1、吞下Ampere强攻数据中心，软银将撕裂x86架构护城河？

2、李开复：DeepSeek将中美AI差距缩小至三个月

3、诺基亚每年投入45亿欧元 以研发低功耗芯片

4、消息称量子计算初创公司PsiQuantum至少融资7.5亿美元

5、加快推进人工智能赋能新型工业化

1、吞下Ampere强攻数据中心，软银将撕裂x86架构护城河？

软银的AI图谱再落关键一子。

近日，软银集团宣布将以65亿美元的全现金交易方式收购CPU芯片设计企业Ampere Computing。Ampere将作为软银全资子公司独立运营，保留现有品牌、总部及研发人员体系。本次交易预计将于2025年下半年完成，但具体时间取决于监管审批进度。

显然，软银此次收购不仅是短期资本布局，更是长期技术战略的体现。通过整合Ampere的技术优势、Arm的生态资源及AI市场红利，软银试图在半导体行业的下一个十年中占据核心地位。若此次交易成功完成，将对半导体行业会带来一系列影响，不仅将加速Arm生态的扩张，还可能引发行业技术路线和竞争格局的深刻变革。

但软银收购Ampere一案也存在一定风险，面临行业演变、技术整合、市场竞争及政策监管等多重挑战。未来，软银能否藉此成为AI巨擘，仍需拭目以待。

收购系多重战略考量

为强化半导体产业链地位并抢占AI芯片制高点，软银收购Ampere显示多重战略考量。

一方面，Ampere专注于基于Arm架构的高性能数据中心处理器设计，其产品在低功耗、高效能方面表现突出，尤其适合处理AI、云计算和大数据需求。随着AI和大数据分析的需求增长，以及数据中心对能源效率的要求日益增加，Ampere的处理器在这些高计算负载任务中展现出竞争优势。通过收购Ampere，软银可直接获得其相关技术积累和市场份额，并增强在AI基础设施领域的竞争力。

另一方面，Ampere的处理器技术路线与软银子公司Arm的生态高度协同。目前，Arm虽然在移动设备芯片市场占据主导，但在数据中心等高算力领域仍需突破。软银收购Ampere后，可帮助Arm进一步渗透利润丰厚的数据中心市场，推动其从技术授权向整体解决方案转型，进而形成从移动端到数据中心的全面覆盖。

进一步来看，收购Ampere绝非软银近年来强化AI半导体布局的孤立事件。

2024年7月，软银吞下英国AI芯片公司Graphcore；2025年1月，与特朗普政府敲定5000亿美元“星际之门”基建计划，软银和Open AI、甲骨文均是主要合伙人；2月，完成对OpenAI的400亿美元注资，取代微软成为其最大投资方。如今，再将Ampere纳入版图，软银构建的横跨日美英以及覆盖芯片设计到数据中心的全链条逐渐浮出水面：Arm提供底层架构授权，Ampere打造服务器处理器，Graphcore专攻AI加速器，OpenAI则坐拥顶级算法。这凸显出软银不断加大AI半导体的布局和战略雄心。

在垂直整合战略下，软银的这一收购可整合资源、构建技术壁垒，通过与其投资的Arm、OpenAI等企业形成协同效应，在AI算力市场撕开更大缺口，同时抵御其他科技公司的竞争压力。而软银对Ampere的全资收购可简化股权结构，便于后续推进一系列整合，包括对Ampere的1500名研发人员和Graphcore的研发团队进行战略调整，从而帮助OpenAI将自主研发的AI加速器推向市场，以及为“星际之门”项目设计定制CPU和 GPU。

此外，该收购案背后也隐藏着深层的地缘考量。通过收购美国芯片设计公司Ampere，软银既可规避部分地缘政治风险，又能强化在全球半导体供应链中的话语权。而在“星际之门” 计划中，软银与甲骨文合资建设的北美数据中心，将成为Ampere的Arm架构芯片试验场。这种“技术换市场”策略，既规避了监管风险，又为日本半导体产业打通出海通道。

或引发行业深刻变革

凭借在计算领域的发展潜力，Ampere已经逐渐发展成为半导体行业的一匹“黑马”。同时，鉴于软银集已经构建了一个横跨通信、芯片、机器人和能源的全球科技生态体系，这一收购案或将在行业中带来变革性影响，但同时软银的AI图腾也仍面临挑战。

据公开资料显示，Ampere由前英特尔高管Renee James于2017年创立，专门为基于Arm架构的服务器设计芯片，早期客户包括微软、谷歌、字节跳动、腾讯等，产品拥有128个内核的业界首个云原生处理器Ampere Altra系列，192个Ampere开发的单线程内核的旗舰产品AmpereOne系列处理器等。去年5月，Ampere公布年度战略和全新CPU产品路线图，宣布2025年将推出下一代旗舰产品3nm AmpereOne CPU，最多支持256核和12通道DDR5内存，并称其性能“比当今市面上任何CPU都高出40%以上”。

与x86架构相比，Ampere的芯片能效提升显著，可降低数据中心能耗成本达数亿美元。但近几年Ampere受市场竞争加剧、产品迭代成本高及客户集中度过高等因素，业绩不增反减。2022年—2024年，其营收从1.52亿美元降至0.16亿美元，净亏损累计达19.25亿美元。此外，Ampere于2022年秘密提交IPO未果后，转向寻求出售。

如今，软银的收购将为Ampere注入资金和资源，加速其技术迭代，形成从芯片设计到应用落地的完整生态链，提供更高效的数据中心解决方案，并加剧对英特尔和AMD的竞争压力，直至挑战x86架构的主导地位。此外，Ampere的处理器支持从边缘到云的数据中心场景，未来或推动软银在物联网、5G等领域的垂直整合，形成更广泛的技术生态。

分析还称，Ampere的Arm架构与软银的AI战略形成“技术-市场”双协同，尤其在能效优化与AI算力需求爆发的背景下，此次收购是软银抢占下一代基础设施制高点的关键。若软银成功整合Ampere，将加速Arm在数据中心市场的份额提升，未来五年内或占据服务器芯片市场的20%-30%，推动行业从“性能竞赛”转向“能效优先”等技术路线和竞争格局的深刻变革。此外，本次收购案也可能引发连锁反应，促使行业并购与整合潮进一步到来。

尽管收购Ampere可能产生多项积极作用，但软银也不乏面临系列挑战。

目前，AI发展势头依旧强劲，但硬件市场增长或不再像过去高歌猛进，这背后不仅是硬件技术瓶颈的问题，更深层的原因在于软件算法和模型优化的进步。同时，随着科技巨头纷纷加码自研芯片产品，Ampere还需面对英伟达Grace CPU、亚马逊Graviton等竞品的持续挤压和权衡取舍。而如何通过软银的资金和生态支持扩大市场份额，将是Ampere被收购后的核心挑战。此外，该交易仍需通过多国反垄断审查，也让最终落地时间存在不确定性。

总体上，软银对Ampere的收购不仅是资本层面的战略布局，更是技术生态重构和长期战略的关键一步。若软银能有效协同Arm与Ampere的资源，全球半导体行业或迎来新一轮创新热潮。但在激烈竞争演变的行业环境中，软银携手Ampere能否破局也仍存在不确定性。

2、李开复：DeepSeek将中美AI差距缩小至三个月

中国初创公司零一万物创始人李开复表示，中国在某些领域将与美国的人工智能发展差距缩小到仅三个月，因为DeepSeek等公司已经找到了如何更有效地使用芯片和应用算法的方法。

李开复称，初创公司DeepSeek表明，中国在基础设施软件工程等领域已经领先。

今年1月， DeepSeek推出了一款人工智能推理模型，震惊了全球人工智能行业。该公司称，该模型采用的芯片技术较落后，开发成本也低于西方竞争对手。这一声明挑战了美国制裁阻碍中国人工智能行业发展的假设。

李开复表示，“之前我认为差距是六到九个月，各方面都落后。现在我认为，在一些核心技术上可能落后三个月，但实际上在某些特定领域领先。”他补充说，美国对半导体行业的制裁是一把“双刃剑”，既带来了短期挑战，也迫使中国企业在限制下进行创新。并指出中国企业如何开发自己的算法。

李开复指出：“DeepSeek 能够通过一种新的强化学习方式来弄清楚思路链，这要么是在赶超美国，要么是在快速学习，甚至可能更具创新性。”他指的是 DeepSeek 模型在给出答案之前会向用户展示他们的推理过程，这一功能由OpenAI率先开发，但尚未向用户发布。

2022年底OpenAI推出ChatGPT后不久，中国科技行业就加入了开发生成式人工智能的全球竞赛，但直到DeepSeek推出之前，中国的许多科技领袖表示，他们远远落后于西方同行。

李开复还经营着自己的风险投资公司，他于2023年3月创立了零一万物、与智谱人工智能、Moonshot 等其他新人工智能初创公司以及中国科技巨头百度、阿里巴巴和字节跳动一起构建基础模型。

李开复表示，在资金雄厚的科技巨头和快速发展的开源替代品主导的市场环境中，投资专有模型对于人工智能初创企业来说已经成为一种“勇气”。零一万物将专注于实际的人工智能应用——帮助客户更好地部署基础模型的软件解决方案。

3、诺基亚每年投入45亿欧元 以研发低功耗芯片

诺基亚押注芯片开发的进步将帮助数据中心和网络大幅降低功耗，以应对AI计算需求增加带来的能源危机风险。

诺基亚副总裁兼全球可持续发展负责人Subho Mukherjee表示，该公司已投入巨资开发多种新型芯片组，以将产品功耗降低50%或更多。

“我们的重点是确保随着每年数据的增长，但我们不能像数据增长那样消耗能源，”Mukherjee说。他补充道，诺基亚每年在研发上投入约45亿欧元（48亿美元），可持续发展是这笔开支的关键。

诺基亚与瑞典的爱立信一样，是世界上为数不多的拥有端到端网络产品组合的公司之一，这些产品包括面向消费者手机的移动网络、微波传输网络、无线接入网络和宽带光纤。

Mukherjee表示，这种端到端解决方案使公司能够在设计数据中心基础设施和硬件方面扩大影响力，随着AI技术对能源需求增加，这些数据中心需要越来越节能。

诺基亚的芯片设计遍布其产品组合。Mukherjee称，最新一代光芯片组将功耗降低了60%，而最新5G大规模MIMO芯片相比前代产品功耗降低了50%。他还补充道，诺基亚还为数据中心中关键的交换机和路由器设计芯片。

诺基亚首席执行官Pekka Lundmark最近对媒体和分析人士表示，这家芬兰科技公司已确定企业解决方案中的三大未来增长驱动力：5G专网、数据中心和防务通信网络。Lundmark称，诺基亚新收购的美国光纤供应商英飞朗专注于高速数据传输，将对其数据中心业务提供很大帮助。

Lundmark表示，公司将投资1亿欧元，力争到2028年其数据中心业务净销售额达到10亿欧元。

4、消息称量子计算初创公司PsiQuantum至少融资7.5亿美元

据报道，两位知情人士透露，量子计算初创公司PsiQuantum正在以60亿美元的投资前估值筹集至少7.5亿美元。其中一位知情人士表示，贝莱德将牵头此次融资，但尚未完成。

与一些使用奇异材料的量子计算初创公司不同，PsiQuantum的目标是改变半导体行业的传统制造技术。该公司在纽约的一家由GlobalFoundries运营的工厂使用现有的光子学技术（与用于互联网通信的光纤连接的芯片制造技术相同），并表示计划生产数百万个量子芯片。

其中一位知情人士说，扩大这些计划以生产大量量子计算处理器是一项昂贵而复杂的工作，需要融资。

报道指出，初创公司和大型科技公司都在追逐量子计算，它可以解决传统计算机需要数千年或数百万年才能解决的复杂问题，比如预测原子和分子如何相互作用。科学家们希望利用量子机器开发电池和新药的新材料。

最近几个月，Alphabet、微软和亚马逊都推出了新的量子计算芯片。上周，英伟达表示，将在波士顿建立一个量子计算研究中心。

PsiQuantum正与澳大利亚和美国政府合作，计划在未来几年内建造两台量子计算机，一台在澳大利亚布里斯班，另一台在芝加哥。

量子计算机已经存在了几十年，但产生的错误太多，无法比传统计算机更有用。近年来，各公司在制造更好的量子芯片和纠正这些错误方面取得了进展，PsiQuantum 表示，它相信到 2029 年或更早就会有一台有用的机器，谷歌今年早些时候表示，它将在五年内推出有用的量子应用。

5、加快推进人工智能赋能新型工业化

今年的政府工作报告提出，“持续推进‘人工智能+’行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用”，“推动科技创新和产业创新融合发展，大力推进新型工业化，做大做强先进制造业”。人工智能是引领新一轮科技革命和产业变革的战略性技术，是新型工业化的重要推动力。人工智能赋能新型工业化改变了产业发展的底层逻辑，推进科技创新和产业创新深度融合，不仅能够突破传统工业化发展瓶颈，更能培育全要素生产率增长的新动能。

人工智能赋能新型工业化本质就是人工智能与工业制造业的深度融合。如今，“人工智能+”上升为国家战略，以人工智能大模型为技术底座、工业应用为切入点的工业大模型正成为赋能新型工业化的新方向，随着Deep-Seek等人工智能技术的快速发展，加速AI在工业制造业的发展和普及，必将进一步加快我国新型工业化的进程。

近年来，在政策的推动下，在产业链各方共同努力下，制造业数字化转型加快推进，越来越多的工业制造企业拥抱人工智能，人工智能赋能新型工业化水平不断提升，有效推动制造业数字化转型、智能化升级和绿色化发展。随着我国人工智能领域不断突破，人工智能赋能新型工业化向纵深拓展，国产大模型加速发展，DeepSeek火爆出圈，有力推动我国大模型技术进入规模化应用新阶段。如今，越来越多的工业企业接入DeepSeek，大模型等人工智能技术在工业领域的应用场景不断拓展，并加速从企业的研发设计、运营管理、营销服务、客户服务等环节深入渗透到生产制造环节，我国数字化车间和智能工厂加快建设，推动制造业迈向全方位、深层次智能化转型升级新阶段，有力促进工业企业高质量发展。

虽然我国人工智能赋能新型工业化取得积极进展，但与此同时，在推进人工智能赋能新型工业化过程中也存在一些问题，如大模型等人工智能技术与工业技术深度融合难、关键核心技术存在短板、高质量的数据获取和整合面临挑战、人工智能技术落地面临成本高和商业模式不清晰以及跨界人才紧缺等问题依然严峻。为此，我们应采取更加有为、更加有效、更加高质量的策略，促进人工智能赋能新型工业化高质量发展。

加快推动人工智能与制造业深度融合。打造“云边端”协同的智能基础设施，鼓励工业制造企业加大企业内网改造和智能化升级力度，开展重大装备数字化、智能化改造，推动重大装备更新换代，推动工业企业加快接入DeepSeek，形成与现有大模型协同发展体系，加快行业大模型、场景小模型的发展。

加快打造高质量的工业数据集。加快构建高质量数据生态，形成统一的AI数据格式规范和行业标准，建立完善的数据采集、存储、分析和应用体系，扩大和建设一批高质量的工业数据集，充分挖掘数据资源价值、保障数据安全可信。完善数据要素市场，推动跨行业、跨组织的数据共享和开放，建设工业大数据平台，促进企业不同系统之间的数据转换和通信，打破数据孤岛，促进数据的流通和价值实现。

加快培养精通人工智能和新型工业化的复合型人才。一方面要面向国内外，加快引进精通人工智能、新型工业化的高端人才和创新人才。另一方面鼓励工业企业通过在职培训、脱产培训等方式加大人工智能技术培训力度，全面提升人工智能应用能力和创新能力，更好满足新型工业化建设的人才需求。（新华网）