微软宣布明年起将 Maia 芯片家族扩展到多吉瓦级部署，作为自家产品和服务的首选推理系统。新发布的 Maia 300 配备 288GB HBM4 内存、带宽 18TB/s，FP4 算力 13.8 PFLOPS，基于台积电 N2P 制程的多芯粒设计，SoC 功耗 950W，每瓦 token 产出比主流 GPU 系统高 40%，单机架容纳 96 颗、最多组建 12000 颗加速器集群，计划 2027 年部署。Maia 200 已在美国、欧洲和澳大利亚落地，在 Teams 与 Copilot 场景每瓦 token 产出提升最高 1.7 倍。
Character.ai 进入破产程序，法院文件显示其商业模式难以支撑开支：2024 年每月 AI 算力支出 1380 万美元、2025 年 1000 万美元，订阅收入峰值仅每月 280 万美元，含广告的全部收入峰值 530 万美元；2026 年 1 至 8 月算力支出 5610 万美元，8 月时每月仍亏损约 800-900 万美元。资产和负债在 5000 万至 1 亿美元之间，Disney 以 2000 万美元竞购部分资产并获得技术非独占永久许可，出售预计 11 月底或 12 月初完成，无竞购方则平台关停。
英特尔 CEO 陈立武与博通 CEO 陈福阳警告，资金可能成为 AI 发展的最大瓶颈，融资比半导体、存储和电力更可能成为 AI 扩张的主要障碍。陈福阳称计算基础设施需求超过供应能力，失衡可能持续到 2029 甚至 2030 年；陈立武认为 AI 成本不断上升，巨额投资能否获得足够回报仍存疑问，未来两到三年行业不太可能明显放缓。前 Google CEO Eric Schmidt 补充测算：按每吉瓦约 500 亿美元计，10 吉瓦就是 5000 亿美元，能承担万亿级资本投入的公司和国家极少，AI 会先撞上资金墙而非电力墙。
华为称昇腾 AI 芯片在中国已超越英伟达，Bernstein 估计其今年或拿下约 50% 中国市场，而英伟达仅 8%。华为轮值董事长徐直军表示瓶颈已不在芯片设计，而在制造工艺与供应；DeepSeek 据报计划在内蒙古数据中心部署至少 16 万颗昇腾 950DT 芯片。
NVIDIA 在 OCP 全球峰会宣布通过开放 MGX 架构贡献 Vera Rubin 机架与计算托盘设计，MGX 1.2 规范支持最高 250kW 机架部署、盲插液冷和 5000A 母排。Meta 发布首款液冷网络机架 IcePack、102.4T 交换刀片 IceCube（128×800G）与 Tahan 以太网 scale-up 交换机。AMD 推出面向智能体 AI 的开放机架 Helion（纯 CPU 版可扩展至 32768 核 EPYC），并首次展示智能体 CPU Verano，计划 11 月正式推出并将规范贡献给 OCP。
英伟达与思科联合推出业界首款支持 400Gbps/lane 的可插拔光模块规范 USFP，首批产品集成 16 条全双工通道，后续可扩展至 32 条乃至更多，实现 12.8 Tb/s 吞吐量；带宽达现有 200G/lane 可插拔光模块的 4 倍，在 400G SerDes 支持下能效为后者 1.3 倍，支持 100W 功耗。
Reuters 报道，Anthropic 接近与 NTT Data 达成协议，在大阪建设 500 兆瓦数据中心，将是 Anthropic 在日本的首个站点，建造成本最高可达 63 亿美元，双方希望在 2026 年底前签约，最早 2028 年部分投运；NTT Data 集团还计划到 2033 年至少投入 90 亿美元，将日本算力容量提升至 1GW，即现有水平的四倍。日经亚洲补充：该设施初期将采用燃料电池等表后供电方式。
Bloomberg Intelligence 发布 AI 数据中心成本简报，测算在美国得克萨斯州阿比林市建设一座 1GW 数据中心开销可达 307 亿美元：芯片和服务器硬件设备占 171 亿美元，电力供应基础设施 30 亿美元、冷却系统 16.6 亿美元、网络布线 10.7 亿美元，另有施工 24 亿美元、应急与准备金 27.9 亿美元等支出。
面壁智能联合 OpenBMB 社区发布并开源 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两个版本，称其为全球首个可在端侧无损流畅运行的开源 MoE 多模态大模型；35B-A3B 版基于 LES 推理加速技术，在 iPhone 17 Pro Max 上以仅 3GB 内存实现 13+ token/s 解码，综合得分优于 Qwen3.6-35B-A3B，并支持 Mac 端 Day 0 推理、覆盖 iOS/Android/HarmonyOS。
SK 海力士推出 SSD 专用处理器架构 H-TPU，采用简化四级流水线，占用面积仅为通用 CPU 核心的 1/25、功耗约 2.5%；控制功能拆分为数十个小型 TPU 集群，计划应用于下一代 eSSD 控制器及 AI 存储架构 Storage Next，并预计与明年发布的 HBF 高带宽闪存形成协同效应。
三星电子正在开发 zNAND-T 与 zNAND-I 两款 AI 负载优化 NAND 闪存，加上此前公布的 zNAND-O 共三种型号：zNAND-T 主打吞吐量，采用 TSV 堆叠 NAND Die 优化读写带宽，类似闪迪和 SK 海力士的 HBF 概念；zNAND-I 主打 IOPS，面向 KV Cache 卸载等少量数据频繁读写场景。
英特尔在 2026 OCP 全球峰会上将基于 Xe3P 架构的数据中心推理 GPU Crescent Island 定名为 Intel GPU D-series，首款产品为 Intel GPU D270，卡位推理专用市场。
Anthropic 发布工程复盘：因 AI 驱动开发使日均合并代码变更从 2026 年 5 月的约 2500 个增至 9 月的超 30000 个，为人类规模设计的基础设施在 agent 规模下成为瓶颈，7 人团队用五个月自研版本控制系统 Scion 并将 monorepo 从 git 完全迁移，同时推出代码评审工具 Antique。
今天最有意思的对照组是：Character.ai 的破产文件证明 C 端订阅覆盖不了算力账单，而产业巨头集体把"资金"推上第一瓶颈位——两头都在给"AI 需求的成色"做压力测试。按郑希的框架，这类时刻先看拥挤度和定价充分度，再看产业底层逻辑有没有被破坏。他在今年 6 月接受中国证券报采访时说得非常直白：
"拥挤度和敏感度可能是会高一些。短期看，市场对于光通信相关资产的定价还是很充分的。短期的订单波动、业绩波动，很容易导致股价剧烈反应。但是长期看，从对行业的理解和跟踪来说，我觉得还是可以看得更远一些。"—— 郑希，2026 年 6 月接受中国证券报采访
对应到当下：巨头预警资金瓶颈，恰恰是上游持续涨价、Capex 不断上修的镜像——钱紧是因为东西贵且要买的多，而不是需求消失了。这与 Character.ai 这种单一商业模式的出清是两回事，前者强化核心物料议价权，后者只是挤掉一条未跑通的变现路径。
彭博把得州 1GW 数据中心拆到 307 亿美元，Anthropic 在大阪用燃料电池自备电源，OCP 峰会上 250kW 机架、盲插液冷、5000A 母排成为新基准——三个事件拼出同一张图：AI 上游资源紧张仍在向更多环节传导。郑希在最新定期报告里已经把这个链条写得很清楚：
"瓶颈环节从长上下文推理需求导致的存储、通信紧张，扩散到CPU、MLCC（片式多层陶瓷电容器）等多种电子元器件，科技产业链全面供给紧张。"—— 郑希，易方达信息产业混合 2026 年中期报告
今天的增量信息是这个扩散过程还在继续：资金成本成为新瓶颈（融资端通胀），电力自备成为标配（能源端通胀），机架功率密度翻倍（散热、连接、电源端通胀）。按他的方法，投资上要抓的正是这些"持续涨价的品种"——供给端创造的需求 + 议价权在上游，HBM、存储、光模块、电力设备每一条都符合。
今天中国链的两条新闻要放在一起读：一边是 Bernstein 估昇腾在华份额约 50%，DeepSeek 拟部署 16 万颗 950DT，国产算力从备选变成主力；另一边是 NVIDIA×Cisco 的 USFP 把可插拔光模块续命到 400G/lane 时代。前者是国产替代逻辑的份额兑现，后者是中国光模块龙头比较优势的延续确认。郑希对后者的表述是框架级的：
"开源路线加速技术应用落地，国内几大CSP（云服务提供商）AI资本开支加大，国内算力产业链景气度明显进入上行周期。"—— 郑希，易方达信息产业混合 2025 年中期报告
"而我国的光学传输在全世界产业分布中占据有利位置。筛选出光通信这一投资方向，其实并不是一个很难的选择，因为我国的比较优势就在这里。"—— 郑希，2026 年 6 月接受中国证券报采访
把两句连起来看今天的格局：国内侧，DeepSeek 们把模型层需求直接灌进国产算力链，CSP Capex 上行周期的兑现主体正在从"英伟达供给"切换为"昇腾+国产晶圆产能"；海外侧，只要可插拔还在迭代，中际旭创、新易盛们的全球份额就有技术路径可走。制造与供应是徐直军口中的新瓶颈，恰好也是国内正在扩产的环节——先进制程产能什么时候跟上，决定了国产链故事从份额故事变成利润故事的速度。