您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。 未知机构:《杰富瑞 BOM 成本重心转移 GPU 到存储 互连|研报》-发现报告

杰富瑞 BOM 的成本重心正在大幅从 GPU 转向存储 继而转向互连

2026-09-28 未知机构 江边的鸟
杰富瑞 BOM 的成本重心正在大幅从 GPU 转向存储 继而转向互连

猜你想问

杰富瑞研报的核心内容是什么?

本报告指出杰富瑞 BOM 的成本重心正在大幅从 GPU 转向存储,进而转向互连。以 GB300 NVL72 和 RubinUltra NVL576 为例,GB300 中 GPU 占机架成本 62.5%,网络仅占 8.6%;而 NVL576 中 GPU 比例降至 46%,网络占比升至 22.4%。这是因为随着集群规模扩大,机架间互连成为关键部分,导致网络成本大幅增加。具体而言,每颗 GPU 对应的网络成本从 GB300 的约 5000 美元增至 NVL576 的约 21000 美元,超过 4 倍。目前存储成本占比已达三分之一,未来网络成本将进一步提升,预计 2027 年下半年 CPO 技术将首次登场,市场会提前 6-12 个月反映预期。

当前 AI 赛道的发展趋势如何?

当前 AI 赛道呈现明显的成本结构演变趋势。从 GB300 到 NVL576,GPU 成本占比虽仍高,但已从绝对主导地位逐步让位于存储和网络互连。以 Rubin Ultra NVL576 为例,存储成本占比已达三分之一,网络成本占比预计将进一步提升。这一趋势反映了 AI 计算从单卡性能竞争转向系统级互联和存储效率的演进。市场正经历从 GPU 主导到存储主导,最终转向互连技术的阶段性转移。这一变化对产业链各环节提出新要求,如存储芯片、高速网络设备供应商将迎来新的增长机遇。

本报告重点分析了哪些方向?

本报告重点分析了 AI 计算系统 BOM 成本结构的演变路径。通过对比 GB300 NVL72 和 RubinUltra NVL576 的成本构成,揭示了 GPU、存储和网络互连在系统总成本中的占比变化。报告详细阐述了从 GB300 的 62.5%/8.6% 比例,到 NVL576 的 46%/22.4% 比例的动态转移过程,并量化了网络成本随集群规模扩大的倍数增长。此外,报告还分析了存储成本占比达到峰值三分之一的现象,以及未来网络成本将接棒成为新增长点的趋势。通过对具体技术参数和成本数据的解析,展示了 AI 计算系统成本重心的阶段性转移规律。

当前 AI 市场处于什么阶段?

当前 AI 市场正经历从 GPU 主导向存储和网络互连主导的阶段性转移。以 Rubin Ultra NVL576 为例,其存储成本占比已达三分之一,网络成本占比预计将进一步提升。这一阶段的特点是系统级互联和存储效率成为新的竞争焦点。市场正从单纯追求单卡算力,转向构建高性能、高效率的互联计算系统。具体表现为:GPU 成本占比虽仍高,但已从 GB300 的 62.5% 降至 NVL576 的 46%;网络成本占比从 8.6% 升至 22.4%,且每颗 GPU 对应的网络成本增长显著。这一趋势预示着 AI 计算系统正从单节点优化转向系统整体优化。

本报告提示哪些潜在风险?

本报告提示 AI 计算系统成本结构演变可能带来的潜在风险。首先,成本重心转移可能导致部分传统 GPU 供应商市场份额下降,需关注其业务转型压力。其次,存储和网络互连技术要求更高,供应商需投入大量研发资源以适应新需求,可能面临技术迭代风险。再次,随着系统复杂度提升,供应链稳定性面临挑战,如存储芯片、高速网络设备等关键环节可能出现瓶颈。此外,市场对预期反应可能提前,导致部分技术主题交易过热,需警惕估值泡沫风险。最后,新技术如 CPO 的引入可能存在不确定性,需关注其商业化落地进程。