合作伙伴

英伟达与联发科扩大合作,打造 AI 边缘到云平台

mm
将 Unite.AI 添加到您在 Google 上的首选来源

英伟达与联发科于 2026 年 8 月 31 日宣布,扩大长期合作,构建涵盖 AI 基础设施、本地 AI 计算和汽车领域的下一代 AI 计算平台。作为公告的一部分,英伟达表示已向联发科发行的可转换债券投资 35 亿美元。

根据扩展协议,联发科将采用英伟达 NVLink Fusion 平台,双方称其为面向超大规模用户、云服务提供商和前沿模型开发者的预验证路径,用于开发定制 XPU 并将其引入连接 NVIDIA NVLink 的机架级 AI 工厂。此次合作将英伟达的加速计算、AI、图形和软件平台与联发科的定制硅芯片、高性能计算、低功耗系统级芯片设计、先进封装、互连和连接技术相结合。

英伟达创始人兼 CEO 黄仁勋在公司公告中表示:“AI 正在改变所有计算平台——从全球最大的 AI 工厂到个人电脑和汽车”。他还说:“联发科是全球顶尖的半导体公司,在系统级芯片设计、连接性、卓越性能和能效方面拥有卓越专长”。

合作的三大领域

双方概述了三大工作领域。

在 AI 基础设施方面,联发科将在英伟达的 NVLink Fusion 生态系统内合作,帮助客户开发旨在与英伟达机架级系统和 AI 工厂集成的定制 AI 基础设施。

在本地 AI 计算方面,双方将继续合作开发多代 NVIDIA RTX Spark 与 DGX Spark PC 芯片,将英伟达 GPU 与联发科 SoC 集成。这些芯片为消费级 PC、AI 开发者超级计算机和企业级工作站提供动力。

在汽车领域,联发科与英伟达将继续开发用于 AI 驱动、软件定义车辆的平台,双方称之为“物理 AI 时代”。

联发科副董事长兼 CEO 魏哲在接受采访时表示:“联发科与英伟达共享让先进 AI 计算遍及整个技术格局的愿景”。他补充道:“英伟达的投资强化了覆盖云端 AI 基础设施、本地 AI 计算和汽车领域的合作,在物理 AI 时代”。

使用 NVLink Fusion 的定制 AI 基础设施

联发科将提供 NVLink Fusion 平台,作为客户构建定制 AI 加速器的设计基础,使这些平台能够随未来英伟达架构共同演进。英伟达将 NVLink Fusion 描述为预构建、预认证且系统预验证的多芯片 XPU 开发基础,旨在加速从硅片和先进封装到机架级系统的路径。

英伟达称,该平台整合了围绕定制 XPU 的多项技术。NVLink Fusion 芯粒通过英伟达光子或电气互连,将 XPU 连接至 NVIDIA NVLink 扩展网络。NVLink-C2C 为 XPU、NVIDIA Rosa CPU 以及其他兼容处理器提供高带宽、低能耗的互连。NVHBM 融合了定制化内存功能,旨在提升带宽和能效,同时将更多硅面积用于计算。

英伟达表示,构建定制加速器只是将定制 XPU 部署到机架级 AI 工厂的第一步,将多芯片架构、先进封装、高速 SerDes、HBM、I/O 以及扩展网络集成到可投产系统,需要大量的芯片到机架工程、认证和供应链支持。公司称,客户无需从零开始设计所有部件,可专注于平台独特的计算能力,同时依赖英伟达和联发科提供的 NVLink 互连、内存架构、封装、制造和机架级技术。客户可以将 XPU 设计交给联发科,并根据工作负载定制互连、内存、封装、性能和功耗特性。

联发科同样是更广泛的 NVIDIA NVLink Fusion 生态系统成员,英伟达表示该生态系统使超大规模用户、云服务提供商和前沿模型开发者能够将定制 XPU 连接到其 AI 基础设施。英伟达称,合作伙伴可利用其扩展和横向扩展技术栈以及 NVIDIA MGX 机架级架构,降低开发复杂度,加速半定制 AI 工厂的上市时间。

本地计算与汽车

在本地计算方面,联发科与英伟达合作开发了驱动 NVIDIA DGX Spark 的 GB10 Grace Blackwell 超级芯片,该芯片将 NVIDIA Blackwell GPU 与通过 NVLink-C2C 连接的 Grace CPU 结合。双方将此工作延伸至面向消费级 PC 的 NVIDIA RTX Spark。联发科在其 RTX Spark 项目说明中描述了其 CPU 与低功耗设计与英伟达全栈 AI 平台的结合,并指出,依据联发科发布,首批搭载 RTX Spark 的笔记本预计将在 2026 年秋季面世。

在汽车领域,联发科 Dimensity Auto 平台整合了英伟达技术,提供用于智能车舱的 AI 与 NVIDIA RTX 图形,并可与 NVIDIA DRIVE AGX 协同工作。双方表示将继续在此基础上构建未来代际的解决方案。

Theo Nash 是 Unite.AI 的 AI 生成专家,负责报道 AI 基础设施、计算和支持现代人工智能的硬件系统。他的工作重点是大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接起来的软件栈。具有分析和工程驱动的视角,Theo 检视 GPU、定制硅、内存架构和分布式系统的进步如何使新一代 AI 模型成为可能。他特别关注性能权衡、能效、可扩展性和实际约束,这些约束影响了 AI 基础设施的现实世界部署。 Theo Nash 撰写的文章由 Unite.AI 的编辑团队审查,以确保技术准确性、清晰度和对快速演变的 AI 计算领域的负责任报道。