微软发布第三代自研AI芯片Maia 300，主打AI推理，能效比领先GPU系统40%，96加速器配置吞吐量达Maia 200的7倍。该芯片采用台积电N2P工艺与芯粒架构，2027年起大规模部署，将成为微软产品主要AI推理系统，减少对英伟达和AMD依赖，并支持自家AI模型研发。

DeepSeek在昇腾平台开源了TileLang编译工具、DeepGEMM等高性能算子库及DeepEP通信库等基础设施组件，与GPU版对应。华为提供超节点组网方案，实测通信带宽接近硬件上限。双方联合成果在CANN社区开源，支持DeepSeek模型部署与训练，推理性能显著提升，共同推动国产AI软件生态建设。

阿里云栖大会发布最强AI芯片真武V900，性能达M890三倍。平头哥同步开源AI软件栈T-Head SAIL，扩大框架适配、加速库、工具链开放，解决迁移成本、性能优化和新模型适配问题。真武已服务650多家客户，小红书、小鹏、蚂蚁等基于SAIL开发工具。大厂造芯正从交付芯片走向开放共建生态。

德国初创公司Q.ANT开发了用光而非电进行AI计算的光计算处理器，并在GitHub发布免费开源工具包，允许开发者在普通电脑上模拟编程，支持Python和C。该工具目前仅支持已训练模型的推理，如手写数字和图像物体识别。Q.ANT称光计算可减少参数和能耗，但芯片尚未开放，开发者需等待云端或本地服务器接入。

2026云栖大会上，阿里CEO吴泳铭表示，机器思考将成为规模化商品，未来总量达人类千倍。阿里将坚定投入AI模型、芯片和云三大基础设施，推进递归式自我改进与多模态模型，发布真武V900芯片，目标2032年全球数据中心超20GW。

半导体创新正从连接、边缘AI转向对话能力。乐鑫等厂商推出嵌入式WebRTC，将实时通信视为核心平台能力。对话式AI需要设备与云端低延迟双向通信，WebRTC降低了开发门槛，使小团队也能快速打造语音AI硬件。实时通信趋于标准化，竞争将转向开发者生态与平台整合。

DeepSeek计划采购16万颗华为昇腾950DT芯片，用于内蒙古乌兰察布数据中心的推理任务，而非训练，订单约25.6亿美元。此举旨在降低成本、规避美国管制，但训练仍依赖英伟达。华为产能和软件生态是主要挑战，交付或需一年以上。

该课程深入讲解半导体供应链，从硅原料到AI数据中心部署，聚焦Nvidia GB300 GPU。涵盖芯片物理、设计工具、晶圆厂制造、EUV光刻、HBM内存封装及机架系统，并涉及地缘政治影响。适合开发者了解硬件基础，免费观看。

小米发布第二代自研SoC“玄戒O3”，采用10核全大核架构，性能超苹果A19 Pro，功耗降低25%。同时推出AI加速芯片O100和智驾芯片D100，补齐AI算力布局。新品小米18 Fold折叠屏及平板9 Pro Max将于9月发布，搭载O3芯片。

AI芯片竞争激烈，NVIDIA B200算力利用率低，数据搬运成瓶颈；Google TPU专为自身优化；AMD性价比高但新算法支持慢；Cerebras和Groq速度快但存储小、成本高；AWS Trainium适合自家生态。无通吃赢家，选择需看场景，NVIDIA生态是最大护城河。

英伟达市值单日蒸发千亿，韩国芯片股暴跌，市场对AI泡沫的担忧加剧。苹果因未参与AI竞赛被视为避险选择，中国长鑫存储上市首日暴涨470%。投资者对AI巨额投入的回报存疑，市场分化明显，杠杆散户受损最重。

国产AI芯片竞争已从参数对比转向系统能力构建。清微智能通过可重构架构、4K超节点和RAISA软件栈，提升计算资源利用率，降低模型迁移成本，追求在实际应用中的稳定性和经济性。未来，国产算力的成功将依赖于真实业务表现和系统可扩展性。

Furiosa提出了一种新型AI芯片设计，采用Tensor Contraction Processor（TCP），放弃传统的矩阵乘法，直接执行张量收缩。这一设计旨在简化计算过程，减少数据转换和内存管理的开销，提高AI计算效率，标志着AI芯片设计的范式转变。

英特尔发布了星火系列航空级AI芯片，专为美国政府和军工项目设计，具备最高75TOPS算力，支持极端温度和辐射环境。该芯片采用8核心配置，提供低功耗和高性能版本，工作温度范围为-55°C至125°C，受到严格出口管制。

苹果的自动驾驶汽车计划未能成功，但推动了M7 Ultra芯片的发展。该芯片预计支持高达1.5TB的RAM，将成为公司未来战略的核心，计划于2027年上半年发布，并带来显著的神经引擎升级。

AWS推出Trainium芯片，采用NKI编程规则，改变AI芯片编程方式。与传统CUDA不同，NKI允许开发者描述计算逻辑，编译器自动优化任务分配。Trainium芯片通过NeuronCore提升计算效率，减少程序员手动调节。未来AI编程将更注重目标设定，编译器将成为关键角色，推动软硬件协同设计。

Etched公司通过拆除AI芯片中的开关网络，实现内存与计算单元的直接连接，显著提高计算速度并降低功耗。他们的理念是“最好的管理层就是没有管理层”，成功获得8亿美元融资和超过10亿美元的客户订单。这一设计简化了数据传输，减少了延迟，使AI推理更高效。

Etched公司通过创新的铜缆架构解决了AI芯片的延迟问题，创建了共享低延迟内存池，提升了MoE模型的性能。尽管面临制造和散热挑战，该方案在成本和效率上具有优势，可能改变AI基础设施的未来。

苹果决定跳过M6 Pro和M6 Max，提前推出M7系列芯片，以应对激烈的AI竞争。M6将作为过渡版，M7专为AI设计，预计在2027年发布，内存带宽和AI性能将大幅提升。尽管面临内存短缺和CEO更换的挑战，苹果认为不冒险才是最大的风险。