【每日热点速读】
1、铠侠否认与SK海力士深化合作，以稳价策略护航AI需求
2、三星2028年将High NA EUV引入DRAM生产
3、AWS携手高通开发定制AI芯片，科技巨头“造芯潮”加速
1
据外媒报道，铠侠CEO Hiroo Ota近日就市场传闻作出回应，明确排除了与SK海力士深化合作的可能性。他表示，此举将面临反垄断审查的阻碍，且难以与铠侠同闪迪合资拥有的制造设施相协调。
在定价策略方面，铠侠展现出审慎克制的态度。Hiroo Ota透露，他已指示销售团队不要向数据中心运营商大幅提价，以免过高的存储芯片成本削弱AI领域的投资意愿。他强调，铠侠当前的首要任务是将芯片价格维持在当前高位，而非继续推高——"如果把价格推得太高，最终会损害公司自己的市场和增长"，铠侠第二季度产品平均售价（ASP）大幅环比大增约70%，但环比再涨70%的情况不太可能出现，即便是超大规模云服务商，预算也是有限的。
不过，Hiroo Ota并未完全排除未来涨价的可能。从需求端来看，全球最大科技供应商对NAND芯片的需求依然强劲，部分企业甚至在寻求签订延续至2030年的长期合同。铠侠即将实现长期协议覆盖出货量50%的目标。
据韩媒援引业内人士消息，苹果近日签署了一份NAND闪存长期协议（LTA），市场猜测铠侠很可能是此次的合作方。该合同预计为期3至5年，且不设价格上限，但具体交易数量、价格条款等细节尚未披露。
据CFM闪存市场数据，铠侠二季度产品ASP环比大幅上行，BiCS8 FLASH产能占比突破50%，推动NAND Flash销售收入环比增长73.5%，市场份额达到14.4%，在各存储原厂中营收排名第四。
2
三星2028年将High NA EUV引入DRAM生产
三星电子和ASML宣布扩大双方长期战略合作伙伴关系，深化在高数值孔径EUV光刻和先进半导体制造技术方面的合作。双方将在多年成功合作的基础上共同努力，加速开发和部署能够满足先进半导体制造日益增长的性能和效率要求的技术。
三星将加入业界倡议，共同推进下一代12英寸光掩模技术的发展，以用于未来的制造。半导体行业数十年来一直依赖6英寸光掩模，借助高数值孔径极紫外光刻（High NA EUV）技术，向更大尺寸的12英寸光掩模过渡有望进一步提高晶圆厂的生产效率，降低芯片制造成本，并消除拼接限制。这将使先进芯片制造商能够充分利用高数值孔径极紫外光刻技术的优势，从而使未来几代尖端芯片更具成本效益。
凭借在存储器和晶圆代工制造领域的领先地位，以及在先进极紫外光刻技术方面的丰富经验，三星将在12英寸光掩模技术的转型升级中发挥关键作用。
三星还计划在2028年前率先在业界率先将ASML的高数值孔径（High NA）极紫外（EUV）光刻技术应用于未来的DRAM大规模生产。高数值孔径EUV有望扩展DRAM的尺寸缩放路线图，其更高的分辨率将简化工艺流程并提高效率。
3
AWS携手高通开发定制AI芯片，科技巨头“造芯潮”加速
高通宣布与亚马逊云科技（AWS）达成跨多代产品合作，双方将共同开发定制AI推理芯片，并推进最高1.6Tbps的高速光连接方案。与此同时，采购规模与股权激励挂钩的合作模式，也让这笔交易备受市场关注。
在AI算力需求持续爆发的背景下，AWS、谷歌、微软、Meta以及OpenAI、Anthropic等科技巨头正加快自研或定制AI芯片。AI算力市场正在从单一通用GPU模式，逐步走向GPU、TPU、Trainium和ASIC并存的异构计算时代。
高通牵手AWS，瞄准AI推理与高速互联
据高通公告显示，此次合作覆盖多个产品世代，重点集中在AI推理芯片和高速光连接两大方向。
一方面，高通将利用其长期积累的低功耗计算和芯片设计能力，为AWS数据中心开发定制化AI推理芯片。对于拥有庞大云计算业务的AWS而言，针对特定AI工作负载进行芯片级优化，有望进一步降低单位Token的计算成本和能耗。
另一方面，双方将利用高通的SerDes和光学DSP技术，共同开发最高速率达到1.6Tbps的光连接解决方案。
随着AI集群规模不断扩大，数据中心的瓶颈已经从单纯的芯片算力扩展到芯片之间的高速互联。大量AI加速器需要通过高速网络协同工作，带宽、延迟和功耗正在成为影响整体计算效率的重要因素。
高通还将扩大对AWS AI基础设施的使用，包括Amazon Bedrock，并将其用于自身EDA工作负载，以提升芯片设计效率、缩短设计周期。
采购换股权，AI芯片合作模式生变
此次合作的另一大看点，是高通与亚马逊之间的认股权证安排。
根据监管文件，高通向亚马逊授予认股权证，亚马逊可以按照每股161.26美元的固定价格购买高通普通股。
初始认股权证规模为约375万股。未来随着亚马逊对高通服务器芯片、技术、系统及制造服务的采购达到不同里程碑，认股权证规模最多可扩大至2500万股，有效期至2036年9月3日。
相关安排与最高600亿美元的采购及付款规模挂钩。需要注意的是，600亿美元是潜在采购规模，并非此次股权交易本身的价值。
如果2500万股认股权证全部按照161.26美元的行权价执行，对应的股票购买金额约为40.3亿美元。
这种“采购承诺+股权激励”的模式正在AI基础设施产业链中出现。
2025年10月，AMD与OpenAI达成长期AI芯片合作，AMD向OpenAI授予最多约1.6亿股认股权证，并将其归属与GPU采购及相关里程碑挂钩。2026年8月，Marvell也向谷歌授予潜在价值约122亿美元的认股权证，并与双方定制芯片合作机会相关。
AI芯片竞争由此开始从单纯的产品交易，延伸到采购、研发和资本层面的深度绑定。
高通押注数据中心，寻找手机之外的新增长
对于高通而言，AWS合作是其数据中心战略的重要一步。
长期以来，高通的核心业务集中在智能手机处理器和通信芯片。但随着智能手机市场增长放缓，以及部分主要客户提高自研芯片比例，高通正在寻找新的增长曲线。
近年来，高通已经将业务拓展至汽车、PC、物联网和数据中心。其中，数据中心被公司寄予较高期待。高通提出，到2029财年将数据中心业务收入提升至150亿美元以上，并预计2027财年数据中心收入达到约50亿美元。
高通管理层表示，此次与AWS的合作只是公司数据中心战略的一部分，并预计相关业务将在2026年12月季度开始贡献收入。
与直接进入GPU市场不同，高通更希望发挥低功耗SoC设计优势，切入对能效和单位计算成本更加敏感的AI推理市场。
从AWS到OpenAI，巨头加速“自研芯片”
AWS已经将Trainium规模化。其第三代Trainium3采用3nm工艺，单芯片FP8算力最高约2.52 PFLOPS，并于2025年12月进入商业部署。亚马逊披露，其整体自研芯片业务年化收入已经超过200亿美元，这一数字包括Trainium、Graviton、Nitro等产品。
Google持续推进TPU。第七代Ironwood TPU已经投入使用，谷歌也正在扩大TPU向外部客户提供的规模。Anthropic此前宣布计划使用最多100万颗TPU，显示Google自研AI加速器正在从内部基础设施向外部云计算市场延伸。
Meta则在推进MTIA。新一代MTIA芯片计划于2026年9月进入生产阶段，由博通参与设计、台积电负责制造。其重点仍是针对Meta自身大规模推荐和AI推理工作负载进行优化，而不是全面取代通用GPU。
Microsoft的Maia也进入第二代。Maia 100已经用于Azure基础设施，第二代Maia 200则已于2026年上线，重点面向AI推理。微软披露，Maia 200相比其当时最新一代硬件可实现超过30%的tokens-per-dollar提升。
OpenAI则进一步向芯片设计延伸。OpenAI与博通合作推出定制AI推理芯片Jalapeño，从初始设计到完成流片约用了9个月，计划从2026年底开始部署。其早期测试显示，在特定工作负载下，Jalapeño能够获得更高的单位功耗吞吐和更低延迟。
Anthropic也开始组建内部芯片团队。已在2026年8月确认正在推进相关团队建设。此前已有报道称，Anthropic正在与三星就潜在的定制AI芯片生产进行早期讨论，涉及2nm工艺及先进封装。
从云厂商到AI模型公司，自研芯片正在从“基础设施优化”进一步延伸到“模型与芯片协同设计”。
ASIC不会取代GPU，但会改变AI算力格局
自研芯片快速发展，并不意味着英伟达的GPU优势会迅速消失。
英伟达真正的护城河不仅是GPU本身，还包括CUDA、TensorRT、NCCL、NVLink/NVSwitch以及庞大的开发者和客户生态。对于AI企业而言，采购GPU可以直接获得相对成熟的软件和硬件平台，而自研ASIC则需要承担芯片设计、软件栈、编译器、系统集成和供应链等额外成本。
因此，ASIC更适合规模巨大、工作负载稳定、对单位计算成本高度敏感的场景。
这也决定了未来的竞争更可能呈现“分工”而非简单替代。
GPU仍将承担大量通用AI训练和高性能计算任务；TPU、Trainium和各种ASIC，则更多承担特定模型、推理以及规模化固定工作负载。
对于大型云厂商和AI模型公司而言，自研芯片的价值也不仅在于省钱。
首先，它可以增强议价能力。当客户拥有第二套甚至第三套计算架构后，就不必把所有算力需求集中于单一供应商。
其次，它可以推动软硬件协同。模型架构、编译器和芯片可以同步优化，在特定任务中获得更高的性能和能效。
最后，它可以提高供应链控制能力。对于每天需要处理海量AI请求的科技巨头而言，掌握部分底层计算能力，本身就是重要的战略资产。
AI芯片进入“多架构并存”时代
从高通与AWS，到AMD与OpenAI，再到Marvell与Google，AI芯片产业正在形成新的合作链条：大型云厂商和模型公司提出计算需求，芯片设计企业负责定制，先进制程和封装企业负责制造，最终由云服务和AI应用消化算力。
因此，AI芯片竞争的核心指标正在发生变化。
过去市场更多关注“谁的芯片算力最高”，未来则越来越看重每瓦能处理多少Token、每美元能处理多少Token、网络互联效率有多高，以及能否大规模部署。
这意味着，AI算力市场真正发生的变化，并不是“英伟达时代结束”，而是单一GPU主导的格局正在变得更加多元。GPU、TPU、Trainium和定制ASIC将长期共存，而大型科技公司对定制计算的需求，也将成为AI芯片产业新的增长引擎。
热门跟贴