算力需求趋势 - 大模型参数爆炸式增长推动算力需求从单点向系统级整合加速转变 [1] - Scale-up与Scale-out成为算力扩容两大核心维度 Scale-up追求硬件紧密耦合 Scale-out实现弹性扩展支撑松散任务 [1] - Scale-up突破传统单服务器、单机柜限制进入"超节点"时代 节点内GPU数量从2卡增至8卡 实现跨服务器、跨机柜互联 [1] 技术架构与硬件差异 - 超节点是算力网络系统在机柜层面的Scale-up 节点内采用铜连接与电气信号 跨机柜引入光通信 [2] - Scale-up与Scale-out硬件边界为NIC网卡 外部依赖光模块、以太网交换机等设备 架构设计、协议标准存在本质差异 [2] - 芯片厂商分化明显 英伟达、博通、华为、海光深耕Scale-up 以太网厂商(博通、海思、盛科通信)聚焦Scale-out [2] 产业链整合动态 - 英伟达近6年完成8宗并购 覆盖网络技术(Mellanox)、软件定义网络(Cumulus)、行业应用(Parabricks)等领域 构建芯片到应用闭环生态 [2] - 海光信息拟吸收合并中科曙光 形成CPU+DCU与服务器+云基础设施协同 完成从芯到云全产业链部署 [3] - AI芯片厂商强化纵向整合 但不会切入代工业务 如AMD收购ZT System后剥离代工板块 [4] 产业链分工与投资机会 - 超节点趋势下产业链分工细化 板卡设计能力成为核心差异化要素 代工环节分化为板卡设计与机柜代工供应商 [4] - 建议关注硬件互联与场景适配双线布局 标的包括海光信息、中科曙光、浪潮信息、紫光股份等AI芯片与服务器供应商 [4]