

> 硬件霸主正向模型算法层狂奔。通过对混合专家架构进行极限压缩，英伟达在不牺牲精度的前提下实现吞吐量飙升，其本质是为自家GPU生态打造最高效的榨汁机。

## 极限压缩 榨干每一滴显存带宽

大模型的演进早已过了盲目堆砌参数的草莽时代，内存墙和通信带宽成为了横亘在所有AI工程师面前的大山。英伟达此次推出的Nemotron-Labs-3-Puzzle-75B-A9B模型，名字虽然如同密码般冗长，但其背后的技术洞察却极其犀利。它直击当前MoE（混合专家模型）架构的痛点——在多专家并行时导致的显存碎片化与通信开销。

传统MoE模型虽然在推理时只激活部分参数，但庞大的模型体积依然需要占用惊人的显存空间。英伟达通过“压缩混合MoE”这一极其硬核的技术路径，重构了专家层的激活逻辑。技术创新点　模型通过更高效的张量并行策略与专家路由机制，将冗余的参数死角彻底抹除。这使得在同等用户并发请求下，服务器的整体吞吐量飙升了2.03倍。在系统底层，这就好比把一条拥堵的四车道公路，通过智能调度系统瞬间改造成了八车道的高速公路。

![32.jpg](https://static.downly.cn/images/d6d7ac66538330500598903aaec29865.jpg) <center>图源备注 图片由AI生成</center>

## 不只卖铲子 软件定义硬件的阳谋

在很多人的刻板印象里，英伟达只是一家卖GPU的硬件公司。然而，Nemotron系列模型的持续迭代，展现了黄仁勋极其深远的软硬协同战略。这个75B规模的模型，实际上是英伟达为其最新的B200或H200芯片量身定制的“标杆应用”。

英伟达向业界传递了一个明确的信号　光有顶级的算力硬件不够，只有配合英伟达自家的CUDA生态和专门优化的模型架构，才能将服务器的吞吐量推向极限。通过将吞吐量提升两倍，英伟达间接帮其企业客户将单Token的推理成本砍掉了一半。这种通过算法层面的优化来提升硬件商业价值的打法，构建了一道极度深邃的护城河。下游开发者会发现，同样是开源模型，跑在非英伟达硬件上的性能损耗令人难以忍受。

![33.jpg](https://static.downly.cn/images/ad66ccafe0564570b71a48ca13bec30b.jpg) <center>图源备注 图片由AI生成</center>

## 务实的未来预测 推理效率成为第一性原理

Nemotron 75B的发布标志着模型架构研究的风向标正式转移。未来，学术界与工业界将不再痴迷于纯粹的基准测试分数，而是全面转向对极致吞吐量和极低显存占用的追求。能够完美适配特定硬件架构，将算力榨取到极致的模型，才是下一阶段B端企业采购的首选。

英伟达发布75B混合MoE模型 吞吐量翻倍背后的软硬协同战略



> 摆脱对单一GPU供应商的绝对依赖已成硅谷共识。Meta通过深度绑定定制化芯片巨头与顶级代工厂，不仅在削减庞大的基础设施开支，更试图在底层硬件建立自己的战略护城河。

## 摆脱GPU成瘾 扎克伯格的底牌

在人工智能狂飙突进的这两年里，所有硅谷巨头的财报会议上都萦绕着一个隐秘的幽灵　高昂的英伟达算力采购成本。Meta作为开源大模型Llama生态的掌舵者，其对算力的饥渴程度尤为惊人。此次代号为“Iris”的自研AI芯片正式步入9月量产阶段，揭示了扎克伯格在资本博弈桌上的核心诉求——夺回基础设施的控制权。

这并非一次简单的硬件迭代，而是Meta向供应链上游发起的精准穿透。通过携手博通这家在ASIC（专用集成电路）定制领域拥有极深护城河的巨头，Meta得以将自身在推荐系统和生成式AI上的独特算法需求，直接刻录进硅片之中。博通的互联技术与台积电先进封装工艺的结合，使得Iris芯片在特定工作负载下的能效比，有极大概率对标甚至超越通用型GPU。

![22.jpg](https://static.downly.cn/images/6a92e86f1c8f28729467c43eb3f4b548.jpg) <center>图源备注 图片由AI生成</center>

## 定制硅片背后的经济账本与行业棋盘

从商业逻辑剖析，这场合作动了太多人的蛋糕。当前，大厂们每赚取一美元的AI营收，就有相当一部分要作为“算力税”上缴给英伟达。Meta的Iris芯片一旦实现规模化部署，首当其冲被削弱的便是英伟达在推理端硬件市场的绝对议价权。

我们可以把这看作一场阳谋。Meta不需要Iris在所有指标上击败H200，它只需要在运行其自家的Llama模型族和内部推荐算法时足够便宜、足够高效。核心意图　通过硬件层面的成本大幅下探，支撑其极其烧钱的开源生态战略。相较于微软深度绑定OpenAI并在自研Maia芯片上步步为营，谷歌拥有成熟的TPU矩阵，Meta的这步棋补齐了其在“算力、算法、数据”三位一体中的最后一块短板。

![23.jpg](https://static.downly.cn/images/126e945857d536e7116f95a8b0bcc56e.jpg)<center>图源备注 图片由AI生成</center>

## 务实的未来预测 算力孤岛效应加剧

随着Meta加入自研芯片俱乐部的量产阵营，未来的AI算力市场将不再是单一的标准化GPU池。各大巨头将构建基于自家芯片优化的闭环生态，底层硬件的分裂将带来不可逆的“算力孤岛”现象。跨云平台的模型迁移成本将大幅增加，而台积电这种处于代工咽喉位置的企业，将在大厂的制衡游戏中攫取最大的确定性红利。

Meta联合博通台积电量产Iris自研芯片 硅谷大厂加速逃离英伟达算力税



>为了在全球人工智能军备竞赛中不掉队，字节跳动正酝酿一场规模空前的基础设施升级计划，旨在通过巨额投入缩短与美国科技巨头的技术代差：

## 豪掷千金 剑指2026年基建扩张

据多方知情人士及外媒消息，字节跳动已初步敲定了2026年的资本支出蓝图。计划显示，公司预计将投入高达 **230亿美元**（约合1600亿元人民币）用于构建和升级AI基础设施。这一数字相较于2025年预期的1500亿元人民币有了进一步的大幅增长，凸显了其在AI领域的急切野心。

在这笔惊人的预算中，约有半数资金（约850亿元人民币）将被专门用于采购采用先进半导体制程的AI处理器。尽管当前地缘政治环境导致供应链存在不确定性，但字节跳动的扩张意愿并未因此减弱。

![Google_AI_Studio_2025-12-23T02_36_51.546Z.png](https://static.downly.cn/images/3a89cdc17bf0e66c91dd1430a91cb80e.png)

<center>图源备注：图片由AI生成</center>

## 顶住压力 试购高端芯片

有消息指出，若相关销售许可获批，字节跳动计划首批试购2万台英伟达 H200芯片，单价约为2万美元。市场分析认为，如果未来出口限制政策有所松动，字节跳动在2026年的实际资本支出总额极有可能突破现有预算，进一步飙升。

尽管230亿美元的投入在行业内已属天文数字，但若将其置于全球视角，与硅谷“四巨头”相比仍存在客观差距。数据显示，微软、Alphabet、亚马逊及Meta仅在2025年一年，针对AI数据中心的总投入就已超过3000亿美元。

## 全面爆发 算力与能源双管齐下

虽然字节跳动此前曾对部分关于其支出细节的匿名报道予以否认，称其“不准确”，但种种迹象表明其AI建设已进入快车道。近期频繁的算力招标动作，以及如优奇与火山引擎达成能源合作协议等举措，均指向同一个事实：字节跳动正处于AI基础设施建设的全面爆发期。

字节跳动猛掷230亿美元：2026年AI基建狂飙，只为缩短与硅谷差距





> 导语
> 今日科技圈迎来多项重磅动态，硬件与模型领域皆有突破。英伟达不仅获批向中国特定客户出口高端H200芯片，其4B参数小模型更在评测中以极低成本战胜强劲对手。与此同时，OpenAI数据证实AI显著提升办公效率，智谱AI开源强力多模态模型并推行免费商用策略，Anthropic与谷歌则分别在编程自动化与电商购物体验上迈出新的一步。

## 英伟达H200芯片获批对华出口 美方将抽取25%分成

美国商务部已正式批准英伟达向中国特定客户出口H200 AI芯片。这标志着继数月前的限制后，高端GPU产品重新回归中国市场。根据最新政策，美国政府将从中收取25%的分成。此次出口许可的决定由特朗普及相关部门宣布，英伟达方面对此表示欢迎，这意味着中美在高端算力硬件的贸易上开启了新的窗口。

![image.png](https://static.downly.cn/images/ac9f3e0011c88e555eb69d2a0f8e00bd.png)
<center>图源备注：图片由AI生成</center>

## 仅需20美分 英伟达4B小模型性能反超GPT-5 Pro

在最新的ARC-AGI2评测中，英伟达推出的小模型NVARC不仅上演了“以小博大”的好戏，更在成本控制上震惊业界。该模型仅有4B参数，却以27.64%的成绩超越了GPT-5 Pro。更为惊人的是其单任务成本仅需20美分，而对手高达7美元。NVARC的成功得益于其独特的零预训练深度学习方法，证明了不依赖大规模通用数据集也能实现卓越的推理能力。

![image.png](https://static.downly.cn/images/27d33ecb8b6eddc4638b8c1d9c00dff3.png)
<center>图源备注：图片由AI生成</center>

## OpenAI内部实测 AI工具每天为员工抢回1小时

OpenAI近期公布的一项涉及9000人的内部调查结果显示，AI工具在职场中的提效作用已不容置疑。数据显示，员工平均每天能节省40至60分钟的工作时间，其中数据科学、工程、传播及会计团队受益最为明显。75%的受访员工表示，AI不仅提升了工作速度，还改善了产出质量。目前，企业付费席位已突破700万，尽管外界仍存疑虑，但数据实实在在地展示了AI的积极潜力。

![image.png](https://static.downly.cn/images/98db393836f1cbdca281181e6e57050c.png)
<center>图源备注：图片由AI生成</center>

## 智谱开源GLM-4.6V系列 9B轻量版宣布免费商用

智谱AI正式发布并开源了其最新的多模态大模型GLM-4.6V系列。此次发布涵盖了106B参数的基础版和9B参数的轻量版。新系列将上下文窗口扩展至128k tokens，视觉理解能力达到行业最优水平，并原生支持Function Call功能。为了进一步降低开发者门槛，智谱下调了API价格，并宣布轻量版模型完全免费商用，目前已集成至GLM Coding Plan中。

![image.png](https://static.downly.cn/images/71d4922206ed995ccd49489fad537955.png)
<center>图源备注：图片由AI生成</center>

## Anthropic发布Claude Code 开发者在Slack即可完成全流程编码

Anthropic在Slack平台上推出了Claude Code的研究预览版，将编程辅助工具提升到了新的高度。开发者现在可以直接在对话框中委派完整的编码任务。该功能不再局限于提供简单的代码建议，而是进化为全自动化流程，覆盖了从需求理解、代码生成到同步及提交PR的各个环节，实现了从辅助建议向自动化执行的质变。

![image.png](https://static.downly.cn/images/efecde099d1927b1aa755df80fb85d8c.png)
<center>图源备注：图片由AI生成</center>

## 谷歌Doppl上线AI购物流 浏览穿搭视频可直接下单

谷歌在其实验性应用Doppl中推出了全新的可购物发现信息流，进一步押注虚拟试衣与电商的结合。用户在浏览由AI生成的时尚穿搭视频时，如果看中某款商品，可以直接进行购买。这一功能将内容消费与电商交易无缝连接，推动了虚拟试穿技术在商业化落地上的进程，为用户提供了“所见即所得”的购物体验。

![image.png](https://static.downly.cn/images/c45710d40504867d994c1332c9722465.png)
<center>图源备注：图片由AI生成</center>

搜索结果: H200