2026年国际消费电子展（CES）期间，全球最大的专业技术组织IEEE（电气电子工程师学 会）宣布，将2026年IEEE荣誉勋章（IEEE Medal of Honor）授予英伟达创始人兼CEO黄仁 勋，并颁发200万美元奖金。 作为科技界的最高荣誉之一，IEEE荣誉勋章自1917年设立以来，来表彰对世界产生深远影响 的杰出技术人物。黄仁勋此次获奖，标志着工程界对其在加速计算及人工智能领域开创性贡献 的最高认可，其名字与互联网之父文顿·瑟夫、英特尔创始人罗伯特·诺伊斯以及台积电创始人 张忠谋等科技界传奇人物并列。 IEEE主席兼CEO Mary Ellen Randall在颁奖词中评价称，黄仁勋的领导力和技术远见开启了人 类创新的新时代，从1999年推出首款GPU（图形处理器）开始，他建立的基础设施不仅推动了 科学、医学和工程的进步，更为现代生成式AI的爆发奠定了算力基石。 在位于拉斯维加斯的颁奖现场，黄仁勋在致辞中罕见流露出感性一面， 他并没有大谈特谈英 伟达的商业宏图以及AI愿景，而是向工程师这一身份致以深情敬意。 "这个职业是所有职业中最崇高的，用这句话来表达就足够了。" 黄仁勋在获奖感言中说。他 将工 ...

21世纪经济报道记者彭新 2026年国际消费电子展（CES）期间，全球最大的专业技术组织IEEE（电气电子工程师学会）宣布，将 2026年IEEE荣誉勋章（IEEE Medal of Honor）授予英伟达创始人兼CEO黄仁勋，并颁发200万美元奖 金。 作为科技界的最高荣誉之一，IEEE荣誉勋章自1917年设立以来，来表彰对世界产生深远影响的杰出技 术人物。黄仁勋此次获奖，标志着工程界对其在加速计算及人工智能领域开创性贡献的最高认可，其名 字与互联网之父文顿·瑟夫、英特尔创始人罗伯特·诺伊斯以及台积电创始人张忠谋等科技界传奇人物并 列。 "这个职业是所有职业中最崇高的，用这句话来表达就足够了。"黄仁勋在获奖感言中说。他将工程学定 义为关于应用科学和数学的第一性原理，"是将极具挑战性的问题分解为可解决的部分，并且拥有韧性 ——那种奉献精神和韧性，去解决并实现那些几乎不可能的事情。" 大学时的"别无选择"改变了一切 回顾自己的职业生涯起点，黄仁勋坦言当初投身工程领域并非出于复杂的职业规划，仅仅是因为"它偏 重数学和科学"。 "我一直很享受解决数学问题和科学问题，并没有太深入地思考我真正要进入的职业选择，真正吸引 ...

2025年，人工智能（AI）技术的全面爆发与深化应用，成为驱动全球半导体行业发展的核心引 擎。 就A股半导体板块而言，受益于需求提升，相关上市公司业绩在2025年实现新一轮增长。二级市场 方面，2025年，申万半导体行业指数大幅上行，以全年45.99%的涨幅跑赢大盘。从寒武纪市值飙升， 到摩尔线程、沐曦股份先后上市刷新新股盈利纪录，都让半导体成为A股市场热度最高的板块之一。进 入2026年，半导体板块在二级市场的热度不减。截至1月7日收盘，申万半导体行业指数在3个交易日内 累计上涨9.12%。 展望2026年，在外部环境充满变数的当下，国内半导体企业能否继续"穿越风浪"稳健发展？二级市 场能否再现"高光时刻"？ 2025年板块涨幅跑赢大盘 按申万二级行业分类，半导体行业指数去年涨幅显著。同花顺iFinD统计显示，该指数年内上涨 45.99%，跑赢沪深300指数28个百分点。从三级行业看，其中，印制电路板涨幅144%，半导体设备涨幅 60%，半导体材料涨幅36%。 中银证券认为，2025年，人工智能产业链迎来需求的较快增长，从下游的人工智能基础设施（AI Infra），到中游的AI服务器组装，再到上游的PCB（ ...

（3）需求稳定或增长。 时寒冰/文 物以稀为贵——以稀缺性为目标，是获取高盈利的捷径——但必须考虑时间因素，时间是成就、强化稀 缺性的帮手，同时也是摧毁、击败稀缺性的利器。 经济学上给稀缺性下的定义是这样的：稀缺性是指在获得人们所需要的资源方面存在的局限性，即资源 的供给相对需求在数量上的不足。资源的稀缺性可以进一步划分为绝对稀缺和相对稀缺。绝对稀缺是指 资源的总需求超过总供给；相对稀缺是指资源的总供给能够满足总需求，但分布不均衡会造成局部的稀 缺。通常人们所说的稀缺性是相对稀缺。 那么，我们在投资上如何对稀缺性下定义呢？我给它下的定义是，稀缺性是指在某个时间段内（时间长 短可以由稀缺性的强度而定），某种商品的需求稳定或增长而供应无法同步增长甚至还可能减少的特 性，并且，这种商品在某个阶段内缺乏充分的替代商品，从而导致该商品的供给在该时间段内无法满足 需求（消费需求与投资需求）。 这个定义强调以下几点： （1）供给有限。 （2）缺少替代商品或替代商品不足。 （4）强调在某个阶段内—这是重点。因为投资是有时间限定的。 某些商品在某一个时间段内有投资价值，在另外一个时间段则没有投资价值。很多人没有意识到进行这 种 ...

海淀区委书记、中关村科学城党工委书记张革说："我们将聚焦'打造自主创新策源地和新兴产业集聚 地'目标，携手摩尔线程和开发者，共筑GPU产业生态。" 作为中关村科学城所在地，海淀区目前已集聚集成电路企业超240家，拥有上市企业12家。 摩尔线程智能科技（北京）股份有限公司是海淀区硬科技企业创新发展的代表之一，已初步构建起从技 术、产品到市场与资本协同发展的体系化能力。摩尔线程创始人、董事长兼CEO张建中认为，生态体系 是GPU行业的护城河："依托MUSA架构优势，我们持续加大研发投入，致力于攻克从硬件到软件的核 心技术挑战，以开放创新不断深化与生态伙伴的协同，共同构建自立自强的国产计算产业生态。" 随着全球科技竞争日益激烈，GPU（图形处理器）成为人工智能革命与数字经济发展的核心算力引擎。 近日，以"自主计算创新与开发者生态共建"为主题的首届摩尔线程MUSA开发者大会在北京市海淀区举 办，为产学研用各方搭建了深度交流与协同创新的重要平台。 本届大会不仅是企业技术成果的集中展示，也是海淀区人工智能与集成电路产业生态协同共进、向优发 展的生动体现。搭建生态共建平台，正契合海淀区构建"AI超级应用场"的发展愿景，为区 ...

随着全球科技竞争日益激烈，GPU（图形处理器）成为人工智能革命与数字经济发展的核心算力引擎。 近日，以"自主计算创新与开发者生态共建"为主题的首届摩尔线程MUSA开发者大会在北京市海淀区举 办，为产学研用各方搭建了深度交流与协同创新的重要平台。 本届大会不仅是企业技术成果的集中展示，也是海淀区人工智能与集成电路产业生态协同共进、向优发 展的生动体现。搭建生态共建平台，正契合海淀区构建"AI超级应用场"的发展愿景，为区域人工智能产 业升级注入新动能。 中关村科学城相关负责人介绍，海淀区始终致力于培育硬科技领军企业，构建具有竞争力的产业生态。 在集成电路领域，海淀区不断完善产业全链条服务体系，发布《中关村科学城集成电路创芯引领行动计 划》，并出台《集成电路流片补贴申报指南》，切实降低创新成本，通过涵盖研发资金、应用场景与人 才服务的全方位政策体系，有力支撑了"基础研究—技术攻关—成果转化"的创新循环。 海淀区委书记、中关村科学城党工委书记张革说："我们将聚焦'打造自主创新策源地和新兴产业集聚 地'目标，携手摩尔线程和开发者，共筑GPU产业生态。" 据了解，面向未来，海淀区将以设计业为核心保持领先优势，以AI芯片为 ...

登录新浪财经APP 搜索【信披】查看更多考评等级 每经记者｜王海慜 李娜 每经编辑｜肖芮冬 随着AI（人工智能）浪潮以惊人的速度重塑产业，一批科技"新势力"正以"快节奏"叩响资本市场的大 门。 成立约4年的AI大模型公司MiniMax（稀宇科技）或将成为该细分行业最快上市案例。几乎同时，国产 GPU（图形处理器）明星企业摩尔线程、沐曦股份在创立短短5年后成功登陆A股，其股票上市后市值 迅速突破1000亿元，成为市场最年轻的"千亿俱乐部"成员之一。此外，还有多家成立不足10年的年轻科 技企业正在冲刺IPO（首次公开募股）。 《每日经济新闻》记者注意到，强有力的政策支持与资本市场显著的赚钱效应，共同推动了此轮科技股 的IPO热潮，其对保荐机构的带动作用显著。2025年以来，所有已上市的33只科创板新股中，有26只新 股背后的保荐机构是"三中一华"（即中信证券、中金公司、中信建投和华泰证券，下同）、国泰海通等 五大头部券商，占比近80%。 从2025年全年来看，这一垄断格局有望进一步延续。同时，从行业来看，截至2025年12月26日，新增的 逾140家储备IPO"种子"企业中，科技企业同样占据大多数，其中不乏长鑫存 ...

Core Viewpoint - The article discusses the rapid development and deployment of Google's Tensor Processing Unit (TPU), highlighting its significance in deep learning and machine learning applications, and how it has evolved to become a critical infrastructure for Google's AI projects [4][5][10]. Group 1: TPU Development and Impact - Google developed the TPU in just 15 months, showcasing the company's ability to transform research into practical applications quickly [4][42]. - The TPU has become essential for various Google services, including search, translation, and advanced AI projects like AlphaGo [5][49]. - The TPU's architecture is based on the concept of systolic arrays, which allows for efficient matrix operations, crucial for deep learning tasks [50][31]. Group 2: Historical Context and Evolution - Google's interest in machine learning began in the early 2000s, leading to significant investments in deep learning technologies [10][11]. - The Google Brain project, initiated in 2011, aimed to leverage distributed computing for deep neural networks, marking a shift towards specialized hardware like the TPU [13][15]. - The reliance on general-purpose CPUs for deep learning tasks led to performance bottlenecks, prompting the need for dedicated accelerators [18][24]. Group 3: TPU Architecture and Performance - TPU v1 was designed for inference tasks, achieving significant performance improvements over traditional CPUs and GPUs, with a 15x to 30x speedup in inference tasks [79]. - The TPU v1 architecture includes a simple instruction set and is optimized for energy efficiency, providing a relative performance per watt that is 25 to 29 times better than GPUs [79][75]. - Subsequent TPU versions, such as TPU v2 and v3, introduced enhancements for both training and inference, including increased memory bandwidth and support for distributed training [95][96].

Core Insights - The evolution of integrated circuits (IC) and system-on-chip (SoC) technologies is leading to a diverse combination of processing elements that optimize current workloads while preparing for future demands [2] - Programmable components like FPGAs and DSPs are becoming essential as they allow for hardware upgrades without the need for expensive new devices, addressing the rapid pace of technological advancements [2][3] - The integration of AI into DSPs is enhancing their adaptability and performance, particularly in handling the increasing complexity of analog signals in modern SoCs [6][7] Group 1: Programmable and Reconfigurable Technologies - The shift from simple choices between ASIC, FPGA, and DSP to a combination of various processor types reflects the need for flexibility in design [2] - FPGAs offer high programmability, allowing complete design changes, while other components provide limited configurability [5] - The emergence of CGRA technology offers a balance between FPGA and GPU capabilities, providing flexibility and efficiency for specific tasks [4] Group 2: AI and DSP Integration - AI is playing a crucial role in addressing the challenges posed by increasing analog content in SoCs, enabling dynamic calibration and optimization of DSPs [6][7] - DSPs are evolving to handle not just numerical computations but also analog signal processing, which increases their complexity and parallelism [6] - The integration of AI engines within FPGAs allows for synchronized execution of DSP tasks, enhancing overall system performance [9][12] Group 3: Chiplets and eFPGA Solutions - Chiplets provide a flexible solution for rapidly changing application scenarios, allowing for easy upgrades without redesigning the entire SoC [13] - Embedded FPGAs (eFPGAs) offer reconfigurability but may increase area costs, necessitating careful design considerations [14] - The market is experiencing volatility, prompting companies to accelerate chip development cycles to adapt to evolving requirements [15] Group 4: Future Trends and Software-Defined Products - The trend towards software-defined and AI-driven products necessitates hardware that can support software changes, highlighting the importance of programmability in semiconductor design [16] - Companies are increasingly investing in compiler technologies to ensure that software development aligns with hardware capabilities, facilitating rapid updates and feature enhancements [16]

2025年是金融服务实体经济提质增效的关键一年。作为资本市场重要的长期资金，保险资金凭借规 模庞大、期限长久、稳定性强的核心特质，在政策引导与市场驱动的双重作用下，精准对接国家战略需 求，在科技创新、民生保障、绿色转型等关键领域多点发力。 从权益市场长期布局到重大项目精准滴灌，从机制创新到实践深化，保险资金以稳健的投资节奏和 深厚的价值坚守，为经济高质量发展注入持久动能。 政策持续"松绑"险资入市节奏进一步加快 2025年，在政策持续"松绑"的强力赋能下，保险资金入市节奏不断加快、投资规模显著扩大、布局 方式愈发多元，以"长钱长投"理念精准赋能实体经济关键领域，为资本市场注入稳定增量资金，彰显了 长期资本的核心价值，成为金融服务实体经济的关键力量。 金融监管总局最新数据显示，截至2025年三季度末，人身险和财产险公司权益类投资规模达到5.59 万亿元，相较年初增加1.49万亿元，大涨36.18%。其中，股票投资规模为3.62万亿元，较年初增加1.19 万亿元；证券投资基金规模为1.97万亿元，较年初增加0.3万亿元，充分彰显了今年保险资金在资本市场 的活跃度。 投资规模提升的背后，离不开政策"组合拳"的系统性 ...