Key Takeaways
- ⚠️高置信度: NVIDIA NVL144的PCB中板需78层M9级覆铜板+PTFE混合材料，线宽≤25μm，代表当前PCB制造工艺极限，量产良率无法达标
- ✅已验证: 华为CloudMatrix 384已部署300+套，灵衢总线带宽784GB/s，48TB全局内存池化，已在金融机构落地
- ⚠️高置信度: 韬定律V2定义系统层τ优化目标，以灵衢总线+统一内存编址压缩端到端传输耗时，为超节点Scale-up提供理论框架
- ⚠️高置信度: SemiAnalysis指出NVIDIA在Rubin Ultra规模扩展域"没有经过验证的解决方案"，为竞争对手打开18个月窗口
- ✅已验证: 华为Atlas 950 SuperPoD（8192卡）将于2026年Q4首展
事件概述
2026年7月6日，半导体研究机构SemiAnalysis在X平台连续发布六条分析推文，披露NVIDIA下一代机架级AI架构Kyber NVL144遭遇重大挫折。距黄仁勋在GTC 2026公开展示该产品仅三个月，NVL144即被确认延迟超12个月，量产计划从2027年推迟至2028年（✅已验证，来源：SemiAnalysis、36氪、科创板日报、华尔街见闻多源交叉确认）。
延迟核心原因在于PCB中板（Midplane PCB，NVIDIA官方称正交背板Orthogonal Backplane）的制造工艺瓶颈。该中板采用78层超高多层设计（由3块26层板压合而成），使用M9级覆铜板+石英布（Q布）+PTFE混合材料，线宽线距≤25μm，需满足448G+ SerDes速率下的超高速信号完整性要求（⚠️高置信度，来源：东吴证券、中信证券技术分析）。若沿用传统铜缆方案连接144颗GPU，需超2万根线缆，重量增加30%以上且信号衰减严重。
与此同时，NVIDIA三项关键产品均出现问题：
- NVL72x2：替代方案，两个Oberon机架背靠背通过纯铜NVLink扩展规模域，因云服务商和超大规模数据中心运营商"对其奇特设计和繁重运维负担的强烈反对"被取消（⚠️高置信度，来源：SemiAnalysis）
- NVL576：通过CPO连接8个Oberon机架的更大规模系统，因CPO量产挑战"可能延迟或仅限小批量出货"（⚠️高置信度，来源：SemiAnalysis）
- 4芯片版Rubin Ultra：被取消，仅保留2芯片版本，性能约为原计划一半（⚠️高置信度，来源：SemiAnalysis）
SemiAnalysis直言："NVIDIA目前没有经过验证的解决方案来扩展Rubin Ultra的规模扩展域，这为AMD MI500X或TPUv8i Broadfly等竞争对手在规模扩展能力上超越Rubin Ultra留下了空间。"（⚠️高置信度）
背景：超节点——AI算力的新战场
超节点（SuperPod/Supernode）是指通过超高速互联技术将16颗以上GPU/NPU紧密连接形成的Scale-up系统，使所有芯片在统一内存空间内以纳秒级延迟协同工作。超节点规模越大，单次可训练的模型参数越多、推理并发能力越强。
这是AI基础设施从"分散作战"向"集团军作战"的根本转变。当模型参数从千亿迈向万亿、Agent推理并发需求爆发，超节点的Scale-up域大小直接决定了算力天花板。
当前超节点竞赛的核心参与者：
| 厂商 | 超节点架构 | 规模域 | 互联技术 | 状态 |
|---|---|---|---|---|
| NVIDIA | NVL72 | 72 GPU | NVLink+NVSwitch铜缆 | ✅量产中 |
| NVIDIA | NVL144 (Kyber) | 144 GPU | PCB中板（正交背板） | ❌延迟至2028 |
| NVIDIA | NVL576 | 576 GPU | CPO光互联 | ⚠️可能延迟 |
| 华为 | CloudMatrix 384 | 384 NPU+192 CPU | 灵衢(Unified Bus) | ✅已部署300+套 |
| 华为 | Atlas 950 SuperPoD | 8192卡 | 灵衢+Hi-ONE | 2026 Q4首展 |
| AMD | MI400 | 待公布 | 待公布 | 2026年上市 |
技术分析：两条截然不同的扩展路径
路径A：NVIDIA的"性能极致+制造天花板"
NVIDIA的超节点演进路线：NVL72（铜缆72卡） → NVL144（PCB中板144卡） → NVL576（CPO光576卡）。每一步都在追求更大规模域，但每一步都卡在制造工艺上。
NVL144的PCB中板困境：
PCB中板是Kyber架构的核心互联枢纽，用于实现计算托盘与交换托盘之间的90°垂直互联，以替代2万+根铜缆。其技术规格代表了当前PCB制造工艺的极限：
- 78层超高多层设计（3块26层板压合）
- M9级覆铜板+石英布+PTFE混合材料
- 线宽线距≤25μm
- 448G+ SerDes速率信号完整性
据中信证券分析，超大尺寸+超高层数将消耗大量高速覆铜板，在良率控制、阻抗一致性、散热设计等方面远超常规产品，量产挑战极大（⚠️高置信度）。
NVL576的CPO困境：
CPO（共封装光学）是NVIDIA在Rubin Ultra阶段首次引入的机架间光互联技术。但CPO NVSwitch要到下一代Feynman平台才会正式就绪（⚠️高置信度，来源：SemiAnalysis 2026年3月研报）。这意味着NVIDIA在机架间光互联方面同样存在至少1-2年的空白期。
核心矛盾： NVIDIA追求极致单点性能（单GPU算力业界领先），但在系统级扩展上遭遇了"物理制造天花板"——芯片设计可以画出来，但中板造不出来。
路径B：华为的"系统级创新+量产验证"
华为CloudMatrix 384采用完全不同的技术哲学：不追求单芯片性能极致，而是通过全对等互联架构实现系统级算力聚合。
灵衢互联架构的核心创新：
- 全对等Scale-up总线：384颗昇腾NPU通过灵衢（Unified Bus）协议实现全对等高速无阻塞互联，卡间带宽784GB/s（较传统方案提升15倍），纳秒级延迟（✅已验证，来源：华为官方、2026中国国际金融展展示）
- 内存池化解耦：首创EMS弹性内存存储，打破GPU算力与显存绑定的传统架构，实现48TB全局内存池共享。所有NPU通过Load & Store内存语义直接操作，无需复杂协议转换，数据交互效率提升3倍（✅已验证）
- 异构算力融合：384颗昇腾NPU与192颗鲲鹏CPU无缝互联，构建高计算密度的异构算力单元。一套完整系统提供300 PFLOPS BF16稠密计算性能（✅已验证，来源：华为官方数据）
韬定律V2的理论支撑——系统层τ优化：
韬定律（τ定律）定义了贯穿四层的特征时间常数τ，将其系统性缩减作为统一优化目标。其中与超节点直接相关的是第四层——系统层：压缩端到端传输与同步耗时，核心技术路径正是灵衢总线和统一内存编址（⚠️高置信度，来源：论文《A Time Scaling Theory for Multi-Layer Electronic Systems》，ChinaXiv预印本平台）。
这意味着灵衢总线不是工程团队的临时方案，而是韬定律理论框架在系统层的刻意实现。韬定律的核心论点是：半导体进步的本质不是让晶体管变小，而是压缩信号传播时间。当这一逻辑从芯片内部扩展到芯片之间，超节点Scale-up域的竞争就变成了"谁能把端到端传输τ压到更低"。
| 韬定律层级 | τ优化方向 | 核心技术 | 与超节点的关系 |
|---|---|---|---|
| 晶体管 | 优化固有开关延迟 | GAA架构、寄生RC缩减 | 间接——单芯片性能基础 |
| 电路 | 优化信号传输RC延迟 | Logic Folding（逻辑折叠） | 间接——芯片内部效率 |
| 芯片 | 降低运算与存储访问延迟 | 软硬芯协同设计 | 间接——片上数据流优化 |
| 系统 | 压缩端到端传输耗时 | 灵衢总线、统一内存编址 | 直接——超节点Scale-up核心 |
关键里程碑：
- CloudMatrix 384已部署300+套，服务20+家客户（✅已验证）
- 已在邮储银行等金融机构上线（✅已验证）
- Atlas 950 SuperPoD（8192卡）将于2026 WAIC（7月17-20日）真机首展，Q4上市（✅已验证，来源：华为中国官方信息）
对比分析：为什么华为在超节点量产上领先
| 维度 | NVIDIA | 华为 | 分析 |
|---|---|---|---|
| 最大已验证规模域 | 72 GPU (NVL72) | 384 NPU (CloudMatrix 384) | 华为规模域是NVIDIA的5.3倍 |
| 下一代目标 | 144 GPU (NVL144) → 2028 | 8192卡 (Atlas 950) → 2026 Q4 | 华为目标规模是NVIDIA的57倍 |
| 互联技术 | NVLink → PCB中板（卡住）→ CPO（未就绪） | 灵衢Unified Bus（量产中） | NVIDIA每一步都卡在制造工艺 |
| 内存架构 | HBM绑定GPU | 48TB全局内存池化 | 华为实现算力与显存解绑 |
| 单卡性能 | 业界领先（Rubin GPU FP4 50 PFLOPS） | 约为NVIDIA单卡的40-60% | NVIDIA单卡领先，华为靠规模弥补 |
| 生态开放性 | NVLink/CUDA封闭 | 灵衢协议部分开源（5大组件） | 华为生态更开放，利于产业协同 |
- NVIDIA的困境本质是"垂直整合的代价"。NVIDIA从芯片到互联到系统全部自研，追求极致性能。但当系统复杂度超过制造工艺极限时，垂直整合反而变成了单点故障——一块PCB中板拖垮整个产品路线图。
- 华为的优势来自"被迫创新"。受美国出口管制限制，华为无法获取最先进制程和EUV光刻机，必须在系统架构层面寻找替代路径。灵衢总线+内存池化+韬定律的组合，本质上是用系统级创新弥补单芯片制程劣势。
- 超节点之战的关键不在芯片，在"中间层"。PCB中板和灵衢总线看似完全不同的技术，但本质都是解决同一个问题——如何在物理极限下实现更大规模的Scale-up域。NVIDIA选了PCB中板这条路，制造良率不够；华为选了总线+内存语义这条路，已经量产验证。
竞争格局影响
NVIDIA："AI计算合伙人"叙事的信任危机
NVIDIA在2026年GTC上提出"AI计算合伙人"概念——从卖GPU转向卖完整算力方案。但NVL144延迟暴露了一个根本问题：当产品路线图无法兑现时，合伙人承诺如何兑现？
客户面临的现实选择：
- 等待NVL144 → 2028年才能拿到，等不起
- 继续用NVL72 → 规模域被锁定在72 GPU
- 转向AMD/Google → SemiAnalysis明确指出MI500X和TPUv8i有超越窗口
这是一个18个月的竞争窗口期。对于需要大规模训练的企业客户，NVIDIA的路线图空白直接影响采购决策。
华为：规模扩展优势确立，但生态仍是短板
华为CloudMatrix 384在规模扩展域已经领先，但需注意：
- 单卡效率差距：华为用384颗NPU实现的总算力，功耗约为同等级NVIDIA GB200 NVL72系统的2.5倍（⚠️高置信度，来源：行业分析）。效率差距需要靠规模弥补，长期不可持续。
- 软件生态壁垒：CUDA生态经过十余年积累，迁移成本极高。华为CANN生态虽然在改善，但在主流框架兼容性和开发者工具链完整度上仍有差距。
- 市场准入限制：受地缘政治影响，华为超节点目前主要面向国内市场和部分"一带一路"国家客户，全球市场份额受限。
AMD：第三方受益者
AMD MI400规格亮眼（HBM4 432GB、带宽19.6 TB/s、FP4 40 PFLOPs），但同样面临超节点扩展的互联挑战。AMD目前尚未公布完整的Scale-up域方案。在NVIDIA空出的18个月窗口期内，AMD能否拿出可落地的超节点方案是关键变量。
薄弱点与风险
NVIDIA侧
- 当前一代Rubin系统仍按计划2026年秋季量产出货（✅已验证，来源：NVIDIA官方路线图）。NVL144延迟影响的是Rubin Ultra阶段，不影响近期营收。
- NVIDIA可能通过"大幅增加Oberon Rubin机架销售"来弥补NVL144空白（⚠️厂商宣称，来源：SemiAnalysis转述NVIDIA说法）。
- 600千瓦机架功率密度需要数据中心基础设施重新设计，这本身也是部署障碍。
华为侧
- 384 NPU的总功耗和TCO（总拥有成本）与NVIDIA 72 GPU相比是否更具经济性，缺乏公开的第三方对比数据
- 灵衢协议虽已部分开源，但核心芯片和驱动仍为自研闭环，实际生态开放性有待验证
- 金融机构部署案例受政策驱动（信创要求），商业化推广能力需观察非政策性市场表现
厂商应对与预判
| 厂商 | 短期策略（2026下半年） | 中期策略（2027-2028） |
|---|---|---|
| NVIDIA | 加速NVL72出货，弥补Ultra空白 | Feynman平台CPO NVSwitch就绪 |
| AMD | MI400上市抢窗口，公布Scale-up方案 | MI500X对标Rubin Ultra |
| 华为 | Atlas 950 SuperPoD首展上市 | 灵衢协议扩展+行业生态扩展 |
预判
- NVIDIA将在2026年秋季如期交付Rubin NVL72，但NVL144的延迟将持续影响其在超大规模训练场景的市场预期（置信度：✅高）
- CPO NVSwitch在Feynman平台的就绪时间是NVIDIA超节点路线图的关键验证节点（置信度：⚠️中高）
- 华为Atlas 950 SuperPoD（8192卡）的WAIC首展将验证超节点扩展的工程可行性，若如期交付将在规模域上形成数量级优势（置信度：⚠️中高）
- AMD MI400/MI500X能否抓住18个月窗口，取决于其Scale-up域方案的落地速度（置信度：⚠️中）
- 超节点之战将推动AI基础设施竞争从"单芯片性能"向"系统工程能力"转变，对PCB/覆铜板/CPO等上游供应链产生深远影响（置信度：✅高）
为什么重要
对厂商决策者
超节点规模域大小正在成为AI算力的新竞争维度。NVIDIA的PCB中板困境证明，系统级工程能力与芯片设计同等重要。华为的路径表明，在单芯片受限时，系统级创新可以实现超节点层面的超越。对企业客户
选择超节点方案时，不能只看单卡性能指标。规模域大小、互联带宽、内存架构、量产成熟度都是关键评估维度。NVIDIA在超节点扩展上的不确定性，可能影响企业未来18个月的算力采购策略。对投资者
NVIDIA的"AI计算合伙人"叙事面临产品路线图兑现压力。NVL144延迟+NVL72x2取消+Rubin Ultra缩水，三重信号叠加可能影响市场对其下一代产品的信心。同时，华为在超节点领域的量产进展值得重新评估。PRO Decision
对厂商： 立即评估自身在超节点Scale-up域的技术布局。NVIDIA的PCB中板困境不是个案——当系统复杂度超过制造工艺极限时，任何厂商都可能遇到类似问题。投资系统级工程能力和制造工艺验证，与芯片设计同等重要。
对企业客户： 密切关注NVIDIA NVL144的实际进展和AMD MI400的Scale-up方案发布。短期内NVL72仍是NVIDIA阵营的成熟选择，但需评估18个月窗口期内是否有替代方案。华为CloudMatrix 384在国内市场已是经过验证的选择。
对投资者： NVIDIA当前TTM市盈率约29.84倍，低于5年中位数59.57倍（✅已验证，来源：GuruFocus）。估值折价已部分反映产品不确定性。但NVL144延迟+Rubin Ultra缩水可能进一步压缩市场对其下一代产品的增长预期。关注Q3财报中Rubin出货节奏和管理层对NVL144时间表的官方表态。
*AI Analysis by VendorDeep | 2026-07-06*
*数据来源：SemiAnalysis、东吴证券、中信证券、华为官方、ChinaXiv论文平台、GuruFocus*
*置信度标注：✅已验证 / ⚠️高置信度 / ⚠️厂商宣称*
战略重要性
超节点规模域正在成为AI算力的新竞争维度。NVIDIA的PCB中板困境证明，系统级工程能力与芯片设计同等重要——当系统复杂度超过制造工艺极限时，垂直整合反而变成单点故障。华为通过韬定律系统层τ优化理论（灵衢总线+统一内存编址）实现了超节点量产，表明在单芯片受限时，系统级创新可以实现规模域层面的超越。这一格局变化直接影响企业未来18个月的算力采购策略和NVIDIA「AI计算合伙人」叙事的兑现能力。
决策选择
- 对厂商： 立即评估超节点Scale-up域的技术布局。NVIDIA的PCB中板困境不是个案——当系统复杂度超过制造工艺极限时，任何厂商都可能遇到类似问题。投资系统级工程能力和制造工艺验证应与芯片设计同等优先级。
- 对企业客户： 密切关注NVIDIA NVL144实际进展和AMD MI400的Scale-up方案。短期内NVL72仍是NVIDIA阵营成熟选择，但需评估18个月窗口期内的替代方案。华为CloudMatrix 384在国内市场已是经过验证的选择。
- 对投资者： NVIDIA当前TTM市盈率约29.84倍，低于5年中位数59.57倍，估值折价已部分反映产品不确定性。但NVL144延迟+Rubin Ultra缩水可能进一步压缩增长预期。关注Q3财报中Rubin出货节奏和管理层对NVL144时间表的官方表态。
预测验证
- 12个月内： NVIDIA将如期交付Rubin NVL72（2026秋季），但NVL144延迟将持续影响超大规模训练场景的市场预期。AMD MI400将发布Scale-up方案尝试填补空白。
- 2年内： CPO NVSwitch在Feynman平台的就绪时间是NVIDIA超节点路线图的关键验证节点。华为Atlas 950 SuperPoD（8192卡）若如期交付，将在规模域上形成数量级优势。
- 3年内： 超节点之战将推动AI基础设施竞争从「单芯片性能」向「系统工程能力」转变。PCB/覆铜板/CPO等上游供应链格局将深刻重塑。韬定律系统层优化路径若在AI加速器端验证成功，将改变全球算力竞争的基本框架。
觉得这篇分析有用？
每周收到3-5条AI基础设施关键信号 →
💬 评论 (0)