Compute King

Husband & Father | Lifelong Learner | Creator & Innovator
Semi · AI · HPC · GPU Computing Guru

[Compute King @Compute_King]

https://t.co/HoWQWGSD6G

[Compute King @Compute_King]

寒武纪，利润大增！

刚才，寒武纪披露了2026年的三季度报表。

数据显示，前三季度，公司实现营业收入95.26亿元，同比增长106.76%；归母净利润37.15亿元，同比增长131.49%；扣非归母净利润35.23亿元，同比增长148.30%。

具体到第三季度，公司实现营业收入35.31亿元，同比增长104.47%；归母净利润14.04亿元，同比增长147.74%；扣非归母净利润13.58亿元，同比增长168.13%。当季经营现金流净额为-8367.79万元。

从环比上看，根据公司财报数据测算，第二季度营业收入、归母净利润和扣非归母净利润分别为31.11亿元、12.98亿元和12.31亿元，第三季度分别环比增长13.50%、8.16%和10.3%。

寒武纪表示，公司持续拓展市场，积极助力人工智能应用落地，营业收入较上年同期大幅增长，并带动利润增长。前三季度，公司非经常性损益净额为1.91亿元，其中第三季度为4602.54万元。

[Compute King @Compute_King]

今天寒武纪发布了2024年年报和炸裂的2025年一季报。

更新财务数据如下：

如我们之前所说，三季度的存货信息显示了特定大客户的需求释放。

那么小伙伴们也可以从年报和一季报的数据看出来，今年的业绩稳了。很简单，没有拿到确切的大单，怎么可能生产27.55亿人民币的库存？

简单如我上一篇所说，字节跳动2025年本来规划超过900亿来购买算力，现在NV的H20路径已经断了，剩下能分给寒武纪多少呢？

[Compute King @Compute_King]

@isotankGG 嗯。梁圣1台机器月入22万美金，推理成本不是最低，也是更低。

[Compute King @Compute_King]

梁圣，接着加油！

说真的，DS身上那股开源劲儿非常打动我：不端着、不藏着，愿意把好东西拿出来一起折腾。O，A那两家天天哭着喊着要封锁要设限；但开源这束光最不怕的就是这种地方，照进去一点，缝就开一点。

开源之光，横扫OA阴霾！接着干，后头有人！

*************************************

DeepSeek拟在最新一轮融资中筹得约1000亿元

10月22日，有消息称，国内大模型公司DeepSeek（深度求索）在最新一轮融资中筹得约1000亿元人民币（约150亿美元），腾讯和宁德时代为本轮出资最多的投资方，交易预计在未来数日内正式完成。

截至目前，DeepSeek及腾讯等相关投资方均未公开回应。

经接近公司和投资方的多个信源交叉求证，确认上述消息属实。消息人士透露，本轮募资目标最初设定为500亿元，此后经多轮上调至约1000亿元，目前尚未官宣，最终金额仍未完全确定。这笔资金将继续用于模型训练、算力建设和人才招募，以支撑DeepSeek参与全球竞争。也有部分消息人士判断，本轮融资将为公司筹备中的科创板IPO铺平道路。

来源：上海证券报

[Compute King @Compute_King]

你仔细看看原文：

目前单一集群的服务吞吐是 155 万亿 Tokens/天，整体收入是每卡每小时 38 美金（按谷价）。

官方的原文地址，
https://t.co/heDN1Xy7Xq

[Compute King @Compute_King]

果然还是梁圣！DeepInfer这个开源厉害了，工程师们得好好消化一下。

两点：

1，DeepInfer同时支持英伟达SM100（Blackwell）和华为昇腾950，而且是在相对统一的软件框架下适配。对于国内工程师而言，这意味着同一套部署和调优逻辑，理论上可以在两种算力底座之间迁移，迁移成本被显著抹平。

2，按照梁圣的披露：今天，我们正式开源大规模云服务推理框架 DeepInfer。 基于这一框架，我们已实现 DeepSeek V4.1 Flash 的高吞吐、低延迟大规模推理服务。目前单一集群的服务吞吐是 155 万亿 Tokens/天，整体收入是每卡每小时 38 美金（按谷价）。

这是啥概念？好的，换成人话，一台八卡的B300每个月的回报超过了22万美金。

好吧，B300还是卖得太便宜了，这是三个月回本的节奏。

[DeepSeek @deepseek_ai]

🚀 Introducing DeepInfer, our in-house inference framework, now fully open source!

Powering DeepSeek-V4.1-Flash at scale with high throughput and low latency. We’re sharing our production stack to help the community lower compute costs, reduce energy use, and make AI more affordable.

🔗 https://t.co/JGAik1kgk0

1/4

[Compute King @Compute_King]

想起的是毛泽东的视频。

[Compute King @Compute_King]

中国国内的燃油车销售占比首次跌破三分之一
by 界面新闻

随着新能源汽车份额不断扩大，燃油车在中国市场正加速萎缩。中国汽车流通协会乘用车市场信息联席分会（简称“乘联分会”）近日发布的数据显示，2026年9月，燃油车在中国市场上的销售占比首次跌破三分之一，新能源车整体渗透率攀升至67%的新高。

根据乘联分会的数据，2026年9月全国乘用车市场零售161.8万辆，同比下降28.0%，环比增长5.0%。其中，新能源乘用车市场零售108.4万辆，同比下降16.7%，环比增长7.8%；常规燃油乘用车零售53万辆，同比下降43%，环比下降0.3%。

在燃油车销量大幅下滑的基础上，9月新能源车在国内总体乘用车的零售渗透率达到67.0%，较去年同期增长9.1个百分点，环比增长1.7个百分点，创下历史新高。而燃油车的销量占比也首次跌破三分之一，份额进一步缩减。

[Eason Mao☢ @KELMAND1]

纯油车型全球销售量首次跌破50%大关

Mobility Global最新数据显示，2026年上半年，纯汽油车型占全球新车销量的49%，这是历史上纯汽油车销量占比首次跌破五成，且较2021年的73%大幅下降了24个百分点。

该机构数据显示，今年上半年，纯汽油车销量同比下降10%，至2025万辆。仅一年之内，其市场份额就下滑3个百分点，从52%降至49%。

[Compute King @Compute_King]

@yuyimei2 好吧，如果真的是这个情况，那美国人偷着乐好了，不用限制算力了。

[Compute King @Compute_King]

@uncleTomat0 我的天，烧成了这？

[Compute King @Compute_King]

@Huawei Great to see this happening! Cross-licensing with Qualcomm is strong evidence that Huawei is advancing!!!

[Compute King @Compute_King]

@cn_shenjing_01 @AnNLn1F6NGI13dj @_alexas_ @KELMAND1 不是的。

https://t.co/Q4MqqdCHe3

[Compute King @Compute_King]

极客湾Geekerwan实测LogicFolding的麒麟9050 Pro芯片性能，视频呈现

原帖标题：逻辑折叠深度解析！华为Mate 90系列韬定律芯片有多强？

原帖发于B站，连接如下：
https://t.co/dHrjJCLVUA

麒麟9050 Pro芯片的实测性能和续航都杠杠的。有兴趣的小伙伴B站看原帖。

视频和图片Copyright by “极客湾Geekerwan”。

[Compute King @Compute_King]

@jietang A great milestone... Well done!

[Compute King @Compute_King]

这张图片来自口罩哥。

[Compute King @Compute_King]

当高通首次为华为专利付费：多年协议跨入5G、AI与计算

笔者注：这则新闻真正值得细读的，不在“和解”和“许可”，而在背后的方向变化：25年来，高通第一次成为华为的净付款方。

昨天，2026年10月5日，值得纪念的日子。高通与华为宣布达成多年期、广泛的专利许可协议，涵盖5G、计算、AI、网络四大技术领域的双向交叉授权。

两家公司上一次达成授权协议是2020年，华为向高通支付了18亿美元的历史欠费。此后协议到期，高通自2025财年第二季度起，技术授权业务收入中不再包含来自华为的专利费。如今续上的这份协议，是双方首份涵盖5G技术的专利许可协议，也是第一次实现华为向高通收取专利许可收入的协议。

协议的结构分两条线：一是双方在5G、计算、AI、网络领域的专利组合交叉许可；二是高通收购华为在计算、AI、网络及其他技术领域的部分美国专利。后者尤为特殊，一家美国芯片巨头收购中国企业的美国专利，本身就构成了一种姿态。

高通技术许可业务负责人John Han在官方声明中用了一个关键词：“Recognition”（认可）。他说，这份协议“反映了高通对华为在5G及其他技术领域持续创新和知识产权的认可”。在知识产权的语境中，“认可”不是客套。它意味着承认对方的专利具有不可绕过的技术价值，意味着愿意用真金白银为这种价值定价。

定价多少，双方都没有披露。但华为给出了一个总量参照：协议完成后，华为全部专利许可协议的累计合同总额预计将超过69亿美元。作为对比，华为2024年的专利许可收入约为6.3亿美元。69亿是累计合同价值，6.3亿是单年实际收入，两者口径不同，但放在一起看，能感受到这份协议在华为知识产权收入盘子里的分量。

协议覆盖的专利数量也值得留意。高通将付费使用超过680项华为专利，约占华为全球29.6万余项有效或待审专利的0.23%。数量占比不大，但覆盖的领域极为关键。据彭博社披露，其中包括华为“逻辑折叠”（LogicFolding）芯片技术背后的专利，以及近封装光学互联技术。

“逻辑折叠”是华为提出的“韬定律”的核心技术。它的逻辑并不复杂：既然先进光刻机受限，无法继续把晶体管做小，那就换一条路：通过三维堆叠和垂直互联，把信号传输的路径折叠起来，用“时间缩微”替代“几何缩微”。

前天我们聊的搭载麒麟9050 Pro的Mate 90 Pro Max手机，是全球首款采用这一技术的SoC芯片。彭博社的评价很直接：这项技术能帮助华为缩小与台积电等行业领先者之间的差距。

这份协议真正的含金量，在于一个方向性信号：当高通愿意为华为的计算和AI专利付费，当“韬定律”的底座技术成为交易标的，华为在知识产权棋盘上的角色，已经从“被许可方”变成了“许可方”。这个转身用了25年。

当然，据说这份协议仍需美国监管机构批准，具体条款高度保密。高通随后也澄清，部分媒体关于协议“涉及逻辑折叠”的报道“并不准确”。所以到底哪些专利被纳入，以什么条件交易，外界看到的仍然只是冰山一角。

可以确定的是：在一个技术脱钩不断加深的时代，两家分属G2的公司，不管是主动的，还是被动的，能够选择在专利桌上重新握手，这本身就是一个值得记录的时刻。

Lmao，华为确实站得很直，但那些个华为的黑子到底是咋想的？

[Bloomberg @business]

Qualcomm agrees to license patents underpinning Huawei's novel LogicFolding chipmaking technique, a win for the Chinese company https://t.co/j5qmSFQzJG

[Compute King @Compute_King]

@Carrie_CengWong

[Compute King @Compute_King]

极客湾Geekerwan实测LogicFolding的麒麟9050 Pro芯片性能，视频呈现

原帖标题：逻辑折叠深度解析！华为Mate 90系列韬定律芯片有多强？

原帖发于B站，连接如下：
https://t.co/dHrjJCLVUA

麒麟9050 Pro芯片的实测性能和续航都杠杠的。有兴趣的小伙伴B站看原帖。

视频和图片Copyright by “极客湾Geekerwan”。

[Compute King @Compute_King]

华为的τ芯片量产后会熔化？当然不会！

华为的τ定律出来之后，笔者担心过散热，也写了一系列的文章，一些传播还比较广。昨天，华为的半导体业务部总裁何庭波女士有发了一篇论文，链接：https://t.co/1xrVaHfMQq

何老师在论文里面明确地说：我们的麒麟实测结果将散热这一质疑完全翻转（Our Kirin measurements turned that objection upside down）。何老师在开头就举了一个简单的例子：每个通勤者（Commuter）都知道的一件事，在芯片上，就像每个打工人的日常工作日一样，消耗大部分能量的不是工作本身，而是往返路途（芯片的功耗大部分由搬运数据产生，而不是计算单元的本身的功耗）。

同样，对真实的量产成品Wafer和Die进行的测量显示，这里的Die也就是计划于9月份出货的麒麟2026，结果恰恰相反：在每平方毫米晶体管数量增加55%的同时，该芯片比前代更凉，在某些关键任务上的功耗降低幅度最高达到66%。

这是一个令人震惊的表现，一起跟着笔者来学习一下这篇论文。

所以，华为（包括大部分中国客户）在受限的国际环境里面，制程被限制在最高5nm的区间，那怎么用不一样的方式来获得更快的开关速度，更短的响应时间和更高的时钟频率？这就是LogicFolding提出的背景。

LogicFolding通过3D混合键合实现，它更接近焊接，而不是封装。两片晶圆，当然也可以是一片晶圆与一颗芯片，经过精密对准、压合并缓慢加热。在退火过程中，两侧氧化物表面之间形成共价键，合并为一层连续的介电层；与此同时，两侧铜焊盘向彼此膨胀并熔合为连续金属。最终，堆叠芯片之间形成了一片垂直连接的森林。

那么，单位面积内需要多少垂直连接，才能使折叠真正降低RC（也就是拖慢并消耗每个信号的电阻和电容）？华为的探索表明：1.5μm已经足以支持良好的LogicFolding，1μm会更好，而720nm（典型逻辑工艺的顶层金属间距为720nm）将进一步扩大收益。未来，华为还打算把键合间距缩小到480nm。

何老师接着披露：华为在40nm设备基础上，在麒麟2026芯片上实现了1.5μm混合键合间距：5000万个垂直互连中，10%至15%用于传输信号。麒麟2027硅片已经达到1μm，并拥有超过1亿个垂直互连。之后华为将达到720nm的顶层金属间距，实现一比一的齿轮比，并拥有超过2亿个垂直互连。

在此的工艺水平上，华为工程师开始了真正的LogicFolding，他们检查了麒麟SoC中工作最繁重的模块：NPU、CPU、GPU和DSP，找出其中最长、最慢、最耗电的水平路径。随后，每个模块都被重新设计为同时占据两层硅片，把长距离水平连接变成在两颗芯片之间短距离跳转的垂直连接。

在采用LogicFolding的第一款移动SoC麒麟2026上，晶体管密度在一代之内从约每平方毫米1.55亿个增加到2.38亿个，提升55%。

到这里，反直觉的来了，因为。。。功率密度也下降了。。。

与华为前代平面布置的芯片相比，在性能相同的条件下，麒麟2026的NPU功耗降低66%，GPU降低58%，CPU性能核降低41%（测试采用真实世界基准）。

至此，华为在每平方毫米内放入了明显更多的晶体管，但芯片每完成单位工作所产生的热量反而更少，而不是更多。这个结果值得大量的解释，因为它看起来像违反了质疑者援引的物理规律。其实并没有，它真正揭示了芯片功率究竟消耗在哪里，而答案并不是大多数人以为的地方。

智能手机芯片的动态功耗大约占90%，而动态功耗里面有两种消耗，1是门电路的开关；2是移动信号，也就是把信号从芯片的一部分送到另一部分的长金属线充放电，导线就像沿距离摊开的电容，信号走得越远，需要充电的电容就越大，能量也随之增加。

这正是包括笔者在内的小伙伴们的直觉容易出错的地方：在现代SoC模块中，导线，也就是信号的移动，通常比逻辑门，也就是计算要消耗更多能量。处理器的大部分功率，不是花在思考上，而是花在通勤上。

回到何老师举的例子上，想象一名普通办公室职员每天的能量预算。人们很容易以为，大部分能量花在实际工作上：会议、电子表格和思考。但事实并非如此。对许多办公室职员而言，一天中最大的一笔能量支出是通勤：每天往返于家和办公室之间的驾车或乘车。相较之下，坐在办公桌前工作所需的能量要低得多；交通才是主导项。

何老师类比了一下，芯片也一样：逻辑门负责思考，导线负责通勤。在大型AI集群中，这一点同样成立：超过80%的能量花在移动数据，而不是对数据进行计算。只是程度较轻的同样失衡，也存在于每一颗智能手机SoC中。

所以，LogicFolding做了什么？何老师说，LogicFolding把每个人的家都搬到了办公室附近。

何老师举了个例子：芯片里面，时钟网络是最繁忙、最耗电的导线之一；华为团队通过LogicFolding把它缩短到相当的程度，足以把时钟缓冲器数量削减一半以上。仅在一个处理模块上，LogicFolding就使时钟走线缩短28%，并将缓冲器（Buffer）数量从43,600个降至19,000个。

麒麟2026的实际功耗：逐模块观察

华为让折叠芯片与其平面前代麒麟9030 Pro进行对比，并采用等性能条件：相同的AI吞吐量、帧率或基准分数。

NPU是华为τ定律批评者最担心堆叠的模块，因为它既是密度最高的模块之一，也是最热的模块之一。然而，它实现了最大的降幅：在相同的29 TOPS下，时钟频率可以降低63%，从1.2GHz降至0.442GHz；电压可以从0.85V降至0.55V。这使功耗降低66%，功率密度惊人地下降73%。GPU紧随其后：以与麒麟9030 Pro相同的61 FPS运行，但电压降低200mV，功耗下降58%。

收益梯度恰好沿着“通勤”展开：一个模块越并行、越耗数据，折叠给它的回报就越大。

DSP是一个例外，并且说明了一个重要教训：使用LogicFolding时，面积可能比功耗缩小得更快。第一代LogicFolding芯片麒麟2026在完成相同工作的情况下功耗降低25%，但功率密度，每平方毫米消耗的功率，反而上升24%；而真正决定热控制的是功率密度。原因很直接：LogicFolding使DSP占地面积缩小40%，所以即便功耗下降，功率密度仍会上升。第二代折叠芯片麒麟2027解决了这一问题：华为已经完成了流片，并完成了实际Die的测量，其功率密度低于原平面版本，功耗下降47%。

按照何老师的话说：功率密度是设计结果，而不是命运。

华为还让麒麟2026的模块跑在了全速模式，以观察它们相对于9030 Pro能达到什么水平。

在全负荷下，折叠NPU达到70 TOPS，比前代高141%；GPU帧数提高42%；CPU在HNX基准上的分数提高18%。在这些模式下，它们的功率密度都高于平面前代芯片。

因此，LogicFolding为华为的手机系统提供了一个平面芯片没有的控制旋钮：同一模块可以根据场景选择节俭运行，也可以成为性能猛兽。

华为还通过LogicFolding获得了更多的性能空间，比如，前代NPU由一个大核和两个能效核组成，而LogicFolding之后带来的晶体管余量使其能够配置四个大核。这组更宽的阵列以0.7V提供70 TOPS，远低于前代以0.85V提供不到一半性能所需的电压。

设计性消除热点

消除热点也是一个很大的话题，何老师直接点到了有意识的热密度控制是核心。第一，LogicFolding从热源处降低了热密度；第二，主动的热管理。

西西弗斯，但这座山通向某处

何老师支出：LogicFolding后的NPU可以用三分之一的功耗完成前代的工作，也可以反过来超过前代141%，同时超过前代的功率密度。物理学允许这两种设置；选择凉爽运行还是极限运行，取决于华为的设计纪律（取舍）。

LogicFolding后的CPU有意保持保守，只针对关键路径。但仅2026年，它就已经把性能核频率恢复到3.1GHz。要在未来三至五年释放LogicFolding的全部潜力，需要全行业积极创新，包括扩大设计空间、缩小混合键合间距、集成更低层金属的TSV以及垂直堆叠更多层等。

华为的方向比较乐观，LogicFolding将为麒麟CPU核心频率达到并超过5GHz铺平道路。这一路线图是可行且具有经济性的。

何老师提到西西弗斯的神话：西西弗斯被判把巨石推上山，却只能看着巨石滚下去，然后重新开始。在τ缩放定律下进行工程工作也有同样节奏：折叠芯片，获得时间裕量，再把裕量用于降低功耗；下一代芯片到来，巨石又要重新开始。

这个故事与神话不同的地方在于：这座山确实通向某处。每一轮循环都会留下计算能力更强、功耗更低的芯片，而不断累积的距离，就是产业所称的进步。

回应笔者的主题：那颗本来被认为会熔化的τ芯片，最终反而运行得更凉！

太酷了，华为的工程师们！！！

[Compute King @Compute_King]

@robertbowles78 @jenzhuscott Elon Musk to rename SpaceXAI, the company behind Grok, to SpaceXSI...

[Compute King @Compute_King]

@w3blackpearl @KELMAND1 哟，就算是华为核心所在的通信行业也还有中兴，H3C；光通信有烽火，亨通，中天等。

其他C端的手机和汽车就更多了，都是充分竞争的行业。

你哪只眼睛看到寸草不生了？