产棱 · 技术拆解 09 | NVLink 6 深度拆解

NVLink 6 拆解：为什么72颗GPU必须像一颗芯片一样通信？

从 GPU 内部互连 → NVLink → NVSwitch → NVL72 → 集群通信，拆解 AI 算力从“计算能力”走向“通信能力”的系统性变化。

核心问题

当模型规模不断扩大，单颗 GPU 的算力已经不是唯一约束。真正决定 72 颗 GPU 能否作为一个整体工作的，是 GPU 之间能否以足够高的带宽、足够低的延迟、足够稳定的拓扑完成持续通信。NVLink 6 的价值，正是在这里发生。

先给结论

1. NVLink 已经不是传统意义上的“高速接口”，而是 NVL72 的核心计算基础设施。
2. NVIDIA 官方披露，NVLink 6 为每颗 Rubin GPU 提供最高 3.6TB/s 带宽，NVL72 形成 72-GPU 全互联网络，总带宽达到 260TB/s。
3. NVSwitch 的意义不是简单“扩口”，而是把原本局部的 GPU-to-GPU 连接扩展成机柜级 all-to-all 非阻塞通信域。
4. 因此，GPU 越多，系统价值越从“GPU芯片”向交换芯片、连接器、高速PCB/背板、信号完整性、电源完整性、散热与软件通信栈传导。
5. 产棱核心判断：AI 集群的下一层瓶颈，不再只是“算力够不够”，而是“算力能不能被通信网络真正组织起来”。

图1｜从单颗GPU到NVL72：NVLink把多个GPU组织成一个通信域

一、为什么 AI 越发展，GPU 之间的通信越重要？

传统 GPU 服务器的思路是：GPU 是计算器，PCIe 是外部总线，网络负责服务器之间通信。但大模型训练与推理逐渐改变了这个假设。模型参数、激活值、KV Cache、专家路由和集体通信操作越来越多地跨 GPU 发生。

对于 MoE、长上下文、test-time reasoning 等工作负载，GPU 不只是各自计算，还必须持续交换数据。如果计算速度提高，而通信速度没有同步提升，GPU 就会出现“等数据”的空转。于是，通信网络从外围设备变成了计算系统的一部分。

二、NVLink到底是什么？先把“链路”拆开

NVLink最容易被误解成一根“更快的线”。但从系统角度，它至少包含四层：物理高速链路、GPU内部接口、NVLink Switch交换结构，以及由软件/通信库调度的集体通信。真正的价值来自四层共同工作。

图2｜NVLink不是单一器件，而是一套从物理链路到通信软件的系统

三、为什么 NVLink 6 要做到 3.6TB/s？

NVIDIA 官方给出的 NVLink 6 单 GPU 带宽为 3.6TB/s，是上一代 1.8TB/s 的 2 倍，也是 PCIe Gen6 的 14 倍以上。 这个数字真正重要的地方，不是“接口速度很快”，而是它开始接近 GPU 内部存储系统与计算系统的数量级。

这意味着系统设计已经从“让几个GPU互通”进入“让几十颗GPU形成统一通信域”。当GPU数量增加时，通信网络必须同步扩张，否则新增GPU并不会线性增加有效算力。

四、NVSwitch：为什么没有交换芯片，72颗GPU无法真正成为一个整体？

如果只把GPU两两连接，随着GPU数量增加，链路数量和布线复杂度会迅速失控。NVSwitch承担的是网络拓扑中的“集中交换”功能：它让来自不同GPU的NVLink连接能够被重新组织，并提供跨节点的高速all-to-all通信。NVIDIA明确将NVLink Switch描述为连接多个NVLink、实现整个机柜GPU all-to-all通信的交换芯片。

因此，NVSwitch的价值不是“芯片价格”，而是它承担了整个机柜通信架构的组织功能。

五、为什么 NVL72 的关键不是72，而是“全互联”？

72颗GPU并不天然等于72颗GPU的有效算力。关键在于任意GPU之间能否以稳定的高带宽进行通信。NVIDIA公开资料显示，Vera Rubin NVL72采用72 GPU all-to-all拓扑，整体NVLink带宽达到260TB/s。

图3｜通信能力从GPU接口向交换芯片、连接、PCB与系统软件逐层传导

“全互联”带来的核心变化是：GPU不再被看成72个独立计算节点，而更接近一个大型共享计算资源池。对于需要频繁跨GPU同步的模型，这种架构可以显著减少通信成为系统瓶颈的概率。

六、NVLink真正的工程难点：带宽越高，物理世界越难

当链路速率不断提高，问题会从“有没有通道”转向“信号能否完整到达”。高速SerDes会受到插损、回损、串扰、抖动、封装寄生参数、连接器损耗、PCB走线以及电源噪声影响。于是NVLink的性能提升会直接向封装、PCB、连接器、材料和测试传导。

七、为什么 NVLink 会把压力传导到 PCB 与连接器？

当每颗GPU拥有36条NVLink连接时，系统中的高速通道数量已经达到机柜级规模。通道越多，任何单条链路的损耗、串扰或阻抗异常都可能降低系统稳定性。于是PCB不再只是“承载芯片的板”，而成为通信通道本身。

这也是为什么在VR200这类系统中，PCB价值虽然相对GPU很小，但其工程重要性远高于BOM占比。对产棱而言，这类“低金额、高系统权重”的环节尤其值得进入瓶颈池。

八、为什么 NVLink 6 会推动“高速PCB”升级？

高速通信要求更严格的介质损耗、铜粗糙度、线宽线距、层间对准、背钻、过孔结构和阻抗控制。PCB的价值由“面积”逐渐转向“单位面积可承载多少高速通道”。

九、NVLink与NVSwitch为什么必须一起设计？

如果GPU接口、交换芯片、PCB、连接器分别优化，最终系统很难获得最优结果。NVLink本质上要求GPU、NVSwitch、封装、板级互连和软件共同设计。NVIDIA对Rubin平台的描述本身就是“深度协同设计”的思路：计算、互连、交换与软件共同构成系统。

这意味着NVLink的竞争壁垒并不只是一颗交换芯片，而是整个scale-up fabric。

十、NVLink 6为什么会成为“系统价值放大器”？

图4｜NVLink性能提升如何逐层传导至封装、PCB、连接器、交换芯片与散热

当单GPU通信带宽从1.8TB/s提升到3.6TB/s时，最直接的变化是通信能力翻倍；但产业链承受的不是一个“2倍”的单变量，而是一组耦合压力：高速I/O数量增加、SerDes能力提升、交换能力提升、PCB高速通道密度增加、连接器性能提高、功耗与散热压力增加。

十一、NVLink真正的瓶颈在哪里？

不能简单把瓶颈定义成“NVLink芯片产能”。更合理的方式，是把瓶颈拆成四层：

十二、为什么“理论带宽”不等于“有效算力”？

3.6TB/s是物理层能力，但实际AI任务的性能取决于通信模式、消息大小、拓扑、并发度、同步频率、软件调度和计算/通信重叠程度。也就是说，真正需要跟踪的变量不是“NVLink规格”本身，而是“有效通信利用率”。

这与产棱此前对HBM的判断类似：HBM的TB/s不是最终价值，真正重要的是它能否转化为模型吞吐；NVLink同样如此。

十三、从 NVLink 到 NVL72：通信开始进入“整机柜价值池”

图5｜NVLink从技术能力向产业价值池传导的路径

NVLink带来的产业价值并不是集中在一个环节，而是沿着“GPU I/O → NVSwitch → 高速互连 → PCB/背板 → 电源 → 液冷 → 软件通信”逐层扩散。

十四、为什么 NVLink 是“AI硬件产业链”的一个关键分水岭？

过去市场容易把AI硬件理解为GPU产业链。但当单机柜进入几十颗GPU、数百TB/s级通信后，GPU之间的通信已经成为独立的产业链。此时，GPU、HBM、先进封装、NVSwitch、高速PCB、连接器、液冷、电源不再是彼此孤立的零部件，而是同一个系统工程。

产棱核心判断：AI硬件的价值迁移正在从“单芯片价值”走向“系统互连价值”。NVLink正是观察这一迁移最好的技术窗口之一。

十五、NVLink与CPO/光通信的关系：为什么最终会走向更高带宽？

当scale-up网络持续扩大，铜互连会逐渐面临距离、功耗和信号完整性的约束。这里不能简单得出“NVLink一定转光”的结论，但可以确定：随着AI系统带宽密度持续提高，光电融合、CPO、硅光等技术会成为值得持续跟踪的潜在路径。

这也是为什么NVLink拆解不能孤立于光通信链。通信带宽越往上走，互连材料与物理介质本身的重要性越高。

十六、NVLink的产业价值如何进入产棱“瓶颈池”？

十七、为什么“NVLink涨价”不是最值得看的指标？

对于产业研究而言，真正值得观察的是NVLink带来的系统价值，而不是某一颗交换芯片的价格。一个零部件即使在BOM中占比很小，只要它决定整个系统的通信能力，就可能拥有远高于自身金额的战略价值。

因此，产棱不把NVLink简单定义为“网络芯片”，而把它定义为：AI机柜从计算资源向计算网络转变的关键基础设施。

十八、从72颗GPU到下一代AI系统：通信的边界在哪里？

NVL72说明了一条非常清晰的产业路径：GPU数量增加 → 通信带宽增加 → 交换能力增加 → 高速互连密度增加 → PCB/连接器/封装升级 → 功耗与散热增加。

下一阶段真正值得观察的，不是“还能塞多少GPU”，而是：在更大模型、更长上下文、更高推理密度下，系统是否仍能保持计算与通信之间的平衡。

十九、产棱持续跟踪：NVLink应该看什么？

1. GPU数量：8 → 72 → 更大规模，观察通信域如何扩张。
2. 单GPU带宽：观察每代NVLink升级幅度。
3. 交换芯片：观察NVSwitch端口、带宽、拓扑变化。
4. 高速PCB：观察材料、层数、通道密度与高端产能。
5. 连接器/背板：观察高速规格与可靠性要求。
6. 封装I/O：观察GPU封装向更高I/O密度演进。
7. 功耗与液冷：观察通信能力提升带来的系统功耗增量。
8. 软件利用率：观察理论带宽向有效模型吞吐的转化。

二十、最终拆解：NVLink到底改变了什么？

第一，NVLink把GPU之间的通信从“外围接口”提升为AI计算系统的一部分。

第二，NVSwitch把几十颗GPU组织成一个高带宽、all-to-all的计算域，使机柜开始表现得更像一个大型加速器。

第三，通信能力的提升不会只增加网络芯片价值，而会向先进封装、高速PCB、连接器、电源、液冷和软件通信栈同步传导。

第四，理论带宽并不是终点。真正决定系统价值的是有效通信能力，即硬件带宽能否被模型和软件持续利用。

第五，随着AI系统规模继续扩大，通信本身正在从“GPU的配套能力”演变为独立的产业价值池。

产棱最终判断

NVLink 6真正值得研究的，不是3.6TB/s这个数字，而是它背后的产业逻辑：当AI模型规模继续扩大，计算能力最终必须通过高速互连被组织起来。GPU越多，通信越接近计算本身；通信越重要，产业价值就越从单颗GPU向交换芯片、先进封装、高速PCB、连接器、液冷、电源以及软件通信栈扩散。NVL72不是“72颗GPU装在一起”，而是一次把GPU变成一个通信系统的架构升级。

附录｜关键数据与来源

主要资料：NVIDIA NVLink & NVLink Switch 官方资料；NVIDIA Vera Rubin NVL72官方资料；NVIDIA Rubin平台技术资料。本文中的产业链传导与瓶颈判断属于产棱研究框架，不等同于厂商官方表述。

研究边界：本文重点研究NVLink作为AI scale-up互连基础设施的工程与产业价值，不对具体上市公司进行投资评级，也不将理论带宽直接等同于实际模型性能。