报告行业投资评级 - 行业评级为“看好（维持）” [5] 报告核心观点 - 量子计算已突破纠错阈值，距离构建容错量子计算更近一步，商业化进程加速 [3] - 政策面对量子计算等新质生产力的支持有望带来更大市场空间，释放业绩潜力 [3] - 建议投资者关注上游核心设备与元器件、中游整机平台与下游应用安全等领域标的 [3][8] 根据相关目录分别进行总结 一、经典计算性能瓶颈渐显，量子计算成为加速计算新范式 - 经典计算性能迭代显著放缓，摩尔定律呈现放缓趋势，而人工智能模型等应用对算力需求快速提升 [16] - 量子计算基于量子力学原理，通过量子叠加和纠缠实现并行处理，可在特定问题上（如无序搜索）显著降低计算复杂度 [8][25] - 量子计算并非对经典计算的全面替代，而是更适用于组合优化、搜索、模拟等特定领域，将作为现有计算体系的拓展与补充，未来将长期以“量子-经典”混合模式运行 [8][29] 二、主流量子计算技术路径各有优劣，目前尚未收敛 - 目前量子计算的实现有多条技术路线并行发展，主要包括超导、离子阱、中性原子和光量子计算等，每种方案的物理原理和工程实现各具特点 [8][41] - 超导方案在毫开尔文极低温下运行，门操作速度快、控制技术较成熟；离子阱和中性原子方案相干时间长，但依赖高精度激光控制；光量子计算具备室温运行优势，但对精密光学器件要求严格 [8][48] - 量子计算进步加速，在量子计算优越性和纠错能力上提升显著，为规模化和实用化打下良好基础 [8] - 量子纠错（QEC）已突破阈值，谷歌Willow芯片实现了逻辑比特错误率随物理比特规模提升而下降，为构建容错量子计算机奠定基础 [64][65][81][85] - “量子—经典”混合计算成为趋势，生态建设持续完善，英伟达等公司通过CUDA-Q框架和NVQLink高速互联推动混合计算发展 [63][98][101][104][106] 三、多个国家地区政策聚焦量子科技，关注资金、人才、安全 - 全球主要国家纷纷制定量子科技战略并投入巨资，政府投入已成为该领域最重要的“耐心资本”来源之一 [8][115] - 美国通过《国家量子倡议法案》等立法，规划2025-2029财年量子研发拨款从18亿美元增长至27亿美元，并强化安全管控 [8][120][121] - 欧洲推出“量子旗舰”计划，由欧盟统筹推进量子技术主权，德国计划投入约30亿欧元 [8][125][126] - 中国将量子计算纳入国家重大科技专项，通过国家战略牵引和地方产业基金等举措加速科研成果产业化转化 [8][128] 四、量子计算产业加速发展，商业化应用需求升温 - 当前量子计算产业处于商业化初期，行业收入以政府及科研机构需求为主，上游硬件和控制系统的重要性远高于下游应用 [8] - 全球量子计算产业规模有望迎来高速发展，产业规模正迅速扩张 [30] - 国内产业正从科研走向产业化，多数企业聚焦单一技术路线，量子计算与超算、智算的融合计算中心开始落地 [34][112][114] 五、国内部分量子计算公司介绍与梳理 - **中游整机平台**：相关标的包括国盾量子（量子科技国家队），以及参股本源量子的科大国创 [8][9] - **上游核心设备与元器件**：相关标的包括禾信仪器（拟收购量羲技术，布局稀释制冷机）、普源精电、西部超导、腾景科技等 [8][11] - **下游应用安全**：相关公司包括吉大正元、三未信安、信安世纪、格尔软件等 [8] - 其他重要公司包括图灵量子（光量子计算产业化引领者）、本源量子（超导量子计算全栈研发与产业化龙头）等 [9]

Alphabet对Google Play商店进行系统性改革 - 谷歌母公司Alphabet宣布对Google Play商店进行系统性改革，旨在解决美国反垄断诉讼并符合欧洲及其他地区的新监管要求 [2] - 根据新方案，其他公司只需向谷歌注册并支付一次性费用，即可在安卓平台开设自己的应用商店 [2] - 谷歌将把向开发者收取的费用从标准的30%降至低至15%，订阅服务费用甚至可降至10% [2] 费用调整的实施时间表 - 美国、英国和欧盟地区的费用调整预计将于2024年6月生效 [3] - 澳大利亚、韩国和日本的费用调整将在2026年底前实施 [3]

OpenAI早期文化与发展历程 - OpenAI在2018年时被业界视为非常非主流的“草台班子”，其团队构成与Google Brain、Facebook AI Research等由知名PhD组成的“全明星阵容”形成鲜明对比[2] - 早期OpenAI团队人员背景极其多样化，包括本科生、神经科学家、英语不流利的俄罗斯开源开发者和Unity游戏开发者，正儿八经的科班CS PhD较少[4] - 与同期其他研究机构不同，OpenAI最大的优势在于其统一的使命和极致的工程化能力，这帮助它将一群背景各异的人凝聚在一起并坚持下来[5] - 早期OpenAI的一些项目，如用AI玩Dota，在当时学术界看来是为了“学术PR”而做的“非主流”项目，并不被认为是一个顶级研究组织[3][4] 中美大模型产业现状与竞争策略 - 中国大部分大模型厂商都在进行模型蒸馏，这是一个比例很高的现象[15] - 蒸馏要做好并不容易，涉及资金、人才、算力以及如何获取用户反馈等多重挑战[15] - 国内厂商的明确目标是保持每一代模型都能在特定有价值的基准测试或能力上与世界最好的模型保持同等水平，只要不掉队即可[15] - 这是一个非常合理的短期生存策略，保持生存和持续迭代至关重要，就有机会实现赶超[17] - 美国头部企业（如Claude）能做好部分原因在于其拥有极强的用户反馈飞轮，例如几乎所有最高质量的AI编程用户数据都流向了Claude[15] - 在编程等领域，由于很多是后训练阶段的工作，通过蒸馏追赶相对更容易一些[15] - 但完全依赖蒸馏的观点不被赞同，公司依然需要一个合理的基础模型，基础模型不好，蒸馏效果也有限[16] - 后训练数据是难题，特别是在智能体编程场景下的任务拆分数据并不好获取[16] - 如果没有自己数据边界清晰的基础模型和良好的强化学习基础设施，后续的泛化工作会非常困难[16] AI技术发展趋势与研究方向 - 强化学习的范式尚未结束，与预训练一样，在架构和训练方式上仍有很大探索空间，例如多模态的引入[31] - 让强化学习继续扩大规模肯定有空间，当前智能体编程任务的训练成本虽重，但尚未到无法承受的地步[32] - 未来的范式转变可能从人类努力的角度考虑，从预训练到后训练，人类体力劳动的付出在持续降低数量级[33] - 训练AI如同培养运动员，后期人类提供的高质量、有价值的数据会越来越少，介入将变得更精细和微妙[34] - 多模态是一个“新大陆”，多模态甚至视频模型的预训练可能为机器人等领域带来全新可能性，并可能解锁新的能力[37] - 将生成和理解统一放到预训练阶段去做是一个新的技术可能性，谷歌大概率走通了这条路线[37] - 如果追求通用人工智能，那么继续深耕编程能力是关键；但如果多模态的新可能性走通，也一定会出现新的机会[37] 智能体与多智能体系统的应用前景 - 真正需要多智能体系统的情况主要有两种：一是大规模并行分布式处理任务；二是处理节奏不同的异步任务[23] - 随着长上下文大模型的出现，许多之前提出的多智能体场景已被证伪，因为一个能力强大的模型可以直接处理，无需拆分角色[24] - 在公司工作流中，强行拆分成多智能体并不被看好，一个集中式的超级智能AI进行后台决策更为合适，除非是特别关键的研究任务[24] - 像Claude Code辅助编程这类需要大量并行尝试和验证的工作，是天然适合多智能体（如智能体编排、集群）的场景[25] - 另一种场景是去中心化系统，例如为不同地点（家、公司、车）或不同功能（回微信、刷社交媒体、看新闻）部署独立的智能体[26] - 在这些需要相互隔离或执行不同功能的场景下，分布式、不同上下文的智能体才有意义[26] 强化学习的挑战与数据飞轮 - 强化学习面临的核心挑战之一是奖励信号不清晰，特别是在创意写作或现实案例等难以验证的领域[27] - 解决问题的底线是至少要能做到“人类可验证”，如果一个领域最专业的人都无法判断好坏，那可能就不存在科学解法[28] - 存在从“机器自动可验证”到“人类可验证”的谱系，可以通过人机协同反馈的模式来扩大可训练范围并降低成本[28] - 与推荐系统拥有天然的用户行为数据飞轮不同，强化学习的数据需要专家进行清洗和构造，本质上是“人在回路”的数据飞轮[29] - 直接从普通用户收集反馈信号（如代码补全接受度）噪声会很大，公司肯定会在后台进行数据清洗，而非纯粹的无脑在线强化学习[30] AI时代的企业组织形态 - 新兴的AI原生团队需要更少但更精英的人员，包袱小，迭代速度非常快，AI工具（如Claude Code）能大幅减少对基础代码维护人员的需求[19] - 这导致团队规模可以很小，从而自然避免了许多大团队常见的组织管理问题[19] - 对于老牌企业或传统企业的AI转型则更为复杂，可能演变为一种类似咨询的方式，需要自上而下地改变组织的评估和运作模式，这对领导层要求极高[20] - 像Meta、字节这样拥有强势且年富力强CEO的公司，可能通过自上而下的绩效和组织变革来实现转型[20] 学术界的定位与价值 - 在算力被大厂垄断的背景下，学术界的价值不在于复刻大厂的规模，而在于提供系统性的科学训练和从零构建系统的机会[21] - 学术界99%的工作可能最终没有直接商业价值，但这正是科学精神的体现，允许伟大的想法在自由环境中缓慢演化[22] - 学术界应致力于思考大厂不敢想的创意，去做那些有趣但看似无意义、甚至可能行不通的东西[22] - 伯克利AMPLab模式是成功的典范，孵化出了Databricks、AnyScale、vLLM、SGLang等改变行业的工具，学术界可以作为一个更安全的创新避风港，以前瞻性实验捕捉产业创新空隙[22][23] 对通用人工智能的看法 - 通用人工智能的定义是一个“移动的球门”，当前AI的能力（例如在经济性文职工作替代上已接近80%）其实已接近早期设定的目标，但公众的期望门槛被拉高了[35] - 目前AI在编程领域已取得巨大突破，但由于普通人不接触代码，导致存在巨大的感知差距，这本身是一个巨大的产品机会[36] - 衡量AI进步的一个具体标准是看其能否独立完成耗时数周的工作，如果能做到，那它必然具备自我进化和持续学习的能力[36]

涉及的行业与公司 * **行业**: 电力设备与发电行业 特别是燃气轮机 柴油发电机组 功率半导体行业[1] * **公司**: 微软 谷歌 OpenAI 亚马逊 Meta xAI 甲骨文 国内柴油发电机组OEM供应商[1][2] 核心观点与论据 * **美国科技巨头转向自主供电**: 微软 谷歌 OpenAI 亚马逊 Meta xAI 甲骨文七家公司签署自主供电承诺 将减少接入市电比例 增加对燃气轮机和柴油发电机组的需求[1] * **中东冲突加剧电力需求**: 美伊冲突波及中东多地 电力基础设施被炸毁 导致数据中心中断和工商业用电受影响 电力设施重建和备电需求迫切 进一步推高对功率半导体等设备的需求[1] * **柴油发电机组需求扩张且场景转变**: 需求规模从数据中心备电拓展至工商业场景 需求性质从备电转为部分应急场景下的主电源 且冗余比例在提升[2] * **柴油发电机组在中东应急需求中占优**: 相比建设周期为1-2年的燃气轮机 柴发模块化 运输便利 建设周期仅1-3个月 更适合当前应急场景 且中东燃料成本低[2] * **国内柴发厂商迎订单机遇**: 产业链调研显示 中东客户已开始向国内主流柴发OEM供应商询单和加单[2] * **中东急单盈利能力强**: 中东需求多为急单 价格弹性大 其盈利能力可与数据中心相关的高端产品相比[2] 其他重要内容 * **事件发生地**: 美国白宫[1] * **需求驱动因素**: 包括科技公司自主供电战略和地缘冲突导致的应急重建需求[1][2]

涉及的行业与公司 * **行业**: 人工智能数据中心、燃气轮机、船舶动力改造[1][2][3] * **提及公司**: 微软、谷歌、OpenAI、亚马逊、Meta、xAI、甲骨文[1][3] * **推荐标的**: 中国动力、常宝股份、东方电气、杰瑞股份、应流股份、万泽股份、联德股份、豪迈科技、BYTH、西子洁能[4] 核心观点与论据 * **核心事件**: 美国七大科技巨头签署自主供电承诺，旨在解决数据中心推高电力需求及电费上涨的公众担忧[1][3] * **行业趋势判断**: 北美人工智能数据中心未来自建电源比例将持续提升，这将进一步提升对燃气轮机的需求[2][3] * **供需预测**: 预计到2028年，全球燃气轮机需求将超过120GW，而全球供给约为90GW，供需缺口将持续扩大[3] * **投资方向**: 继续看好燃气轮机产业链以及船舶动力改造为燃气的趋势[3] 其他重要内容 * **投资建议**: 报告明确给出了看好的细分领域及具体上市公司标的，覆盖了从整机、核心零部件到配套设备的全产业链[4]

涉及的行业与公司 * **行业**: 北美（美国）电力基础设施行业、数据中心（AIDC）行业 * **公司**: 谷歌、微软、Meta、亚马逊等北美AI科技巨头；以及一系列被提及的潜在受益的中国电力设备及电源企业，包括金盘科技、伊戈尔、明阳电气、安靠智电、思源电气、神马电力、威腾电气、良信股份、宏发股份、正泰电器、法拉电子、麦格米特、欧陆通、科华数据、中恒电气、科士达、禾望电气、盛弘股份、四方股份、中国西电、特变电工、新特电气、京泉华等[1][2][3] 核心观点与论据 * **北美科技巨头签署供电承诺，将加速电网基建** * 谷歌、微软、Meta、亚马逊等AI巨头签署了“纳税人保护承诺”，承诺通过建设、引入或购买新电力来支持其数据中心供电，以防止居民电费上涨[1][2] * 该协议明确科技公司需承担AI项目所需的所有发电和电力，并尽可能通过新增发电厂增加电网发电能力[2] * 此举有望促使头部AI厂商加快电力基础设施建设，以支撑数据中心的快速增长[1][2] * **美国数据中心电力需求激增，是未来用电增长主要驱动力** * 截至2025年十月中旬，美国数据中心项目规划容量达245GW，其中2025年第三季度备案容量达45GW，而2024年初累计备案数量仅为50GW左右，备案规模迅速增长[2] * 2023年美国数据中心耗电量为176TWh，占总体用电量约4.4%[3] * 乐观情况下，2028年美国数据中心耗电量将达到580TWh，占总体用电量比例将提升至约12%，数据中心将成为美国耗电增长的主要驱动因素[3] * **国内电力设备及电源企业有望受益于北美市场机遇** * 看好受益于美国电网基建加速的电力设备出口及AIDC相关标的[3] * **电力设备出海**：包括变压器（金盘科技等）、高压设备（思源电气等）、母线（威腾电气等）及相关元器件企业[3] * **电源环节**：包括服务器电源（麦格米特等）及相关电源企业[3] 其他重要内容 * 协议除电力供应外，还包含其他细则：科技公司将与公用事业公司协调单独的费率结构，投资当地社区进行劳动力发展，并在必要时利用其基础设施为当地电网提供备用电力[2] * 纪要提及了潜在风险，包括技术进展不及预期、下游需求不及预期、贸易环境变化等[4]

行业与公司 * 涉及的行业为电力设备行业，具体聚焦于**变压器**及其上游供应链[1][3] * 涉及的公司包括变压器整机制造商（如思源电气、伊戈尔、金盘科技、望变电气、安靠智电、白云电器、中国西电等）和上游材料/组件供应商（如神马电力、宏远电气、金杯电工、广信材料、华明装备等）[4] * 同时提及了扩散性受益的**低估值**公司（如特变电工、三星医疗、明阳电气、特锐德等）[4] 核心观点与论据 * **核心驱动：AI发展导致电力需求激增，引发全球性资本开支** * 微软、谷歌、OpenAI、亚马逊、Meta、xAI和甲骨文七家美国科技巨头签署承诺，将自行供应或购买AI数据中心所需电力[1][3] * 这标志着美国电网与数据中心在电力资本开支上形成“双足鼎立”的局面[1][3] * 预计大规模资本开支将席卷全球关键电气设备产能[2][4] * **核心逻辑：中国变压器供应链将深度受益** * 全球（尤其是北美）电力需求景气，导致供应链向**中国**转移[4] * 国内企业凭借出色的产品质量和无可匹敌的产能交付优势，有望持续获取欧美电网及数据中心下游的高毛利订单[4] * 行业呈现**量价齐升**，成长性显著[4] * **需求印证：欧洲大单验证景气度与转移逻辑** * 三星医疗获得荷兰电网下游价值**9.5亿元**的变压器大单，进一步印证了北美需求景气下全球供应链向国内转移的逻辑[4] 其他重要内容 * **投资建议**：报告明确“继续重点推荐”并“强CALL变压器出口”赛道[1][3][4] * **细分推荐方向**： * **变压器整机**：分为确定性北美敞口公司和扩散性北美受益（低估值）公司两类[4] * **变压器上游**：具备全球供货能力的材料与组件公司[4]

纪要涉及的行业或公司 * **行业**：AI数据中心（AIDC）发电设备行业，具体涉及燃气轮机、航改燃、燃气内燃机、固体氧化物燃料电池（SOFC）、柴油发电机组等细分领域[1][2][3][4][5] * **公司**：美国科技七巨头（微软、谷歌、OpenAI、亚马逊、Meta、xAI、甲骨文）[1]；国内多家上市公司，包括应流股份、豪迈科技、冰轮环境、西子洁能、博盈特焊、杰瑞股份、东方电气、海联讯（杭汽轮）、上海电气、哈尔滨电气、航发动力、航发控制、航宇科技、潍柴动力、潍柴重机、银轮股份、联德股份、玉柴国际、重庆机电、鹰普精密等[2][3][4][5] 核心事件与核心观点 * **核心事件**：美国七大科技巨头签署自主供电承诺文件，旨在通过自建发电设施应对AI数据中心电力需求激增，避免影响居民用电成本[1] * **核心观点**：AI算力的电力约束极度紧张，将加速美国AI数据中心供电模式重构，现场发电成为刚需，确认了AIDC发电设备行业的高景气度[1] * **核心论据**：海外AIDC基建高景气外溢，发电方式呈现多元化，包括燃气轮机、航改燃、燃气内燃机、SOFC等[1] 各细分领域观点与标的 * **燃气轮机** * **观点**：供需持续紧张，海外需求外溢为国内企业带来出海机遇[2] * **相关标的**：应流股份、豪迈科技、冰轮环境、西子洁能、博盈特焊（关键零部件及配套设备）；杰瑞股份（集成商）；东方电气、海联讯（杭汽轮）、上海电气、哈尔滨电气（主机厂）[2] * **航改燃** * **观点**：属于航空发动机技术的降维应用，技术同源，出海前景可期[2] * **相关标的**：航发动力、航发控制、航宇科技[3] * **燃气内燃机** * **观点**：已获得北美AIDC批量订单，证实市场需求[3] * **相关标的**：潍柴动力、潍柴重机、银轮股份（新披露北美燃气发电机定点订单，年均9亿）、联德股份[3] * **固体氧化物燃料电池** * **观点**：90天高效部署方案，最能解决发电的燃眉之急[3] * **相关标的**：潍柴动力[4] * **柴油发电机组** * **观点**：作为备用电源方案，受益于国产替代与出海共振[4] * **相关标的**：潍柴重机、潍柴动力、玉柴国际、重庆机电、联德股份、鹰普精密[5]

**纪要涉及的行业或公司** * **行业**： 电力设备与储能行业，特别是面向海外（北美）市场的相关产业链[1] * **公司**： * 事件主体：微软、谷歌、OpenAI、亚马逊、Meta、xAI、甲骨文（北美七大科技巨头）[1] * 合作方/供应商：Xcel Energy（公用事业公司）、Vistra Corp、Constellation Energy Corp（核能供应商）、Oklo、TerraPower（下一代核反应堆开发商）[2][3] * 投资建议关注的中国产业链公司：阳光电源、阿特斯、宁德时代、海伦哲、科陆电子、正泰电源、思源电气、华明装备、伊戈尔、金盘科技、安靠智电、四方股份、特锐德等[4] **核心观点与论据** * **核心事件**：北美七大科技巨头签署自主供电协议，承诺通过自建发电设施或采购电力来满足新建AI数据中心的用电需求，以避免挤占公共电网资源并确保居民电价稳定[1] * **两种主要自主供电模式**： 1. **谷歌模式（清洁能源加速共建）**： * **模式**：与公用事业公司（如Xcel Energy）合作，采用“清洁能源加速收费（CEAC）”模式，企业承担所有相关的新电网基础设施成本[1][2] * **配套建设**：在明尼苏达州项目将建设1400MW风电和200MW太阳能，并额外投资5000万美元部署分布式电池系统[2] * **储能策略**：采用“锂电池+铁空气电池”复合策略，锂电池应对短时波动，铁空气电池作为长效支柱[2] * **影响**：大规模新能源在AI数据中心的应用标志着光储成为行业首选项，长期利好AI数据中心储能需求；新增1.6吉瓦（GW）清洁能源接入将带动大量输电线路和变电站建设，且大厂直接投资有望解决美国电网投资落地难的问题[3] 2. **Meta模式（大规模采购核能）**： * **模式**：大规模采购核能，与多家供应商签约[3] * **规模**：签署的核能总供电规模最终可能超过6吉瓦（GW），足以满足约500万户家庭规模城市的用电需求[3] * **技术投资**：同时投资Oklo和TerraPower两家公司，支持其开发下一代小型模块化核反应堆[3] * **模式对比与前景判断**： * **短期（更现实、更可落地）**：谷歌的合作共建模式能直接解决美国电网投资不足的问题，以消纳更多新能源，且相对核电上马速度或较快，因此光储网产业链确定性更强[3] * **长期（5-10年）**：随着核电投产与小型模块化核反应堆技术发展，核电或将成为更长效稳定的方案[3] **其他重要内容** * **投资建议**：基于上述分析，建议关注三条主线： * **海外储能产业链优质企业**[4] * **电力设备企业**[4] * **SST（可能指特定细分领域或技术）相关企业**[4]

文章核心观点 超节点与Scale-up网络是支撑万亿级大模型与高实时性应用的关键基础设施，正处于快速发展期，并将成为算力芯片、网络部件、存储部件、供电散热等新兴技术的重要应用市场[2]。英伟达、谷歌、AMD和华为四家头部AI算力芯片厂商在该领域各有布局，行业格局正从英伟达一家独大向多元化竞争演变[2]。 根据相关目录分别进行总结 1. 超节点与Scale-up网络概述 - 大语言模型参数规模向万亿级演进，驱动对高带宽、低延迟网络的需求，构建Scale-up网络（纵向扩张网络）成为主流技术路径[23] - Scale-up网络旨在在一定成本和技术约束下实现超高带宽互联，其特点包括：算力规模为数十卡至千卡级、资源利用率80%以上、通信延迟为百纳秒级、支持统一内存访问，但定制化程度高[26][27][28] - 超节点主要由计算节点、交换节点和Scale-up网络互联构成，其互联方案（铜缆或光纤）直接影响系统的功耗、成本、规模和可靠性[29] - 目前主流互联方案分为两类：铜缆互联（如英伟达方案）具有功耗低、成本低、可靠性高的优势，但受距离限制，单个节点规模较小（如最大支持72张XPU卡）；光纤互联（如华为方案）突破距离限制，节点规模更大（如支持384张XPU卡），但存在光模块功耗大、成本高、故障率高的短板[32] 2. 英伟达：领先优势建立在NVLink和NVLink Switch - 英伟达在超节点技术方案上处于领先地位，2024-2025年陆续推出GH200 NVL72、GB200/GB300 NVL72等成熟解决方案，预计2025年GB200/300 NVL72出货量约2800台[4] - 展望2026-2027年，英伟达计划推出Vera Rubin NVL144和Rubin Ultra NVL576，互联GPU数量将从72颗向576颗发展，并计划发布引入NVLink Switch Blade的新一代Kyber机架[4] - 英伟达超节点的核心优势在于NVLink和NVLink Switch技术，NVLink 5 Switch支持单GPU到GPU带宽1800GB/s，可构建72 GPU的NVLink域，总带宽达130 TB/s（双向）[5] - 后续NVSwitch Gen6和Gen7的GPU-to-GPU通信带宽将继续升级至3.6TB/s[5] - 然而，Scale-up网络的发展空间可能受限于AI产业探索降低张量并行与专家并行规模的技术方案，这或将限制英伟达的领先优势，未来实现Scale-up网络和Scale-out网络融合可能成为其新趋势[5] 3. 华为：对外开放灵衢互联协议，性能追赶英伟达 - 华为推出自研的灵衢互联协议，并从2.0版本起转向开放标准，但该协议尚未被国内业界广泛接受[6] - 国内Scale-up协议尚未统一，除华为灵衢外，还有中移OISA、腾讯ETH-X、高通量以太网ETH+以及中兴通讯OLink等多种互联协议在探索中，工信部正牵头推动CLink协议旨在形成统一国内标准[6] - 华为通过集群化方式实现性能追赶，其Atlas 950超节点预计2026年第四季度发布，总算力达到8 EFLOPS（FP8），超过同期英伟达NVL144的2.52 EFLOPS（FP8）[6] - Atlas 950超节点在内存容量（1152TB）与互联带宽（16.3PB/s）上也实现大幅领先[7] - 华为超节点技术仍在标准化阶段，Atlas 950放弃了全光互联架构，采用“柜内正交铜互联+柜间光互联”的混合设计，以平衡可靠性、成本、功耗和可扩展性[7] 4. 谷歌：建立光互联超节点，形成不对称竞争 - 谷歌TPU超节点建立了成熟的光互联Scale-up网络，技术路线独树一帜，其核心是光电路交换机[8] - 谷歌是全球首个将光电路交换机大规模商用部署于Scale-up网络的企业，该技术涉及精密光学、机械工程与半导体工艺的深度交叉，构筑了高技术壁垒[8] - 光电路交换技术具备优势：可跨多代光收发模块技术复用、每比特能耗较电分组交换机低数个数量级、引入的时延极小[9] - 2023-2025年谷歌陆续推出TPU v4、v5p、v7三代超节点，完成了技术路线探索和标准化，TPU v7已获得外部企业认可，例如Anthropic将在2026年直接从博通采购近100万颗TPU v7 Ironwood AI芯片[8] - 2027年，谷歌将推出第8代TPU，对标英伟达Vera Rubin，届时其超节点性能指标将进一步优化提升[8] 5. AMD：UALink成为重要开放标准，是有力竞品 - AMD作为Scale-up网络开放技术路线方，其主导的UALink成为重要开放标准，2025年1.0版本规范正式发布，2026年有望发布2.0版本[10] - UALink联盟受到业内广泛支持，截至2026年1月底，成员单位超过100家，预计其生态将在2027年迎来突破发展，被众多数据中心接纳，成为英伟达NVLink的有力挑战者[10] - AMD超节点Helios机架采用双宽机架设计，在复杂性、可靠性和性能间实现良好平衡，是目前业界最能挑战英伟达NVL72机柜的竞品之一[10] - 在功耗领域，Helios机架对比英伟达GB200 NVL72机柜优势显著，且双宽结构为未来升级（如扩展至144 GPU配置）预留了物理空间[10] 6. 行业技术路线与协议格局 - 目前四家头部厂商均推出各自的Scale-up协议：英伟达采用自研NVLink；谷歌采用私有ICI协议；AMD主导开放标准UALink；华为推出自研灵衢协议[34] - Scale-up网络主要有两个技术方向：一是封闭的私有技术方向，以英伟达、谷歌为代表；二是基于以太网的开放技术方向，以UALink和华为灵衢（2.0版后开放）为代表，两者均处于生态建设初期[38] - 各协议特点对比：英伟达NVLink和谷歌ICI Link为专有协议；UALink基于标准以太网组件，是开放标准；华为灵衢从2.0版起转向开放标准[39]