HGX 平台

3 秒看懂

NVIDIA HGX 是一块高度集成的 AI 计算基板，它将多颗高端 GPU 通过 NVLink + NVSwitch 全互联，形成一个“类单一大 GPU”的加速器模组，专为数据中心的大模型训练和高吞吐推理设计。它不是一台完整的服务器，而是提供给 OEM 厂商集成的核心算力砖块。截至 2025 年 Q2，HGX 平台已迭代至 Blackwell 代际（B200/B100），单板 NVLink 总带宽突破 14 TB/s，是当前万亿参数模型训练的事实标准基板。

3 分钟产业解释

如果把构建 AI 集群比喻成盖楼，HGX 就是预制好的重型承重墙——它把 8 个 GPU、高速互联通路以及供电散热框架提前封装成一个标准化算力单元。服务器厂商（如超微、戴尔、联想）只需加上 CPU、内存、存储和网络，就能制造出一台 8 卡 AI 服务器。这和消费者买到的单张显卡插主板的模式完全不同。

• HGX vs DGX：DGX 是 NVIDIA 的品牌整机（包含 CPU、系统盘、Infiniband 网卡等），开箱即用；HGX 则是供 OEM 伙伴使用的 GPU 基板子系统。DGX 内部搭载的同样是 HGX 基板，两者是整体与核心部件的关系。以 DGX H100 为例，其内部即集成了一块 HGX H100 8-GPU 基板。
• 产业地位：当前主流大模型训练（如 GPT-4、Llama 3、Gemini 系列）几乎全部依赖 HGX 平台提供的超高 GPU 间互连带宽。据 SemiAnalysis 2024 年报告估算，全球头部 AI 训练集群中 HGX 或等效 NVSwitch 全互联方案的渗透率超过 90%。如果说 GPU 芯片是燃料，HGX 就是发动机总成，直接决定万亿参数模型能否在合理时间内完成一次迭代。

技术原理

为什么全互联如此关键——NVSwitch 的非阻塞魔法

传统多 GPU 方案（如直插 8 张 PCIe 卡）需要经过 PCIe 交换机，或在 GPU 之间使用点对点桥接，无法同时让所有 GPU 两两高速通信。大模型张量并行、流水线并行中的 AllReduce 和 ReduceScatter 操作，是典型的“所有人跟所有人说话”模式。据 NVIDIA 公开技术资料，若使用 PCIe 树形拓扑进行千亿参数模型训练，GPU 利用率可能因通信瓶颈降至 50% 以下。

HGX 借助 NVSwitch 实现无收敛全互联。以电话交换机为喻：多台 NVSwitch 各自拥有多个端口，每个端口连接一块 GPU。当 GPU0 向 GPU3 发送数据时，会占用一条内部通道，但这条通道不会阻塞 GPU1 和 GPU2 之间同时进行的通信。因此，8 块 GPU 同时执行全双工通信时，单片 GPU 可独享其对外全带宽（例如 H100 的 NVLink 4.0，单 GPU 总带宽 900 GB/s），整板总带宽为单 GPU 对外带宽 × 8，而非被共享总线切分。

逻辑拓扑示意（简化呈现，非实际物理连线）：

[GPU0] ——— NVSwitch0 ——— [GPU1]
  |           |||           |
  |—— NVSwitch1 —— NVSwitch2 ——|
  |           |||           |
[GPU2] ——— NVSwitch3 ——— [GPU3]
  ... (扩展至 8 GPU，4 颗 NVSwitch 提供全通路)

对于 H100/H200 代际，4 颗 NVSwitch 芯片各提供多个高速端口，交叉连接至 8 颗 GPU，保证了任意两 GPU 间均独占双向链路。配合 NVIDIA 的 NCCL 通信库，开发者无需感知底层拓扑即可获得近乎线性的多卡扩展效率。

存储与计算解耦

HGX 板上的 GPU 拥有统一的大容量高带宽显存池（HBM）。虽然物理上每颗 GPU 独占其堆叠的 HBM，但通过 NVLink 的跨卡直接内存访问（Direct Load/Store）以及 CUDA UVM（统一虚拟内存）等软件抽象，编程视角上常呈现近似共享内存的视图，显著降低了显存墙对模型尺寸的限制。例如，在 A100 80GB SXM 代际，8 卡总物理显存 640GB，通过 NVLink 连接可支持跨卡访问，为模型并行策略提供了重要硬件基础。

关键参数

以下参数基于 NVIDIA 各代官方架构白皮书、产品规格表及 GTC 技术演讲整理，标注对应代际与来源。

数据来源：NVIDIA A100/H100/H200/B200 产品规格页及各代白皮书（截至 2025 年 Q2），功耗为典型板级 TDP 范围，具体数值因 OEM 系统设计差异有所浮动。B200 部分指标为 GTC 2024 披露的预发布规格。

补充指标说明

• NVLink 总带宽：指 8 颗 GPU 同时全双工通信的理论聚合带宽，数值 = 单 GPU NVLink 双向带宽 × 8。该指标直接决定 AllReduce 操作的延迟下限。
• 显存池 ≠ 可直接编程的单一显存空间：跨卡访问存在延迟梯度（相比本地 HBM 增加约 1-2 微秒），需模型并行策略配合，后文“误读纠偏”会详细说明。
• 散热设计：自 H100 代际起，液冷成为推荐散热方案；B200 代际因整板功耗进一步提升，多数 OEM 默认搭配液冷或定制风冷方案出货。

技术路线

HGX 各代际演进

根据 NVIDIA 公开产品路线图及 GTC 历年演讲整理。

• HGX-1（Volta 代际，2017-2018）：搭载 V100 SXM2/SXM3，首次引入 NVSwitch，实现 8 GPU 全互联架构。相对于前代 Pascal 的立方网格点对点拓扑，是质的飞跃。奠定“8 SXM + NVSwitch”行业范式。
• HGX-2（Volta 代际延伸，2018）：同样基于 V100，容纳更大显存（32GB HBM2），为云实例场景提供更大内存池配置。该代际尚未支持 MIG（多实例 GPU）硬件分区，MIG 从 A100 代际引入。
• HGX A100（Ampere 代际，2020）：搭载 A100 Tensor Core GPU，NVSwitch 升级至第三代，NVLink 单 GPU 双向带宽 600 GB/s。首次引入 MIG 多实例 GPU 技术，单卡可切分为至多 7 个独立实例，提升云化部署灵活性。该基板成为 GPT-3 等千亿参数模型训练的主力平台。
• HGX H100（Hopper 代际，2022）：搭载 H100 GPU，NVSwitch 升级至第四代、NVLink 单 GPU 双向带宽 900 GB/s。引入 FP8 Transformer Engine，显著提升大模型训练吞吐（据 NVIDIA 官方，较 A100 训练吞吐提升至多 9 倍，推理吞吐提升至多 30 倍，含稀疏计算加速）。
• HGX H200（Hopper 代际延伸，2023-2024）：GPU 芯片基本不变，HBM 升级至 HBM3e，单卡显存从 80GB 提升至 141GB，总显存池 1,128GB。据 NVIDIA 官方，在 Llama 2 70B 推理场景中，H200 相较 H100 性能提升约 1.4-1.9 倍，主要受益于更大的显存和更高的 HBM 带宽（4.8 TB/s 每卡）。该基板在物理上兼容 H100 基板设计，OEM 厂商可平滑升级。
• HGX B200/B100（Blackwell 代际，2024 发布，2025 量产出货）：搭载 B200 GPU，NVLink 升级至第五代，单 GPU 双向带宽 1,800 GB/s，整板总带宽 14.4 TB/s。支持 FP4 精度，进一步加速大模型推理。该代际引入与 Grace CPU 通过 NVLink-C2C 组成 GB200 超级芯片的选项，但 GB200 本身不使用标准 HGX 基板，属于不同形态的构建单元。

路线对比：HGX vs PCIe 插卡 vs AMD Instinct 同类方案

说明：PCIe 插卡方案中，2024 年后部分主板采用 PCIe Gen5 双宽/双高设计，但仍无法解决 GPU 间非全互联的根本瓶颈。AMD MI300X 平台从 2024 年起获得更多 OEM 支持，截至 2025 年 Q2，市场份额仍极低（公开资料未见权威第三方份额数据）。

上游

HGX 基板的制造涉及多层供应链，核心环节如下：

• GPU 计算芯片设计：NVIDIA 独家设计，无替代供应方。
• HBM 高带宽存储器：由 SK 海力士、三星电子、美光供应。据 TrendForce 2024 年 Q4 报告，SK 海力士在 HBM3/HBM3e 代际占据约 50% 市场份额，三星约 40%，美光快速追赶至约 10%。HBM 供应短缺是全行业性瓶颈。
• NVSwitch 交换芯片：NVIDIA 自研，由台积电代工。
• 先进封装（CoWoS）：台积电 CoWoS-S/L/R 封装方案将 GPU 芯片与 HBM 堆栈合封。据台积电 2024 年 Q4 法说会，CoWoS 产能 2024 年月产约 3.5 万片（12 英寸等效），2025 年规划扩至约 5.5-6 万片，仍供不应求。CoWoS 产能是 HGX 出货量的核心硬约束。
• 高速 PCB 板材与基板：多层高密度 PCB 由台湾、日本、中国大陆供应商提供，高端 ABF 载板由欣兴、Ibiden 等供应。
• 板端电源管理（PMIC/VRM）：MPS、Infineon、瑞萨等，需满足数千瓦整板功耗的动态供电稳定性要求。
• 散热组件：液冷冷板、歧管、CDU 由 Cooler Master、Boyd Corporation、Vertiv 等供应，风冷散热器由多家参与。

下游

HGX 基板流向的典型路径为：

1. NVIDIA 设计并认证 HGX 基板，将基板作为准系统级组件出售给 OEM 厂商。
2. OEM 服务器厂商 基于 HGX 基板设计整机服务器，加入 CPU（多数为双路 Intel Xeon 或 AMD EPYC）、系统内存、NVMe 存储、网卡（ConnectX-7/8 InfiniBand 或 BlueField DPU）、电源模块及风冷/液冷方案。主要厂商：Super Micro Computer（超微）、Dell Technologies、Hewlett Packard Enterprise（HPE）、Lenovo、GIGABYTE、ASUS、Inventec、Quanta 等。
3. 云服务商（CSP）与大型企业 采购整机服务器用于部署：
   • AWS P4d/P4de（A100 HGX 基板）、P5（H100 HGX 基板），据 AWS 公开资料；
   • Google Cloud A3 实例（H100 HGX 基板），据 Google Cloud 公开文档；
   • Microsoft Azure NDm A100 v4 / ND H100 v5 实例；
   • Oracle Cloud Infrastructure BM.GPU 系列。
4. 大型 AI 实验室和科技公司（如 OpenAI、Meta、xAI、Anthropic）自建集群时，直接与 NVIDIA 及 OEM 签订三方协议，构建基于 HGX 的 SuperPOD 或定制集群。据 SemiAnalysis 2024 年 9 月报告，Meta 在 2024 年的 H100 等效采购量超过 15 万张（主要为 HGX 基板形式），是该年度最大单一买家之一。

受益公司

以下根据公开年报、出货数据及研究机构估算整理，仅描述业务关联，不构成投资判断。

• NVIDIA（NVDA）：直接销售 HGX 基板及配套 GPU、NVSwitch、网卡。数据中心业务收入（据 FY2025 Q3 财报，2024 年 10 月披露，当季营收 308 亿美元，其中计算与网络业务约 276 亿美元）高度依赖 HGX/DGX 套件出货量，是该业务板块的主力驱动力。
• 台积电（TSMC / 2330.TW）：独家提供先进封装（CoWoS）及 GPU 芯片代工。据台积电 2024 年 Q4 法说会，高性能计算（HPC）板块已占总营收的 53%，AI 相关营收同比增长超两倍。
• SK 海力士（000660.KS）：HBM 主力供应商，据公司 2024 年 Q4 财报，HBM 业务营收同比增长超 4 倍。三星电子（005930.KS）和美光（MU）同为受益方，但份额和确收节奏各异。
• OEM 服务器厂商：
  • Super Micro Computer（SMCI）：与 NVIDIA 发布节奏紧密配合，据公司 FY2025 Q1（2024 年 9 月财季）财报，营收 59.9 亿美元（同比 +181%），AI GPU 平台（含 HGX 整机）为增长主要驱动。公司在液冷方案上布局较早，在 HGX 高功耗代际的份额持续受益。
  • Dell Technologies（DELL）：据公司 FY2025 Q2（2024 年 8 月季度）财报，AI 服务器出货当季约 31 亿美元，积压订单超 45 亿美元，HGX 整机为重要构成。
  • HPE（HPE）：据 FY2024 Q4 财报，AI 系统营收同比增长超 100%，其中 HGX 基板相关整机为主要增量。
• 散热方案商：液冷需求因 B200 代际功耗大幅增长而快速扩大。受益方包括 Vertiv（VRT）、Cooler Master（未上市）、Boyd Corporation（未上市）等。
• ODM/白牌组装商：广达（Quanta）、英业达（Inventec）、纬创（Wistron）等台系 ODM 为云服务商定制基于 HGX 的整机，据各公司月度营收公告，AI 服务器相关营收占比在过去 12 个月持续提升。
• 投资于 HGX 集群的云厂商：微软（MSFT）、亚马逊（AMZN）、谷歌（GOOGL）、甲骨文（ORCL）需大量资本开支采购 HGX 服务器。据各公司 2024 年 Q4/2025 年 Q1 财报电话会，四家云厂商 2025 年合计资本支出指引超过 3000 亿美元（口径含数据中心基建及服务器），HGX 平台服务器为其中重要采购部分。

市场规模

整体 AI 服务器市场中的 HGX 份额

• 据 IDC 2024 年 12 月公开摘要（Worldwide Quarterly Server Tracker），2024 年第三季度全球服务器支出中，AI 服务器（含 GPU 加速器）占比已超 30%，同比增长超 80%。
• 另据 TrendForce 2024 年 8 月报告，预估 2024 年全球 AI 服务器出货量约 167 万台（含 HGX、PCIe 卡、ASIC 方案等所有 GPU 加速服务器），其中搭载 NVIDIA GPU 的方案（HGX + PCIe 卡 + DGX 整机）占比超过 75%。
• 具体到 HGX 基板口径：Omdia 2024 年 11 月估算，NVIDIA 在数据中心 GPU 基板（含 HGX 和较小规模的 4-GPU 板等）市场 2024 年全年营收约 830 亿美元，同比增长约 136%。（数据口径含 NVIDIA 整个计算 GPU 基板/模组收入，不单独拆分 HGX）。
• HGX 平台的独占性定价权使其板均售价（ASP）极高。以 H100 HGX 8-GPU 基板为例，据第三方渠道拆解（参考 ServeTheHome 2023 年 12 月报告及 John Peddie Research 估算），含 8 颗 H100 SXM 的基板在 2024 年中的 OEM 批发价约在 20-28 万美元区间（视采购规模和配套条件浮动）；B200 HGX 据估算（如 SemiAnalysis 2024 年 6 月）ASP 将超过 35 万美元。注意：具体价格为企业间保密商业条款，以上为第三方估算区间，非 NVIDIA 或 OEM 官方报价。

量价拆分逻辑

HGX 市场规模 = HGX 基板出货量 × ASP。关键变量：

• 出货量上限受 CoWoS 产能约束：台积电 CoWoS 月产能决定 GPU 裸片+HBM 的合封产出，是目前最核心的供给梗阻点。
• ASP 随代际升级大幅跃迁：每次架构升级（如 H100→B200），单基板集成价值量均显著提升。
• 需求端：模型尺寸持续膨胀：从 GPT-4 的约 1.8 万亿（MoE 结构）到未来更大规模模型，训练集群需求仍在扩张，HGX 基板的需求增速短期内高于供给增速。

玩家对比

NVIDIA HGX 全互联基板 vs. AMD Instinct 8-GPU 方案

HGX 基板内部代际结构

• 2024 年主力出货：H100 HGX + H200 HGX（后者 2024 年下半年起量）。
• 2025 年过渡：B200 HGX 预计 Q2 起量，H100 相关基板逐步减产但不立刻退市，仍满足存量集群扩容需求。
• 需注意：B200 代际的 GB200 超级芯片（Grace CPU + B200 GPU 通过 NVLink-C2C 整合）不使用标准 HGX 基板，其 Compute Tray 采用新型竖装设计，构成独立的算力砖块形态，与 HGX 产品线分属不同构建范式。GB200 NVL72 机柜在 2025 年 GTC 大会上作为下一代集群方案被重点介绍，占用独立市场讨论。

风险

• 供应链集中与产能瓶颈：HBM 和 CoWoS 先进封装的产能高度集中于少数供应商（台积电、SK 海力士、三星），任一大规模地缘、灾害事件或技术延迟均可能打断 HGX 出货节奏。
• 云厂商自研替代：谷歌 TPU（v5p/v6）、亚马逊 Trainium2、微软 Maia 100 等在内部工作负载上逐步扩大部署。虽然截至 2025 年 Q2，这些自研方案在通用性、互连带宽和软件生态方面仍与 HGX 存在显著差距，但大型 CSP 的战略是降低对单一供应商的依赖，长期来看可能侵蚀 HGX 的部分可替代工作负载需求。
• 功耗与散热挑战：B200 HGX 整板 TDP 进入 8-10 kW 区间，对数据中心供电和散热提出极端要求。若液冷基础设施部署速度跟不上 GPU 升级节奏，可能限制部分传统数据中心的采购意愿，延缓 HGX 最新代际的渗透速度。
• 技术标准竞争：UALink 联盟（2024 年 5 月由 AMD、博通、思科、谷歌、HPE、英特尔、Meta、微软等共同宣布）旨在推动开放 GPU 互联标准，虽尚处早期（1.0 规范预计 2025 年内发布），但长期可能削弱 NVSwitch 专有架构的锁定效应。公开资料未见 UALink 有实际量产芯片时间表。
• 出口管制：美国对华 GPU 出口管制政策（2022 年 10 月、2023 年 10 月多次升级）限制高端 HGX 基板（H100/H200/B200）向中国直接出口，NVIDIA 虽推出合规版本（H20 等），但其张量互联带宽和 NVLink 规格被大幅调降，相关产品的市场竞争力和收入贡献受限。同时，管制政策若有进一步调整，可能影响全球 HGX 市场供需重构。
• 代际切换阶段性扰动：B200 HGX 爬坡初期良率可能偏低，OEM 整机验证周期较长，可能导致 2025 年部分季度业绩波动。同时 H100/H200 渠道库存消化节奏也是影响短期业绩的常见因素（参考 NVIDIA FY2025 Q2 至 Q3 电话会讨论）。

误读纠偏

误读 1：“8 张 GPU 的服务器就是 HGX”

市面上存在大量 PCIe Gen4/Gen5 8 卡服务器，它们通过 PCIe Switch 扩展了卡槽数量，但 GPU 之间通信须经过 PCIe Switch 总线，拓扑为非全互联树形，部分卡间通信需 CPU 中转，无法实现 HGX 式的全非阻塞通信。严格意义上的 HGX 指搭载 NVSwitch 的 SXM 基板全互联方案。据 NVIDIA 产品定义，非 NVSwitch 的全 PCIe 方案归入“GPU 直插系统”类别，不称 HGX。

误读 2：“HGX 只能配 Intel CPU”

历史上多数 HGX 整机搭配双路 Intel Xeon（如 Emerald Rapids/Sapphire Rapids），但并非绑定。HGX 基板对外通过 PCIe 接口与 CPU 通信，可与 AMD EPYC（如 Genoa/Turin）搭配。实际上，部分超微 H100 HGX 机型已提供 AMD EPYC 选项。而 Grace-Hopper（GH200）及后续 GB200 超级芯片使用 NVLink-C2C 直连 CPU 与 GPU，完全不同于标准 HGX 基板的 8-GPU 全互联方案，属于不同产品形态，不可混同。

误读 3：“HGX 显存容量直接加起来就是可用的总显存”

尽管总物理显存为 8 卡 HBM 容量之和（如 H200 HGX 为 1,128GB），但跨卡访问存在延迟梯度（较本地 HBM 增约 1-2 微秒级）与有效带宽差异，且 CUDA 程序不能简单将之视为一块平坦的大显存。实际使用中需通过模型并行策略（张量并行、流水线并行等）将模型逐层切割，每张 GPU 加载不同部分，再利用 NVLink 高速通信掩盖跨卡访存延迟。直接跨卡显存寻址虽在硬件上支持（Direct Store/Load），但性能敏感应用仍需显式编程优化。

误读 4：“液冷是可选项，H100 风冷完全够用”

对于 H100 HGX 基板，虽然风冷在部分 OEM 设计中可行，但需要在机箱内维持极高的风量（典型超微风冷 H100 机型使用超过 12 颗对旋风扇），噪音和气流设计挑战显著。到了 B200 代际，风冷已基本被多数 OEM 排除出推荐配置，液冷（直连式单相或两相）成为默认方案。评估 HGX 代际切换时，应将液冷基础设施的配套成本与周期纳入考量。

最新事件

（截至 2025 年 Q2 初，根据公开报道和公司公告）

• GTC 2025（2025 年 3 月）：NVIDIA 发布 Blackwell Ultra（B300）及 Vera Rubin 路线图更新。B300 HGX 预计 2025 年下半年推出，NVLink 带宽和显存容量较 B200 再次翻倍；Rubin 平台（2026 年）将启用全新架构及 NVLink 6。此次大会确认 GB200 NVL72 及 B200 HGX 均于 2025 年上半年开始向客户出货。
• Meta 公布 Llama 4 训练集群（2025 年 2 月）：据 Meta AI 官方博客，其 Llama 4 模型使用超过 10 万张 H100 构建的训练集群（主要为 HGX H100），并计划在 2025 年内将集群扩展至 30 万张以上，可能部分接入 B200。
• xAI 孟菲斯集群扩容（2024 年 12 月 - 2025 年 1 月）：据公开报道，xAI 在田纳西州孟菲斯的 Colossus 训练集群初始部署 10 万张 H100，并在 2024 年底至 2025 年初进行扩容，部分加入 H200 节点。
• DeepSeek V3 训练细节公开（2024 年 12 月）：DeepSeek 公开其 V3 模型训练使用了 2048 块 H800 GPU（NVLink 域为每组 8 卡，应为 HGX 基板的合规变体），引发行业对“HGX 在受限芯片条件下是否仍具效率优势”的关注。据其论文，训练过程中 NVLink 全互联的 8 卡域内通信能力仍是效率关键支撑。
• 台积电宣布 CoWoS 产能再扩计划（2025 年 1 月法说会）：台积电 2024 年 Q4 法说会确认 2025 年 CoWoS 产能将较 2024 年翻倍以上，2026 年继续大幅扩张，部分缓解 HGX 基板产能瓶颈。
• 美国对华芯片管制新规讨论（2025 年初）：据报道，美国政府酝酿进一步收紧出口管制，可能限制 H20 等中国特供版芯片的销售，但截至 2025 年 4 月尚未正式实施。该不确定性影响 HGX 合规变体在亚太地区的供应链计划。

跟踪指标

投资者和行业观察者可定期关注以下数据来源与指标，以评估 HGX 平台及相关产业链的动态：

信源

本页面信息综合自以下来源，截至 2025 年 Q2：

• NVIDIA 官方：HGX 产品页面、各代 GPU 架构白皮书（A100、H100、H200、B200）、GTC 2023/2024/2025 主题演讲及技术专场
• NVIDIA 季度财报及电话会议记录（FY2024 Q1～FY2025 Q4）
• 台积电季度法说会记录（2024 Q1～2024 Q4）
• IDC Worldwide Quarterly Server Tracker（公开摘要）
• TrendForce 存储与服务器报告（2024 Q3～Q4）
• Omdia Cloud & Data Center Market Insights（2024 年 11 月）
• SemiAnalysis 行业分析报告（2024 年系列）
• John Peddie Research GPU 市场追踪
• ServeTheHome / The Next Platform 技术拆解与渠道报道
• SK 海力士、三星电子、美光季度财报及投资者演示
• Super Micro Computer、Dell Technologies、HPE 季度财报及电话会议
• 主要云服务商（AWS、微软 Azure、谷歌云、Oracle Cloud）公开实例文档
• DeepSeek V3 技术报告（2024 年 12 月）
• Meta AI、xAI 等公开博客与报道
• 美国联邦公报及主流科技媒体对出口管制政策的报道

部分数据为第三方估算区间（已在文中标注），未经 NVIDIA 或 OEM 官方确认，仅供参考。

一句话总结

NVIDIA HGX 平台是 AI 大模型时代服务器内部 Scale-up 网络的工业标准，通过 NVSwitch 非阻塞全互联将 8 颗 GPU 融合为一个超强加速器基板，定义了超大规模训练的单节点范式。从 2020 年的 A100 到 2025 年的 B200，HGX 的 NVLink 总带宽从 4.8 TB/s 跃升至 14.4 TB/s，持续推高单节点算力密度，并深度绑定台积电 CoWoS、HBM 及液冷生态，成为全球 AI 基础设施投资的核心观察载体。