英伟达RubinUltra HBM减配调整与全球AI算力供应链重构信号

RubinUltra架构调整：HBM配置从288GB降至192GB

8月10日，华福国际发布硬件研究报告披露，英伟达正在向关键客户预览调整后的RubinUltra方案：单GPU HBM容量从原规划的288GB（12-Hi堆叠）下调至192GB（8-Hi堆叠），主流系统功耗维持约1800W，峰值FLOPS基本不变。同时规划更高功耗Max-P版本和更低功耗推理SKU，覆盖训练与推理差异化需求。

这不是简单的减配降级。HBM减配的直接驱动力来自两方面：一是12-Hi HBM3e良率尚未达到量产要求，三星和SK海力士的12-Hi产线良率仍在爬坡阶段，供应量无法支撑英伟达原定出货目标；二是单颗GPU搭载288GB HBM的成本过高，在RubinUltra面向大规模训练集群部署时，客户对TCO（总拥有成本）的敏感度远超预期。

峰值算力维持不变意味着英伟达在架构层面做了补偿设计：通过增加片上SRAM缓存容量、优化数据复用路径，减少对HBM带宽的依赖。8-Hi HBM3e的带宽仍可达4TB/s以上，对于大多数训练和推理场景是足够的。真正受影响的是超长上下文窗口的推理场景（100万token以上），显存容量的缩减可能迫使这类业务采用张量并行拆分方案。

AWS算力紧缺：CPU资源危机蔓延

同一周，亚马逊AWS内部算力紧缺问题被The Information曝光。今年5月，AWS高管召集工程团队紧急会议，要求”尽一切可能节省CPU计算资源”。过去申请CPU服务器几小时就能到位，如今排队等待数天成为常态。AWS已开始关闭内部闲置的EC2实例，将资源优先保障外部客户需求。

AWS内部数据显示，约65%的EC2实例在30天测量周期内平均CPU利用率低于20%。资源利用效率低下并非新问题，但在AI Agent大规模应用后急剧恶化。越来越多的企业员工借助AI Agent自动化编写代码、执行测试、部署服务，单个Agent运行消耗的CPU资源相当于3-5名工程师的开发环境。当企业内部Agent数量从数百扩展到数千，传统CPU供给模型直接承压。

这一现象对云计算行业释放了明确信号：AI算力需求不再局限于GPU训练集群，CPU密集型的Agent推理与执行正在成为新的资源瓶颈。AWS将算力缺口预期延长至2028年，意味着未来三年全球云基础设施需要经历一轮面向AI Agent的架构升级。对用户而言，云服务器资源配额管控和成本优化将成为日常运维的刚性需求。

AI代写虚假种草笔记：首例判赔落地

8月10日，杭州中院对全国首例AI代写虚假种草笔记不正当竞争案做出二审宣判，判决被告赔偿原告损失。这起案件的特殊之处在于：造假工具不再是人工水军，而是AI一键批量生成探店笔记、产品评测、用户体验内容的SaaS平台。

案件事实显示，涉案平台提供”种草笔记一键生成”服务，用户输入产品名称和关键词，系统自动生成包含虚构使用场景、虚假好评的完整笔记，可批量发布到小红书、大众点评等平台。被告以月费模式向商家销售该服务，累计生成虚假笔记超过50万条。

法院认定该行为构成不正当竞争，核心裁判逻辑为：利用AI技术批量伪造消费者真实体验，实质性破坏了平台评价体系的信任基础，对消费者决策产生误导，同时挤压了正常商家的竞争空间。这一判决为AI滥用划定了明确的法律红线——AI生成内容如果冒充真实用户体验并用于商业牟利，将承担法律责任。

寒武纪半年报：国产AI芯片商业拐点确认

8月7日晚间，寒武纪披露2026年半年度报告：营收59.96亿元，同比增长108.13%；归母净利润23.11亿元，同比增长122.61%。Q2净利润12.98亿元，环比增长28%，连续七个季度站上十亿级盈利台阶。市值7539亿元，股价报1199.93元。

这份财报的标志性意义在于：寒武纪从”增收不增利”的质疑中彻底走出，盈利质量持续改善。扣非净利润增速137%超过营收增速108%，说明规模效应已开始释放。Q2环比增速28%表明增长动力并未衰减。国产AI芯片在数据中心推理场景的渗透率正在快速提升，这与英伟达HBM减配导致的供给缺口形成呼应——当全球顶级GPU产能受限时，国产推理芯片获得了关键的窗口期。

韩国AI半导体板块触发熔断

8月10日韩国股市盘中，AI与半导体板块集体拉升，触发上涨熔断机制。三星电子、SK海力士股价大幅上涨。韩国市场对AI半导体的乐观预期来自两个信号：三星在8月初发布下一代AI存储路线图，展示zHBM架构和400层以上V10 NAND技术；SK海力士12-Hi HBM3e良率持续爬坡，预计Q4实现量产出货。

韩国股市的反应映射出全球AI供应链的动态博弈：英伟达HBM减配是供给受限的信号，而韩国存储巨头正是HBM产能的关键供应方。当英伟达被迫降规格出货时，存储厂商的技术突破和产能释放将直接决定下一代AI训练集群的部署规模和交付节奏。全球AI算力竞争的焦点，正从GPU算力本身，向存储带宽与容量、散热方案、供电基础设施等瓶颈环节转移。