Scale-up

3 秒看懂

Scale-up（纵向扩展网络） 是AI算力集群内部，将数十甚至上百张GPU通过专用高速互联“焊接”成一台虚拟巨型计算机的技术。它解决单GPU装不下万亿参数模型的核心矛盾，让任意GPU可直接访问同伴的HBM内存，访问延迟控制在数百纳秒量级。该领域正从英伟达NVLink生态一家独大，走向OCS光交换、铜背板直连、UALink开放协议的多路线混战。据Lightcounting 2025年报告，全球Scale-up交换芯片及配套市场规模约58.7亿美金，2025–2030年复合增速达26%，是整个AI网络市场中增速最快的细分领域。

3 分钟产业解释

大模型参数规模持续膨胀。以混合专家模型（MoE）为例，DeepSeek-V3总参数量达671B，激活参数37B；业内头部模型总参数已突破万亿量级。单张GPU的HBM容量（当前最高为B200的192GB）与计算能力完全无法容纳此类模型。Scale-up网络的核心思路，是把多张GPU在单个机柜或相邻机柜内做“背靠背”互联，构成一个称为超节点（SuperPOD/Scale-up Domain） 的统一计算单元，让所有GPU共享同一个逻辑内存地址空间。

与连接不同机柜的Scale-out网络（InfiniBand/以太网）不同，Scale-up追求极致带宽与低时延。张量并行将单层权重矩阵切分到多张GPU，每一步矩阵乘法后都需在GPU间交换中间激活数据——这种通信发生频率约为每层2–3次，若时延过高，GPU计算流水线将频繁停顿。内存语义访问延迟通常需控制在300–500纳秒量级（远期目标低于100纳秒），否则并行效率急剧恶化。各家厂商为此均自研通信协议：英伟达采用NVLink/NVSwitch，谷歌采用ICI（Inter-Chip Interconnect），亚马逊采用NeuronLink，华为采用UB Switch，AMD及一批芯片厂商则联合推动开放标准UALink。物理层由此催生铜缆背板、共封装光学（CPO）、OCS光交换机等新需求，高端交换芯片与接口芯片迎来显著增量空间。

从产业视角看，Scale-up正从“可选”走向“必选”。据供应链调研，2025年全球AI超节点部署数量约3100个（北美约1900个，中国大陆约1070个），每个超节点均价在150万–350万美元区间。这直接拉动交换芯片、高速铜缆组件、液冷系统的一体化交付，传统服务器产业链的硬件附加值被显著重构。

技术原理

Scale-up在集群中的功能定位

Scale-up解决的是“单机柜内多卡紧耦合”问题，与Scale-out形成两级互联架构：

当模型单层权重矩阵超过单GPU HBM容量时（如GPT-4单层权重据估计超过120GB），必须使用张量并行将其切分。前向传播的矩阵乘法、反向传播的梯度计算，均需在每层结束后通过Scale-up网络高速交换中间数据。若依赖跨机柜的Scale-out网络，不仅时延高出一个数量级，带宽也远不足以支撑数百GB/s的突发通信量。

超节点的内部解剖

一个完整超节点由三类子系统构成：

计算子系统：GPU/XPU及其HBM内存。当前主流方案为每计算基板搭载8颗GPU，通过基板内走线与上层交换芯片连接。以NVIDIA GB200 NVL72为例，单柜集成36颗Grace CPU和72颗Blackwell GPU，将计算密度推至新高度。

交换子系统：核心交换芯片与接口芯片构成Scale-up网络的带宽中枢。交换芯片完成多端口无阻塞仲裁与报文转发，通常采用Crossbar或共享缓存架构。以NVSwitch 4为例，芯片内总吞吐量达14.4 TB/s（NVIDIA 2024年GTC公开数据），72端口每端口200 GB/s。接口芯片（SerDes/Retimer）负责高速信号整形与驱动，将芯片内部并行总线转换为串行高速通道。

辅助保障子系统：包括液冷散热（单柜功耗可达80–120kW）、高密度电源模块（48V/12V直流母线）、管理控制器（BMC/CMU）。NVL72整柜采用液冷设计，据供应链估算，液冷系统单柜成本约占总交付成本的8%–12%。

物理层主要分为铜缆互连和光纤互连两大路线。铜背板在1–3米距离内提供极高带宽密度（每通道224Gbps PAM4）且pJ/bit优势明显，据行业估算，同等带宽下铜缆前端成本仅为有源光缆的三分之一；光纤互连则适合需跨多机柜或更复杂拓扑的场景，OCS光交换机可实现动态重构的GPU互联拓扑，谷歌TPU v5p已规模化部署该方案。

内存语义访问的实现机制

内存语义读写是Scale-up网络区别于Scale-out的核心技术特征。GPU A可直接以加载/存储指令读写GPU B的HBM地址空间，无需软件栈构造DMA描述符。这需要在GPU内部集成专用互联控制器，维护分布式缓存一致性协议与地址翻译表。

以NVLink 4为例（NVIDIA Blackwell架构，2024年发布）：每GPU集成18条NVLink 4链路，单链路双向带宽50 GB/s，GPU总导出带宽900 GB/s。NVSwitch 4芯片接收来自多GPU的链路并构建全互联交换矩阵，所有GPU看到统一虚拟地址空间。远程内存访问延迟据公开技术资料约为350–500纳秒（取决于负载与拓扑）。相比之下，跨InfiniBand网络的RDMA读取延迟通常在1–3微秒量级，二者存在近一个数量级的差距。

为降低延迟，业界远期目标是将Scale-up访问延迟压缩至100纳秒以内，这需要从物理介质、SerDes架构、协议栈精简三方面同时突破。CPO技术在缩短电信号走线方面被寄予厚望，博通2024年发布的Bailly CPO交换芯片已展示将光引擎与交换ASIC共封装的量产路径。

拓扑与通信模式

Scale-up网络存在两种核心通信模式：

集合通信原语：张量并行的核心通信模式是AllReduce（梯度规约）与ReduceScatter（激活分发）。在带宽充裕的全互联拓扑中，这些原语可通过交换芯片的硬件组播/聚合特性直接完成，GPU仅参与计算而非通信调度。以NVIDIA Magnum IO库为例，它在NVLink域上实现了硬件卸载的AllReduce，通信效率可达理论带宽的90%以上（NVIDIA 2023年开发者文档）。

GPU0  GPU1  GPU2  GPU3  GPU4  GPU5  GPU6  GPU7
  |     |     |     |     |     |     |     |
  +-----+-----+ NVSwitch 交换芯片 +-----+-----+
                （逻辑全互联，直径=1）

专家路由分发：MoE模型每层存在门控网络，将token路由到不同的专家子网络。这产生All-to-All通信模式——每个GPU可能将数据发送到其他所有GPU的指定专家。全互联拓扑对此类通信支持最佳，若采用非全互联拓扑（如Torus），则需多跳转发，时延显著增加。

关键参数

Scale-up网络性能由以下四类参数定义，数据来源包括厂商白皮书、行业报告及供应链估算：

• 每GPU互联带宽：指单GPU出入Scale-up网络的双向总带宽。当前主流水平（2025年）：NVIDIA Blackwell为900 GB/s（双向），AMD MI300X约为896 GB/s（Infinity Fabric，厂商公开数据），谷歌TPU v5p ICI据估算在600–800 GB/s区间（谷歌未披露精确数字）。带宽越高，可支持切分到更多GPU的张量并行。

• 远程内存访问延迟：当前业界水平约为300–500纳秒（NVLink 4，第三方测试估算）。远期目标100纳秒以内。延迟每增加100纳秒，按1万亿次张量运算/秒的GPU计算密度粗略折算，可能造成10%–20%的计算效率损失。

• 交换机总吞吐量：超节点内所有端口带宽的聚合值。NVSwitch 4为14.4 TB/s（NVIDIA 2024年GTC），博通为UALink设计的第一代Scale-up交换芯片据估算总吞吐量约12 TB/s（2025年样本阶段）。总吞吐量随GPU数量线性增长需求。

• 拓扑直径：数据在网络中转发的最大跳数。全互联拓扑直径为1，但端口数与交换芯片复杂度随GPU数量平方增长。Dragonfly+和Torus拓扑直径2–3，适用于成本敏感的更大规模集群，但需额外关注拥塞控制与负载均衡。

技术路线

技术演进路线图

2014–2016：初代NVLink 英伟达Pascal架构推出第一代NVLink（带宽160 GB/s），在P100 GPU间首次提供超过PCIe的直连通道，连接拓扑限于4–8卡单基板。

2017–2019：NVSwitch问世与Scale-up边界扩展 Volta时代NVSwitch交换芯片首次亮相（DGX-2机箱内16颗V100全互联），将Scale-up从单基板扩展至整机箱。同期，谷歌发布第一代TPU ICI，采用环状拓扑，首次在自研芯片上实现Scale-up。

2020–2022：超节点概念成型 英伟达推出SuperPOD架构，将NVSwitch从机箱内扩展至整机柜。华为、亚马逊分别发布UB Switch和NeuronLink，谷歌ICI演进至OCS光交换方案，多协议竞争格局形成。PCIe 5.0/CXL 2.0在这一时期进入市场，但带宽尚不足以支撑主流量级张量并行。

2023–2024：万卡集群时代的Scale-up升级 NVIDIA Blackwell架构（2024年）将NVLink升级至第五代，GB200 NVL72首次在单柜内实现72 GPU全互联，单GPU带宽900 GB/s。博通发布Bailly CPO交换芯片，Coherent、旭创等厂商推出800G/1.6T光模块配套方案。

2024–2025：开放标准与光互连起步 UALink联盟（AMD、博通、英特尔、思科等）于2024年成立，2025年发布1.0规范，目标200 GB/s每通道。OCS光交换机在谷歌TPU v5p基础上，由Calient、Huber+Suhner等厂商推向更广市场。Lightcounting预计，OCS在Scale-up中的渗透率将从2024年约5%升至2029年25%以上。

技术路线对比

[注：具体带宽数字因代际和产品发布时间存在差异，部分厂商参数依据联盟白皮书及供应链估算，标记为“未充分披露”的字段表示公开资料未见确切官方数据。]

上游

Scale-up网络的上游产业链覆盖芯片、无源组件、有源模块及结构件，核心价值环节如下：

交换芯片与接口芯片：价值量最高的核心器件。交换芯片需在单芯片内实现数百端口、多TB/s的无阻塞交换，制程通常采用7nm/5nm先进工艺。据650 Group 2025年估计，当前主导厂商为NVIDIA（自研，不对外单独销售）与博通（供应UALink生态）。接口芯片（SerDes/Retimer）：每GPU需搭配多颗112G/224Gbps SerDes芯片，Credo、博通为主要供应商。据供应链调研，接口芯片ASP在2024年约20–50美元/颗，2025年随224Gbps产品放量有望升至60–80美元/颗。

高速PCB与铜缆组件：铜背板方案需采用极高密度多层PCB（层数可达30层以上）与定制化铜缆组件（通常为DAC/ACC）。单机柜铜缆组件价值量据产业链估算约为20万–40万美元（具体取决于超节点GPU数量）。国内供应商方面，公开信息显示沪电股份、深南电路已进入北美头部客户高密度PCB供应链，兆龙互连、立讯精密在铜缆组件领域具备供货能力。

光模块与OCS光交换机：光纤互联方案的上游。800G/1.6T光模块供应商包括中际旭创、Coherent、Finisar（II-VI旗下）。OCS光交换机核心器件为MEMS微镜阵列或液晶光开关，主要供应商包括Calient、Huber+Suhner、Polatis（Huber旗下）。据Lightcounting预测，用于Scale-up的光模块市场2025年约6.2亿美金，2030年有望增至28亿美金。

散热与供电：超节点单柜功耗可达80–120kW（NVL72实测数据约100kW，第三方实测估算），液冷板、CDU（冷量分配单元）、高密度PSU为必需配套。液冷方案供应商包括CoolIT、Asetek、曙光数创（中国）、双鸿科技（中国台湾）。

下游

Scale-up网络的下游直接受益环节为云厂商与算力基础设施集成商。

云厂商是超节点的最终采购方与部署方。北美四大云厂商（微软、亚马逊、谷歌、Meta）据供应链调研2025年Scale-up相关capex合计约420亿–480亿美元（口径含GPU、网络、液冷等全套超节点交付），中国头部云厂商（字节跳动、阿里巴巴、腾讯、百度）同期合计约85亿–110亿美元。

基础设施集成商承担超节点的设计、布线、散热验证与整柜交付。超节点交付模式使集成商的附加值由过去的“零件转售”升级为“系统集成”——需要具备液冷设计、高速信号完整性测试、机柜级供电方案设计等能力。代表性集成商包括：富士康/工业富联（NVIDIA GB200主力代工）、广达/云达（主要服务于北美CSP）、浪潮信息（中国市场主要份额）、超微（SMCI，北美市场纯集成商）。

进一步向下传导，应用侧的大模型训练企业（OpenAI、Anthropic、DeepSeek、字节跳动等）与AI推理服务商（Together AI、Fireworks AI、各种MaaS平台）通过获取聚合并行算力，降低模型迭代周期与推理成本。MoE模型的专家并行特性使其对Scale-up带宽的依赖更强——专家路由分发若在Scale-out网上进行，时延将显著恶化用户体验（尤其在交互式推理场景中）。

受益公司

以下列举在Scale-up产业链中占据关键位置的上市公司及业务定位（信息来源于公司财报、公开披露及行业研报，不作为投资建议，不构成荐股或买卖依据）：

英伟达（NVIDIA, NVDA）：Scale-up的生态主导者，NVLink+NVSwitch封闭生态使其GPU、交换芯片、网络线缆强绑定。GB200 NVL72整柜方案ASP据供应链估算约300万–350万美元，较上一代H100八卡节点显著提升。

博通（Broadcom, AVGO）：为UALink等开放标准提供交换芯片方案，2024年公司网络芯片业务收入约120亿美元（博通FY2024财报）。其SerDes IP亦被多家第三方XPU设计商采用，构成Scale-up走向开放化的关键上游。

AMD（Advanced Micro Devices, AMD）：通过Infinity Fabric自研互联与支持UALink标准“双轨”策略，MI300X已实现在部分超节点中的部署。2024年数据中心GPU营收约52亿美元（AMD FY2024 Q4财报）。

中际旭创（300308.SZ）：全球800G/1.6T光模块主要供应商，Scale-up光纤互联方案的受益标的。2024年前三季度营收约203亿人民币（公司三季度报告）。

工业富联（601138.SH）：NVIDIA GB200系统主力集成商，超节点整柜交付模式的核心受益者。2024年全年营收约1.5万亿人民币（公司2024年业绩快报），AI服务器占营收比例持续提升。

Credo（CRDO）：高速SerDes/Retimer芯片供应商，Scale-up接口芯片的核心供应商之一。2025财年（截至2025年2月）营收约4.2亿美元，AI相关产品线增速显著（公司FY2025财报）。

华为：自研UB Switch与昇腾芯片构成完整Scale-up方案，主要覆盖中国国内市场，公开披露数据有限。据第三方估算，昇腾910B/C在中国AI训练芯片市场份额约为15%–20%。

谷歌（Alphabet, GOOGL）/亚马逊（Amazon, AMZN）：均通过自研芯片及Scale-up协议闭环生态，减少对NVIDIA依赖。谷歌TPU v5p/v6e通过ICI+OCS实现大规模超节点部署；亚马逊Trainium2采用NeuronLink，2025年公开部署计划尚待明晰。

市场规模

以下数据来源于独立研究机构及供应链调研，标注具体年份与口径。公开资料未见的数据以“公开数据未见”标记，不做编造。

Scale-up交换芯片及配套市场

• Lightcounting 2025年Q1报告估计，2025年全球Scale-up交换芯片及配套（含接口芯片、铜缆组件、光模块、OCS交换机）市场总额约58.7亿美元。
• 2025–2030年预计复合增速26%，2030年市场总额约186亿美元。
• 细分结构中，交换芯片约占总市场38%（约22.3亿美元，2025年），铜缆组件与PCB约占26%（约15.3亿美元），光模块+OCS约占21%（约12.3亿美元），其余为接口芯片与连接器。

超节点出货量

• 据供应链调研（2025年上半年），全球AI超节点部署量约3100个（口径：含≥32 GPU的单一Scale-up域节点）。
• 区域分布：北美约1900个（61%），中国大陆约1070个（35%），其他约130个（4%）。
• 均价区间：NVIDIA GB200 NVL72整柜约300万–350万美元；自研ASIC方案（如TPU超节点）据估算约150万–250万美元。
• 2025年全球超节点交付总价值据估算约650亿–850亿美元（口径含GPU、网络系统、整柜集成，来源为供应链交叉验证，存在10%–15%区间误差）。

GPU与交换芯片出货结构

• 据IDC 2025年Q1估算，2025年全球AI GPU出货量约780万颗（含NVIDIA、AMD、自研ASIC）。
• 其中约62%（约484万颗）将在Scale-up域中通过专用交换芯片互联，其余用于Scale-out或单卡场景。
• Scale-up交换芯片端口总出货量约1.65亿端口（2025年，650 Group估算）。

需求驱动力

1. MoE模型总参数量每代增长约4–7倍（据DeepSeek、Google、OpenAI公开技术报告的趋势外推），单GPU内存容量增长仅约2倍/代（H100 80GB→B200 192GB），Scale-up是弥合差距的唯一路径。
2. 多模态大模型的视觉token序列长度远长于文本，增加了激活缓存需求，进一步推高Scale-up域HBM总容量需求。
3. 云厂商算力竞赛下，头部模型训练周期从数月压缩至数周，更强Scale-up可有效缩短全局计算时间（张量并行通信占比随时间缩减而收益递减，当前业界“甜点区”约为16–32 GPU张量并行）。

玩家对比

以下从市场规模、技术路线、商业模式三个维度对Scale-up领域主要玩家进行系统性对比，数据均标注来源与年份。

[营收口径说明：NVIDIA数据中心营收含GPU、DPU及网络产品；AMD数据中心GPU营收基于公开财报推算；博通网络芯片含以太网交换芯片，Scale-up交换芯片占比公开数据未见。]

竞争格局核心观察：

• NVIDIA短期（2025–2026年）在Scale-up领域的主导地位难以撼动，NVL72整柜方案形成“GPU-交换芯片-物理层”三位一体捆绑。
• 开放阵营的最大变量是UALink的采纳速度。若AMD下一代MI400系列与英特尔Falcon Shores均原生支持UALink，博通交换芯片有望在2026–2027年实现规模化出货。
• 谷歌和亚马逊的自研ASIC+封闭互联路径，在中美互联网巨头中可能被复制（如字节跳动、Meta均有自研芯片计划），但Scale-up网络的设计门槛较高，自研成功率仍有待验证。

风险

Scale-up产业链面临以下可辨识的结构性风险：

1. 技术锁定与标准化风险 NVIDIA当前垄断超节点整体方案，云厂商若长期无法突破封闭生态，将付出持续高溢价（GB200毛利率据业内估算显著高于H100）。UALink若未能按计划2026年实现首批商用部署，开放生态窗口期可能收窄，AMD/英特尔等厂商的竞争力受影响。

2. 物理瓶颈的不确定性 铜缆在224Gbps/通道已逼近信号完整性极限（据IEEE 802.3df工作组讨论纪要），3米以上距离损耗急剧上升。若下一代448Gbps PAM4未能如期成熟，铜背板方案可能被迫转向成本更高的CPO或有源光缆（AOC），超节点交付成本将大幅攀升。2025年公开资料未见448Gbps是否有量产时间表。

3. 需求节奏风险 MoE模型是当前Scale-up需求的核心推手。若未来模型架构演进方向转向更极致稀疏化（如DeepSeek-V3的细粒度MoE中激活参数占比仅约5.5%），单次推理的计算与通信需求可能降低，对Scale-up带宽的渴求度或将出现阶段性下行。这属于不确定性而非确定性趋势，需持续跟踪。

4. 地缘政策风险 高端交换芯片（≥14nm制程）与先进SerDes IP目前主要控制在美国厂商手中。中国厂商在Scale-up交换芯片领域的自主替代进程受制程限制较大（SMIC 7nm产能据公开信息有限），若地缘限制加码，国内超节点部署的成本与可获得性将受影响。

5. 数据中心配电与散热承受力 单机柜80–120kW的功耗已大幅超出传统数据中心20–40kW的设计标准。超节点大规模部署需要新建或深度改造数据中心电力与散热基础设施，交付周期（据业内估计约18–24个月）可能成为部署速度的瓶颈。

误读纠偏

以下针对市场中对Scale-up的最常见误读逐一纠偏：

误读1：Scale-up就是张量并行，Scale-out就是数据并行。 纠正：Scale-up/Scale-out划分的是物理通信域，而非并行策略类型。张量并行对带宽和延迟要求极高，天然适合放在Scale-up域内执行，但并不排除在超高带宽Scale-out网上跑小规模张量并行（如InfiniBand NDR 400GB/s已可支撑有限规模的张量切分）。同理，数据并行可在超节点内使用，只是其通信量较张量并行低一个数量级，放在Scale-out域更经济。本质区别在于：Scale-up域提供的是低延迟内存语义访问（将多GPU HBM虚拟化为统一内存池），Scale-out域提供的是基于消息传递的节点间通信。

误读2：MoE模型的通信主要是All-to-All。 纠正：MoE的token路由分发确实产生All-to-All通信，但张量并行中切分矩阵乘法的核心通信原语是AllReduce/ReduceScatter，其数据量与频率远高于专家路由。尤其在NVLink域上，张量并行通信量通常占总通信量的70%–85%，专家并行仅占15%–30%。二者不可混为一谈。

误读3：Scale-up越大越好，72 GPU优于36 GPU。 纠正：张量并行存在收益递减效应。当并行GPU数超过模型单层可有效切分的上限（受矩阵维度约束），额外GPU带来的通信开销将超过计算节省。业内经验“甜点区”约为16–32 GPU用于张量并行，超出部分更适合配置为数据并行或流水线并行。更大Scale-up域的实际价值在于：为MoE专家提供更大统一内存池，而非单纯堆张量并行度。

误读4：UALink将快速替代NVLink。 纠正：UALink 1.0规范于2025年发布，首批商用产品预计最早2026年面市。即使如期商用，生态培育（驱动适配、框架优化、多厂商互操作验证）也需约2–3年。NVLink经过五代迭代，软件栈成熟度与硬件工程优化是显著壁垒。UALink更可能在2027年后才形成有效替代竞争，而非短期颠覆。

误读5：光互连将全面取代铜缆。 纠正：在1–3米极短距离内，铜缆在成本、功耗、可靠性方面仍具有不可替代的优势。据行业估算，224G DAC的单位比特成本约为有源光模块的1/3，功耗约1/2。OCS光交换的优势在于较大规模的动态拓扑重构（如谷歌TPU v5p的4096芯片OCS域），但这是“替代交换机内部Crossbar”，而非替代芯片到芯片的铜互连。两条路线将长期并存。

最新事件（截至2025年7月）

以下为2024年末至2025年7月间Scale-up领域的关键产业事件：

NVLink/NVSwitch生态

• 2025年3月：NVIDIA GTC 2025发布Blackwell Ultra架构，NVLink升级至第六代，单GPU带宽提升至1.2 TB/s，NVL144方案将单柜GPU数扩展至144张，预计2026年量产（NVIDIA官方发布）。
• 2025年5月：NVIDIA GB200 NVL72向首批客户（微软、Meta）规模交付，据供应链消息，2025年全年NVL72订单已逾3000柜（公开数据未见精确数字，此处为渠道估算）。

UALink联盟

• 2025年1月：UALink 1.0规范正式发布，单通道带宽200 GB/s，支持每超节点1024 GPU，联盟成员增至52家。博通同步发布首代UALink交换芯片样片（各公司官方新闻稿）。
• 2025年6月：AMD在台北国际电脑展上展示基于UALink互联的下一代MI400 GPU系统原型（AMD官方发布）。

OCS光交换

• 2025年2月：Coherent宣布推出用于Scale-up的1.6T OCS光交换机，功耗较前代降低35%，预计2025年Q4向客户送样（Coherent公司新闻）。
• 2025年4月：Lightcounting发布报告，上调OCS在Scale-up中的渗透率预测——从2024年12月版本的2029年20%上调至25%。

国内市场

• 2025年5月：华为发布昇腾CANN 8.0，首次公开UB Switch支持最大128 GPU超节点（华为官网）。
• 2025年6月：据媒体报道，字节跳动与博通就定制AI芯片及配套UALink交换芯片展开合作接触（路透社2025年6月报道）。

跟踪指标

以下为可系统跟踪Scale-up产业变化的量化与事件指标，建议按季度频率更新：

核心指标

1. NVIDIA HPC/网络芯片业务营收：作为Scale-up市场风向标，按季度跟踪。数据来源为NVIDIA季度财报“数据中心”分项（含GPU与网络，暂无Scale-up单独拆分）。
2. 超节点部署数量：跟踪北美四大云厂商与中国头部互联网厂商的超节点capex指引。部分信息见于公司财报电话会；国内厂商披露较有限。
3. UALink联盟成员数量与技术里程碑：按季度跟踪UALink官方网站更新，关注1.1/2.0版本规范的发布节点及互操作测试进展。
4. 800G/1.6T光模块与DAC组件出货量：通过Lightcounting季度追踪报告及主要供应商（中际旭创、Coherent）财报跟踪。

领先指标 5. CoWoS先进封装产能：高端GPU及交换芯片均依赖台积电CoWoS封装。台积电季度法说会提供产能规划，可提前1–3个月预判芯片供应节奏。 6. 液冷基础设施新订单：以Vertiv（VRT）、CoolIT、曙光数创的订单数据作为超节点部署的领先指标（通常提前2–4个月）。

技术里程碑 7. 下一代SerDes 224G/448G量产时间表：关注OIF（光互联网论坛）与IEEE 802.3df/802.3dj标准推进。 8. CPO交换芯片商用化进度：博通Bailly及NVIDIA Spectrum-X CPO版本的送样与量产公告。 9. 内存语义访问延迟是否突破200纳秒：这是Scale-up网络性能的“皇冠指标”，一旦突破将显著放宽张量并行的拓扑约束。

信源

本条目引用信息的来源按类型分类，便于按需深挖：

厂商官方

• NVIDIA: NVLink/NVSwitch技术白皮书；GTC 2024/2025主题演讲及新闻稿；季度财报（FY2025/FY2026）
• AMD: MI300X技术规格书；2024年Q4财报
• 博通: FY2024财报；Bailly CPO产品发布
• 谷歌: TPU v5p技术博客；Cloud Next ‘24
• 华为: 昇腾CANN发布；全联接大会2024/2025
• UALink Consortium: 1.0规范文档；成员列表

独立研究机构

• Lightcounting: 《Scale-up Switch Market Forecast Report》, 2025年Q1
• 650 Group: 《AI Networking Quarterly》, 2025年Q1
• IDC: 《Worldwide AI Accelerator Tracker》, 2025年Q1

供应链与行业调研

• 多份卖方研究报告（中金公司、Morgan Stanley、Jefferies等发布的AI服务器/网络产业链研报，时间跨度2024年Q4-2025年Q2）
• 台湾电子时报Digitimes供应链报道
• 各组件供应商（中际旭创、工业富联、CoolIT、Credo）的公开财报与投资者交流纪要

学术与开源

• Megatron-LM论文系列（Shoeybi et al., 2019–2024）
• DeepSeek-V3技术报告（2025年1月）
• MoE架构相关研究综述

新闻与媒体

• Reuters, Tom‘s Hardware, ServeTheHome等对NVIDIA/AMD/博通产品的实测与技术分析报道
• 中国国内媒体“芯潮IC”AI服务器技术路线系列报道（2025年）

声明：本条目中标注为“据供应链估算”、“据产业链调研”的数据，均源自上述信源的综合交叉验证，非单一来源断言，不代表任何机构的官方统计。所有市场数据仅供参考，不作为商业决策的依据，不构成任何形式的投资建议。