NVIDIA 对比 AMD 成本效率优势达 5 倍

开源模型生态正变得更多元，参与者从少数中国公司扩展到全球各类组织。纯模型制造商包括 DeepSeek、智谱、MiniMax、Poolside、Arcee、Zyphra 及主权 AI 玩家 Cohere、Sovereign、Mistral、Trillion Labs；科技巨头如阿里 Qwen、Google Gemma 和 NVIDIA 各有不同动机；产品公司如 JetBrains、Zed、Krea、Photoroom 则训练高度专业的小模型。NVIDIA 发布 Nemotro…

智谱发布并开源 GLM-5.3-Flash，320B 总参数、18B 激活参数，是 GLM-5 系列首个原生多模态版本。相较上一代，激活参数从 32B 降至 18B，注意力计算量和 KV 缓存分别降低 3.01 倍与 4.44 倍。官方称端到端性能相对同硬件初始基线提高三倍，硬件效率和单 token 成本接近主流 NVIDIA GPU。

Kog团队在标准数据中心GPU上实现了极高的单用户推理速度，在8× AMD MI300X GPUs上达到3，000 tokens/s，在8× NVIDIA H200上达到2，100 tokens/s。相比常规推理速度（约100-300 tokens/s），实现了10-30倍提升。其核心思路是将LLM解码视为内存流问题，通过协同设计monokernel、重建同步机制、针对性内存访问映射及采用延迟张量并行的Laneformer模型架构，消除了传统流程的阻塞点。

为什么英伟达不自己直接卖token "黄仁勋真的很擅长让他的朋友们成为亿万富翁。" --Neil Movva，Sail Research 联合创始人，前英伟达 GPU/内核工程师

中国五大厂商占2026上半年全球人形机器人出货量的86%，全球总出货量超2.2万台，同比增长近300%。英伟达正将CUDA模式复制至该市场，通过深度嵌入少数头部厂商，以GPU/Jetson+CUDA+Isaac/GR00T/Cosmos栈覆盖机器人开发全流程。

中国人形机器人占全球出货量86%，英伟达正将其CUDA策略复制到这一高度集中的市场。英伟达只需深度嵌入少数几家机器人厂商，即可覆盖大部分市场。其路径是让机器人厂商依赖英伟达GPU/Jetson、CUDA及Isaac/GR00T/Cosmos平台，实现仿真、训练、控制与部署的全栈绑定。

模型无关的智能体层 Atomic Agent 让 GLM 5.3 在三个提示词任务中表现更好，成本仅增加 0.77 美元。对比显示，仅用 API 时消耗 543，290 tokens、花费 2.39 美元；加上 Atomic Agent 后消耗 1，091，380 tokens、花费 3.16 美元。

GLM-5.3-Flash 通过 MCP 控制 Blender 完成复杂建筑建模，成本仅 $0.0526，比 GLM-5.3 的 $0.8807 低 16.7 倍，且耗时更短（38m 52s vs 40m 43s）。Flash 版严格遵循提示词，而 GLM-5.3 出现偏差，且 Flash 可在 128GB MacBook 上本地运行。这表明许多智能体任务可能过度配置了模型智能。

AI/ML API 用同一提示词测试 GLM-5.3 Flash、Claude 4.6 Opus 与腾讯 Hy4 的图像生成，成本分别为 $0.03、$0.29 和 $0.13。GLM-5.3 Flash 价格仅为 Claude 的 1/9.7，凸显模型路由的价值--"最佳模型"正让位于按需选择。

SemiAnalysis 长文披露 OpenAI 自研 Jalapeño 芯片，称其面向数十万亿参数模型与百万级 token 上下文设计，并质疑 CUDA 在 AI 可自写代码优化新架构下的存续。该芯片以每瓦性能为核心，目标让数千芯片协同为单一推理机，其每兆瓦输出 token 吞吐已超越英伟达 Vera Rubin 公布数据。