基于 CASPA CEO 峰会的观察，文章探讨 AI 设计芯片的落地现状与利润分配。核心结论：AI 先落地于可分步验收的局部任务（生成测试、参考模型、布局探索），决定成败的是验证而非生成；设计提效不等于工具费用下降，客户可能用省下的时间探索更多方案；可靠的评估环节可能成为新收费点，如 GPT-Synopsys 合作中的收入分享框架。文章还分析大客户自研对设计公司议价能力的冲击，提出利润变化的三档推演，并给出投资人视角的观察信号与 2028 年回报检验窗口。
文章剖析英伟达B300服务器在中美之间的巨大价差：美国售价约370万人民币，国内炒至1400万。通过台湾假用户走私案、超微案、国资融资租赁等案例，梳理了合规采购、海外租云、走私倒卖等多条灰色渠道，并测算转手、出租的暴利与风险。同时揭示了居间生意中的期货诈骗、违约套利等乱象，提醒普通人警惕算力租赁资金盘，认清管制价差背后的法律、保修与价格波动风险。
文章追溯了'脉动阵列'（Systolic Array）计算架构的历史：1978年CMU的Kung与Leiserson发表报告，提出处理器像心脏跳动般有节奏地计算并传递数据，让每个数据多次被利用，从而减少内存访问、节省能耗。这一思想影响了Google TPU的设计——其矩阵乘法单元正是基于脉动执行。2026年10月，开源项目openTPU展示AI Agent通过递归自我改进循环自主设计出可运行Qwen、Gemma和Phi模型的加速器，在退役数据中心FPGA卡上达到每秒80+ token的速度，让这一近半个世纪前的技术构想重新焕发生机。
本文深度拆解 OpenAI 自研推理芯片 Jalapeño 的设计哲学。首先指出英伟达 GPU 在推理场景的三大缺陷：访存密集型任务下 SIMT 掩盖延迟失效、UMA 与庞大 L2 Cache 导致高延迟、全局同步与网络 I/O 瓶颈。接着分析 Jalapeño 的激进重构：砍掉全局 L2 Cache 采用去中心化 Core Slice 架构、在 SM 内塞入超标量控制核心、实现网络直达核心缓存。最后提出行业三大结论：别盲目搞 CUDA 兼容、训练与推理算力格局将两极分化、AI 设计芯片的闭环正在到来。
作者深度分析 Marvell 财报后的投资价值：季度收入 27.39 亿美元，数据中心占约 79%，管理层将下财年收入展望从 165 亿上调至 180 亿美元。文章拆解了 Marvell 在 AI 系统中的三种连接场景（scale-out、scale-up、scale-across），分析光互联、交换芯片、CPO/NPO 技术路线，以及与 Google 的 1200 亿美元认股权证协议（非最低采购承诺）。作者认为定制芯片业务扩展到 XPU attach 配套产品，存储与内存接口能力重回主线，与博通竞争、获 NVIDIA 20 亿美元投资合作。结论：市场尚未完全定价其眼前加速业务与远期机会。
本文深度剖析国产GPU公司摩尔线程赴港二次上市背后的商业逻辑。公司上半年营收暴增主要得益于英伟达受制裁退出中国市场，以及其主打低“搬家成本”兼容生态、转型售卖智算集群。但光鲜背后仍面临实际亏损、技术落后、大客户依赖及极高估值四重隐患。文章总结商业经验，指出其高市值部分建立在外部环境之上，未来需持续观察其大客户拓展与技术突破情况。
本期早报深入探讨模型进入真实工作的实践路径。精讲内容涵盖 Qwen3.8-Max 的长程自主工作与评测、Baseten 的生产推理工程取舍，以及腾讯、阿里、字节在 AI 办公领域的组织竞争。此外，还速览了 OpenAI GPT-Live、MiniMax H3 开源、Agent 框架及 SQLite 安全等前沿动态。
本文拆解了 Kimi K3 的技术报告，这是一个全球首个开源的 2.8 万亿参数模型。文章详细解析了其混合注意力架构、注意力残差机制、MoE 设计以及在长文本训练和推理优化上的创新。报告指出 K3 性能虽略逊于顶级闭源模型，但在多项任务中表现优异，且具有极高的成本效率，甚至已能辅助团队进行内核优化和芯片设计。
本文详细记录了黄仁勋与 Dwarkesh Patel 的两小时专访。黄仁勋重申了 Nvidia “输入电子，输出 Token” 的使命，并深入探讨了 CUDA 的生态护城河、供应链管理哲学以及对 GPU 定价的看法。针对 TPU 和 Trainium 的竞争，他认为专用芯片是特例而非趋势。文章最精彩的部分在于关于对华出口管制的激烈辩论，黄仁勋强烈反对将 AI 芯片武器化，认为限制出口只会倒逼中国实现完全自主化，让美国失去市场。
