1200W 时代:AI 算力机房的液冷重构实战 在过去的计算时代,单台服务器的功耗不过数百瓦,机房单机柜平均功率密度仅为 4kW~8kW,采用精密空调与冷热通道隔离风冷技术即可维持稳定运行。然而,进入 2026 年,以 NVIDIA Blackwel...
-
英特尔 Gaudi 3 与英伟达 H100 综合横评:集成 RoCE v2 交换架构、大模型训练吞吐与高性价比算力替代方案
Intel Gaudi 3:开放以太网智算架构的高性价比突围 在万卡集群建设中,英伟达的 InfiniBand 专有网络虽然性能强悍,但极高的交换机与线缆成本让许多智算中心望而却步。英特尔推出的 Gaudi 3 加速器从根本上改变了互联策略——直接在单颗芯片上...
-
2026 全球主流 AI 芯片 TCO 与 Token 成本核算模型:硬件 CAPEX、机房 PUE 能耗与每百万 Token 产出全对比
AI 芯片 TCO 与 Token 成本核算模型:算力买家的理性账本 在 AI 大模型商业化落地的白热化阶段,算力决策者已经从单纯的“追逐顶级算力参数”回归到更严谨的总拥有成本(TCO,Total Cost of Ownership)与单位产出成本(Dolla...