| 方向 | 代表主体 | 进展关键词 | 观察重点 |
|---|---|---|---|
| 数据中心 GPU | NVIDIA、AMD | 新一代 GPU、HBM、NVLink/高速互联、机架级平台 | 决定前沿模型训练与大规模推理能力。 |
| 云端自研芯片 | Google TPU、AWS/云厂商自研芯片 | 训练/推理分工、云原生部署、成本优化 | 决定云上模型服务的单位经济性。 |
| 端侧与物理 AI | Intel、高通、Arm、NVIDIA Jetson/RTX | AI PC、机器人、汽车、边缘推理 | 决定 AI 能否从云端走向真实世界。 |
硬件趋势
算力平台的重点变化
推理优先级上升
Agent 与多轮思考增加 Token 消耗，推理成本正在成为硬件路线的核心 KPI。
系统平台化
GPU、CPU、网络、DPU、存储和软件栈一起设计，单芯片指标不足以代表真实吞吐。
本地 AI 与端侧 AI 增长
AI PC、移动终端、机器人和汽车需要低延迟、隐私保护和稳定离线能力。
参考与核对方向
以下链接用于后续事实核对与持续更新，页面内容采用公开资料概括，不替代厂商正式公告。