9月3日，摩根大通在最新研报中称，该行分析师在参加Hot Chips 2025大会后认为，AI在消费端和企业端的爆炸式增长将继续推动先进计算、内存和网络技术的多年强劲需求周期。 研报称，大会上每个会议都强调AI是技术进步和产品需求的最重要驱动力，传递的核心信息是：AI基础设施需求的增长动能依然强劲，且正在从单纯的计算力竞争扩展到网络和光学技术的全面升级。该行认为，以下几个重要趋势值得关注： 谷歌Ironwood TPU性能大幅跃升，与英伟达GPU性能差距快速缩小；Meta扩展100k+ GPU集群规模，未来十年预计增长10倍；网络技术成为AI基础设施关键增长点，以太网向Scale-up领域扩张；光学集成技术加速发展以应对功耗限制。谷歌Ironwood TPU：性能飞跃缩小与GPU差距 据摩根大通预测，该芯片采用与博通合作的3纳米工艺，将在2025年下半年量产。预计Ironwood将在未来6-7个月为博通带来90亿美元收入，生命周期总收入超过150亿美元。 研报指出，Meta在会上详细介绍了其定制NVL72系统Catalina的架构设计。与英伟达标准NVL72参考设计不同，Catalina分布在两个IT机架中，并配备四个辅助冷却机架。 从内部配置看，每个B200 GPU都配对一个Grace CPU，而非标准的2个B200配1个Grace CPU配置。这一设计使系统中Grace CPU总数翻倍至72个，LPDDR内存从17.3TB增至34.6TB，缓存一致性内存总量从30TB增至48TB，增幅达60%。 Meta表示，选择定制NVL72设计主要基于模型需求和物理基础设施考虑。模型需求不仅包括大语言模型，还涵盖排序和推荐引擎。物理基础设施方面，需要将这些功耗密集型系统部署到传统数据中心基础设施中。 英伟达称Spectrum-XGS相比现成以太网解决方案具有多项优势，包括无限制扩展和自动调整负载均衡，并宣布CoreWeave成为首个部署该技术的客户。 光学技术成为大会另一焦点领域，多个演讲者强调了推动光学技术深度集成到AI基础设施的关键动力，包括铜互连的限制、快速增长的机架功率密度，以及光学收发器相对较高的成本和功耗。 Lightmatter展示了其Passage M1000"AI 3D光子互连器"，解决了I/O连接位于芯片周边导致连接性扩展不如芯片性能扩展快速的挑战。M1000的核心是跨越4000平方毫米的有源多掩模光子互连器，能够在单个封装内创建大型芯片复合体。 Ayar Labs讨论了其用于AI Scale Up的TeraPHY光学I/O芯片，这是UCIe光学中继器的首个实现，确保与其他制造商芯片的兼容性和互操作性。该技术支持高达8.192TB/s的双向带宽，功耗效率比传统可插拔光学器件加电气SerDes高4-8倍。 尽管CPO和其他前沿光子技术尚未广泛部署，但分析师预计数据中心功耗限制将成为2027-2028年广泛采用的关键驱动因素。M1000的光学波导分布在整个芯片表面，消除了传统设计的"海岸线"限制，同时功耗显著低于电气信令。 部署配置上，MI355X可部署在最多128个GPU的机架系统中，而MI350X机架最多支持64个GPU，这主要由风冷系统与直接液冷系统的热管理能力差异决定。不过两者的Scale Up域都保持在8个GPU。 摩根大通分析师认为，AMD在推理计算市场具备良好定位，该市场需求增长超过训练市场，AMD产品相对英伟达替代方案具有强劲性能和总体拥有成本优势。
