AI算力新的升级驱动方向

1.ai — The Single-Digit .ai Portfolio算力发展重心正从“算力”向“运力”迁移

随着AI大模型训练和推理需求的爆发，单纯提升GPU（算力）性能已遇到瓶颈。GPU之间的高速互联能力（即“运力”） 已成为释放AI算力潜力、提升数据中心效率的关键。AI硬件的发展需要算力、存力、运力三者协同。

2.“Scale-up”成为当前AI网络架构的焦点

AI集群模块化、分布式趋势下，GPU间通信延迟成为性能瓶颈。为避免GPU“空转”等待数据，必须部署相匹配的高性能网络方案。
AI集群的两种扩展方式：

Scale-up（纵向扩展）：指在单个节点或机柜内，通过高速互联技术（如NVLink、PCIe）连接更多GPU，追求极低的通信延迟，解决单个任务内部的协同问题。这是当前技术发展和投资的重点。

Scale-out（横向扩展）：指通过以太网或InfiniBand等技术将多个节点/机柜连接成更大集群，解决超大规模模型训练的问题。

Scale-across（跨域扩展）：一种新兴概念，指将分布在不同地理位置的数据中心互联，形成巨型AI工厂，以突破单数据中心在电力、空间等方面的限制。

市场空间：Lightcounting预测，Scale-up交换芯片市场到2030年将接近180亿美元，年复合增长率（CAGR）约28%。

3.国产算力与“超节点”

在中美科技摩擦背景下，国产AI算力自主可控成为重中之重，2026年被视为国产超节点服务器放量元年。

进展：华为（昇腾950/Atlas超节点）、阿里（磐久超节点）、中国移动（OISA协议“北京方案”）等纷纷公布重大进展，在芯片、互联、存储等多层面实现突破。国产超节点的多点开花表示我国在AI芯片、存储芯片、铜连接等多个层面实现突破，自主可控版“NVLINK”已经成型。

3.关键硬件环节与产业链机会

1）光模块/组件：

直接受益于Scale-up趋势，速率迭代加快（400G→800G→1.6T），低功耗方案（LPO）和高集成方案（CPO）开始规模部署。中国厂商（如中际旭创、新易盛）在技术和市场份额上全球领先。

光纤光缆：多模光纤、高密度光缆、空芯光纤等需求提升，以应对机柜内高密度、短距离互联的需求。

2）交换芯片（Switch Chip）

这是实现Scale-up和Scale-out的核心芯片，竞争格局：

英伟达（NVIDIA）：凭借NVSwitch（私有协议）在Scale-up领域占据绝对领先地位，带宽最高、部署最成熟。

博通（Broadcom）：在Scale-out以太网交换芯片市场占据主导地位（约90%市占率）。同时推出开放规范的SUE架构，试图将以太网引入Scale-up领域，与NVLink竞争。

Astera Labs：专注于PCIe/CXL互连，提供“芯片+延长线+软件”完整解决方案，并积极参与UALink（由AMD、谷歌等推动的开放标准）生态。

国产替代进展：

独立芯片厂商：盛科通信（以太网交换芯片领跑）、万通发展（数渡科技PCIe 5.0交换芯片已小批量）、澜起科技（从Retimer切入PCIe/CXL互联）。

大厂自研：华为（发布51.2T交换机，开放“灵衢”互联协议）、中兴通讯、新华三、海光信息（开放HSL互联协议）均已推出自研交换芯片或互联方案，构建自主生态。