標籤 · #ai-infrastructure

實體 AI 運算基礎設施 — Tesla Dojo、Google TPU、NVIDIA H100 在自駕訓練軍備競賽中的角力

Tesla 押注 Dojo 自研晶片目標達成每 FLOP 1 美元，Waymo 繼承 Google TPU 規模優勢，兩者在訓練迭代速度上皆遠超依賴 NVIDIA 的競爭對手。

為什麼值得讀 AI 算力的限制正從邏輯晶片移向記憶體堆疊。誰先攻克 16 層鍵合，誰就掌握了每一顆前沿 GPU 如今都依賴的咽喉要道。

NVIDIA 已要求 SK 海力士、三星與美光在 2026 年第四季交付 16 層堆疊 HBM4——這一陡升的堆疊跳躍，使先進封裝成為 AI 供應鏈的瓶頸。

為什麼值得讀 Intel 不是要在 GPU 效能上贏過 Nvidia，而是押注一個由 Foxconn 製造規模支撐的全堆疊替代供應方案。股票單日 +4.43% 的反應顯示投資人認為這是可信的。

Intel 與 Foxconn 在 Computex 2026 發表機架規模 AI 共同開發合作，以 100kW 液冷 Xeon 機架對標 Nvidia GB200 NVL。

為什麼值得讀這不是資本支出那條頭條：NVIDIA 正把運算賣進「打造 NVIDIA 自家晶片」的供應鏈。cuLitho 的 20-50% 微影成本／週期時間削減才是承重數字——它決定先進製程晶圓多快、多便宜地放量。一個垂直迴圈。

在 GTC 台北，台積電於微影、模擬與檢測全面採用 NVIDIA 的 CUDA-X 堆疊，其中 cuLitho 將微影成本最高砍至五成。

為什麼值得讀三家對手——Nvidia、AMD、CoreWeave——同時投資就是訊號：KV 快取重用（別重算已算過的）正被視為基礎、中立的推論堆疊層，而非贏者全拿的產品。推論時代的經濟學，濃縮於一輪募資。

Tensormesh 獲 Nvidia、AMD、CoreWeave 投資 2000 萬美元（5/27），並推出 Tensormesh Inference——產品化的 KV 快取重用，宣稱延遲與 GPU 成本最高降 10 倍。

為什麼值得讀該盯的數字不是「兆」，而是「結構性」三個字。UBS 上修 204% 的目標價，立基於 AI 記憶體已「去週期化」的論點：HBM4 售罄、DRAM 漲 58-63%、價格鎖到 2029。若記憶體真的擺脫了週期，整套半導體劇本都要改寫。

美光於 5/26 首度突破 1 兆美元市值——史上第 5 家晶片商——在 UBS 將目標價三級跳至 $1,625、且 2026 年 HBM4 產能已被長約售罄之後。

為什麼值得讀重設 AI capex 辯論的數字：Q2 指引 $910 億「排除中國」，仍高於 $860 億共識。空方需要需求裂痕；結果是 run-rate 加速。超大規模 2026 capex 約 $7,250 億（+77%）是其下的需求地板。

NVIDIA Q1 FY27 創紀錄營收 $816 億（YoY +85%），資料中心 $752 億（+92%），non-GAAP EPS $1.87 對估 $1.76 —— 連 4 季超預期。Q2 指引 $910 億（排除中國），高於 $860 億共識。

為什麼值得讀追蹤的是「前段 vs 後段」比例，不是頭條的美元金額。先進製程從 37% → 53% 的轉折，才是決定下一代 Blackwell/MI400 是否如期出貨的變數 —— 也就是你 2027 年的推論成本曲線。

5/12 董事會：$312.8 億美元 capex + $200 億美元注亞利桑那。先進前段製程占 53%（2024-25 為 37%）—— 直讀 AI 加速器需求。

為什麼值得讀 GPU 供應是 2024 年的瓶頸，電網接入是 2026 年的瓶頸——Sutter Hill 為此命名一個全新類別「Power Acceleration」。

Sutter Hill 領投 $64M Series A。史丹佛 spinout 在 Hillsboro OR 為資料中心解鎖 400 MW；橫跨 12+ 個市場、2 GW pipeline。