AI机房争夺战，三条战线同时开打

同一个星期，半导体行业扔出三颗炸弹。

Intel公开了下一代服务器CPU Diamond Rapids的底牌：最高256颗P核。国产闪存龙头长江存储的控股平台长存控股科创板IPO获受理，拟募资330亿元。高通则官宣与亚马逊达成AI基础设施合作，要为这家全球云计算一哥开发多代定制芯片。

三件事看似无关，一条线串起来看，答案很清楚：AI基建的军备竞赛，已经从「堆GPU」进入「算力、存力、运力」三线作战的阶段。谁在哪个卡位上下重注，这个产业的下一步就藏在哪。

🖥️ Intel的翻身仗，押在256个核上

服务器CPU这个市场，Intel已经憋了太多年。

被AMD的EPYC用chiplet多die策略按着打了好几代之后，Intel这次拿出的Diamond Rapids可以说是一次「掀桌子」式的回应：最高256颗P-core，末级缓存容量达到1.28GB，同时支持AVX 10.2指令集。这三个数字放在一起，指向的不是传统数据库负载，而是AI时代的数据中心主战场——推理。

更大的末级缓存意味着什么？打个比方，GPU是工厂车间，CPU加缓存就是车间旁边的超大仓库。推理负载大量依赖KV cache和数据搬运，缓存越大，数据跑得越少，延迟越低、能效越高。1.28GB的末级缓存，等于Intel在芯片内部修了一座「数据湖」。

更值得玩味的是互连方案的切换：Diamond Rapids弃用了自家祖传的EMIB封装桥接，转向开放标准UCIe-S。这不是技术细节，是生态宣言——EMIB是Intel独门绝技，UCIe是开放总线标准。转过去，意味着Intel的芯片可以更方便地和别家chiplet拼装，也意味着基于18A-P制程的这代产品，要把自己放进一个更大的chiplet生态里去竞争。

产业逻辑很直白：Intel不能只卖CPU了，它要卖的是「基于先进制程的可组合算力平台」。256核和1.28GB缓存是产品牌，UCIe-S和18A-P是生态牌。这张牌打得好不好，直接决定Intel在AI数据中心里还有没有座位。

有长期跟踪服务器市场的分析师私下说了一句很形象的话：这一代产品不是用来「守市场」的，是用来「证明Intel还活着」的。

💾 长存闪电上会，330亿砸向量产线

存储这条战线，中国这边的选择是直接上资本市场要子弹。

看时间线就知道有多快：

• 5月19日：长存控股IPO辅导获湖北证监局受理
• 8月19日：辅导状态变更为「辅导验收」
• 8月21日：上交所科创板IPO获受理，保荐机构为中信证券和中信建投证券

从辅导到受理不到一百天，这在动辄以年计的IPO流程里，算得上「闪电速度」。

数字更劲爆。招股书显示，长存控股计划募资330亿元，直接打破了国产存储另一龙头长鑫科技（688825.SH）保持的拟募资纪录。其中208亿元投向量产线技术升级项目，122亿元用于研发相关募投。本次公开发行不低于19.8亿股、不高于24.3亿股，占发行后总股本10%到12%，据此推算，发行估值可达3300亿元量级。

注意募投资金的结构：超过六成的钱不是给研发画饼的，是给「量产线技术升级」的。存储是个典型的资本密集、工艺密集行业，NAND每一代技术跃迁背后都是百亿级的设备投入。这个募资结构透露的态度很清楚——钱要花在把良率和成本打下来的那条产线上。

产业逻辑在于，AI推理时代，存储正在从配角变成主角。训练烧算力，推理吃数据吞吐。当模型部署规模指数级扩大，NAND作为数据湖底座、SSD作为分级存储核心，其战略权重肉眼可见地上移。谁掌握规模化的先进闪存产能，谁就在AI数据基础设施的「存力」环节占住身位。

据多位接近长存链条的机构投资人反馈，这轮融资的窗口选择并不意外——存储周期向上叠加AI需求外溢，此时上市融资，估值和募资效率都是最优解。

🔗 高通拿下AWS，推理芯片第二春

如果说Intel在守城、长存在攻城，高通这场戏讲的是「叛逃」——从手机芯片的舒适区，叛逃到数据中心。

北京时间9月8日晚，高通与亚马逊官宣重大合作：面向大型AI数据中心规模化开发多代定制芯片，共同推进AI推理技术，并联合开发速率最高达1.6T的光连接解决方案。这是继今年早些时候与Meta合作之后，高通与超大规模云服务商达成的第二笔大单。消息一出，高通股价开盘涨超6%。

把高通的棋谱摊开看，这步棋早有铺垫：

两条产品线分工明确：AI200主打大内存和低成本推理，单卡配备最高768GB LPDDR内存；AI250走近存计算架构，有效内存带宽较前代提升超10倍。再加上今年6月公布的Dragonfly C1000数据中心CPU，高通的数据中心拼图基本成型。

而这次与AWS合作里最容易被忽略、但可能是最有想象空间的部分，是1.6T光连接。双方CPO（共封装光学）合作将用到高通的SerDes和光学DSP技术——这正是高通2025年收购Alphawave买来的核心资产，为的就是补强高速连接、Chiplet和定制芯片能力。

逻辑很清晰：当GPU集群规模越堆越大，「运力」——芯片之间、机柜之间、数据中心之间的数据搬运能力——正在成为新的瓶颈和新的利润池。CPO把光引擎搬到封装里，缩短电信号距离，是公认的技术终局方向之一。高通提前把Alphawave收入囊中，等于在这个卡位上先落了一子。

另外一个细节值得玩味：高通还计划增加对AWS AI基础设施的使用，包括把Amazon Bedrock用于EDA工作负载，缩短芯片设计周期。云厂商的算力，反过来加速云厂商定制芯片的设计——这是一个自我强化的飞轮。

CEO克里斯蒂亚诺·阿蒙的表态也点题了：数据中心基础设施需要同时推进计算和连接技术。翻译一下，高通卖的不只是芯片，是「计算加连接」的打包方案。目标2029财年数据中心业务收入150亿美元——以高通目前的体量，这相当于再造一个可观的新增长曲线。

📈 三条战线，一个共同的赌注

把三个故事叠在一起看，图景就完整了：

三条战线的共同赌注，是「推理经济学」。

训练是少数巨头的游戏，推理是所有人的生意。当AI从实验室走向千行百业，推理侧对单位成本、单位能耗、数据吞吐的要求，正在重塑服务器、存储、互连每一个环节的竞争规则。大缓存CPU值钱了，因为推理要频繁读写上下文；NAND值钱了，因为海量推理数据需要分级存储；CPO值钱了，因为集群规模大到铜线跑不动了。

同时，这也是一场地缘意义上的「双轨竞赛」。美国这边，云巨头定制芯片的生态越扎越深——AWS接连与高通这样的新玩家绑定，云厂话语权持续上移；中国这边，则通过资本市场为存储等关键环节输送弹药，用3300亿量级的发行估值，给国产存储的产能竞赛续上燃料。两条轨道各自闭环，但在「AI推理基建」这个终端需求上，竞争的是同一个全球市场。

一位券商研究员的说法颇为到位：过去大家比谁的GPU多，接下来要比谁的机房更省电、数据搬得更快、闪存堆得更厚。

结语：风口换了，座位还没定

一周之内，三家公司在三条战线上同时加注：Intel押大缓存与大核数，长存押量产线与资本，高通押推理芯片与光互连。

它们共同回答的是同一个问题：AI的下一阶段，钱该花在哪。答案是算力、存力、运力——缺一不可，而且每一条战线的窗口期都越来越短。

接下来两年值得盯住的信号：Diamond Rapids能否帮Intel在服务器市场止跌；长存控股上市后的募投落地节奏；以及AI200明年商用后，云厂商定制芯片阵营会不会继续扩员。AI机房的故事，才刚刚写到下半场。