最新 10 條新聞、5 篇百科。更早的請到全部新聞按日期檢視。
TrendForce最新研究顯示，NVIDIA的Spectrum-X CPO交換器已向部分合作夥伴出貨，Broadcom的51.2T Bailly CPO交換器也持續小量出貨，標誌CPO技術進入量產階段。但光引擎良率、矽光子晶圓代工及先進封裝產能緊張，成為制約擴產的主要瓶頸。NVIDIA與台積電深化合作，部分雲巨頭則通過長期協議或自研光學元件應對。
為什麼重要CPO交換器量產進度直接影響AI資料中心內部高頻寬互聯的功耗與效能，進而牽動算力基礎設施升級節奏及相關供應鏈企業（如台積電、光引擎廠商）的產能分配與投資價值。
中際旭創港股發行定價每股980港元，低於最高推介價約3%，募資規模約534億港元（約68億美元），成為近七年來香港最大新股發行。公司將於7月30日（本週四）在港交所掛牌，同日港交所將同步推出該股個股期權交易。定價較A股上週五收盤價折讓約19%，機構認購需求火爆，提前一天關閉認購通道，認購倍數達數倍。
為什麼重要中際旭創作為AI資料中心光模組核心供應商，其港股上市規模與定價折讓幅度，直接反映全球資本對中國AI供應鏈企業的估值態度與融資熱度，對產業鏈上下游公司後續赴港上市具有風向標意義。
在WAIC 2026上，光計算成為焦點，行業討論從技術突破轉向商業落地。國內光電混合算力企業曦智科技展示了全球首款光電智算一體機“天樞·光立方”，並已在其辦公樓門禁系統中實現高頻穩定執行，這是光計算首次進入真實民用場景。曦智創始人沈亦晨透露，新一代PACE 3光計算晶片已於6月回片，光子矩陣規模超256×256，面向低延遲大模型推理。
為什麼重要光計算從實驗室走向真實場景，標誌著AI算力架構多元化進入新階段，對依賴傳統電子計算的產業鏈格局構成潛在變革，相關企業及上下游供應商的估值邏輯可能重估。
分析師預測，亞馬遜CEO安迪·賈西將在7月30日釋出第二季度財報後，上調公司2026年全年資本支出指引。亞馬遜此前已給出2026年AI相關資本支出2000億美元的指引。近期谷歌已將其2026年資本支出指引從1800億美元上調至1900億至2050億美元區間，市場已為亞馬遜上調指引做好準備。若亞馬遜維持2000億美元指引，股價可能正面反應；若大幅上調，則可能承壓。
為什麼重要亞馬遜作為超大規模雲服務商，其資本支出指引直接反映AI基礎設施投資力度，影響輝達等晶片廠商需求預期及整個AI產業鏈的資本敘事。
IBM 釋出二季度初步業績後股價暴跌 25%，CEO Arvind Krishna 稱客戶因硬體漲價將預算轉向伺服器、儲存和記憶體，導致大型軟體交易延遲。與此同時，Palantir 憑藉資料整合與 AI 平台 Foundry 和 AIP 受益，其營收增長 85%，淨留存率達 150%，剩餘交易價值近 120 億美元。兩家公司分別代表 AI 基礎設施與上層軟體的不同投資邏輯。
為什麼重要該對比凸顯 AI 投資從硬體基礎設施向上層軟體與資料層轉移的趨勢，影響投資者對 IBM 和 Palantir 等不同定位公司的估值判斷。
2026年上半年算力租賃板塊業績預告顯示，核心公司淨利潤同比增幅達247%至1368%。AI Token呼叫量兩年增長超千倍、H100租賃價格同比上漲近40%，新籤合同交付排期延至2027年，供需兩旺推高行業景氣度。預計高階GPU租賃價格年均漲幅維持15%-25%，頭部廠商淨利潤率有望從15%-25%提升至25%-35%。
為什麼重要算力租賃量價齊升驗證AI基礎設施層的高景氣度，業績爆發可持續性及頭部集中趨勢將影響產業鏈上游晶片採購與下游模型訓練成本。
據《華爾街日報》7月26日報道，輝達正與OpenAI洽談提供約2500億美元擔保，助其租賃軟銀在俄亥俄州開發的10吉瓦資料中心樞紐，專案總成本或達5000億美元。此舉打破此前輝達縮減資金支援的傳聞，從直接股權注資轉向專案融資擔保，規避了OpenAI上市前的估值博弈，同時深度繫結其未來算力採購。
為什麼重要該交易標誌著AI基建資本繫結模式從股權轉向專案融資，輝達以擔保撬動鉅額算力需求，進一步鞏固其算力生態主導權，對產業鏈上下游的資本與能源格局產生深遠影響。
Alphabet 在釋出第二季度財報後，將 2026 年資料中心資本支出指引上調 100 億美元，至 1950 億至 2050 億美元區間。這一決定將直接利好其晶片供應商輝達和博通。儘管 Alphabet 股價因支出擴大而下跌，但公司運營現金流已無法完全覆蓋該投資，需通過融資補足缺口。
為什麼重要Alphabet 作為最大超大規模雲廠商，其資本支出持續上調直接拉動對輝達 GPU 和博通定製 AI 晶片（TPU）的需求，對 AI 算力產業鏈上游的營收預期構成明確利好。
半導體 EDA 與 TCAD 軟體商 Silvaco 宣佈與輝達合作，將輝達的加速計算與 AI 技術整合到其物理模擬產品組合中，以推進半導體設計與製造領域的下一代數字孿生。合作涵蓋 GPU 加速物理模擬、AI 替代模型開發、數字孿生視覺化與協作，以及雲原生工程工作流。Silvaco 稱，此舉有望將模擬週期從數週縮短至數天。
為什麼重要該合作將輝達的 GPU 與 AI 平台直接嵌入半導體設計工具鏈，有望顯著提升晶片設計與製造模擬的效率與精度，對 EDA 行業及先進製程研發具有重要推動作用。
AI 基礎設施層把晶片與電力組織成可用的算力——涵蓋資料中心、超大規模雲廠商(hyperscaler)、液冷與能效、網路互聯,以及「AI 工廠」式的整機櫃交付。它是連線底層硬體與上層模型的關鍵一環,資本開支(capex)規模與折舊節奏直接影響相關公司的盈利。本頁彙總 AI 基礎設施層相關的中文精編,按時間倒序;同一事件多家來源已合併,每條標註來源、附原文連結,只做客觀轉述、不構成任何投資建議。
