涉及的行业与公司 * **行业**：人工智能（AI）硬件、数据中心网络、半导体、光学通信、印刷电路板（PCB）[1][5][36] * **公司**： * **核心公司**：谷歌（Google，GOOG US）及其TPU v8系列芯片（TPU 8t， TPU 8i）[1][5] * **供应链公司**： * **PCB/基板供应商**：胜利精密（Victory Giant， VGT， 300476 CH/2476 HK）[1][35] * **光学通信方案商**：涉及1.6T可插拔光模块、近场封装光学（NPO）、共封装光学（CPO）等[1] * **芯片设计合作伙伴**：博通（Broadcom， AVGO US）参与TPU 8t设计，联发科（MediaTek， 2454 TT）首次参与TPU 8i设计[33] * **光路交换器（OCS）相关**： * **硅光（SiPh）OCS代表厂商**：iPronics（未上市），与Fabrinet（FN US）合作建设产线[31] * **MEMS/DLC/DLBS OCS产业链**：涉及Silex、Lumentum、Coherent、Polatis、光迅科技（Accelink）、中际旭创（Eoptolink）等多家公司[36] 核心观点与论据 1. 谷歌TPU v8架构革新：训练与推理芯片分道扬镳 * **观点**：AI市场趋势是训练与推理的网络架构解耦，以在不同场景下更好地释放性能，同时降低成本与功耗[1] * **论据**： * **TPU 8t（训练芯片）**：专注于大规模预训练性能，采用SparseCore核心和Virgo网络拓扑，引入原生4位浮点（FP4），采用去中介化的TPU Direct技术使内存访问速度比上一代快10倍，宣称训练场景下“每美元性能”最高可提升2.7倍[1][5][8][9] * **TPU 8i（推理芯片）**：专为实时推理和复杂决策设计，资源分配向内存倾斜，配备384MB片上SRAM缓存（是8t的3倍）和288GB HBM内存，采用CAE（集合加速引擎）和新的Boardfly拓扑，旨在解决长上下文推理的延迟瓶颈，CAE将片上集合操作延迟进一步降低5倍[1][5][8][11] * **发展路径**：从TPU v2到v8，单芯片互连（ICI）带宽从800GB/s提升至2400GB/s，光学通道速率从50G提升至400G，集群规模不断扩大[6] 2. 网络拓扑升级驱动光互连需求，特别是光路交换器（OCS） * **观点**：新的网络拓扑（Virgo和Boardfly）为OCS在横向扩展（scale-out）和纵向扩展（scale-up）层面带来增量需求，并可能加速谷歌采用主流光通信解决方案[1][2] * **论据**： * **TPU 8t的Virgo网络**：一种扁平的两层无阻塞拓扑，采用高基数交换机，据称可使数据中心网络（DCN）带宽提升高达4倍，能将超过100万个TPU芯片连接至单个训练集群[2][20] * **TPU 8i的Boardfly拓扑**：一种分层扁平两层架构，将1152个芯片连接在一起，将1024芯片集群的网络直径从16跳减少至7跳，据称可为通信密集型工作负载带来高达50%的延迟改善[2][23][24] * **OCS需求**：Boardfly拓扑在组间通过OCS连接36个组（最多1024个活跃芯片）[2][24]，理论上纵向扩展网络对OCS的交换响应速度要求达到纳秒级，硅光（SiPh）基OCS可满足此要求但尚处小批量交付阶段，而MEMS基OCS则通过软件调度弥补延迟[29][31] * **用量估算**：在TPU 8i集群中，预计使用3168条DAC（铜缆）、1440个光模块，以及20个72*72端口或5个288*288端口的OCS[30] 3. AI智能体时代，CPU需求重要性显著提升 * **观点**：随着推理工作负载的指数级增长，CPU可能成为未来运行大型AI集群的关键，CPU与GPU的配比率正在快速上升[3][13] * **论据**： * **配比变化**：根据英特尔CEO在2026年第一季度财报电话会上的评论，CPU与GPU的配比曾为1:8，现已增至1:4，未来可能达到1:1[3][13] * **CPU作用**：推理任务的数据编排和内存管理高度依赖CPU，AI智能体执行读取数据库、运行代码、解析文档等复杂任务所需的“逻辑调度”和“串行处理”是CPU的专长[13] * **谷歌Axion CPU**：在TPU v8系列中首次采用自研的基于ARM架构的Axion CPU作为主控头，有效减少数据预处理延迟，CPU主机数量从“1个CPU配4个TPU”升级为“1个CPU配2个TPU”，每台服务器的CPU主机数量翻倍[3][16][17][32] * **市场预测**：Arm CEO提到，随着AI从“人机交互”转向“智能体化持续工作负载”，数据中心CPU容量将增长超过四倍，到2030年市场规模将超过1000亿美元[32] 4. 供应链影响：TPU需求增长与结构变化带来投资机会 * **观点**：TPU v8训练与推理芯片的分离及强劲需求，可能有助于进一步扩大谷歌的TPU供应链，为相关供应商带来机会[1][34] * **论据**： * **出货量预测**：根据Counterpoint Research预测，TPU v8t和v8e的合计出货量预计在2028年接近500万台，较2026年约40万台的出货量增长超过10倍[34] * **PCB/CCL供应链**：TPU v8系列预计将采用24~28层HDI PCB，使用M8.5等CCL材料，供应商包括胜利精密（VGT）、沪电股份（WUS）、深南电路（ISU）等[35] * **双供应商策略**：TPU 8t由谷歌与博通共同设计，TPU 8i首次由谷歌与联发科共同设计，利用了博通在高性能ASIC设计以及联发科在能效与成本优化方面的优势[33] * **OCS产业链**：报告详细列出了基于MEMS、DLC、DLBS和SiPh等不同技术的OCS产业链全球及中国供应商[36] 其他重要内容 * **性能对比**：TPU 8i相比TPU v7和8t，拥有更大的HBM容量（288GB）和带宽（8.6TB/s），以及更大的片上SRAM（384MB），但峰值FP4算力（10.1 PFLOPs）低于8t（12.6 PFLOPs）[15] * **互连方案变化**：在TPU 8i设计中，铜缆仍是芯片间互连（ICI）层面的主要互连方式，但对OCS的需求从芯片组间的横向扩展延伸至纵向扩展[29] * **研究覆盖与评级**：报告明确覆盖并给予**联发科（2454 TT）**和**胜利精密（2476 HK/300476 CH）**“买入”评级，并给出了目标价和风险评估[40][43][44][47][48][51][52]