推特热议「算力」:AI、腾讯、国产
2026-11-18 的统计中,「算力」在中文推特上有 39 条相关推文、35 位作者参与,累计浏览约 81万,当天 24 个热门话题中排第 8。讨论里出现最多的相关词是AI、腾讯、国产。我们收录的推文共获得 5,782 次点赞、回复、转发和引用,互动最高的一条来自 @mingzi206(1,806 赞、199 转发)。
「算力」热门推文
按浏览量排序,展示前 10 条。
- 1
李承鹏(大眼哥)@dayangelcp · 2026-11-18 12:08最新消息,彭博社今天援引知情人士报道,因为美国政府11月16日出台了限制租用算力的芯片新规,星展银行牵头的五家银行,冻结了字节跳动马来西亚算力项目的4.8亿美元贷款,一些银行家私下认为这笔贷款已经做不成了。新规出台才两天,中国人工智能行业已经出现严重危机。 新规规定,海外数据中心给中国公司提供的算力,超过1200万TPP就要美国政府单独审批,折下来只有可怜的七八百块H100。之前中国公司买不到高端芯片,黄乐就去东南亚去租。11月19日新规一生效,这条路就被堵死了。奥尔布赖特石桥集团的特里奥洛说,新规实际上切断了中国获取先进算力的渠道。 刀有多重,有分析估算,中国公司要丢掉约79万块H100当量的算力,接近全部可用算力的四分之一,差不多等于华为今年一整年的产量。腾讯向甲骨文租的五年70亿美元算力,此前已被取消,原计划在东南亚拿到的10万颗芯片没了。 路透社报道,泰国的数据中心已经停了中国客户的GPU租用,11月17日阿里巴巴股价跌掉5%,腾讯跌掉3%。 国内的算力本来就不够用,月之暗面7月就因为算力紧缺暂停了新用户订阅,DeepSeek10月15日全线宕机近5个小时,11月15日起弹窗承认“算力不足”,成立以来第一次给用户限额。这还是海外算力没断的时候。 有人说,中国可以自主研发。从专业看,理论上有可能,但实操来看,2030年之前根本不可能,以AI的发展速度,这是灾难性的。 美国研究机构Epoch AI算过账:华为的昇腾950,算力只有英伟达2022年的H100的一半。2026年华为的产量折成算力,不到英伟达的4%。 中国没有EUV光刻机,内存芯片HBM更缺。最乐观的情况下,华为2030年的产量才赶上英伟达2026年的水平。也就是说,芯片买不到,算力租不到,自己造又来不及。 你所有钻过的空子,都会被堵上。 看我油管,更多详情,点击进入:https://t.co/7aeZOQBIOV
- 2
明子206@mingzi206 · 2026-11-18 03:27让 AI 边看视频边理解,门槛终于被一脚踹到了地板上! Hugging Face 刚开源了目前全世界体积最小的视频多模态模型:SmolVLM2-256M 很多人以为给 AI 装上“眼睛”去读长视频,动不动要吞几十 GB 显存。这个仅有 256M(约 0.25B)参数的小家伙,直接把配置要求杀到了极限: · 只要 1.38GB 显存:无论是轻薄本、手机端、树莓派还是几年前的老旧显卡,不到 1.5G 显存就能直接在本地完成视频推理! · 专职“看视频”而非“生成视频”:吃进一段视频、一组连续帧或游戏屏幕录屏,它能实时用自然语言理解剧情、描述动作、做视觉问答(VQA)以及 OCR 文字提取。 · 跑分扎实的小钢炮:Video-MME 达到 33.7,MLVU 达 40.6,对于一个只有 256M 的模型来说,这理解能力相当凶悍。 · 开箱即用全免费:Apache 2.0 纯开源协议,GGUF 量化版也已经就绪,拉进 Ollama 或者 llama.cpp 就能单机离线跑。 拿来做实时游戏画面的屏幕助手、本地监控动作识别,或者挂在低算力边缘设备上,简直是神仙底座。 想在千元机或轻薄本上折腾“视频视觉 Agent”的兄弟,这个微型模型建议先存一份备用! 👉 模型地址与 GGUF 入口见评论区一楼 #AI #开源 #HuggingFace #大模型 #多模态
- 3
投研荟@freearkshaw · 2026-11-18 05:42仅马来西亚一国已建成的AI算力就高达约143.9万张H100等效值;而整个中国大陆全部算力加起来,折算后仅有32万张H100等效值,两者相差整整4.5倍。 新马泰等地的云租赁(IaaS)和转运机房,从来不是国内AI的“补充渠道”,而是维系万亿参数大模型迭代的“主力补给线”与生命主干道。 这么大体量的算力被封堵后,国内受益国产替代和已有的英伟达算力。
- 4
Max For AI@MaxForAI · 2026-11-18 03:57🚨华为昇腾950DT性能首次曝光,已经达到 H200 的 80%。 昨天晚上,我的各个AI、算力群里突然开始流传一份 PPT。 标题叫《昇腾950DT性能测试与经营效益测算汇报》,看起来是中国移动内部的一份测试材料,日期是今年10月。 按照PPT里的说法,10月10日,中国移动的几个部门组成联合团队,去了华为练秋湖研发中心,用64卡950DT超节点,实测了GLM 5.2和DeepSeek V4 Pro两个模型的实际效果,最后形成了这份汇报PPT。 至于这份材料为什么会流出来,我也不清楚。 不过里面的数据我仔细看了一下,确实挺有意思的。
- 5
外汇交易员@fxtrader · 2026-11-18 08:46腾讯控股第三季度营收2073.4亿元,预估2105.3亿元 净利润636.1亿元,预估576.1亿元 第三季度资本支出814.3亿元,预估554亿元人民币 录得负自由现金流691亿元,经营现金流包括大额算力采购预付款,用于支持Hy系列模型升级、WorkBuddy推理需求,以及各项产品与服务的AI能力建设。若剔除算力采购的预付款,自由现金流将转正至169亿元。 按大语言模型词元消耗量计,WorkBuddy已成为中国使用量最高的AI产品,每日超千万的用户合计消耗100万亿以上词元。
- 6
Ju_Jason@Ju_Jason_2024 · 2026-11-18 10:30国产算力的真实水平究竟如何?由中移动内部流出的评估资料可见一斑。 中移动做了四款主流国产芯片(昇腾 910B4、阿里 PPU 1.0、摩尔 S5000、沐曦 C550)实测横评,直接撕开了“跑分党”和“工程派”的真实差距: 决定智算集群能不能做主力的,从来不是单卡峰值,而是“大 EP”与“P/D 分离”等成套工程落地能力。 先用大白话拆解这两个决定大模型推理生死的架构门槛: - 大 EP(大规模专家并行):现在主流的 DeepSeek、GLM 等 MoE(混合专家)大模型参数动辄数千亿,单张卡根本塞不下。必须把不同“专家模块”拆到几十甚至上百张卡上并行计算——这极其考验卡间高速互联与通信库调度,通信一慢全盘卡死。 - P/D 分离(Prefill/Decode 分离):推理分两步,“读题理解(Prefill)”吃算力,“逐字吐词(Decode)”吃显存带宽。把两阶段拆到不同卡组上各自跑满,集群吞吐才能翻倍。 看懂了这两个底层约束,四款芯片的实测分化就非常骨感了: - 阿里 PPU 1.0:在密集模型 Qwen3.8-27B 上单卡吞吐飙到 1113 tok/s,首 Token 延迟仅 0.08s,纸面速度全场最快。但致命伤在于不支持大 EP 方案且软件需另购——遇到超大规模 MoE 模型直接卡在通信与切分上,只能退居二线。综合 得分67.37 分。 - 摩尔 S5000 / 沐曦 C550:大 EP 补齐了(沐曦的 CUDA 生态迁移成本也低),但单卡造价飙到 21.88 万和 23.75 万,且首 Token 延迟分别高达 3.9s 和 2.2s(全线超基线),实时交互场景根本扛不住。综合得分分别为 76.84 和 63.46。 - 昇腾 910B4:单卡 Qwen 吞吐只有 471 tok/s,但胜在单卡造价压到 10 万左右,且是现网唯一跑通 P/D 分离部署、完整支持大 EP 的机型,综合得分 89.53 断层第一。 再看最新昇腾950DT 的实测:64 卡超节点靠灵衢高速互联 + vLLM P/D 分离,日产 73 亿 Tokens 可以直接顶替 400 卡 910B;对比 英伟达H200,虽然单卡吞吐只有 H200 的 86%,但靠 8.5 万 vs 13 万的月租金剪刀差,硬生生挤出了 30% 的推理性价比优势。 国产算力的竞争早就过了“单点拼参数”的阶段。超节点互联、集合通信库、P/D 分离调度和 BOM 成本控制,才是真正的护城河。 在你们实际的 MoE 大模型生产环境里,大 EP 的 All-to-All 通信开销和首 Token 延迟(TTFT),通常在多少卡规模下会触发非线性劣化? #国产算力 #昇腾
- 7
投研荟@freearkshaw · 2026-11-18 03:14国内的nv卡被堵死了 那现在持有nv卡的不就是奇货可居了 利通电子 国内持有nv卡最纯算力最大的
- 8
对冲积鲸Reason@chenreason · 2026-11-18 10:00刚看完腾讯最新的三季报,瞬间就理解为什么财报前这段时间腾讯股价莫名一路下跌了。 三季度营收2073亿元,同比增长8%,略低于市场预期。 但业务基本盘其实没什么大问题。国内游戏增长11%,广告增长19%,云服务收入更是增长了35%,视频号的总使用时长也增长了20%以上。 对于腾讯这种体量的公司,这份成绩单其实不差。 问题是,收入还在增长,利润却被 AI 吃光了。虽然,现在的巨头们全在经受同样的考验。 三季度归母净利润636亿元,同比增长0.8%,看起来还算稳健。但调整后的净利润却同比下滑了6%。 财报里还有一组比较有好玩的数据。 腾讯自己披露,如果不考虑混元、元宝、WorkBuddy等新 AI 产品的贡献,调整后经营利润其实还能增长8%。但是把这些 AI 产品算进去,反而下降了6%。 按这个口径计算,这些新 AI 产品单季度对经营利润的净拖累,已经达到约152亿元。 更夸张的还在后面。 腾讯三季度资本开支高达814亿元,是去年同期的6倍多。单季度自由现金流更是负691亿元! 不过,这里面有大量提前支付的算力采购款。腾讯也解释,剔除这些预付款,自由现金流仍然有169亿元。 足以说明,腾讯这次是真的在 AI 上砸钱了。 过去的腾讯,靠微信、游戏和广告这些现金牛,就能舒舒服服地创造巨额利润。 但现在,它不得不把这些利润重新投入一场胜负未定的 AI 军备竞赛。 好消息是,腾讯的老业务依然非常能打,AI 云服务也确实开始释放增长。 坏消息是,AI 带来的收入增长,暂时还不足以覆盖它吞噬的利润和现金流。 说到底,腾讯现在最大的挑战,就是能不能用微信这台印钞机,养出下一台印钞机。 如果成功,今天的巨额投入就是在投资未来。 如果失败,今天的巨额投入就是在自掘坟墓。 巨头们都不想输,都不能输,但游戏就是这么残酷。 时代的巨轮,滚滚而来,巨头们都有种无力感,更何况普通人。
- 9
liftoff@Dicklong1999 · 2026-11-18 10:32卧槽!!DeepSeek已经开始向华为CANN环境迁移,开源了TileLang、DeepEP、DeepGEMM等底层组件,覆盖算子编程、矩阵计算和分布式通信。 简单说,DeepSeek不光要换芯片,还在给国产芯片补齐CUDA级别的软件生态 如果V5最终能在昇腾上完成预训练,国产算力就真正迈进顶级大模型训练核心了。对英伟达的CUDA生态冲击绝对致命
- 10
Rey|判断位 x 英语自由@ReynoldDai · 2026-11-18 14:07如果一个孩子从高中/大学开始, 系统收听 a16z 这样的前沿科技播客, 四年后会发生什么? a16z 最新一期 Working Theory,Sarah Wang 与 OpenAI 首席研究官 Mark Chen、Thinking Machines Lab 首席科学家 John Schulman,讨论一个可能改变人类未来的问题: Recursive Self-Improvement(递归自我改进)——AI 能否自主研究并改进下一代 AI? 过去几十年,这只是思想实验。 今天,AI 已经在帮助前沿实验室编写代码、设计和测试实验、加速研究。 那么,距离 AI 独立开展研究还有多远? 更有意思的是,他们讨论了一个问题: Research Taste——研究品味。 当 AI 越来越擅长执行研究任务,谁来判断什么问题值得研究?什么方向可能产生突破?哪些实验值得投入时间和算力? 这类讨论的价值,远远超过了解一项新技术。 如果一个孩子从16岁开始,每周花几个小时,持续听 a16z、顶级科学家、创业者和投资人讨论最前沿的问题。 四年下来,他接触的将是数百小时关于 AI、科技、商业、资本和人类未来的真实讨论。 他会逐渐理解: 世界上最聪明的一批人正在解决什么问题? 他们如何面对未知、分歧和不确定性? 怎样识别重要问题,形成假设,再用实验和现实反馈修正判断? 这实际上是在学校课程之外,建立另一套面向真实世界的 学习内容架构。 英语自由,让孩子直接进入这些讨论。 长期的前沿输入,帮助他建立不断更新的 世界模型。 探索、创造和判断,让这些输入最终转化为自己的能力。 高中和大学最宝贵的几年,不应该只用来准备下一场考试、获得下一张文凭。 更重要的是,尽早进入这个时代最重要的问题现场,学会像真正的研究者和创造者一样思考。 四年后,他未必成为 AI 科学家。 但他对世界的理解、对未来可能性的想象,以及判断什么值得投入的能力,可能已经完全不同。 教育的一个重要任务, 是让年轻人尽早接触那些正在创造未来的人。 视频:https://t.co/x8t2yUCN5m Mark Chen的青少年时期成长史 也非常有意思 他父母之前在贝尔实验室工作 🧵
主要参与作者
「算力」历史热度
| 日期 | 浏览 | 推文 | 排名 |
|---|---|---|---|
| 2026-11-18 | 81万 | 39 | #8 |
| 2026-11-17 | 160万 | 39 | #5 |
| 2026-11-16 | 138万 | 40 | #1 |
| 2026-11-15 | 80.9万 | 35 | #4 |
| 2026-11-13 | 291.7万 | 38 | #2 |
| 2026-11-10 | 112.1万 | 39 | #9 |
| 2026-11-09 | 338.1万 | 39 | #4 |
| 2026-11-07 | 34.7万 | 36 | #14 |
| 2026-11-04 | 16.5万 | 39 | #19 |
同一天的其他科技话题
数据通过推特数据接口从中文推特公开推文中采集,浏览和数量是快照时的数据,不是实时数值。 数据口径