AI加速器供应仍是瓶颈，封装与电力或限制美国数据中心增长

据The Register报道，华为轮值董事长徐直军9月30日在一份问答式发布材料中表示，昇腾系列神经网络处理器在中国市场的份额已超过英伟达。徐直军说：“要收集英伟达在中国市场份额的数据相当困难，但根据我们收集到的数据，昇腾已经超过了英伟达。”

这一说法无法独立核实，英伟达也未作评论。

同一天，DeepSeek开源了面向华为昇腾芯片的六款软件模块，其中包括昇腾兼容版的TileLang。TileLang最初由北京大学开发。据《南华早报》报道，此次发布旨在为GPU构建“自主可控”的软件生态。DeepSeek称华为“全力支持”这项工作。The Decoder报道，两家公司还优化了一个由128颗昇腾950芯片组成的超节点集群。英伟达的主导地位部分建立在CUDA以及全球约四百万开发者之上，The Decoder引用《纽约时报》的报道说明了这一点。研究机构SemiAnalysis测试了OpenAI的Jalapeño推理芯片，称CUDA的护城河“可能已死”。不过它提醒，测试只覆盖相对简单的场景，英伟达在智能体工作负载上仍然领先。

芯片供应撞上封装与电力上限

9月30日，The Register报道称，一份提供给该媒体的Jefferies报告援引分析公司SynMax的估算，美国数据中心部署规模将从2025年约11 GW的总容量升至2026年的16-18 GW，高于此前14-16 GW的预测。SynMax认为2027年的实际上限在20 GW出头。但新项目的土地平整已经停滞，可见的施工活动远低于部分已公布的项目储备和2028年芯片需求模型所暗示的80 GW以上。

Jefferies指出，先进封装正成为一项新的约束。即使芯片在美国本土制造，也可能需要运往海外封装，通常是台湾，从而在半导体生产与可运行的数据中心容量之间形成卡点。SynMax估计，现有先进封装产能可支持功耗约13 GW总电力的加速器。把CPU、内存、冷却及其他负载折算进去，约合17.5 GW的数据中心总电力。预计2027年上线的两个新增封装项目可再增加6 GW，把实际上限推到20 GW出头，除非产能扩张快于预期。

压力不只在芯片。9月30日，EE Times报道称，Emergence AI正将其神经形式化AI技术推进到无晶圆厂半导体公司的实际部署中，而客户中的集成器件制造商则要求它把这套工作延伸到晶圆厂内。联合创始人兼执行董事长Satya Nitta对EE Times说：“你没法让芯片造得更快，但你完全可以用AI让每片晶圆产出更多良品芯片。”他说需求超过供应，每家晶圆厂都在满负荷运转，因此无法再塞进更多晶圆。

在设计端，Tom's Hardware 9月30日报道，Cadence、Synopsys和Siemens EDA都声称其面向芯片设计的智能体AI将在2026年取得明显进步，各自对自主性的说法并不一致。Cadence称其智能体在6月1日的Computex上达到所谓的第5级自主性。Synopsys称其3月11日展示的从规格到RTL的工作流达到“L4”。Siemens于3月16日推出其智能体，并在7月26日宣布了“自验证”闭环。Tom's Hardware指出，所有这些速度提升都来自厂商或客户自己的数据，往往带有“最高可达”或“早期评估”之类的限定，而且衡量的对象和基准各不相同。

OpenAI与Synopsys签署了多年战略合作，共同打造GPT-Synopsys，一款面向芯片设计的专用AI模型，The Decoder 9月30日报道。该模型将在OpenAI的基础设施上运行，两家公司表示客户数据不会被用于训练。面向半导体客户的早期测试已经在进行，两家公司将共同推广该产品并分享收入。