NVL36
3 秒看懂
NVL36 是 NVIDIA 面向萬億引數大型模型時代推出的機櫃級計算單元，由 18 顆 Grace Blackwell 超級晶片（共 36 個 Blackwell GPU）通過第五代 NVLink 與 NVLink Switch 系統實現全機櫃緊耦合互聯，在邏輯上表現為一個統一記憶體地址的巨型加速器，旨在以單系統形態解決大型模型訓練的“記憶體牆”與“通訊牆”瓶頸。
3 分鐘產業解釋
NVL36 並非單純的 GPU 伺服器堆疊，而是 NVIDIA 將“系統即晶片”理念落實在機櫃層級的產品化實踐。在一套標準機櫃內，18 個 Grace Blackwell 超級晶片之間由 NVLink Switch 建置起一條頻寬遠超傳統網路的背板互聯結構，所有 Grace CPU 的 LPDDR5X 記憶體與 Blackwell GPU 的 HBM3e 記憶體在硬體層面實現統一定址。這使得一個原本需要跨數百臺伺服器、依賴複雜並行策略的萬億引數模型訓練任務，可以像在單臺超級計算機內部程式設計一樣進行排程，極大降低了分散式開發的工程門檻，同時將有效計算效率提升到新的水平。
對產業而言，NVL36 標誌著 AI 算力競賽的拐點：競爭維度從單卡 TFLOPS 轉向機櫃級系統最佳化、先進封裝、超高速互聯與全棧軟體協同。它重新定義了資料中心“最小加速單元”的粒度，將客戶從晶片選型與叢集調優的繁重工作中解放出來，但也產生了更強的生態繫結效應。對於雲端服務商、大型模型廠商與國家級算力中心來說，理解並部署 NVL36 體系已成為版面配置下一代 AI 基礎設施的關鍵動作。
技術原理
NVL36 的技術核心是一套多層次、深度協同的系統架構，涵蓋超級晶片、機櫃級互聯、統一記憶體池與配套軟體棧。
Grace Blackwell 超級晶片 每個計算基板整合一枚 Grace CPU 與兩枚 Blackwell GPU，通過 NVLink‑C2C 片間互聯構成一顆“超級晶片”。NVLink‑C2C 提供高頻寬、低延遲的 CPU‑GPU 通訊，支援記憶體一致性訪問，使 GPU 可直接高效地共享 Grace CPU 的大容量記憶體。Grace CPU 基於 Arm Neoverse 架構，內建高吞吐記憶體控制器與硬體加速引擎，專為 AI 資料預處理、模型編排與推論入口設計；Blackwell GPU 引入第二代 Transformer 引擎與 FP4/FP8 混合精度單元，在張量計算密度上較上一代實現倍級提升（NVIDIA GTC 2024 主題演講資料）。
機櫃級互聯：NVLink Switch 系統 NVLink Switch 是 NVL36 實現“化零為整”的通訊中樞。每個 Blackwell GPU 通過第五代 NVLink 向上連線至獨立 NVLink Switch 晶片，Switch 再在背板層建置無阻塞的任意對任意拓撲。其典型結構如下（文字示意圖）：
[ 機櫃前檢視 ]
+-----------------------------------------------------------+
| 計算抽屜 1 計算抽屜 2 計算抽屜 9 |
| +----------+ +----------+ +----------+ |
| |G超音波級晶片| |G超音波級晶片| ... |G超音波級晶片| × 2/抽屜 |
| +----+-----+ +----+-----+ +----+-----+ |
| | | |
| +----v-----------v------------------v----+ |
| | NVLink Switch 平面 | ← 高速銅纜/背板 |
| +--------------------------------------+ |
+-----------------------------------------------------------+在該拓撲下，任意兩顆 GPU 之間均可進行高頻寬、低延遲的直接資料搬運，消除了多級交換帶來的擁塞和不確定性。NVLink Switch 通訊協議支援 GPU 記憶體直接載入/儲存，程式設計模型可將其抽象為一臺擁有全部 GPU 視訊記憶體的單機。
統一記憶體編址與軟體棧 Grace CPU 與 Blackwell GPU 的記憶體在 CUDA 統一記憶體模型下經 NVLink Switch 實現統一定址，開發者看到的是一個跨越機櫃所有超級晶片的聚合記憶體池。NVIDIA NCCL 通訊庫、CUDA 圖形加速引擎與 Megatron‑LM 等分散式架構已為 NVL36 進行適配：機櫃內通訊自動走 NVLink Switch，跨機櫃擴充套件時無縫回退至 InfiniBand 網路。排程器可根據資料熱度將張量放置在 CPU 記憶體或 GPU HBM 中，從而在頻寬需求與容量之間取得平衡。
供電與散熱 NVL36 整機櫃功耗較高。以 NVIDIA 公開的 GB200 NVL72 參考設計（120kW 級液冷）類推，NVL36 預計功耗在 60–70kW 區間（行業估算，基於 2024 年 GTC 揭露的 GB200 熱設計功耗推測），需配套冷板式液冷或浸沒式液冷方案。電源採用集中式母線架構，保障供電效率與單點故障冗餘。
關鍵引數
以下引數依據 NVIDIA 在 GTC 2024 上釋出的 GB200 系列規格及行業拆解分析整理，部分系由 NVL72 資料線性折算的合理估算值，已明確標註。
- 聚合 AI 算力（FP8）：根據 NVIDIA 官方資料，單 Blackwell GPU 的 FP8 張量算力約為 2.25 PFLOPS（稀疏模式），全機櫃 36 GPU 可提供約 81 PFLOPS（稀疏模式）/ 40.5 PFLOPS（稠密模式）。2024 年 GTC 公佈的 NVL72 FP8 稠密算力約 1 exaFLOPS，NVL36 為其 50%。
- GPU 記憶體容量：單 Blackwell GPU 配備 192 GB HBM3e，全機櫃合計 6,912 GB（約 6.75 TB）HBM3e（NVIDIA 官方白皮書《NVIDIA Blackwell Architecture》，2024 年 3 月）。
- CPU 記憶體容量：每顆 Grace CPU 搭載多達 480 GB LPDDR5X（NVIDIA 官方規格表），18 顆合計約 8,640 GB，因此機櫃總聚合記憶體超過 15 TB，實際可用容量受系統軟體管理與冗餘策略影響。
- NVLink 頻寬：每個 Blackwell GPU 支援 18 條第五代 NVLink 鏈路，總雙向頻寬為 1.8 TB/s（NVIDIA 官方）。36 GPU 間 NVLink Switch 提供的全對全對分頻寬達到 64.8 TB/s（理論值）。
- 機櫃級網路擴充套件：每套 NVL36 對外提供多路 NVIDIA ConnectX‑8 智慧網絡卡，支援 400 Gbps InfiniBand / 乙太網路，用於多機櫃 Scale‑Out 擴充套件。
- 功耗與散熱：NVIDIA 已公佈 GB200 NVL72 整機櫃功耗約 120 kW，因此 NVL36 預計為 60–70 kW（行業估算）。要求配套液冷設施，PUE 設計目標通常低於 1.1。
- 整機櫃尺寸：遵循標準 19 英寸機架，高度約 42U‑48U，具體尺寸視液冷歧管和配電單元配置而定（公開資料未見最終零售版詳細圖紙）。
口徑說明：上述算力、記憶體引數引用 NVIDIA 官方公開材料（2024 年 GTC 主題演講與技術文件）。功耗與機櫃尺寸為行業分析估算值，截至 2025 年 4 月 NVIDIA 未釋出 NVL36 獨立技術手冊。
技術路線
NVL36 並非憑空出現，而是 NVIDIA “大力出奇跡”與“系統整合”思想的延續。其演進脈絡如下：
- Pascal/Volta 時代：DGX‑1、DGX‑2 等 8 卡/16 卡一體機，首次以整合伺服器形態供給使用者，NVSwitch 在 DGX‑2 內部實現 16 顆 V100 GPU 全連線。
- Ampere/Hopper 時代：DGX A100、H100 將單機算力推向新高，DGX SuperPOD 通過 InfiniBand 將數十臺 DGX 組合成超算叢集，但跨節點通訊成為瓶頸。
- Grace Hopper 引入：GH200 超級晶片首次實現 CPU‑GPU 緊耦合與統一記憶體，NVLink‑C2C 頻寬達 900 GB/s，系統架構向“機櫃即單元”演化。
- Blackwell 平台機櫃級產品：GB200 NVL36/NVL72 將 NVSwitch 從伺服器內擴充套件至整個機櫃，配合 Grace CPU、液冷與新一代網路，構成可獨立交付的 AI 工廠級模組。
從產業技術路線看，NVL36 對應的是“Scale‑Up 緊耦合”路徑，與之對比的主流方案包括：
- 傳統 Scale‑Out 路徑：以 x86 伺服器搭載 8 卡 GPU，通過網路互聯擴充套件。代表：HGX H100 / B200 傳統 8‑GPU 伺服器，搭配 InfiniBand 網路。
- 全棧自研 ASIC 路徑：如 Google TPU v5p、Amazon Trainium2，通過專用晶片與定製互聯實現高吞吐，但生態封閉。
- Chiplet 異構路線：AMD MI300X 採用 CPU+GPU 合封 Chiplet，使用 Infinity Fabric 互聯，在單節點內實現統一記憶體，但尚未提供機櫃級全互聯方案（截至 2025 年 4 月公開資訊）。
NVL36 的獨特定位在於，它在保持 CUDA 生態相容的前提下，將 Scale‑Up 粒度直接提升至機櫃級，兼具緊耦合效率與較低的應用遷移成本。
上游
NVL36 的供應鏈高度集中，核心壁壘集中在先進製程、封裝、HBM 與高速互聯四大部分。
| 上游環節 | 關鍵供應商（及角色） | 供應特徵與約束（2024‑2025） |
|---|---|---|
| 計算晶片代工 | 台積電（TSMC） | Blackwell GPU 採用台積電 4NP 定製工藝，Grace CPU 採用 5nm 級工藝，均由台積電獨家代工。2024 年 Q3 台積電先進製程產能利用率接近滿載，AI 晶片需求導致 4nm/5nm 節點供不應求（台積電 2024 年 Q3 法說會）。 |
| 先進封裝 | 台積電（CoWoS‑L/CoWoS‑S） | Blackwell GPU 與 HBM 通過 CoWoS‑L 封裝整合；Grace Blackwell 超級晶片使用 CoWoS 中介層互連。截至 2024 年底，台積電 CoWoS 月產能約 35,000–40,000 片晶圓，2025 年計劃擴張至 60,000 片以上（行業報告：TrendForce、SemiAnalysis）。封裝產能被認為是 NVL36 出貨的首要瓶頸。 |
| HBM3e 記憶體 | SK 海力士（主要供應者）、三星電子、美光科技 | 每顆 Blackwell GPU 封裝 8 顆 HBM3e DRAM 堆疊，容量 192 GB。SK 海力士於 2024 年 Q1 率先量產 HBM3e 並供應 NVIDIA；三星和美光 2024 年 H2 通過認證並開始出貨。HBM 產能擴張受限於 TSV 良率與封裝產能，2024‑2025 年整體仍處於供需緊平衡（SK 海力士 2024 年 Q2 財報電話會議）。 |
| NVLink Switch 晶片 | 台積電（製造），設計為 NVIDIA 自研 | NVLink Switch 晶片同樣採用先進製程，需配套高階 ABF 載板。其生產與 CoWoS 封裝共享產能，進一步加劇供應壓力。 |
| 高速聯結器/背板 | 安費諾（Amphenol）、泰科電子（TE Connectivity）、莫仕（Molex）等 | 機櫃內 GPU 到 Switch 之間使用高速銅纜元件（ACC/AEC）。安費諾被認為是主要供應商之一，需提供 224 Gbps 級訊號完整性的背板連線系統（公開供應鏈報告）。 |
| 液冷元件 | 維諦技術（Vertiv）、雙鴻科技（Auras）、酷冷至尊（Cooler Master）等 | NVL36 強制要求冷板式液冷，涉及冷卻液分配單元（CDU）、冷板與管路。Vertiv 已與 NVIDIA 合作推出預整合液冷機櫃方案（NVIDIA 2024 年 GTC 與合作公告）。 |
| PCB/基板 | Ibiden、Unimicron、深南電路、滬電股份等 | 承載 GPU 模組和 Switch 晶片的高多層基板與機櫃背板 PCB，對層數、材料等級和良率要求極高，供應商以日資和臺資為主，中國大陸廠商在交換器背板 PCB、聯結器載板等環節參與（行業研究報告）。 |
注：上述供應商列表基於公開合作資訊與行業拆解分析，實際份額可能隨季度動態調整。
下游
NVL36 的直接採購方主要是具備大規模 AI 叢集建設能力與資質的頭部雲端服務商、科技巨頭和國家超算中心。
| 下游領域 | 典型客戶（公開資訊） | 應用場景 |
|---|---|---|
| 雲端服務商 | 微軟 Azure、亞馬遜 AWS、Google雲端、甲骨文雲端（OCI） | 向市場提供 GB200 NVL 例項，用於大型模型訓練/推論雲端服務。多家已在 2024 年宣佈整合計劃（微軟 Build 2024 等公開會議）。 |
| 大型科技公司 | Meta、xAI、字節跳動、特斯拉等 | 自研基礎模型（如 Llama 4、Grok 等）的訓練與大規模推論叢集。採購量通常以數千套機櫃計，對交付週期和供應鏈穩定性要求極高。 |
| 國家超算與科研機構 | 歐洲國家超算中心、日本產業技術綜合研究所（AIST）、沙烏地阿美等 | 建設國家級 AI 基礎設施或科學研究計算平台，注重系統能效和可管理性。 |
| 垂直行業龍頭 | 金融、生物製藥、自動駕駛頭部企業 | 部署私有化行業大型模型，通過 NVL36 獲得類似“AI 工廠”的整機交付能力，降低運維複雜度。 |
下游需求呈現“頭部集中、快速放量”的特徵。根據 NVIDIA 2025 財年 Q4 財報電話會議，公司資料中心業務營收中，大型雲端服務商貢獻超過 40%，網際網路與消費類企業緊隨其後，GB200 NVL 系列在 2025 年上半年仍處於產能爬坡階段，客戶等待時間較長。
受益公司
NVL36 帶動了一條覆蓋半導體、封裝、元件與基礎設施的價值鏈。以下僅列舉與產品直接關聯、可被公開資訊驗證的環節與代表企業，不構成任何投資建議。
- 系統定義與統治力：NVIDIA —— 作為架構設計者與全棧軟體擁有者，獲取機櫃級產品的全套營收（晶片、Switch、網絡卡、軟體許可與服務）。NVL36 進一步拉大其與競爭對手在 AI 訓練基礎架構上的差距。
- 製造與封裝核心：台積電 —— 獨掌計算晶片代工與 CoWoS 先進封裝，每套 NVL36 中的 GPU、Grace CPU、NVLink Switch 晶片均需消耗大量先進製程與封裝產能，直接拉動單晶圓價值量提升。
- 儲存晶片支柱：SK 海力士（主供 HBM3e）、三星電子、美光科技 —— HBM 是效能核心，其單價遠高於傳統 DRAM，隨著 NVL36 放量，HBM 業務營收佔比持續提升。
- 高速互聯元件：安費諾 —— 高速背板聯結器和銅纜元件核心供應商，每臺 NVL36 使用大量高密度、高頻寬連線方案。此外，Molex、TE 等也參與競爭。
- 液冷基礎設施：維諦技術 （在北美市場與 NVIDIA 合作推出預整合液冷方案）、雙鴻（冷板元件與 CDU 供應商）等。
- PCB/基板與組裝：Ibiden、Unimicron（FC‑BGA 載板）；鴻海/富士康、廣達、緯創（伺服器與機櫃組裝）。由於 NVL36 整機櫃複雜度遠超傳統伺服器，組裝與測試環節附加值顯著提高，頭部 ODM 角色從代工轉向聯合設計製造（JDM）。
資料口徑：上述分析基於供應鏈調研機構（如 SemiAnalysis、TrendForce）2024‑2025 年報告，以及各公司在財報中提及的 AI 相關業務增長。
市場規模
NVL36 並非獨立銷售的單品，而是 GB200 平台中的一種配置。因此常以整個 GB200 機櫃系列口徑進行市場估計。
- 出貨量預測：SemiAnalysis 在 2024 年 7 月報告中預測，2025 年 NVIDIA GB200 系列（含 NVL36/NVL72）出貨量可達 40,000–50,000 套（以 NVL36 等效計）。TrendForce 在 2024 年 Q3 預測，2025 年高階 AI 伺服器（單價超百萬美元）中，NVIDIA Blackwell 平台將佔據超過 70% 的份額。
- 營收貢獻：若假設 NVL36 平均售價（含網路、液冷、軟體）在 150 萬–200 萬美元區間（行業估算），則 50,000 套對應 750 億–1,000 億美元潛在營收池，考慮到 NVL72 價格更高，整體 GB200 平台年營收有望突破千億美元。NVIDIA 在 2024 年 GTC 上提及 GB200 NVL72 的早期意向訂單已相當可觀。
- 對相關市場拉動：HBM 市場方面，SK 海力士 CFO 在 2024 年 Q4 電話會議上表示，2025 年 HBM 出貨量預計年增率增長 2 倍以上，主要由 Blackwell 平台驅動。先進封裝方面，台積電 CoWoS 產能至 2025 年底計劃再擴產 60%，其中一半以上將用於 NVIDIA 產品（台積電 2024 年 Q3 法說會）。
風險提示：上述市場規模資料多為機構預測值，實際出貨受產能、良率、地緣政治及最終客戶驗收節奏影響，存在較大不確定性。所有數字均截至 2025 年 4 月的已知公開資訊。
玩家對比
為清晰展現 NVL36 的競爭位置，將其與當前其他主要 AI 算力叢集方案進行對比。
| 維度 | NVIDIA NVL36 (GB200) | AMD MI300X 叢集 | Google TPU v5p Pod | 華為昇騰 910B 叢集 |
|---|---|---|---|---|
| 核心晶片 | Grace CPU + 2× Blackwell GPU | 8× MI300X OAM 模組（每節點） | 自研 TPU v5p ASIC | 昇騰 910B NPU + 鯤鵬 CPU |
| 互聯架構 | 機櫃內 NVLink Switch 全互聯 + 跨機櫃 InfiniBand | Infinity Fabric 單節點內 8 卡互聯，跨節點 Ethernet/InfiniBand | ICI 高速環形互聯，跨 Pod 用 Google 資料中心網路 | HCCS 互聯（節點內）+ 自研交換器跨機櫃 |
| 統一記憶體 | 機櫃級統一記憶體（CPU+GPU），>15 TB | 單節點內 1.5 TB HBM3（8×192GB），跨節點顯式通訊 | 晶片間共享 HBM，TPU 間通過 ICI 訪問 | HCCS 支援節點內共享，跨節點需通訊庫 |
| 軟體生態 | CUDA + NCCL + Megatron 等廣泛支援 | ROCm 生態逐步完善，相容主流架構 | JAX/TensorFlow 深度繫結，生態較封閉 | CANN + MindSpore，中國國內生態 |
| 典型部署 | 機櫃級一體現貨，液冷 | 傳統 8‑GPU 伺服器，風冷或液冷 | 自建或通過 GCP 雲端服務 | 國產化叢集，政府/金融等 |
| 主要優勢 | 極低通訊延遲，開發門檻低，生態成熟 | 單節點記憶體容量大，開放標準 | 針對 Google 工作負載極致最佳化，高能效 | 自主可控，國內政策和供應鏈支援 |
| 主要限制 | 產能緊張，生態鎖定，液冷要求高 | 跨節點通訊能力較弱，軟體生態成熟度有待提高 | 通用性差，外部客戶無法直接獲取硬體 | 製程受限制，與全球先進晶片存在代差 |
總體而言，NVL36 是當前唯一實現機櫃級全互聯與統一記憶體的商業現貨系統。AMD 和 Intel 正加速追趕，但軟體棧和系統整合層面差距仍明顯；ASIC 方案雖然在某些特定任務上效率更高，但通用性和開發者生態難以匹敵。
風險
- 供應鏈集中與產能風險：GPU 製造、CoWoS 封裝與 HBM3e 僅由極少數廠商供應，任何環節出問題（如地震、地緣衝突、裝置故障）都會導致交付延遲。2024 年已出現因 CoWoS 產能不足限制 H100 出貨的先例。
- 電力與散熱約束：單機櫃 60‑70 kW 功耗需搭配液冷設施，許多老舊資料中心無法承載，導致部署前置投資與改造週期拉長。部分地區電力配額也構成限制。
- 生態鎖定與供應商依賴：採用 NVL36 意味著深度融入 NVIDIA 全棧生態（CUDA、NVLink、Switch、NCCL），遷移至其他方案的成本極高，一旦 NVIDIA 後續產品迭代放緩或商業條款變動，客戶議價能力將受到擠壓。
- 地緣政治與出口管制：美國針對中國的出口管制已將 A100/H100/B200 等高階晶片列入限制範圍，NVL36 或相關元件可能面臨進一步管制，影響全球供需格局與廠商市場策略。
- 技術複雜性帶來的部署/運維風險：高密度液冷、統一記憶體程式設計模型與複雜線纜的管理，要求運維團隊具備新的技能。早期部署可能會遇到穩定性與相容性問題，延遲獲得預期投資回報。
- 潛在競爭替代：雖然當前 NVIDIA 遙遙領先，但大型雲端服務商自研 ASIC（AWS Trainium、Google TPU）和 AMD 持續迭代，可能在細分市場侵蝕市場份額，特別在推論場景中成本優勢可能凸顯。
- 成本過高的採用門檻：單套系統數百萬美元的價格使得僅有頭部客戶能夠規模採購，如果大型模型商業化回報不及預期，大規模訂單可能被削減。
誤讀糾偏
- 誤讀一：“NVL36 就是 36 臺伺服器放在一個機櫃裡。”
- 糾偏：NVL36 並非物理伺服器的簡單堆疊。其內部通過 NVLink Switch 實現硬體級全互聯，記憶體統一編址，所有 GPU 在 CUDA 視角下如同一塊巨型晶片。這與通過乙太網路/InfiniBand 通訊的獨立伺服器叢集有本質區別，後者的通訊開銷與程式設計複雜度遠高於 NVL36。
- 誤讀二：“有了 NVL36，就不再需要分散式訓練架構。”
- 糾偏：NVL36 極大簡化了機櫃內部的分散式訓練，但僅解決了“Scale‑Up”問題。當訓練任務需要多個 NVL36 機櫃協同工作時，仍須依賴 InfiniBand 網路和 Megatron‑LM、DeepSpeed 等架構進行跨機櫃的模型並行和資料並行。NVL36 最佳化的是單機櫃緊耦合效率，並未消除對橫向擴充套件工具的需求。
- 誤讀三：“NVL36 將完全取代傳統 GPU 伺服器叢集。”
- 糾偏：NVL36 是針對萬億引數超大規模模型與高密度推論場景的專用利器，但大量傳統 AI 任務（中小模型訓練、微調、輕量級推論）在傳統 8 卡伺服器上就能高效執行，價效比更優。兩種方案將在資料中心內長期共存，形成“緊耦合”和“松耦合”分層部署的格局。
最新事件
- 2024 年 3 月：NVIDIA GTC 2024 上，正式釋出 GB200 平台，展示 NVL72 機櫃（72 Blackwell GPU）實物，並透露 NVL36 配置選項，主要面向液冷條件受限制或功耗敏感型客戶。
- 2024 年 6 月：NVIDIA 在 COMPUTEX 2024 透露，GB200 NVL36/72 已向關鍵客戶出樣，預期 2025 年上半年開始規模量產。
- 2024 年 8 月：台積電在 Q2 法說會上確認，將 2025 年 CoWoS 產能擴充目標提升至 2024 年的 2 倍以上，以應對客戶對 Blackwell 晶片的強勁需求。
- 2024 年 Q3：微軟 Azure、甲骨文雲端等先後宣佈將於 2025 年部署 GB200 NVL 叢集；xAI 被報道訂購了數萬顆 Blackwell GPU 用於其下一代訓練叢集（科技媒體報道）。
- 2025 年 1 月：NVIDIA 在 CES 2025 主題演講中展示了已部署的 GB200 NVL72 叢集，並表示 NVL36 的部分配置已經開始交付首批資料中心客戶，同時釋出了面向企業私有化部署的 Project DIGITS，暗示機櫃級產品線將進一步向下延展。
- 2025 年 4 月（更新截點）：據供應鏈訊息（如《電子時報》），GB200 NVL36 的液冷元件和 NVLink Switch 良率已進入穩步爬坡階段，但 HBM3e 供應仍維持緊俏，部分客戶訂單交貨週期延長至 6 個月以上。
（以上事件來源：NVIDIA 官方部落格、GTC/COMPUTEX 主題演講錄音、台積電法說會電話紀要、外媒如路透社、《電子時報》及科技媒體 covering。）
追蹤指標
投資者與產業觀察者可通過以下高頻/中頻指標追蹤 NVL36 及相關產業鏈的景氣度：
- NVIDIA 資料中心營收及展望：關注每季度財報中資料中心業務營收、年增率/季增率增速，以及管理層對下季度 GB200 系列交付的預期。
- 台積電 CoWoS 封裝產能與實際出貨：台積電月度營收、季度法說會中關於先進封裝營收佔比與產能計劃的資訊。
- HBM3e 價格與出貨量：追蹤 SK 海力士、三星、美光的季報中 HBM 業務表現，以及市場對 HBM 供需的平衡預測（如 TrendForce DRAMeXchange 報告）。
- 主要雲端廠商資本支出：微軟、Google、亞馬遜、Meta 等的季報中資本支出展望，特別是與 AI 基礎設施相關的投入佔比。
- GB200 系列交貨週期：渠道報告（如 Tom’s Hardware、ServeTheHome 等）對伺服器交貨週期和客戶等待時間的更新。
- 液冷基礎設施供應商訂單：維諦技術、雙鴻等公司季報中的液冷業務營收，可驗證 NVL36 部署進度。
- NVIDIA ConnectX‑8 與 InfiniBand 交換器出貨：作為 Scale‑Out 配套元件，其出貨量間接反映 NVL36 機櫃叢集建設規模。
- AI 人才招聘與程式設計社群活躍度：反映企業採用緊耦合系統後對相關技能的需求，可通過 LinkedIn 職位釋出等指標觀察。
信源
- NVIDIA 官方路線圖與技術文件：GTC 2024, COMPUTEX 2024, CES 2025 主題演講影片與部落格；《NVIDIA Blackwell Architecture Technical Brief》、《NVIDIA Grace Hopper Superchip Architecture》白皮書。
- 台積電季度法說會紀要：2024 Q2–2025 Q1 投資者會議，關於產能、先進封裝與 AI 需求的論述。
- SK 海力士、三星電子、美光科技財報及投資者報告：尤其關注 HBM 出貨與營收貢獻。
- 第三方半導體分析機構報告：TrendForce（AI 伺服器與 HBM 供需）、SemiAnalysis（Blackwell 平台深度拆解與出貨預測）、Yole Intelligence（先進封裝與基板）。
- 科技媒體與供應鏈報道：《電子時報》（DigiTimes）、路透社、Tom’s Hardware、ServeTheHome 對 GB200 樣機、供應鏈節點與客戶採購的追蹤。
- 學術與行業社群：NVIDIA NCCL、Megatron‑LM 開源庫更新日誌，頂級機器學習會議（NeurIPS, MLSys）關於超大型模型訓練系統的論文。
- 雲端服務商公告：微軟 Azure、AWS、Google Cloud、Oracle Cloud 官網部落格關於部署 GB200 NVL 例項的計劃與可用性。
本材料所引資料均截至 2025 年 4 月，所有涉及未來預測的數字均標明預測來源與假設，僅供參考，不構成任何投資建議。