一、今日概览

【海外云大厂产品动态（区域扩展、可观测性）】 1. 高通完成收购 Modular，Chris Lattner 出任高通 EVP，加速数据中心 / 边缘 / 工业 AI 计算布局 2. 亚马逊完成对 OpenAI 500 亿美元全额投资、持股约 5%，AWS 获第三方云分发资格

【存储超级周期与算力成本传导（内存、GPU、涨价）】 3. 数据中心四巨头未来数年承诺投入近 2.4 万亿美元豪赌 AI 基建，Alphabet 未履约承诺达 9020 亿 7. VPS 涨价潮：Leaseweb/BitLaunch/OVHcloud/Hetzner 因内存短缺集体调价，小厂板块破冰 8. NVIDIA Vera CPU 量产交付首批系统（Anthropic/OpenAI/Oracle/SpaceXAI），完整规格曝光：88 核 Olympus、1.2TB/s LPDDR5X

【国内云厂商与AI基础设施（战略升级、产品发布）】 4. 部分美国企业转向中国大模型降本：Coinbase、Airbnb 采用 Qwen/Kimi，成本可降 60%–90% 5. 我国实现「县县通千兆」「村村通宽带」后推进万兆光网，已建 136 个万兆小区/园区/工厂

【机房与数据中心（绿色算力、电网、产能落地）】 6. 金富科技：液冷产能与订单销量同比、环比稳步攀升，行业处高景气扩产周期

二、详细内容

1. 高通完成收购 Modular，Chris Lattner 出任高通 EVP，加速数据中心 / 边缘 / 工业 AI 计算布局

分类：海外云大厂产品动态（区域扩展、可观测性）

【摘要】 7 月 29 日交易落槌、8 月 2 日集中报道：高通宣布完成对 AI 原生软件基础设施初创企业 Modular 的收购。Modular 旗下 Mojo / MAX / Modular Cloud 继续独立运营，创始人 Chris Lattner 出任高通技术公司高级 AI 软件与平台执行副总裁。高通借此把「芯片 + 异构软件栈」打通，直指数据中心、边缘基础设施与工业 AI 三大场景。

【详情】

交易与人事：Modular 成立于 2022 年，以 Mojo 编程语言与 MAX 推理/部署平台闻名，核心能力是在异构计算系统（CPU/GPU/NPU 混合）上高效部署生成式 AI 与智能体。高通确认收购于 7 月 29 日正式落槌，8 月 2 日由 IT之家等媒体集中报道。Modular 联合创始人兼 CEO Chris Lattner（LLVM、Swift、MLIR 作者）将加入高通，任技术公司高级 AI 软件与平台执行副总裁；Mojo、MAX、Modular Cloud 作为产品与品牌继续运营，并获得高通投资与支持。

战略逻辑：高通的传统基本盘是终端 SoC（手机/汽车/PC/XR），但近年来反复强调「让智能从个人终端延伸至大型基础设施」。收购 Modular 的本质，是高通补齐「AI 软件栈」这一短板——此前高通有芯片但缺统一的异构编程与推理框架，Modular 的 MAX 平台正好能让开发者把高通 NPU/GPU 与 x86/其他加速器统一编排。NVIDIA 靠 CUDA 筑起软件护城河，高通+Modular 的意图是复制「硬件 + 开放软件栈」的打法，在数据中心与工业 AI 场景分一杯羹。

产业含义：这是 2026 年 AI 计算「软硬一体」趋势的又一个标志性动作——芯片厂商不再只卖硅，而是通过收购软件公司锁定开发者生态。对云与服务器基础设施的影响在于：未来智算中心的异构算力调度（尤其边缘与工业场景）可能出现高通路线的部署工具，与英伟达 CUDA、Intel oneAPI、AMD ROCm 形成多极竞争，利好客户侧降低单厂商锁定。

【影响分析】 对海外云大厂动态：高通从终端芯片外溢到数据中心/工业 AI 软件栈，标志 AI 计算竞争进入「芯片+异构软件」双栈时代；对开发者生态：Mojo/MAX 保留开放路线，为高通 NPU 在智算中心的落地提供编程入口；对竞争格局：与 NVIDIA CUDA、Intel oneAPI、AMD ROCm 形成多极，降低客户单厂商锁定；对国内厂商：提示国产 AI 芯片同样需要补齐统一编程/推理软件层，而非仅堆硬件。

【来源】 IT之家（腾讯新闻转述官方新闻稿）​ | 搜狐科技（收购详情）​

2. 亚马逊完成对 OpenAI 500 亿美元全额投资、持股约 5%，AWS 获第三方云分发资格

分类：海外云大厂产品动态（区域扩展、可观测性）

【摘要】 据 8 月 1 日英国《金融时报》报道、亚马逊 10-Q 季报披露：亚马逊已完成对 OpenAI 总计 500 亿美元（约 50B 美元）的全额投资，持股比例升至约 5%，OpenAI 当前估值约 8520 亿美元。投资分两阶段：Q1 投入 150 亿（C 轮优先股）+ 承诺追加 350 亿；Q2 投入 137 亿；报告期后（6/30 之后）再投剩余 213 亿。落地前提是 2026 年 4 月 OpenAI 与微软重谈云服务合同，AWS 获向 OpenAI 提供算力的资格。

【详情】

资金节奏（来自亚马逊 10-Q）：第一阶段 2026 年 2 月作为更大范围商业合作的一部分投入 150 亿美元（C 轮优先股）并承诺追加 350 亿；第二阶段 Q2 投入承诺金额中的 137 亿美元；报告期后（6/30 之后）将剩余 213 亿美元投入 C 轮优先股。两项预设里程碑（OpenAI 完成 IPO 或重大 AI 技术突破）均未达成，亚马逊仍选择提前兑付全部承诺出资，OpenAI 本周收到最后一笔款项。交易完成后亚马逊持股约 5%，按 8520 亿美元估值对应权益可观。

云侧绑定：本次全额投资落地的关键前提是 2026 年 4 月 OpenAI 与微软完成云服务合同重新谈判——此前仅微软 Azure 可作 OpenAI 核心算力服务商，重谈后 AWS 等云服务商正式获得向 OpenAI 提供算力服务的资格，扫清了投资障碍。FT 称微软曾就亚马逊与 OpenAI 的合作可能构成违约考虑法律行动。与此同时，双方原有 AWS 合作扩展至 8 年、1380 亿美元，OpenAI 承诺消耗 2GW 亚马逊 Trainium 芯片算力，AWS 仅获 OpenAI Frontier 产品的第三方分销权。

双线押注：亚马逊在 AI 赛道坚持双线布局——除 OpenAI 外，已向 Anthropic 承诺投资最高 330 亿美元、目前已实际到位 180 亿美元，并借两家头部实验室推动自研 Trainium 芯片渗透。对云市场而言，亚马逊用股权把 OpenAI/Anthropic 的模型供给与 AWS 算力深度绑定，巩固其在 AI 服务市场的竞争优势；对微软而言，Azure 的「独家」被打破，OpenAI 走向多云。

风险提示：以上为公开市场信息披露与媒体转述梳理，不构成任何投资建议；OpenAI 仍处持续亏损，估值与持股数据以双方后续披露为准。

【影响分析】 对海外云大厂动态：亚马逊以 500 亿美元股权把 OpenAI 模型供给与 AWS Trainium 算力深度绑定，多云时代微软 Azure「独家云」被打破；对算力需求：OpenAI 承诺消耗 2GW Trainium，直接拉动亚马逊自研芯片订单与 AWS AI 实例需求；对竞争格局：AWS 获 Frontier 产品第三方分销权，与 Azure/Google Cloud 的模型托管竞争升级；对国内云：提示「股权+算力+模型」一体化绑定的商业范式正在成为全球 hyperscaler 的标配。

【来源】 新浪财经（界面新闻，援引亚马逊 10-Q 披露）​ | 网易号·市场资讯（FT 报道转述）​

3. 数据中心四巨头未来数年承诺投入近 2.4 万亿美元豪赌 AI 基建，Alphabet 未履约承诺达 9020 亿

分类：存储超级周期与算力成本传导（内存、GPU、涨价）

【摘要】 据彭博社 8 月 1 日报道（IT之家转述）：谷歌母公司 Alphabet、Meta、微软、亚马逊四家未来数年的 AI 数据中心建设承诺总额已逼近 2.4 万亿美元（现汇率约 16.24 万亿元人民币）。仅 2026 年四家合计资本开支将达 7450–7500 亿美元、同比暴增超六成。Alphabet 未完成的采购承诺与租约达 9020 亿美元（一年前逾 9 倍），Meta 近 7000 亿美元（一年前逾 8 倍）；Alphabet 与亚马逊自由现金流转负。

【详情】

承诺规模：彭博统计，四巨头面向未来数年的数据中心租赁、建筑、能源与设备支出承诺急剧膨胀，总额逼近 2.4 万亿美元——接近印度 2025 年 GDP 总量。2026 全年四家合计 capex 计划 7450–7500 亿美元，同比增长超 60%。亚马逊以 2026 年 2200 亿美元 capex 指引居首，CEO 安迪·贾西判断即便达此规模仍无法满足需求，算力供需失衡将延续至 2028 年；谷歌上调至 1950–2050 亿、微软约 1900 亿、Meta 1300–1450 亿。

现金流信号：Alphabet 最新披露未完成采购承诺、合同义务与未生效租约合计 9020 亿美元（一年前逾 9 倍），Meta 近 7000 亿（一年前逾 8 倍），约一半为尚未生效、付款周期最长 30 年的数据中心长租约。代价是自由现金流普遍承压——Alphabet 与亚马逊已转负，Meta 预计很快步其后尘。市场对此剧烈分化：亚马逊 AWS Q2 营收同比 +37%（创 2021 年底以来新高）、微软 Azure +43%，被资本用真金白银投票；而谷歌、Meta 虽营收亮眼却因「烧钱」遭财报后抛售。

口径提醒：披露金额并非全部用于数据中心，各公司统计口径不一——Meta 部分支出用于 Reality Labs 消费硬件，Alphabet 与亚马逊把内容授权费也计入承诺。彭博提示不能简单横向比较。但方向明确：AI 算力需求极大，现有基础设施远远不够，四家仍相继上调支出。这场「圈地运动」已成为押注公司未来十年命运的豪赌，回报能否覆盖成本仍是全行业最大疑问。

【影响分析】 对云与服务器基础设施：2.4 万亿美元承诺是未来数年服务器、GPU、存储、电力、机房需求的总量锚点，直接决定供应链景气度；对电力/机房：长周期数据中心租约（最长 30 年）把电网扩容与绿电采购推上前台；对云价格：capex 暴增且自由现金流转负，成本终将部分传导至云实例与 AI 服务定价；对国内云：印证全球 AI 基建军备竞赛白热化，国内智算中心建设与国产算力替代的战略紧迫性同步上升。

【来源】 新浪财经（IT之家 8/1 转述彭博社）​ | 智通财经（网易号转述）​

4. 部分美国企业转向中国大模型降本：Coinbase、Airbnb 采用 Qwen/Kimi，成本可降 60%–90%

分类：国内云厂商与AI基础设施（战略升级、产品发布）

【摘要】 据《华尔街日报》、美联社、CNBC 等 7 月下旬至 8 月 1 日报道：随着 AI 推理成本飙升，多家美国企业开始采用中国开源大模型以降本。加密货币交易所 Coinbase 转向中国模型削减后台成本；Airbnb 采用阿里巴巴 Qwen，称其「快速且便宜」；DoorDash 用月之暗面 Kimi 处理低阶任务；硅谷初创 Lindy 迁至 DeepSeek 后成本降约 90%。开源中国模型比 Anthropic/OpenAI 便宜 60%–90%，性能接近顶尖。

【详情】

企业案例：美联社消息，Coinbase 表示正转向使用中国人工智能模型以降低成本；Airbnb 采用阿里巴巴 Qwen 模型，公开称赞其「快速且便宜」。DoorDash 联合创始人公开表示已用月之暗面（Moonshot AI）的 Kimi 处理客服自动回复、基础内容生成等低精度要求工作，显著削减此前由美国头部模型承担的算力支出。硅谷 AI 初创 Lindy 创始人称已将业务从 Anthropic 迁移至 DeepSeek，核心原因是「大概便宜 10 倍」，并在数月内节省数百万美元；多家律所、在线教育平台迁移后推理成本下降 30%–95%。

性价比逻辑：布鲁金斯学会研究员指出，随着 AI 成本飙升，中国模型对美国公司吸引力强。开源中国模型比 Anthropic/OpenAI 模型便宜 60%–90%，但运行接近顶尖模型。中国模型多数采取开放权重或灵活授权，企业可在自有环境定制、部署、集成，解决美国企业的数据合规焦虑（不必像 OpenAI 那样仅能调 API）。这与「闭源 API」模式形成关键差异。被采用的模型来自阿里通义千问（Qwen）、智谱 GLM、月之暗面 Kimi、DeepSeek、MiniMax 等。

产业影响：据 OpenRouter 数据，2026 年中国 AI 模型整体使用量已超过美国同类产品；近 200 家美国科技初创敦促政府不要切断对中国开源模型的访问，认为禁令将削弱美国企业竞争力、导致数百家小企业被迫转向昂贵模型。这场「静悄悄的模型迁移潮」说明在 AI 用量爆发式增长的当下，成本正成为模型选型的第一变量，中国模型的开放权重+极致性价比正在反向输出全球企业市场。

【影响分析】 对国内云与模型厂商：中国大模型凭开放权重+性价比切入美国企业市场，利好阿里/智谱/月之暗面/DeepSeek 的海外企业与开发者生态，背后算力（国产 GPU/云）需求同步外溢；对全球云定价：模型成本骤降会压低 AI 应用门槛，间接影响 hyperscaler 的 token 计费竞争；对合规：企业可自托管中国开源模型，缓解数据出境顾虑，为国内私有化/专有云出海提供样板；对风险：美国政策不确定性（实体清单/蒸馏争议）是最大变量。

【来源】 21 世纪经济报道（综合 WSJ/AP/CNBC）​ | 虎嗅 AI 前线（采用案例拆解）​

5. 我国实现「县县通千兆」「村村通宽带」后推进万兆光网，已建 136 个万兆小区/园区/工厂

分类：国内云厂商与AI基础设施（战略升级、产品发布）

【摘要】 8 月 2 日央视新闻报道：我国已实现「县县通千兆」「村村通宽带」，千兆光网典型应用案例超 5 万个、覆盖 91 个国民经济大类；截至 6 月底具备千兆服务能力的 10G PON 端口达 3286 万个，围绕算力枢纽建设超 70 条算力大通道。同时万兆光网从试点走向规模应用，全国已建 136 个万兆小区/园区/工厂；工信部明确推进「双千兆向双万兆演进」。

【详情】

覆盖现状：工信部信息通信发展司副司长赵策介绍，千兆光网与 AI、云计算、大数据加速融合，已覆盖国民经济 97 个大类中的 91 个，在智能制造、智慧交通、数字医疗、智慧教育形成可复制方案。我国已实现「县县通千兆」「村村通宽带」，千兆光网典型应用案例超 5 万个，重庆等城市实现城乡全域覆盖。截至 6 月底，具备千兆网络服务能力的 10G PON 端口达 3286 万个，围绕国家算力枢纽节点建设超 70 条算力大通道，枢纽间网络性能持续提升。

万兆演进：我国自 2025 年组织万兆光网试点，目前处于全球领先位置，已建设 136 个万兆小区、万兆园区、万兆工厂，培育一批典型业务。万兆光网具超大带宽、超低时延、先进可靠特征，更好支撑新一代通信网。6 月 24 日 MWC26 上海开幕式上，工信部总工程师钟志红提出推进「双千兆网络向双万兆演进」。信通院专家表示，万兆光网与 AI 融合已成为重要趋势——万兆光网为 AI 提供智能算力传输线路，支撑云电脑、工业光学质检、通感一体、模型训练与推理等业务，预计「十五五」重点城市将完成万兆网络全域应用部署。

与算力网协同：万兆光网 + 算力大通道直接服务「东数西算」与智算中心互联。城域「毫秒用算」专项行动已形成一批代表性实践，算力枢纽节点间运力提升，意味着训练/推理流量可在更广域、更低时延的网络上调度。对云与服务器基础设施而言，网络侧「双万兆」演进与算力侧扩张同步，是 AI 基建从单点算力走向「算网一体」的关键底座。

【影响分析】 对机房与数据中心：万兆光网+算力大通道提升枢纽互联运力，降低跨域训练/推理时延，利好「东数西算」与智算中心组网；对云厂商：双万兆演进抬高企业上云与边缘部署的网络天花板，云桌面/工业 AI 等低时延场景加速落地；对产业链：10G PON 端口（3286 万）、光模块、OTN 设备需求持续；对区域：重点城市万兆全域部署将带动智慧城市与工业互联网投资。

【来源】 腾讯新闻（央视新闻 8/2 报道）​ | 快科技（新浪科技转述央视）​

6. 金富科技：液冷产能与订单销量同比、环比稳步攀升，行业处高景气扩产周期

分类：机房与数据中心（绿色算力、电网、产能落地）

【摘要】 金富科技近日在机构调研时表示，液冷行业需求持续爆发、整体处于高景气扩产周期，市场供货需求旺盛。公司结合简易程序定增募投项目及自有资金扩产项目，快速推进液冷产线建设、设备采购、新增厂区装修，液冷板块扩产全力加速；依托分批次产线投产，液冷产能和订单销量实现同比、环比稳步攀升，持续匹配下游客户增长订单。

【详情】

产能与订单：金富科技在机构调研中披露，液冷行业需求持续爆发，公司紧抓发展机遇，通过简易程序定增募投项目叠加自有资金扩产项目，快速推动液冷产线建设、设备采购、新增厂区装修，液冷板块扩产工作全力加速推进。依托分批次产线投产落地，公司液冷产能和订单销量实现同比、环比稳步攀升，持续匹配下游客户不断增长的订单需求。

行业背景：液冷是 AI 高密度智算中心的刚需配套——单机柜功率从传统 8–15kW 跃升至 30–100kW+，风冷已难以为继，冷板液冷、浸没液冷成为新建智算中心主流方案。2026 年存储与 GPU 涨价、单机柜密度上升，进一步放大液冷渗透：Kioxia CM10 等新一代企业级 SSD 已原生支持直冷板液冷，NVIDIA Vera Rubin 等机柜级平台也以液冷为前提设计。下游客户（智算中心运营商、服务器整机厂、云厂商）的扩产直接传导至液冷部件与冷板/管路/CDU 订单。

投资视角提示：以上为公司在机构调研中的经营表述，客观反映液冷赛道高景气，但不构成投资建议；实际业绩以公司定期报告为准。对产业链而言，液冷从「可选节能」变为「必选基建」，相关厂商（冷板、快接、CDU、管路、浸没工质）进入产能与订单同步扩张阶段，是 AI 基建浪潮中确定性较高的配套环节。

【影响分析】 对机房与数据中心：液冷从节能选项变为高密度智算必选基建，冷板/浸没方案渗透加速，利好液冷部件与 CDU 产业链；对服务器整机：单机柜功率上行倒逼散热 redesign，整机厂液冷机型占比提升；对云厂商：新建智算中心 PUE 与功率密度约束下，液冷交付能力成为选型关键；对投资：液冷配套是 AI 基建确定性环节，但需以公司实际财报验证订单兑现。

【来源】 证券时报（机构调研披露）​ | 36 氪快讯（同题）​

7. VPS 涨价潮：Leaseweb/BitLaunch/OVHcloud/Hetzner 因内存短缺集体调价，小厂板块破冰

分类：存储超级周期与算力成本传导（内存、GPU、涨价）

【摘要】 受 AI 驱动的内存与闪存短缺传导，海外 VPS/云主机厂商 8 月 1 日起集体调价。Leaseweb 新合约 8/1 起上调、整体均价涨幅约 20%（美国区高达 41%、英国 24%）；BitLaunch 8/1 起新服务器统一 +20%（史上第二次涨价）；OVHcloud 选择不全额转嫁，目标 Public Cloud/Bare Metal 均价 +9%–11%；Hetzner 早前德国/芬兰 +30%–37%（4/1），美国 VPS 中旬再涨 107%–204%。内存短缺被指至少持续至 2027 年。

【详情】

各家调价明细（均来自官方博客）：Leaseweb 公告新合约自 2026-08-01 起适用，不波及存量合同；整体平均涨幅约 20%，分区域为 NL 16%、DE 16%、UK 24%、US 41%、CA 16%、JP 7%；最便宜档（VPS 1）涨幅最大。BitLaunch 8/1 起新服务器/扩容统一 +20%（史上第二次涨价），存量服务器锁价至销毁或扩容；其解释内存价格自 2025 年以来约翻三倍、SSD 随 NAND 上涨、托管（机位+电力）成本涨超 100%。OVHcloud 发布专题博客，选择不自动全额转嫁组件涨幅，目标 Public Cloud / Private Cloud / Bare Metal 在 2026–2028 部署的硬件均价 +9%–11%（VPS 另文说明）。Hetzner 早前德国/芬兰云服务器 +30%–37%（4/1 生效），6 月中美国 VPS 再涨 107%–204%，共享核预算机型最承压。

根因：全球内存市场紊乱始于 2025 年秋——AI 爆发使原厂把大量产能转向 HBM 与高端 DDR5，常规 DRAM/NAND 供给收紧。OVHcloud 引 TrendForce 数据：DDR4 自 2025-09 涨 158%、DDR5 涨 307%；其预测 RAM 价格到 2026 年底较 2025-09 涨 250%–300%，2028 年前难正常化。Leaseweb 直言自 2026 年初 VPS 价格已涨至多 49%，推手是 AI 驱动的内存/存储短缺、IPv4 资源稀缺与全球通胀。webhosting.today 分析指出，最便宜档涨幅最大的「累退式」结构，实质是把长期被压到地板的几美元 VPS 重新定价到成本线，对 reseller、 agency、side project 冲击最大。

对小厂板块的意义：长期以来「小厂与差异化（VPS/IDC）」在日报中因无 24h 硬新闻而平淡；本期内存短缺引发的国际 VPS 集体涨价，是该类目罕见的、由供给侧硬约束驱动的实质动态，标志低价 VPS 的「地板价时代」结束。对国内小厂与出海开发者：海外 VPS 涨价抬高合规/低价算力门槛，可能把部分预算敏感负载推向国内云与国产服务器；对云价格：内存短缺的成本终将沿供应链传导至所有云主机定价。

【影响分析】 对小厂与差异化：国际 VPS 集体涨价结束「地板价时代」，最便宜档涨幅最大，reseller/初创/side project 承压最甚；对云价格：内存短缺沿供应链传导，所有云主机定价面临上行；对国内厂商：海外 VPS 涨价或把预算敏感负载推向国内云与国产服务器，利好本土小厂获客；对成本：内存价 2028 年前难正常化，VPS/云主机锁价窗口收紧，建议用户在调价前规划容量。

【来源】 Leaseweb 官方博客（VPS 调价公告）​ | BitLaunch 官方博客（Q3 定价更新）​ | OVHcloud 官方博客（2026 云基础设施定价）​

8. 铠侠发布首款 PCIe 6.0 企业级 SSD CM10：顺序读取 +92%、原生直冷板液冷，面向 NVIDIA CMX KV 缓存

分类：存储超级周期与算力成本传导（内存、GPU、涨价）

【摘要】 铠侠（Kioxia）7 月 30 日发布 CM10 系列——其首款 PCIe 6.0 企业级 SSD，搭载第十代 BiCS FLASH（332 层）TLC，支持 NVIDIA CMX 架构的 KV 缓存，相较上代顺序读取最高 +92%、随机读取最高 +85%；E3.S/E1.S 形态支持直接冷板液冷；容量 1.6TB–61.44TB，符合 PCIe 6.0 / NVMe 2.1 / OCP Datacenter NVMe 2.7。行业预期 2026 下半年 PCIe Gen6 服务器起步。

【详情】

产品规格：CM10 是铠侠首款 PCIe 6.0 企业级 SSD，采用第十代 BiCS FLASH（332 层）TLC 闪存，专为 AI 推理与上下文（KV）缓存设计，支持 NVIDIA CMX 架构——CMX 通过超高速闪存把内存层级扩展到 GPU 显存之外，使 SSD 成为 AI 基础设施中日益关键的组件。相较上代 CM9，顺序读取最高 +92%、随机读取最高 +85%。容量 1.6TB–61.44TB（随形态），提供读密集（1 DWPD）与混合（3 DWPD）耐久选项；合规 PCIe 6.0 / NVMe 2.1 / OCP Datacenter NVMe SSD 2.7，支持 NVMe FDP；安全含 SIE/SED、后量子加密（CNSA 2.0）、SPDM 1.4 证明。

散热与交付：CM10 在 E3.S 与 E1.S 9.5mm 形态支持直接冷板液冷，面向下一代 AI 基础设施的高效散热部署；2.5 英寸形态为 PCIe 5.0 合规。目前 CM10 向精选客户送样，将在 8 月 4–6 日圣克拉拉 FMS 展会亮相。单条 PCIe Gen6 x16 带宽理论可达 800Gbps 量级，配合 CPU 侧 PCIe 6.4 通道，显著缓解 AI 推理中 KV 缓存的存储瓶颈。

产业趋势：随着 AI 模型迈向万亿参数、上下文窗口扩展至数百万 token，高性能 KV 缓存存储需求快速增长，企业级 SSD 从「冷数据盘」升级为「推理加速层」。2026 下半年起 PCIe Gen6 服务器起步，SSD 接口代际切换（Gen5→Gen6）与 GPU 代际（Blackwell→Rubin）同步，存储子系统成为 AI 基建新瓶颈与新卖点。对服务器与云厂商而言，支持直冷板液冷的 Gen6 SSD 将与新一代谢热密度机柜深度耦合。

【影响分析】 对硬件·底层技术：PCIe Gen6 SSD 把企业级闪存从冷数据盘升级为 AI 推理 KV 缓存加速层，接口代际（Gen5→Gen6）随 GPU 代际同步切换；对服务器整机：原生直冷板液冷 SSD 与新一代谢热密度机柜耦合，散热设计前置到部件级；对云厂商：KV 缓存外置到高速闪存可扩展有效 GPU 内存、降低 HBM 压力，利好大模型推理成本；对供应链：332 层 BiCS FLASH 量产与 Gen6 控制器成熟，标志存储进入新一轮性能周期。

【来源】 Kioxia 官方新闻稿（日文/英文）​ | 铠侠中国官网（中文新闻稿）​

9. NVIDIA Vera CPU 量产交付首批系统（Anthropic/OpenAI/Oracle/SpaceXAI），完整规格曝光：88 核 Olympus、1.2TB/s LPDDR5X

分类：存储超级周期与算力成本传导（内存、GPU、涨价）

【摘要】 NVIDIA 官方确认 Vera CPU 已从发布走向量产——Hyperscale 副总裁 Ian Buck 亲手交付首批 Vera 系统给 Anthropic、OpenAI、Oracle Cloud 与 SpaceXAI。完整规格：88 个自研 Olympus 核心、176 线程、164MB 统一 L3 缓存；LPDDR5X 带宽最高 1.2TB/s、最大 1.5TB；NVLink-C2C 1.8TB/s（较 Grace 翻倍）；PCIe 6.4 / CXL 3.1；TDP 250–450W。Vera Rubin 整机 1 Vera + 2 Rubin GPU，单机架 128 superchip = 22528 核 / 384TB。

【详情】

量产交付里程碑：NVIDIA 官方页面确认，Vera 已从「发布」走向量产——Hyperscale 与 HPC 副总裁 Ian Buck 亲手交付首批 Vera CPU 系统给 Anthropic、OpenAI、Oracle Cloud Infrastructure 与 SpaceXAI。这标志代理式 CPU（agentic CPU）正式进入顶级 AI 实验室的生产环境，是继 7/22 架构披露后的关键进展更新，也是该产品从纸面规格到机架部署的拐点。

完整规格：Vera 在单颗计算芯片上集成 88 个定制 Olympus 核心、176 个 SMT 线程，全核范围集成 164MB 统一 L3 缓存；内存采用 SOCAMM2 LPDDR5X，聚合带宽最高 1.2TB/s、单 CPU 最大 1.5TB。片上互连为第二代 NVIDIA SCF（可扩展相干互连），提供 3.4TB/s 双向分区带宽，避免跨小芯片通信带来的延迟与不确定性。扩展侧 NVLink-C2C 在 CPU 与 GPU 间提供最高 1.8TB/s 一致性带宽（较上代 Grace 翻倍），支持 PCIe 6.4 与 CXL 3.1；双路配置提供 176 条 PCIe 通道。TDP 区间 250–450W。NVIDIA 称在代理式沙盒等负载下性能较主流 x86（AMD EPYC Turin）最高 1.8 倍。

系统形态与定位：Vera 既是面向加速系统的主机 CPU，也是独立 AI 工厂 CPU。Vera Rubin NVL72 平台整合 72 颗 Rubin GPU + 36 颗 Vera CPU；单机架可集成 128 个 superchip，提供 22528 个 CPU 核与 384TB 内存，同时运行超 2.25 万个并发环境，专为强化学习/代理式 AI 的沙盒、工具调用、代码执行设计。对智算中心而言，Vera 把「CPU 侧 Agent 内循环」从瓶颈变为加速项，提升单位成本 Token 产出，是 NVIDIA 从「卖 GPU」走向「卖 AI 工厂整机」的关键一环。

【影响分析】 对硬件·底层技术：Vera 量产交付顶级实验室，标志 NVIDIA 从 GPU 扩展到「GPU + 自研 CPU」全栈 AI 工厂，软硬一体壁垒进一步加高；对服务器整机：单机架 128 superchip / 22528 核的设计大幅抬高机柜密度与液冷要求，倒逼供电与散热 redesign；对云厂商：Vera Rubin NVL72 等平台成为新一代智算中心参考架构，影响采购与运维范式；对国内：提示国产 CPU（昇腾/海光/鲲鹏）也需在 Agent 工作负载的 CPU 侧加速上追赶，而非仅拼 GPU 峰值。

【来源】 NVIDIA 官网（中文，Vera CPU 产品页）​ | NVIDIA 官网（英文，Vera CPU 产品页）​