Gate Booster 第 4 期:發帖瓜分 1,500 $USDT
🔹 發布 TradFi 黃金福袋原創內容,可得 15 $USDT,名額有限先到先得
🔹 本期支持 X、YouTube 發布原創內容
🔹 無需複雜操作,流程清晰透明
🔹 流程:申請成為 Booster → 領取任務 → 發布原創內容 → 回鏈登記 → 等待審核及發獎
📅 任務截止時間:03月20日16:00(UTC+8)
立即領取任務:https://www.gate.com/booster/10028?pid=allPort&ch=KTag1BmC
更多詳情:https://www.gate.com/announcements/article/50203
中信證券:聚焦算力鏈通脹主線 看好英偉達GTC強化AI產業持續增長信心
智通財經APP獲悉,中信證券發布研報稱,英偉達GTC 2026大會召開在即,預計公司的芯片產品矩陣有望進一步擴充,除Vera Rubin AI平台的全套六款核心芯片外,有可能在大會上披露Rubin Ultra芯片及機櫃更多細節,帶來數據互聯、供能等設計架構革新,正交背板、CPO等新產品落地能見度有望進一步提升。聚焦算力鏈通脹主線,全球算力需求均持續超預期背景下,上游環節景氣度與漲價有望持續,仍是當下科技板塊配置“景氣成長”方向確定性最高的主線。該行看好英偉達GTC 2026大會將進一步強化市場對於AI產業持續增長、增量邏輯兌現的信心。
中信證券主要觀點如下:
看點1:Rubin平台帶來全新芯片組合,體現極致協同設計。
在2026年國際消費電子展 (CES) 上,英偉達發布Vera Rubin AI平台全套六款核心芯片:Rubin GPU、Vera CPU、BlueField-4 DPU、NVLink 6 Switch、ConnectX-9 SuperNIC、Spectrum-6 Ethernet Switch,即包含了所有機櫃內的主要芯片組件,芯片製程均向台積電3nm工藝升級,並搭載HBM4,內存容量帶寬全面升級。這一代產品組合讓GPU與CPU、互聯芯片形成更強的協同性,模組化設計也讓機櫃的整體性較上一代Blackwell更強。
看點2:有望披露更多Rubin Ultra細節,期待數據互聯、供能等架構革新。
考慮到在CES 2026上英偉達已確認Vera Rubin平台已進入正式量產階段,該行認為GTC 2026英偉達或將轉向披露更多Rubin Ultra芯片及機櫃細節。除了Rubin Ultra芯片本身通過集成4顆計算DIE實現相較Rubin翻倍的計算性能外,該行認為這一超節點在架構上有兩大方向值得關注:
1)數據互聯方面,scale up規模顯著提升,銅纜背板方案或升級為PCB正交背板(Canister內部計算板和交換板的互聯)+光互連(Canister之間互聯)的兩層超級網絡架構,78L RPCB、M9 CCL、Q glass電子布、CPO等新工藝/材料/產品有望落地;
2)供能體系方面:供電和能耗已逐步成為制約算力基座擴張的一大瓶頸,800V高壓直流(HVDC)供電系統、模組化供電等方案有望落地,有望帶來埋嵌PCB工藝、GaN三代半導體等工藝/產品升級。
看點3:英偉達有望發布全新推理芯片LPU強化推理產品線。
英偉達有望將AI推理上升為系統級基礎設施,LPU+CPX的PD分離方案強化推理產品線。
LPU方面:GTC大會上,該行預計英偉達將推出整合Groq LPU技術的全新推理芯片,預計採用專為LLM推理設計的自定義芯片架構,重新設計張量流處理器(Tensor Streaming Processor,TSP)並且採用SRAM作為片上存儲,極大地提高數據存儲和檢索的速度,十分適配Decode環節對於顯存帶寬的高要求。
CPX方面:英偉達2025年推出的Rubin CPX,能夠有效降低Prefill環節的成本,並可能採用GDDR7或HBM3E作為主要內存規格。產品形態上,根據SemiAnalysis,CPX有可能從原來融合到Rubin Compute Tray中的形態,改為通過獨立機櫃的形式配套NVL72 VR200出貨。根據產業鏈信息,LPU也有可能以256卡LPX獨立機櫃的形式配套發布。
看點4:或展望下一代Feynman架構升級方向。
英偉達下一代Feynman架構的設計趨勢得到產業越來越多的關注,GTC 2026英偉達亦可能展示相關內容。結合目前產業信息,Trendforce預計Feynman將成為首批採用台積電A16工藝的芯片,在供電上有望採用SPR背部供電(Backside Power Delivery),釋放更多布線空間,同時可能引入3D堆疊技術進行Groq的LPU硬體棧的結合等。
從落地節奏上看,其生產可能在2028年啟動,2029年起開始向客戶交貨。目前Feynman架構的具體細節尚不清晰,但該行認為英偉達對於未來AI算力基座升級方向的理解將更為重要,在摩爾定律放緩的背景下,如何通過算力、存力、運力的創新支撐AI產業的持續迭代,訓練和推理的角色和地位如何演繹,AI投入回報周期的能見度如何展望,英偉達或許會在GTC大會上給予AI產業更多靈感和驚喜。
風險因素:
地緣政治風險,海外算力龍頭新產品放量不及預期,AI市場需求增長不及預期,存儲等元件價格持續上漲風險,技術變革與產品迭代風險,政策監管及數據隱私風險,PCB行業競爭加劇的風險。