AI 算力新格局:端侧突围与算力基建“三级跳”,OpenAI 酝酿已久的智能手机自研计划开始实施

news2026/5/8 2:04:35
引言2026年5月的这个节点全球 AI 产业的竞争重心正在经历一次历史性转向——从“谁家的模型参数最大、跑分最高”的简单比拼加速转向“谁能让算力以更低成本、更低时延触达每一台终端和每一个枢纽”的全面基础设施竞赛。本周两条看似独立实则紧密咬合的消息共同勾勒出了中国 AI 算力格局正在发生的深刻演变。在美国硅谷方向天风国际证券知名产业链分析师郭明錤向外界透露估值已超过8000亿美元的 OpenAI 正在秘密推进一个足以牵动全球手机产业链走向的计划——自研 AI 手机。为推进这一计划OpenAI 正与高通则联发科两大芯片巨头合作开发 AI 手机专用处理器而台系精密制造龙头企业立讯精密则成为这家 AI 独角兽眼中的独家系统协同设计与制造合作伙伴量产时间锚定在2028 年。几乎同一时间大洋彼岸海量的产业链调研数据则呈现出中国内地芯片市场的另一片高增长气象。以中国“AI 芯片第一股”寒武纪为代表的国产算力厂商交出了一份极为惊人的成绩单。财报数据显示寒武纪一季度营收达到28.85 亿元同比增长159.56%归母净利润首度突破10 亿元门槛同时公司现金流实现根本性改善——经营现金流由负转正至8.34 亿元。业绩对基本面形成有力支撑后寒武纪股价随之大幅上扬总市值向7000 亿元大关进发。寒武纪的爆发式增长并非孤例。随着多地智算中心加速建设以及 AI 应用场景的逐步规模化落地国产 AI 芯片在中国市场的整体份额已从此前约 30% 的历史水平跃升至41%。国内 AI 芯片市场正从英伟达长期统治的单一格局走向本地算力供应商百花齐放的竞争新态势。两条消息的叠加效应不言而喻从终端侧的 AI 芯片专用设计到云端训练与推理侧更高性价比的国产加速器全面铺开中国 AI 算力格局正在发生的结构性转变注定将以极快的速度影响全球科技供应链。一、 端侧算力变局高通、OpenAI 与立讯精密切入 AI 手机处理器的深意1.1 为什么大模型公司纷纷下场做芯片为什么像 OpenAI 这样的 AI 算法大厂会亲自下场参与移动处理器设计如果将当前智能手机市场的竞争趋势简单拆解不难发现其中最核心的驱动力正在于大型语言模型的端侧落地正在变成手机厂商打出“差异化”牌的新战场。OpenAI 从软件算法向硬件设计延伸的战略初衷并不难理解。当前主流大模型目前过度依赖云端算力推理过程产生的网络数据往返时延和服务成本始终难以达成普通消费者在日常移动终端上使用 AI 服务的丝滑体验保障。将更大比例的模型推理任务迁移至设备本地执行不仅能够大幅压缩终端用户的使用延迟同时还能在很大程度上缓解大模型公司对于高昂云端算力成本的长期依赖。从这个角度看手机芯片设计的“AI 原生”化正在逐渐取代“通算效率优先”的传统芯片设计理念。就实际开发节奏而言郭明錤在行业影响报告中披露OpenAI 酝酿已久的智能手机自研计划预计将于2028 年左右正式进入量产阶段。值得关注的是该公司的芯片方案采用“双供应商策略”——即高通与联发科两大芯片设计公司将同时介入研发生产。此举既可在一定程度上规避单一技术路线所隐含的供应链安全性风险也可借助高通与联发科各自的芯片架构特点形成有利于端侧 AI 推理效率最大化的产品选择。1.2 立讯精密切入 AI 核心层的信号意义与此前郭明錤调研信息同时流出的还有一份重大供应链变局信号立讯精密被选为 OpenAI 手机的“独家系统协同设计与制造商”Exclusive System Co-Design Manufacturing Partner。这一消息对市场产生了超乎寻常的刺激效果。结果公布当天立讯精密股价瞬时飙升盘中一度触及涨停总市值同步刷新历史新高。投资者迅速意识到苹果曾经一手缔造的智能手机代工生态系统裂痕已经出现由新一代 AI 原生智能移动终端驱动的第二波代工收益周期正在浮出水面。对于立讯精密而言这是其从传统消费电子制造业务切入高附加值的 AI 核心芯片级协同设计的关键一步其在整个价值链中的排序与话语权可能因此产生质变。1.3 端侧大模型规模落地的转折之年回顾过去两年围绕端侧 AI 的行业炒作绝大多数手机企业更倾向于通过在系统层面搭载“AI 相机”“AI 修图”“AI 录音摘要”等单点应用完成噱头营销。真正意义上的独立 NPU 算力、端侧大模型轻量化部署乃至高效能推理框架始终缺乏硬核的芯片设计做底层支撑。预计 2028 年量产的 OpenAI 智能手机有望成为这一局面的破局之作。在其芯片设计中除了保留常规的通信、图像信号、声音处理等模块外NPU 的算力效率以及面向特定大模型的编译器优化将成为主导设计逻辑。一旦此类 AI 手机在市场上取得超越预期的出货量将无疑对整个安卓阵营与 iOS 生态在芯片自研层面形成前所未有的策动力。二、 国产算力逆势崛起寒武纪翻倍增长与市场的结构性拐点如果说 OpenAI 与高通合作带来的是终端 AI 算力变革的“预告片”那么国内 AI 芯片市场的当前业绩井喷则是一出已然上演的高潮大戏。2.1 寒武纪“造血”能力初现现金流四年首转正4 月 29 日晚间寒武纪如期披露 2026 年第一季度的财务报告。对长期跟踪国产 AI 芯片赛道的投资者而言这份报告带来的冲击非常直接当季寒武纪实现营业收入28.85 亿元较上年同期的 11.11 亿元大幅增长159.56%归母净利润约10.13 亿元相较去年同期的约 3.55 亿元实现了185.04%的增速。比净利润突破历史纪录更值得关注的是困扰公司多年的经营性现金流指标终于得以修复。该季度经营活动产生的现金流量净额为8.34 亿元而去年同期数据为 -13.99 亿元。过去资本市场对于寒武纪的长期担忧核心在于其“连年巨亏、入不敷出”的算力账可能难以维持。现金流转正意味着公司的规模化出货和稳定的客户回款已经能够自给自足造血能力初步形成。2.2 国产 AI 芯片市场份额攀升至 41%寒武纪的跳跃式成长只是国产 AI 加速卡市场爆发的一个缩影。综合多家研究机构覆盖的的数据在国内 AI 训练与推理芯片市场中国产芯片的整体市场份额已从 2024 年的约 30% 快速提升至当前的41%。几家头部国产 AI 芯片企业与英伟达之间的差距第一次出现了肉眼可见的系统性收窄。过去 OEM 厂商在定制高性能计算系统时通常只能将国产加速卡作为低算力备选的次要方案如今随着多地智算中心公开招标对于成本和后续供应链自主可控性的考量开始同步倾斜越来越多的计算需求正被导入至国产 AI 芯片的算力池中。2.3 英伟达“一家独大”局面的松动就在国产算力集体爆发的同一时期英伟达在中国 AI 芯片市场的局面出现了微妙转折。此前有媒体报道英伟达在中国 AI 加速器市场的占有率由两年前的逾60%骤降至逐步“接近零”。尽管此类数字不排除受供需结构及统计口径影响存在一定浮动但“下行”的整体趋势已经难以改变。地缘政治、芯片出口限制以及中国本土头部客户对供应链分散化的强烈需求三者叠加迫使英伟达在中国市场的惯性优势逐步瓦解。未来全球 AI 芯片消费的第一大市场极大概率仍由中国占据这意味着国产厂商的规模化天花板仍有相当大的想象空间。三、 东数西算体系成型“边缘太空”协同突破算力瓶颈AI 应用正从云端、边缘延展到无人区和荒漠戈壁单一数据中心早已无法满足所有算力需求。“东数西算”工程自全面启动至今正经历着一场体系化的升级。3.1 庆阳与韶关西部枢纽“算力高地”初步形成从过去几年的建设进展来看位于甘肃的庆阳数据中心集群和广东的韶关数据中心集群是全国八个东数西算枢纽节点中最为活跃的代表。根据最新数据截至目前庆阳数据中心集群的机架总数已超10 万架智算规模突破15 万P当地落地注册的数字经济企业已超过600 家。一种许久未见的算力供需紧张局面已然浮现算力甚至表现出了“供不应求”的市场热度。甘肃省委常委、常务副省长程晓波调研中称庆阳东数西算园区“塔吊林立、商客云集”已发展成为八大枢纽中智算占比最高、总量增速最快、算力消纳最为充分的节点。与此同时韶关中心枢纽也在快速打造面向粤港澳地区的算力出口当地电价的相对低廉也进一步强化了西部枢纽对于国内各头部企业的虹吸效应。3.2 “三级算力体系”从云训练到边缘推理的畅通循环截至目前中国算力基础设施的建设与部署框架已经完成了从传统“东数西算”单一枢纽到“东数西算 边缘算力 太空算力”三级体系的清晰转换。具体来看骨干层以韶关、庆阳等枢纽为训练端的核心算力输出点满足超大规模 AI 训练需求边缘层则利用运营商广泛嵌入的城市节点为自动驾驶、自动驾驶、远程医疗等场景提供毫秒级端到端服务而太空算力层则将低轨卫星物联网的天基计算单元整合进算力编排中自海陆空网络之外的另一个维度拓展中国综合算力的疆界。四、 5G-A 超级上行移动网络为 AI 智能体留下确定“跑道”4.1 10ms 时延适配 Agent 实时控制闭环4 月下旬中国移动宣布正式启动“5G-A 超级上行行动”。所谓“超级上行”本质上是利用 5G-Advanced 网络多频段时频域聚合能力将终端的上行数据传输带宽从传统百兆每秒提升至千兆每秒支持上行峰值1Gbps在弱覆盖区域的小区边缘也能稳定提供20Mbps以上上行速率。对工业互联网和智能体场景而言上行大带宽指标只是第一步真正决定用户体验差异的是网络时延与可靠性。实测数据显示5G-A 超级上行方案可将端到端的空口延迟降至10ms 以内且这一定量级的时延抖动范围处于高度可控状态。这样的确定性网络指标恰好满足了工业产线中对于设备协同性最为敏感的闭环控制的刚性需求——通过长达数小时的驱控耦合智能体才能自主完成产线物料转运、设备自检以及复杂协同焊接等任务。4.2 具身智能与 Agent 生态借力 5G-A 实现推理闭环中国移动在浙江移动已部署5G-A 基站超过 2 万站服务 5G-A 用户超 1250 万人。杭州成为 5G-A 超级上行启航的首个“样板城市”。5G-A 超级上行的低时延优势也正在被具身智能机器人、边缘 AI 智能体等新场景所验证展台上依托千兆上行实现低时延精准控制的四足机器人、自主完成楼宇内复杂巡店任务的 AI 导览机器人包括更接近专业生产力的 xClaw 智能体等这些新样本借助稳定低时延网络逐步走出实验室步入实际应用中。显而易见“用户数据实时上云——云端 AI 模型快速推断——控制指令毫秒级下行下发——终端敏捷执行”的智能体交互闭环只有通过 5G-A 网络的上行能力进化才能最终彻底闭合。结语算力新平衡正在形成回顾 2026 年春天的这两个市场事件一个深层次的演变逻辑已不需要用复杂的数据来证明。中国 AI 产业的竞争早已脱离模型层面的单点对标真切地下沉至芯片硬件、算力基础设施、通信传输这些底层元素的全面进击中。终端侧顶流大模型开发者的硬件自研化进程已经开始——这是软件算法层面最顶级的力量要亲自定义未来 AI 终端的样子上游国产算力侧以寒武纪为代表的芯片供应商正以翻倍增速快速填满国内智算中心的国产替代采购目录中国 AI 芯片整体市场份额迎来历史性跃升基础设施侧庆阳、韶关等东数西算节点的算力利用率已跃升至75% 以上三级算力体系的健全标志着算力从“一种工具”升级为“数字经济的基础要素”通信网络侧5G-A 超级上行全国多城的实质性部署为具身智能与工业控制的确定性闭环预留了超额冗余。从硅谷的芯片设计图纸到大西北群山中日夜奔腾的万卡智算集群从 AI 芯片上市公司翻倍的营收利润再到 5G 基站与 6G 太赫兹太空中穿梭的无形电磁波——这些变动叠加在一起正在塑造一个更为韧性的自主算力底座。而这场产业链深处的规则重写或许才刚刚开始。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2593357.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…