涉及的行业与公司 * 行业：人工智能（AI）硬件基础设施、光通信、数据中心散热[1][2] * 公司：**谷歌**（AI集群架构与TPU）、**英伟达**（连接需求）[4][15] * 供应链企业：光模块领域（Lumentum、Coherent、旭创、博创、联特、泰辰光）、NPO跳线环节（长青博创、汇智科技、特斯拉信息、康力）、OCS相关（藤井）、连接器与线缆（立讯、Cradle、瑞可达）、液冷解决方案（英维克、库Master）[1][4][7][17][19] 核心观点与论据 AI行业前景与谷歌的引领作用 * 对AI行业未来前景持非常乐观的态度[2] * 谷歌推出TPU强化了市场对AI投入的信心[1][2] * 谷歌拥有强大的AI应用生态系统和领先的网络架构技术（如OCS）[1][2] 谷歌AI集群架构解析 * 集群由多个Super Pod组成，每个Super Pod内部通过OCS互联，Super Pod之间通过Scale Out网络连接[1][5] * 单个Super Pod包含144个机架，每个机架64张卡，总计9,216张卡[1][5][6] * 网络连接：柜内使用铜缆或DAC进行短距离连接，柜间采用光纤进行长距离传输[1][5][12] 谷歌Scale Up网络与Torus结构 * 采用Torus（环面）结构，具有循环连接、无边界的特点[3][8] * 在K维度的Torus结构中，每个节点连接2K个相邻节点[3][8] * 硬件实现上将机柜内64张卡视为4×4×4的3D Torus立方体，多个机柜可递归组成更大立方体[9] OCS（光线路交换）技术的作用 * 用于解决Torus架构中边缘节点间物理不直接相邻的连接问题[10] * 3D Torus需要三组OCS，2D Torus需要两组OCS[10] * OCS的交换对象是光纤，一个800G光模块可能需要四根光纤，占用OCS四个端口[16] 集群架构演变与散热管理 * 早期推理（E版本）和训练（P版本）集群分离，V7及后续版本逐渐实现训推一体化[3][14] * 训推一体化集群采用2D Torus架构，边缘节点使用光模块进行跨柜连接，128张卡的推理集群中约有64个光模块（比例约1:0.5）[3][14] * 采用定制化CDU Rack液冷系统（如英维克、库Master提供）进行散热，通过液体循环带走热量，提高运行效率并延长设备寿命[1][7] 关键数据与量化分析 集群规模与组件数量 * 单个Super Pod总卡数为9,216张[1][5][6] * 在9,216卡的I5集群中，大约需要14,000个1.6T光模块[16] * 支持9,216卡集群需要48台OCS设备（以576端口OCS计算）[16] * 对于64张卡（4×4×4立方体）的单元：需要96根光缆（即每张卡平均1.5根），80根铜缆[11] 带宽发展趋势与预测 * 谷歌每代TPU卡带宽预计将翻倍[3][17] * Scale Out网络中每张卡分配带宽：V5E为25G，V7P预计达到200G甚至更高[15] * 下一代V8架构中，按1.6T计算，光模块比例可能达到1:4.5至1:6[3][17] 投资关注方向与受益企业 * 投资方向重点关注：光模块领域、NPO跳线环节、芯片、通信及上游光芯片环节[1][4] * 随着TPU用量上升和速率提升（至1.6T），供应链企业将受益，包括旭创、博创、联特、泰辰光、藤井等[17][19] * 由于铜缆难以支持1.6T速率，连接技术可能从DAC转向ACC、AEC甚至直接使用光模块，立讯、Molex等公司正在开发相关产品[16][17][18] * Meta和Cloud等公司已向谷歌采购大量TPU，相关供应链企业未来几年业绩预期看好[19]