硅谷 AI 芯片初创公司 Etched 宣布其专用 Transformer 推理芯片年销售额突破 $10 亿美元大关，公司估值随之攀升至 $50 亿美元，成为 Nvidia 在 AI 推理领域最强劲的挑战者之一。Etched 的核心差异化策略是"只做一件事并做到极致"——其 Sohu 芯片专为 Transformer 架构推理设计，不包含通用 GPU 的图形渲染和训练模块，因此在特定工作负载下的每瓦性能是 Nvidia H200 的 10-15 倍。随着 AI 应用从训练转向推理（据 McKinsey 预测，2027 年推理将占 AI 算力需求的 70%），Etched 的专用化路线正获得越来越多的市场认可。公司 CEO 透露，下一款芯片将支持 MoE（混合专家）架构，预计 2027 年推出。
🔗 查看原文芬兰量子计算公司 IQM 在赫尔辛基纳斯达克成功上市，成为欧洲首家公开交易的纯量子计算企业。IPO 融资约 2 亿欧元，公司估值约 12 亿欧元。然而，IQM 在其招股书中坦率地承认了量子计算行业面临的核心挑战："量子计算技术的商业化时间表仍然高度不确定，何时能实现量子优势（quantum advantage）目前无法预测。"这一罕见的坦诚表态在投资界引发了激烈讨论——支持者认为 IQM 的诚实是科技 IPO 中难得的清醒，批评者则认为这相当于告诉投资者"我们不知道这个行业何时能赚钱"。IQM 目前拥有 50 量子比特的超导量子处理器，计划在 2028 年达到 1000 量子比特。
🔗 查看原文高带宽存储器（HBM）第四代产品的量产时间表进一步清晰。SK 海力士确认将于 2026 年 Q4 率先向 Nvidia 出货 HBM4 样品，三星预计 2027 年 Q1 跟进，美光则锁定 2027 年 Q2。HBM4 在性能上实现了质的飞跃：带宽提升至 1.6 TB/s（较 HBM3E 翻倍），单颗堆叠层数可达 16 层，同时首次引入了 logic die 与 memory die 的异构集成。SK 海力士的领先优势主要来源于其在 MR-MUF（批量回流模制底部填充）封装技术上的专利壁垒。分析师指出，HBM4 的竞争格局将深刻影响整个 AI 芯片供应链——谁掌握了 HBM4 的供应，谁就掌握了下一代 AI GPU 的命脉。
🔗 查看原文Mizuho 证券发布深度研报，详细分析了台积电 CoWoS-L（Chip-on-Wafer-on-Substrate with Large interposer）下一代先进封装技术的竞争壁垒。CoWoS-L 在 CoWoS-S 的基础上将中介层（interposer）面积扩大了 3.3 倍，单个封装可容纳最多 8 颗 HBM4 堆栈和 2 颗大型逻辑芯片，总晶体管数量突破 5000 亿。Mizuho 将台积电 CoWoS 产能预测上修至 2027 年 14 万单位（此前预测为 9.5 万单位），并指出服务器 CPU 需求正在成为 CoWoS 的第二增长极——不仅是 AI GPU，传统服务器 CPU 也在加速采用先进封装。台积电在该领域的市场份额超过 95%，形成了几近垄断的技术护城河。
🔗 查看原文日本存储芯片巨头 Kioxia 公布了其下一代 3D NAND 技术路线图——目标在 2027 年实现 300+ 层堆叠，2029 年冲击 500 层。当前最先进的 NAND 产品约 230 层，Kioxia 的路线图意味着存储密度每两年翻一番的增长速度仍将继续。公司 CEO 在接受采访时表示，AI 驱动的存储需求是"前所未有的"——数据中心从 HDD 向 SSD 的迁移正在加速，AI 训练和推理的检查点存储需求爆发式增长。值得注意的是，Kioxia 正经历"戏剧性复苏"——在两年前的财务危机后，公司 2025 财年实现了创纪录的营收。公司正筹备大规模扩产以满足 AI 存储需求。
🔗 查看原文材料科学初创公司 Arcturus 发布了一项可能改变多个行业的技术——通过向铜导线中注入纳米颗粒，可将电力传输损耗降低 50% 以上。该技术的原理是在铜的晶体结构中嵌入碳基纳米颗粒，形成更高效的电子传输通道。虽然当前应用聚焦于电网和电力传输，但半导体行业已经关注到这一技术的潜力——芯片互连层的功耗占比在先进制程中越来越高，如果 Arcturus 的纳米注入技术可以微缩到芯片级别，可能为后摩尔时代的芯片能效提升提供全新路径。公司目前完成了 A 轮融资，投资者包括多家能源和材料领域的 VC。
🔗 查看原文一篇在 arXiv 上发布的深度技术论文全面解析了 Apple Neural Engine（ANE）从 A11 Bionic（2017 年）到最新 M5 芯片（2025 年）的架构演进历程。论文揭示了 ANE 设计的几个关键转折点：2020 年从 16 位浮点转向 8 位整数量化（推理能效提升 4 倍）、2022 年引入结构化稀疏计算（30% 功耗降低）、2024 年加入 Transformer 专用注意力加速单元。论文作者（据信是前 Apple 芯片团队成员）指出，ANE 的"端侧 AI"设计哲学与 Nvidia 的"云端 AI"路线形成了有趣的对比——前者追求毫瓦级别的极致能效，后者追求数百瓦的极致算力。论文预测到 2028 年，ANE 的算力将达到每秒 100 TOPS，足以在 iPhone 上实时运行 GPT-4 级别的模型。
🔗 查看原文美国半导体板块在 7 月 3 日遭遇连续第三个交易日的大幅下跌，市场恐慌情绪显著升温。当日跌幅最为惨烈的个股包括：SanDisk（-14.13%）、Teradyne（-13.63%）、KLA（-11.51%）、Lam Research（-10.19%）和 Western Digital（-9.92%）。Nvidia 下跌 1.39% 至 $194.83，Intel 下跌 5.25%，Micron 下跌 5.49%。三日累计来看，SOX 费城半导体指数下跌约 8%，为 2026 年以来的最大周跌幅。触发本轮抛售的原因包括：美国就业数据疲软引发经济放缓担忧、中美芯片出口管制新一轮谈判的不确定性、以及市场对 AI 算力投资回报率的高涨质疑。投资者正在紧张等待下周即将到来的 Q2 财报季——半导体公司的业绩指引将成为检验 AI 投资逻辑是否成立的试金石。
🔗 查看原文黑石集团（Blackstone）旗下数据中心运营商 QTS 突然宣布终止在弗吉尼亚州的一个超大规模数据中心园区项目，引发了市场对 AI 基础设施投资泡沫的广泛讨论。该项目原计划占地 500 英亩、总电力容量 1.2GW——相当于一个小型城市的总用电量。终止原因包括地方社区反对、电力供应审批延迟和建设成本飙升等因素。分析师对此分歧严重：悲观派认为这是 AI 基建泡沫的"第一个裂缝"——大量宣布的数据中心项目最终可能只有 30-40% 能够建成；乐观派则认为这只是局部挫折——"AI 算力需求的基本面没有改变，只是特定项目的执行风险"。黑石其余的数据中心投资组合（含约 300 亿美元的全球数据中心资产）不受影响。
🔗 查看原文Nvidia 股价在 7 月 3 日收于 $194.83，较 6 月中旬创下的历史高点 $237.50 累计下跌约 18%。华尔街对此分歧巨大。乐观派（以 Goldman Sachs 和 Morgan Stanley 为代表）认为这是健康的回调——Nvidia 的 FY2027 PE 仅 28 倍，低于五年均值 35 倍，是"AI 核心资产打折买入"的良机。悲观派（以多家对冲基金为代表）则指出 AI 芯片市场的竞争格局正在恶化——Etched 等专用芯片公司的崛起、Cerebras 和 Groq 的差异化路线、以及云厂商自研芯片（Google TPU、Amazon Trainium、Microsoft Maia）都在侵蚀 Nvidia 的垄断地位。Nvidia 即将于 8 月底发布的 Q2 FY2027 财报（截至 2026 年 7 月）将是关键——市场预期营收 $420 亿，任何低于 $400 亿的数字都可能触发新一轮抛售。
🔗 查看原文数据中心运营商 Crusoe Energy 据传正在洽谈新一轮约 $30 亿美元的融资，估值将突破 $200 亿美元。Crusoe 的独特卖点是利用油田伴生天然气（原本会被燃烧浪费）为 AI 数据中心供电——既解决了电力供应问题，又降低了碳排放。随着 AI 训练和推理需求爆发，数据中心电力供应已成为整个行业的首要瓶颈，Crusoe 的"废能利用"模式正成为行业追捧的对象。公司 CEO 在接受采访时表示"AI 基础设施的融资环境依然强劲，我们的 pipeline 从未如此饱满"。此轮融资如若完成，Crusoe 将成为仅次于 CoreWeave 的全美第二大独立 AI 数据中心运营商。
🔗 查看原文韩国两大存储芯片巨头三星电子和 SK 海力士继续推进其合计 5900 亿美元的 10 年扩产计划，未受半导体板块短期抛售的影响。三星在平泽的 P6 工厂已进入设备搬入阶段，预计 2027 年 Q2 开始量产；SK 海力士在龙仁的半导体产业集群正在加速建设。韩国政府的"千亿美元芯片战略"为这一扩张提供了政策支撑——包括税收减免、基础设施配套和研发补贴。分析人士指出，存储芯片行业的周期性特征意味着当前的悲观情绪可能是反向指标——三星和 SK 海力士正是在 2008 年和 2019 年两次行业低谷期逆周期扩产，最终收割了随后的景气上升期。
🔗 查看原文意大利软件公司 Bending Spoons 在米兰证券交易所上市首日暴涨 40%，估值达到 $180 亿美元，成为欧洲近年来最成功的科技 IPO 之一。Bending Spoons 以其 AI 驱动的 SaaS 应用矩阵闻名（包括视频编辑、照片处理和生产力工具），虽然不直接生产芯片，但其巨额 IPO 对欧洲科技投资生态的溢出效应显著——更多资金正在流入欧洲的 AI 和深科技领域，包括芯片设计（如 Graphcore 的复兴）、半导体设备和材料科学。欧洲科技 IPO 的活跃化被视为对美国科技资本市场主导地位的挑战。
🔗 查看原文知名投资人 Chamath Palihapitiya 为其创立的 AI 编程初创公司完成了 $1.35 亿美元的 A 轮融资，并宣布亲自出任 CEO。这笔融资的规模对于 A 轮而言非常庞大，反映了 AI 编程赛道的高热度。该公司正在开发一款 AI 驱动的全栈开发平台，据称可以大幅降低软件开发对高级工程师的依赖——这对芯片和半导体行业具有深远影响：如果 AI 可以自动化大部分 EDA 工具操作和芯片设计流程，整个半导体行业的人才结构和研发效率将发生根本性变化。Chamath 在声明中表示："软件工程是 AI 最自然的第一个颠覆目标——而芯片设计将是下一个。"
🔗 查看原文AI 基础设施初创公司 Omen AI 发布了其数据中心冷却优化方案，声称可通过 AI 模型将数据中心冷却能耗降低 40%。然而 TechCrunch 的报道标题直言"Omen AI 的数据中心优化方案全是水"——暗指其技术在宣传声势和实质内容之间存在巨大落差。报道指出，Omen 的"AI 优化"本质上是一个相对简单的热力学 PID 控制算法，被包装成了"深度学习驱动的智能冷却系统"。这一争议折射出 AI 基础设施领域的一个普遍问题：在资本狂热的推动下，大量普通技术被重新包装为"AI 方案"以获取更高估值。数据中心冷却市场的真实领导者——如施耐德电气和维谛技术——需要真正的硬件和系统集成能力，而非纯粹的软件算法。
🔗 查看原文Mizuho 证券发布了对先进封装产业的最新看多研报，提出了一个此前被市场忽视的观点：服务器 CPU 正在成为 CoWoS 先进封装的第二增长极。传统上，CoWoS 被视为 AI GPU（特别是 Nvidia H/B 系列）的"专属"封装技术，但 Mizuho 指出，AMD EPYC、Intel Xeon 甚至 AWS Graviton 等服务器 CPU 正在加速导入先进封装以提升芯片间互连带宽。"非 AI 需求正在崛起"——这一判断意味着 CoWoS 的市场空间可能被低估了 30-50%。Mizuho 将台积电 CoWoS 产能预测上修至 2027 年的 14 万单位，并维持对台积电、日月光和三星电机的"强烈买入"评级。
🔗 查看原文在 Etched 估值突破 $50 亿美元之际，公司 CEO 接受了 TechCrunch 的深度专访，系统阐述了"专用芯片终将超越通用 GPU"的论断。核心论点包括：第一，摩尔定律的放缓使得通用架构的效率提升空间越来越小——GPU 为兼容所有工作负载而背负了大量"暗硅"（晶体管但不产生有效计算）；第二，Transformer 架构的收敛——过去五年中，AI 模型虽然在规模上爆炸式增长，但基础架构（注意力机制+FFN）高度稳定，这使得专用硬件成为可能；第三，推理替代训练的拐点——AI 行业正在从"训练大模型"阶段进入"大规模推理部署"阶段，推理芯片的市场空间将是训练芯片的 5-10 倍。CEO 预测到 2030 年，专用 AI 推理芯片将占据 70% 的 AI 芯片市场份额。
🔗 查看原文花旗银行更新了其 AI 算力半导体推荐列表，最引人注目的变化是将博通（Broadcom）从"中性"上调至"买入"。Citi 的分析师认为，定制 AI 芯片（ASIC）是 AI 半导体市场中增速最快的细分领域——Google 的 TPU、Amazon 的 Trainium、Microsoft 的 Maia 和 Meta 的 MTIA 等云厂商自研芯片，绝大部分依赖博通的 ASIC 设计服务。Citi 预测定制 AI 芯片市场规模将从 2026 年的 $200 亿增长至 2030 年的 $800 亿，博通是这一趋势的最大受益者。与此同时，Citi 维持对 Nvidia 的"买入"评级但下调了目标价 $30 至 $260，理由是 GPU 市场的竞争强度正在上升。
🔗 查看原文华尔街围绕半导体周期前景的辩论达到了前所未有的激烈程度。乐观阵营（以 Goldman Sachs、Mizuho 和 McKinsey 为代表）认为 AI 驱动的"超级周期"将延续至 2030 年——他们的核心论点是，AI 引发的半导体需求不是周期性的，而是结构性的：全球正在从"每家庭一台电脑"转向"每人一个 AI 助手"，每天 24 小时运行的 AI 推理所需的芯片量是传统消费电子的数个量级。悲观阵营（以多家宏观对冲基金为代表）则看到了多个"经典周期见顶信号"：存储芯片价格从高点回落、设备订单增速放缓、客户库存天数上升、以及 SOX 指数的技术面破位。两派都同意的一点是：Q2 2026 财报季（7 月中下旬开始）将是判断哪一方正确的关键分水岭。如果 Nvidia、台积电和 ASML 的业绩指引超预期，牛市逻辑将得到强化；反之则可能触发更深度的调整。
🔗 查看原文Kioxia CEO 在接受《日经亚洲》专访时做出了一个大胆的论断：当前 AI 驱动的存储芯片需求是"前所未有的——我从业 30 年，从未见过如此广阔的需求前景。"他列举了三个主要的需求驱动力：第一，AI 训练和推理的检查点存储需求呈指数级增长——GPT-5 级别模型的单次训练需要 PB 级别的数据存储；第二，数据中心从 HDD 向企业级 SSD 的迁移正在加速，AI 工作负载的随机读写需求是 HDD 无法满足的；第三，端侧 AI（AI PC、AI 手机、AR 眼镜）对嵌入式存储（UFS/eMMC）的需求增长。CEO 拒绝评论当前半导体板块的抛售，但暗示 Kioxia 正在"加速而非减速"其扩产计划——这本身就是最强烈的看多信号。
🔗 查看原文美国商务部半导体项目办公室（CHIPS Program Office）宣布加速 CHIPS Act 资金的拨付进度。截至目前，已实际发放约 $420 亿美元的资金（含贷款和赠款），涵盖台积电亚利桑那工厂、英特尔俄亥俄工厂、三星德克萨斯工厂和美光纽约工厂等大型项目。商务部长预计 2026 年下半年将再批出约 $80-120 亿美元，使累计发放额突破 $500 亿美元大关。加速拨款背后的驱动力包括：中美科技竞争加剧、国会两党对半导体自主可控的强力支持、以及对当前半导体板块抛售的"逆周期调节"意图。分析人士认为，CHIPS Act 资金的加速落地将为半导体设备商（AMAT、LRCX、KLAC）和材料商提供坚实的订单支撑。
🔗 查看原文韩国政府发布了"K-Semiconductor Strategy 2.0"，将原有的千亿美元芯片战略升级为"双核心支柱"：存储芯片（HBM + NAND）继续保持全球领导地位，同时将人形机器人专用芯片列为第二核心支柱。韩国政府判断，人形机器人将是继 AI 服务器之后的下一个芯片需求爆发点——每台人形机器人需要 40-50 颗各类芯片（计算、传感、驱动、通信）。该战略还包括在新万金地区设立"全球最大半导体材料产业集群"的计划，目标吸引全球前十大半导体材料企业在韩建厂。韩国总统在战略发布会上表示："芯片竞争不仅是产业竞争，更是国运竞争——韩国必须在半导体领域保持不可替代性。"
🔗 查看原文据报道，美国商务部工业与安全局（BIS）正在与 AI 芯片企业就出口管制范围的下一步调整进行磋商。核心争议点在于：是否将"芯片单位面积算力"（TOPS/mm²）纳入出口管制参数——当前管制主要依据芯片的总算力和互连带宽，如果加入面积算力密度指标，将堵住中国芯片企业通过 Chiplet（小芯片）技术绕过管制的路径。美国 AI 芯片企业（Nvidia、AMD、Intel）正在游说政府避免过度收紧管制——他们担心过于严格的管制将刺激中国加速本土替代，最终损害美国芯片企业的长期商业利益。这一轮谈判预计将在 8 月底前得出结论，其结果将直接影响 Nvidia 等公司 FY2027 H2 的中国区营收预期。
🔗 查看原文据《金融时报》报道，美国政府与主要 AI 公司（包括 OpenAI、Anthropic、Google 和 Microsoft）就自愿性 AI 模型标准框架的谈判取得了"阶段性进展"。该框架的核心要素包括：AI 模型在发布前需通过第三方安全评估、对"高风险能力"（如自主复制、武器化知识）的申报义务、以及模型训练所用芯片的来源追溯机制。最后一点对芯片行业影响深远——如果最终框架要求 AI 模型开发者披露训练芯片的供应链信息，将实质性地影响中国 AI 企业获取高端芯片的能力。该框架目前仍为自愿性质，但 FTC 和 BIS 正在探讨将部分条款转化为强制性法规。
🔗 查看原文软银集团据传正在续谈一笔约 $100 亿美元的贷款，专门用于增持其在 OpenAI 的股份。如果交易达成，这将是科技史上金额最大的单笔股权贷款之一。该交易的结构为"混合型资产支持贷款"——软银使用其持有的 Arm 股份、OpenAI 股份以及部分 Alibaba 股份作为抵押品进行融资。这一极其复杂的金融工程操作折射出当前 AI 资本市场的核心特征：对最头部 AI 公司（OpenAI、Anthropic 等）的投资机会已经极为稀缺，投资者愿意接受极高的杠杆和复杂的金融结构来争夺投资份额。对芯片行业而言，软银的持续加仓意味着 AI 模型层的资本密集度将继续提高——这对芯片供应商来说是一个强烈的前置需求信号。
🔗 查看原文