国产大模型发展现状 - 2023年以来上百家国产大模型涌现 参数规模从几亿到上万亿 广泛应用于云计算 数据中心 边缘计算 消费电子 智能制造 智能驾驶 智能金融及智能教育等领域 [1] - AI已成为确定性赛道 算力投入是参与竞争的必要条件但非充分条件 需在芯片 算法 数据 生态 应用落地等多方面形成综合优势 [1] 算力需求与供给缺口 - 海外每天AI agent产生的token处理需求相当于260万亿TeraFLOPS算力 理论上需130万张英伟达H100 GPU 实际部署量可能达700万张 [2] - 每天需要20-30万片12寸晶圆 未来5年GPU需求预计增长100倍 中国所有晶圆厂总产能不足该需求1/10 [2] - 国内缺少真正有用的算力 需要统一调度 高效互联和稳定运行的大规模集群能力支撑大模型训练和推理 [2] 无锡算力建设进展 - 无锡城市智算云中心节点一期部署高性能智算卡超11000张 智算算力突破12000P 结合其他节点算力年内总规模达15000P [3] - 中心节点为摩尔线程 申威 太初等智算芯片提供验证环境 吸引银河通用 无问芯穹 羚数智能等AI企业落地 [3] 先进制程与封装技术 - AI应用推动对先进制程需求强劲 尽管摩尔定律降本效应消失 但AI芯片和高算力芯片仍蜂拥采用先进制程 [4][5] - 摩尔线程在无锡开展新一代AI SoC芯片研发 引入先进国产工艺 先进封装 先进存储及高速片间互联等技术 [5] - 无锡建成国内首家纳米级光刻胶中试线 产品涵盖EUV DUV及电子束光刻胶 可用于亚10纳米先进制程芯片 [5] 先进封装发展趋势 - 先进封装凭借小型化 高密度 低功耗 异构集成能力解决芯片带宽 功耗 集成密度三重瓶颈 [6] - 封装形态向Chiplet架构 2.5D中介层与3D堆叠等高集成方案迈进 围绕算力布局的封装占比可能从27%增至40%以上 [6] - 全球Chiplet市场规模预计从2023年31亿美元增至2033年1070亿美元 复合年增长率42.5% 消费电子领域占超26%份额 [7] 光互联技术变革 - AI智算中心光互联分Scale out和Scale up两类 前者用光模块互连 后者用铜缆互连 [7] - GPU性能提升需从铜线转向光互联 Scale up领域可能采用CPO技术 Scale out领域仍以光模块为主 [8] - CPO已有小批量应用 2025-2030年光模块仍有非常大增长 2030年CPO预计占20%份额 五年内CPO与光模块将共存 [8] - CPO面临热集中 无标准 不易维护 成本高 良率要求高 产业链不成熟等挑战 [9]

纪要涉及的行业和公司 - 行业：光模块交换机、GPU 加速计算、硅光芯片 - 公司：英伟达、博通、旭创、新易盛、华工、天孚通信、炬创科技、德科立 纪要提到的核心观点和论据 - **英伟达新产品**：2025 年 3 月 GDC 大会推出面向 IB 和以太网的光模块交换机产品线，包括面向 IB 网络的 Cotton 系列（首款 Q3,450LD 有 140 个 100Gbps IB 端口，液冷设计，2025 下半年量产）和面向以太网的 Spectrum UM 系列（Spectrum 5 带宽 51.2Tbps，Spectrum 6 带宽 102.4Tbps，2026 下半年问世）[2][3] - **CPO 技术优势**：为应对百万卡集群低功耗需求，具有显著降低功耗（1.6T 光引擎功耗 9W，比可插拔模块节省 3.5 倍）、优化链路损失（信号完整性优化 18 分贝）、提高数据中心安装效率（减少宕机风险）、增强集群规模组网弹性等优势，GPU 侧过热问题也是推动商用原因之一[2][4] - **Cotton 系列交换机结构**：内部有两层板卡，每层两颗 28.8T ASIC 交换芯片，共四颗，总带宽 115.2T，周围环绕六个可拆卸子组件，每个含 11.6T OE 光引擎，采用液冷系统散热，OE 光引擎基于台积电 MRM [5] - **微环调制器制造难点**：对工艺和温度敏感性极高，涉及数百项专利 [7] - **PIC 封装过程**：生产完成后与电芯片 3D 垂直封装，上层堆叠微透镜，再与 FAU 光纤阵列堆叠，由台积电 CO - OP 技术完成 [8] - **CPO 交换机内部结构和连接**：内部核心结构包括 PIC 及 EIC 设计制造等多个环节；每个交换机有 144 个 MPU 接口，总容量 115.2T，通过 MPO 连接 1,152 根单模光纤，无需收发器及 DSP [9][10] - **光纤使用差异**：NV CPO 交换机用 1,152 根单模光纤，多于博通 CPU 交换方案的 252 根多模光纤，需理线盒管理，未来可能用“Fiber 背板”技术 [11] - **国内企业角色**：旭创、新易盛、华工等具备硅光芯片设计生产能力，可能承担子组件封装量产任务；天孚通信在 ICP 市场占有率高，与康宁合作有 MPO 及 shuffle box 能力；炬创科技有 MPU 模块零部件供应潜力；德科立有“Fiber 背板”技术储备 [2][12] - **英伟达 CPU 渗透趋势**：推出 GPU 交换机会加速生态成熟和产品迭代，初期用于自有网络集群，云厂商少量购买测试，以太网产品线 2026 下半年推出，26 - 27 年逐步起量渗透，与 3.2T 时代可插拔模块共存，2025 年影响有限，26 年影响待观测 [13] 其他重要但是可能被忽略的内容 无

文章核心观点 当地时间3月17日英伟达年度GTC大会开幕 分析师认为这是美国科技股扭转弱势的转折点 有望刺激英伟达股价回升 但大会首日股价下跌1.8% 市值较1月7日高点蒸发8200亿美元 大会看点包括黄仁勋演讲 新芯片及平台发布 量子日活动等 公司在芯片和量子领域有诸多布局 不过其主要盈利来源面临技术变革压力 股价走向受多种因素影响 [1][2][10] 大会概况 - 当地时间3月17日 英伟达年度GTC大会于美国加州圣何塞开幕 为期五天 覆盖量子计算 人形机器人 自动驾驶等前沿领域 [1] - 预计25000名参会者前往现场 30万名与会者线上参加 [1] - 英伟达首席执行官黄仁勋将于北京时间3月19日凌晨1:00发表演讲 分享加速计算平台推动AI等领域发展情况 [1] 产品与技术亮点 芯片 - 市场期待英伟达推出新一代芯片Blackwell Ultra GB300和B300系列 摩根大通预计GB300是大会重头戏 采用与B200相似逻辑芯片 HBM内存容量和功耗方面显著提升 最早5月出货 弃用传统气冷方案导入水冷技术 [4] - B300性能较B200或将提升50% 采用台积电4NP工艺 GPU的FLOPS比B200高出50% 内存从8 - Hi升级到12 - Hi HBM3E 每个GPU的HBM容量增加到288GB [4] 平台 - 摩根大通预计英伟达可能在大会分享Rubin平台部分细节 该平台预计采用台积电N3工艺 配置8个HBM4立方体 总容量384GB 比Blackwell Ultra增加33% 最早2025年底或2026年初量产 大规模出货预计到2026年第二季度 [5] - Rubin Ultra有望2027年上市 可能包含12个HBM4E内存堆栈 提供高达576GB总内存 分析师预计Rubin架构芯片相比Blackwell有亮眼性能提升 [6] 技术 - 摩根大通预计英伟达CPO技术路线图是大会亮点 CPO有助于提高带宽等 但GPU级CPO有散热等技术挑战 最初应用于交换机 作为Blackwell Ultra平台可选方案 2027年Rubin Ultra时代有望在GPU端广泛应用 [7] 量子领域布局 - 今年英伟达首次设立“量子日”活动 用一天议程讨论量子计算现状与未来发展 邀请头部企业高管共同讨论量子技术应用 [8] - 2021年推出开源量子计算平台CUDA - Q和软件开发工具包cuQuantum 2022年发布QUDA量子软件平台 2023年与德国研究中心联合建立实验室 2024年宣布与Google Quantum AI合作 [9] 股价与市场情况 - 大会首日英伟达股价下跌1.8% 收于119.53美元/股 与1月7日历史高点相比 市值蒸发近8200亿美元 今年以来股价跌超13% 近期有所反弹 按今年预期收益计算 市盈率不到27倍 比去年GTC大会时低23% [10] - 分析人士认为英伟达主要盈利来源面临技术变革压力 AI芯片市场从“训练”转向“推理” 其芯片在推理方面面临竞争 [11] - 投资者关注英伟达面临的不利因素 包括美国宏观经济疲软等 有人担忧其盈利是否达顶峰 [11]