Computex 2026：四家 AI 芯片巨头联合宣告的产业拐点
NVIDIA、Intel、Marvell、Arm 四家公司在 Computex 2026 上讲了同一个故事：AI 基础设施正从「买 GPU 跑模型」转向「建工厂生产 token」。@TheValueist 完整看完四场主题演讲后，写下了这篇解读六大产业读穿的深度长文。
今年的 Computex，不是普通的产品发布会。
NVIDIA、Intel、Marvell、Arm 四家公司在台北分别登台，讲的却是同一个故事：AI 基础设施正在从「买 GPU 跑模型」转向「建工厂生产 token」。这不是 PR 话术，而是四份数十亿美元资本支出背后的共同判断。
@TheValueist 完整看完了全部四场 Computex 主题演讲，并写下了这篇长文。他的核心问题只有一个：四个控制点的 CEO 各自在为谁背书，谁的生意因此变大，谁的生意开始变小。1
コンテンツカードを読み込んでいます…
一句话核心论断：算力需求函数已经改写
过去三年，AI 算力需求的增长模型大致是线性的——更大的模型需要更多 GPU。但在这次 Computex 上，NVIDIA CEO 黄仁勋明确表示：「有用的 AI 已经到来，token 是可以产生收入的单位，而 agentic 工作负载的算力需求是对话式 AI 的 1,000 到 100,000 倍。」1
这意味着需求函数从「训练了多少个模型」切换成了「完成了多少工作」。Arm CEO Rene Haas 的说法更直接：「agents beget agents（一个 agent 会产生更多 agent）」。每个 agent 在执行任务时会调用工具、查数据库、召唤子 agent、验证结果——每一步都消耗 token，每一个 token 都需要算力。
对 AI 从业者而言，这个转变的实际含义是：如果你在用 LLM 构建产品，你的算力成本结构在 agentic 化后可能需要重新估算。
NVIDIA：不卖 GPU，卖工厂蓝图
黄仁勋在 Computex 上最重要的声明，不是新的 GPU 跑分。他说：「Vera Rubin 不是一块芯片，不是一个 GPU，而是一整套 agentic 系统。」
Vera Rubin 内含 Vera CPU（专门为 agent 工作负载设计，1.8 倍 agentic sandbox 性能 vs x86）、NVLink72、BlueField 存储/安全系统、Spectrum-X 以太网光子交换机，以及 NVIDIA DSX 工厂蓝图软件。机架组装时间从约 2 小时缩短到 5 分钟。供应链规模已经是 Grace Blackwell 的 2 倍，并处于满产状态。1
这个策略意味着竞争战场被刻意转移了——从「谁的芯片更快」变成「谁能交付完整的 AI 工厂经济学」。购买 1GW AI 工厂（每吉瓦造价约 500–1000 亿美元）的客户，优化的不是单块芯片的 ASP，而是每瓦有效 token 产出、上线速度、可靠性和软件生态。
结论：AMD 和定制 ASIC 只要无法在系统层面对齐，芯片层的性能对比就越来越不相关。
コンテンツカードを読み込んでいます…
Marvell：铜墙已经进机架
Marvell CEO Matt Murphy 的发言在这次 Computex 并不算显眼，却可能是对 AI 基础设施价值链变化最精准的描述：「下一波 AI 创新的主要约束来自连接（connectivity）。」1
具体数字：200Gbps/lane 铜缆的有效传输距离约 2.5 米；400Gbps 时，全机架铜缆连接已经不现实。铜墙正在从数据中心层级向机架层级推进。未来的数据中心将使用「大量光纤」，包括 co-packaged optics（CPO）——光引擎被焊进交换机芯片旁边。
Marvell 在 Computex 展示了一块基于 CPO 的 51.2T 交换机，使用 16 个 3.2T 光学引擎。公司表示「CPO 已经就位（co-packaged optics is here）」，并预告了 100T Teralynx 交换机、1.6T PAM4、1.6T 2nm 相干光方向图。NVIDIA 同期以 20 亿美元战略投资背书了这条路线。
对产业链的含义：最高价值增长从传统交换机盒子向芯片、光引擎、高速模拟和先进封装迁移。
Intel：x86 守住控制平面，CPU 需求比预期增长快
Intel CEO Lip-Bu Tan 的主题是「异构解聚推理」——让不同类型的芯片承担推理流水线的不同阶段：Xeon CPU 执行工具调用，SambaNova RDU 处理 token 生成，NVIDIA GPU 负责预填充。展示结果比 GPU-only 方案快 2–3 倍。1
Intel 还指出，agentic 工作负载正在把 CPU/GPU 的需求比例从历史的 1:8 推向接近 1:1。原因在于：agent 运行期间，CPU 负责工具执行、沙箱管理、检索、代码运行、数据库查询——CPU 卡顿，后面昂贵的 GPU 就在等待。
这对 Intel 是个开口，但受益者并不自动是 Intel：NVIDIA Vera CPU 声称 1.8x agentic sandbox 性能，Google 已将 TPU 控制节点从 x86 换成 Axion，省了 60% 电。真正的增量可能更多归属 Arm 架构。
Arm：一个收费站加一个直接竞争者
Arm CEO Rene Haas 的视角是「CPU 的文艺复兴」——在过去几年云计算中对 x86 的蚕食之后，agentic AI 给 Arm 带来了新的增量需求。1
Haas 透露，Oracle 和 ByteDance 已加入 Arm AGI CPU 家族。更重要的是，Arm 的商业模式兼具「IP 收费站」（授权费）和「直接竞争者」（Arm 自研 AI 芯片）两个角色——随着超大规模客户定制 Arm 芯片的规模提升，单个大客户自研 Arm SoC 的成本开始低于付给 Arm 的授权费，这是 Arm 未来几年的内生矛盾。
读完之后该问的问题
TheValueist 的这篇分析并非投资建议，他标注了六条主要读穿（read-through），涵盖加速计算、连接层、异构推理、CPU 架构转移等维度。对于 AI 从业者来说，最直接的问题是：
- 你的产品在 agentic 化后，对哪一层的依赖会变强？算力、互联，还是存储？
- 你所在公司的 AI 基础设施选型，是否正在被供应链政治（台湾的位置、NVIDIA 的平台控制策略）所塑造？
- 如果 token 成为计算单位，每个工作流的 token 成本有多少可被你压缩，有多少是基础设施约束？
这是 AI 行业今年最值得认真阅读的 Twitter 长文之一——不是因为它预测了什么，而是因为它把四个控制点的 CEO 话语拼在一起，让供应链的走向变得可读。
コンテンツカードを読み込んでいます…
このコンテンツについて、さらに観点や背景を補足しましょう。