技术拆解
工艺、材料与代际节点拆解；陈述事实与卡点，不是荐股。
-
产棱拆解 | AI数据中心光电融合：从高速互联到下一代AI工厂的系统级革命
基础设施一、核心结论 过去几年，AI基础设施的核心矛盾主要集中在“计算能力够不够”。 英伟达等公司不断提高GPU性能，增加GPU数量，再通过高带宽存储器把数据快速送入GPU。 但当AI集群从几千张GPU发展到数万张、几十万张甚至百万张GPU之后，问题发生了变化： 真正限制AI系统扩张的，不再只是GPU本身，而是GPU之间如何传输数据，以及整个系统如何供电和散热。 因此，AI数据中心正在从单纯的“芯片竞争…
-
产棱拆解 | AI数据中心的光电融合，从GPU封装内部，一直追到机柜、交换机、光纤与网络架构
基础设施一、AI Factory已经不是“很多GPU放在一起” 如果把传统数据中心理解成： 服务器 + 网络 + 存储 + 电力 + 空调 那么AI Factory正在变成完全不同的东西。 它更接近： 一个由数万甚至百万级计算芯片组成，并通过高速互连形成巨大分布式计算系统的“计算工厂”。 这里最重要的变化是： GPU不再独立工作。 一块GPU计算出来的数据，很可能马上需要： → 传给另一块GPU → 传…
-
产棱拆解 | AI Factory六大产业链瓶颈传导地图，GPU、HBM、光通信、PCB/CCL、液冷、电力如何共同构成下一代AI基础设施
基础设施AI Factory六大产业链瓶颈传导地图——GPU、HBM、光通信、PCB/CCL、液冷、电力如何共同构成下一代AI基础设施 一、不要再把AI产业链理解成六条独立赛道 过去研究AI产业链，通常是这样拆： GPU是一条链。 HBM是一条链。 光通信是一条链。 PCB/CCL是一条链。 液冷是一条链。 电力是一条链。 然后分别研究： 市场空间、竞争格局、技术路线、公司份额。 这种研究方式可以知道“…
-
产棱拆解 | 美国 AI Factory 与中国 AI Factory —百万级算力时代两套基础设施体系的深度对比
基础设施研究时间：2026年9月 一、先给出核心结论 如果把 AI 算力竞争继续理解成“谁的 GPU/NPU 更强”，已经不足以解释 2026 年之后的产业变化。 真正的竞争对象已经从： 芯片 → 芯片集群 → AI 超节点 → AI Factory → 超大规模算力网络 发生迁移。 而到了百万级处理器时代，真正决定系统能力的已经不是单颗处理器的 TOPS/FLOPS，而是： 有效AI产出=芯片数量×单…
-
产棱拆解 | 中国百万GPU/NPU时代：国产算力集群到AI Factoryory从昇腾超节点，灵衢互联到百万NPU 的完整架构
基础设施时间基准：2026年9月 一、核心结论 2026年9月，中国AI基础设施出现了一个非常重要的架构拐点。 9月17日，华为发布Peerium计算架构，提出让 百万级处理器真正成为一台计算机 ；同时发布基于灵衢互联和Hi-ONE近封装光学（NPO）的昇腾960超节点。 按照华为公布的架构： 单个昇腾960超节点最高4096 NPU； 多个超节点可组成最大51.2万卡集群； 通过多轨道拓扑，最大支持1…
-
产棱拆解 | 美国AI Factory六大产业链：从瓶颈到资产传导
基础设施结论：截至2026年9月，美国AI Factory的六条产业链并不处于同一个周期位置。GPU已经从“绝对稀缺”逐渐进入规模化供给；HBM仍然是强约束；光通信处于高速升级+局部上游瓶颈；PCB正在从普通增量进入高端结构性紧张；液冷从渗透率提升进入规模化放量；电力则已经成为整个美国AI Factory扩张的最硬约束之一，而且瓶颈正在从“有没有电”进一步下沉到“变压器、UPS、燃机、并网设备能不能交付…
-
产棱拆解 | 美国百万GPU时代：从GPU集群到AI Factory的完整架构
基础设施时间基准：2026年9月。 一个需要先说明的事实：“美国百万GPU”目前更适合作为正在形成的基础设施时代，而不是已经完成的单一项目。公开披露已经出现10GW级AI基础设施、1GW级AI集群、数万GPU跨建筑互联，以及“millions of GPUs”的部署规划。OpenAI在2025年宣布与NVIDIA合作部署至少10GW、对应数百万GPU的下一代基础设施；2026年4月又宣布其Stargat…