预测市场Kalshi推出GPU价格预测市场，覆盖Nvidia B200、H200和A100芯片
相关推荐
B3 Labs推出GPU算力平台B3IQ，用户可分期购置专属服务器并出租闲置算力
火星财经消息，8 月 12 日，据官方消息，由 Coinbase 前团队成员创立的 B3 Labs 宣布推出 AI 基础设施平台 B3IQ。用户可分期购置专属 NVIDIA GPU 服务器。机器由 B3 Labs 投资的美国 AI 系统制造商 Andromeda 在美国组装、托管于俄勒冈州数据中心；设备闲置时可将算力出租给网络，收益可抵扣购机余款或留作收入。 斯坦福、纽约大学、达特茅斯等高校的研究团队已在使用该平台进行癌症研究与专用模型训练。B3IQ 正计划快速扩充美国本土组装的 NVIDIA GPU 系统库存，以满足增长的需求。
日本启动「Noetra」国产AI项目：英伟达供应2.75万颗Rubin GPU，索尼软银等44家企业团体参与
火星财经消息，7 月 17 日，日本国产多模态基础模型研发项目「Noetra」于 7 月 16 日正式启动，核心企业为索尼集团、软银、NEC 和本田，共计 44 家企业和团体出资参与，涵盖制造、金融、物流、通信等广泛行业，产业技术综合研究所及 Preferred Networks 等机构的工程师也将加入研发。该项目属于经济产业省推进的「面向 AI 机器人与物理 AI 的多模态基础模型开发事业」（英伟达官方称之为 FRONTia Project），旨在打造用于制造现场和机器人等物理 AI 场景的日本国产基础模型，而非仅仅增加一个日语对话 AI。 硬件层面，Noetra 将与英伟达合作构建配备约 2.75 万颗最新 Rubin GPU 及 1.375 万颗 Vera CPU 的计算平台，采用 NVIDIA Vera Rubin NVL72 机架与 DSX 平台架构，设计电力容量 140 兆瓦，计划 2027 年 4 月动工、2028 年 6 月投产，届时将成为日本规模最大的 AI 算力基础设施。 研发路线分三阶段推进：2026 年度起开发以 AI 智能体与自然语言处理为核心的推理基础模型；2028 年度实现文本、图像、视频与音频无缝融合的全模态基础模型；2030 年度实现理解空间与物理属性的真实世界原生 AI，最终应用于制造、物流、医疗及通信等领域。
Kalshi 推出 AI 算力远期工具，押注“算力商品化”
PANews 7月14日消息，据彭博社报道，预测市场平台 Kalshi 推出用于定价 AI 计算力成本的远期曲线工具，通过每周与每月的算力成本事件合约，给出最长一年期的单一远期价格，用于衡量未来租用不同等级 GPU 的成本走向。Kalshi 称，该工具可为后续算力相关期货、期权等衍生品提供定价基础，服务对冲与风险管理需求。与此同时，CME Group 和 ICE 也正推进与指数编制方合作，上线与 AI 计算力挂钩的期货合约，算力正被视为类似天然气、航油的新型大宗商品。
美光（MU）比英伟达更重要！Citrini分析师称AI模型推理性能更依赖内存而非GPU
Odaily星球日报讯 针对社区讨论的“美光 VS 英伟达”之争，Citrini Research 分析师 Jukan 在 X 平台发文表示，“MU（Micron）虽非 Nvidia，但未来重要性或超越 Nvidia。推理现已直接与收益挂钩，但推理性能提升并非仅靠增加 Nvidia GPU 实现，GPU 在推理中常因内存瓶颈处于低利用率闲置状态。对于推理而言，增加内存价值更高。推理的投资回报率最终取决于内存而非 GPU。因此，人们为什么仍然关注通过 NVIDIA 的框架来获取 Micron？要考虑得更全面。推理就是内存。”
摩根大通：AI定制芯片出货量或在2027年反超GPU，Broadcom和Marvell站上风口
火星财经消息，6 月 22 日，摩根大通表示，随着大型云计算公司和科技巨头寻求降低 AI 计算成本、提升能效并摆脱对通用 GPU 的单一路径依赖，定制芯片 ASIC 市场正进入新一轮增长周期，Broadcom 和 Marvell 有望成为这一趋势中的最大受益者。 在一份近日发布的半导体行业研报中，摩根大通分析师 Harlan Sur 和 Mayur Ramdhani 估计，数字 AI ASIC 市场到 2026 年将达到约 600 亿至 700 亿美元，并在未来几年保持 40% 至 50% 以上的复合增长率。报告称，Broadcom 目前在高端 ASIC 市场占据约 80% 至 85% 的份额，Marvell 位列第二，份额约 10% 至 12%。 AI 计算需求的快速增长正在改变芯片采购结构。摩根大通认为，Google、Amazon、Meta、Microsoft、OpenAI 和 SoftBank/Arm 等客户正加速推进自研或定制 AI 处理器，以获得更好的性能、功耗和总拥有成本。与 Nvidia 和 AMD 的通用 GPU 不同，ASIC 通常为特定客户、特定软件栈或特定平台设计，更适合拥有大规模内部工作负载的超大规模云厂商。 报告预计，Broadcom 的 AI 收入将从 2025 财年的约 200 亿美元大幅增长至 2026 财年的 600 亿美元以上，并在 2027 财年跟踪达到 1500 亿美元以上。其项目管线包括 Google TPU、Meta MTIA、ByteDance AI 视频和网络芯片、OpenAI XPU、SoftBank/Arm XPU 以及 Anthropic 相关 TPU 机架级方案。 Marvell 方面，摩根大通预计其数据中心收入将从 2025 年的约 61 亿美元增至 2026 年的约 93 亿美元，并在 2027 年达到约 146 亿美元。增长动力包括 Amazon Trainium 3 和 Trainium 4、Microsoft Maia、Google SmartNIC/DPU、CXL 控制器，以及 800G/1.6T 光 DSP、coherent lite 和初期 CPO 方案。 报告还提出一个关键判断：到 2027 年，AI ASIC/XPU 的单位出货量将超过 GPU。摩根大通预计，2027 年 AI 加速器总出货量将达到 2330 万颗，其中 GPU 为 1090 万颗，占 47%；ASIC/XPU 为 1250 万颗，占 53%。这意味着，尽管 GPU 仍将保持增长，定制芯片可能会在新增 AI 算力部署中占据更大份额。 摩根大通以 Google/Broadcom TPU7x Ironwood 与 Nvidia Blackwell 为例称，AI ASIC 在性价比和功耗效率上具备竞争力。报告显示，TPU7x Ironwood 的 FP8 算力接近 Nvidia B200/B300，但估算售价约为 1.3 万美元，低于 B200 的 3.5 万美元和 B300 的 4 万美元；其每美元算力和每瓦算力也优于对照 GPU。 这一判断并不意味着 Nvidia 需求将迅速减弱。相反，它指向 AI 基础设施投资的分化：GPU 继续服务于通用训练和推理需求，而云厂商自研 ASIC 将在大规模、稳定、可预测的内部工作负载中获得更高渗透率。 对投资者而言，摩根大通的报告强化了 AI 硬件链条从 GPU 向 ASIC、先进封装、HBM 接口、SerDes、光互联和 CPO 扩散的逻辑。若报告中的预测兑现，Broadcom 和 Marvell 将不只是 AI 网络或连接芯片供应商，而会成为下一阶段 AI 计算架构迁移中的核心平台型公司。
比特币矿企HIVE Digital子公司达成2.2亿美元GPU云合同
火星财经消息，6 月 18 日，比特币矿企 HIVE Digital 宣布其全资子公司 BUZZ HPC 与 Bell Canada 及 Cohere 达成主权 AI 基础设施合作，披露已签署为期三年的 GPU 云合同，总价值高达 2.2 亿美元，同时采购由 2,304 份 NVIDIA Grace Blackwell GPU 组成的 GB200 NVL72 机架级系统，该 AI 集群将为 Cohere 基础模型及企业 AI 应用提供算力支持。