（转自：君实财经）
tw专家访谈，关于英伟达及达链一些信息
一些网络信息，转发供参考，繁体转简体，不构成投资建议。
解决业界目前面临的三个最迫切的问题：
1. Jensen Huang 的旗舰产品 GB200 NVL72 机壳为何延后了近一年？这会带来什么后果？
2. 经历了上半年的爆发式成长，AI供应链下一步将走向何方？
3. ASIC和 GPU 之间的战争最新进展如何？
Q：2025年上半年，人工智能供应链取得了令人难以置信的成长。辉达（Nvidia）第一季成长了69%，台积电（TSMC）前五个月营收成长了43%，广达（Quanta）成长了75%，纬创（Wistron）成长了76%，智邦（Accton）更是成长了惊人的128%。这引发了一些担忧：这种惊人的成长动能能否持续到明年？尤其是黄仁勋（Jensen Huang）将人工智能称为“基础设施”，但基础设施一旦建成，就不需要频繁更新了，对吗？
答：这可以分解为供给和需求。供给指的是我们持续大幅成长的运算能力。需求指的是人们实际上需要多少运算能力。短期内肯定存在供应过剩的担忧，因为过去两年投资过多。
今年的强劲表现其实早在去年就已预料到。企业早已规划好了要建造多少个数据中心、购买多少算力以及建造多少台机器——所有这些都从资本支出中可见一斑。光是四大云端服务供应商的资本支出就连续两年成长了约40-50%，显示算力出现了惊人的成长。
当需求上升时，供应量也会同时急剧增加，因此，供应过剩是真实存在的可能性。如果你现在问这些晶圆厂，你会发现并非所有GPU都满载运转。因此，在今年巨额资本支出之后，制造商能否在2026年保持快速的支出增长，存在相当大的疑问。
此前，市场对人工智能的关注点完全集中在英伟达身上。但最近，英伟达的势头似乎有所减弱，部分原因是GB200芯片持续存在的生产问题。同时，云服务供应商已开始将部分订单转向其内部ASIC产品。
什么原因导致 GB200 出货延迟？
问：这其中有直接的因果关系吗？GB200 的延迟是否促使谷歌和亚马逊开发自己的芯片？
答：Nvidia 承诺 GB200 将进一步降低单位运算成本——而且买得越多，省得越多。这一直是黄仁勋的宣传口号。但当新产品未能准时上市时，上一代产品（Hopper）的吸引力就开始下降了。如果有人能打造出效能介于 Hopper 和 GB200 之间的芯片，他们当然会买。
黄仁勋设想 GB200 能带来巨大的架构飞跃。他的目标是，让云服务供应商放弃自己的内部项目，转而选择 Nvidia。然而，愿景是宏伟的，现实却更加残酷。当 Nvidia 遇到技术挑战并且无法足够快地将 GB200 推向市场时，云商加大了自己的ASIC力度来填补这一空白。
Q：为什么延迟这么久？GB200 原本应该在去年第三季就准备好了。现在才开始大量出货——几乎晚了整整一年。
答：他们可能在2023年9月才开始与下游制造商讨论这个想法。但这是一个极为雄心勃勃的架构，在各方面都突破了技术极限。指望它在一年内完成？这从来都不现实。然而，他们却竭尽全力推动供应链按时交付。如果一家供应商无法交付，他们就会寻找另一家。所以每个人都争先恐后地去完成一个不可能的目标。当他们无法实现时，Nvidia 就继续努力：延后三个月，再延后三个月，再延后三个月。这始终是不可能的任务。如今，GB200 终于准备就绪，Nvidia 已开始讨论明年年底推出下一代Rubin GPU。不过，这几乎肯定会被推迟。
问：苹果不是这样运作的。当他们在iPhone上推出新技术时，一开始良率可能很低，但一两个月内就会提高。英伟达一年多的延迟是怎么回事？
答：调整细节是一回事，突破界限则完全是另一回事。苹果就像挤牙膏一样——每一代产品都感觉像是一次小小的更新。而当你只是挤牙膏的时候，事情当然发展得很快。比去年略有进步？还好。没有进步？也无所谓。看看过去几年：有时苹果只是换个外壳就发布了一款新机型。每两年，当台积电推出新的制程节点时，他们就会相应地更新CPU。除此之外，几乎没有什么真正的创新。
Q：那么，GB200 的重大延期，最大的瓶颈是什么？有人认为是CoWoS封装，有人认为是液冷？
答：所有方面都存在问题。如果你审视整个架构，你会发现，当你把每个部分都推到极限时，每个部分都会变成瓶颈。能在两年内完成这个目标，这确实是一个挑战极限的成功案例，非常了不起。
就拿液体冷却来说：业界已经争论了十年，每个供应商都会告诉你，它永远不会流行。没有人愿意尝试，声称这项技术完全荒谬，因为一次漏水就可能摧毁整个资料中心，浪费大量资源。随后，Nvidia 整合了整个供应链，在两年内完成了这项任务。如果没有 Nvidia，液冷技术十年后也不会出现。
问：这真是令人印象深刻。我们参观了酷冷至尊（Cooler Master）的总部，他们向我们展示了散热板——GB200 的关键部件——它内建了传感器，一旦检测到液体就会自动关闭。
A：问题太多了。例如，你说的液冷，其实就是为了防止泄漏。冷却板的温度可能会足够低，导致其表面形成冷凝水。那么，该如何控制这些水分呢？即使有任何水滴落在主板上，也可能导致系统故障。这意味着你甚至必须控制数据中心的室内温度。这是一个令人头痛的问题，无论你是部署在沙特阿拉伯还是美国，情况都大不相同。光是管理这些因素就已经让设计过程变得极具挑战性。
这还只是冷却方面的问题。台积电的CoWoS封装翘曲、散热、高速铜布线和讯号完整性也存在问题。所有这些组件都在挑战极限。这个AI系统完全是由供应商从未开发过的组件所建构的。每家公司都在挑战自己的极限。坦白说，整个系统在仅仅一年的延迟内就能完成，这真是一项了不起的工程壮举。
ASIC与 GPU：目前的竞争态势
Q：您之前说过，最近几个月您对Google和亚马逊的数据中心供应链最乐观。为什么？
答：这又回到我们之前讨论的问题：说到人工智能计算机，你依赖的是通用 GPU 还是 ASIC？在训练大型语言模式方面，英伟达拥有明显且压倒性的优势，其他公司都无法与之匹敌。
但对于推理而言，所需的运算能力要低得多，成本则成为更关键的因素。因此，针对特定功能进行优化实际上具有相对优势。
在云计算厂商中，亚马逊和谷歌在这方面做得最好。他们的大部分运算需求来自于编写和运行代码，无论是内部还是外部客户。
在供应链方面，Google对台湾供应商的依赖程度并不高。目前只有联发科获得了下一代TPU的订单，但除此之外，Google似乎更倾向于与海外公司合作。谷歌的大部分服务器都是由加拿大的 Celestica 公司生产的。看看 Celestica 的股价表现就知道了。在过去三年里，它的股价飙升了10.2倍。可惜的是，台湾在Google的供应链中并不占主导地位。我们甚至无法供应他们的网络交换器或储存组件。
另一方面，亚马逊与台湾供应商的合作更为紧密。虽然台湾在网络交换器方面普遍较弱，但智邦科技却脱颖而出，曾为亚马逊生产过交换机。
世芯曾与亚马逊合作，为其ASIC芯片提供后端设计。最近，亚马逊转向了Marvell，但有传言称下一代芯片将回归世芯。当然，在量产之前，一切都尚未最终确定。
Accton 也获得了原型ASIC订单。
Q：据报道，GB200 现已进入量产阶段，您是否认为供应链的重心可能会从Google和亚马逊转向 Nvidia？
答：GB200 是否真的能批量出货，我们拭目以待吧。GB200 刚发布时可谓举足轻重——微软、谷歌、亚马逊都宣布了他们想要采购的数量。但现在，经历了这么多延迟之后，现实情况是只有甲骨文仍然对 GB200 表现出强劲的需求。谷歌和亚马逊呢？如今，他们几乎对它没什么兴趣了。
人工智能供应链的下一步是什么？
Q：GB200 NVL72 机壳中大约 70% 的组件都是 Nvidia 定制的。一些业内人士表示，Nvidia 正变得越来越像苹果，减少了 OEM 选择或更换零件的自由。这是趋势吗？
答：问题是，你有时间做出改变吗？正如我刚才提到的，Nvidia甚至告诉你VR200明年会推出，Rubin Ultra会在后年推出。Nvidia 本身也勉强跟上。所以，如果你想换个小部件，重新设计、测试，然后进行所有迭代，等你完成的时候，下一代产品已经投入生产了。这还有什么意义呢？
Nvidia 不玩渐进式游戏。它不会挤牙膏。它总是在挑战极限。今年他们突破一个界限，明年又突破另一个。即便如此，也未必能保证成功。所以，如果你想通过更换两个小部件来降低成本，那就去做吧——前提是你的研发实力足够。
Q：所以，Nvidia 的供应链面临的压力肯定很大。这比以前与苹果合作更困难吗？
答：这是一种不同的模式。英伟达的优点在于它的供应商确实能赚钱。至于苹果，说实话，「中毒的苹果」害死了许多供应商。利润率很低，利润微薄，如果产能估算错误，就可能破产。
和英伟达合作，你当然可以获利，但前提是你能交付产品。如果你跟不上进度，你可能会花数月时间和数百万美元去追逐项目，结果却被富士康抢先一步，提前六个月上市。最终你得不到任何订单，而下一代产品已经开始量产。你的投资最终可能一无所获。
Q：在苹果的供应链中，只有富士康和后来的和硕同时负责组装和机械零件。但现在，像广达、纬颖和技嘉这样的ODM厂商都表示他们有液冷解决方案。这是怎么回事呢？
答：严格来说，目前英伟达供应链中只有两家公司能够量产液冷系统：AVC（奇锋）和酷冷至尊。如果真的这么容易，难道不会有更多公司这么做吗？
Q：但是黄仁勋在COMPUTEX的主题演讲中有一个台湾供应商的视频，其中列出了富士康和台达作为水冷供应商。
答：当然，但就实际产量而言，仍然只有这两家。如果你指的是英伟达的RVL（推荐供应商名单），里面有17或18家公司。
当时，只要进入英伟达的RVL名单，就足以让股价飙升。但炒作是一回事，获得真正的订单又是另一回事。
RVL 榜单其实已经没什么特殊意义了。它一开始确实有。最初，Nvidia 告诉你只有两三家公司能做到，这很令人印象深刻。
但后来，随着第二、第三、第四、第五、第六和第七家供应商的加入，上榜已经不再是什么大问题了。
Q：您如何看待 Nvidia 从一家 GPU 供应商发展成为黄仁勋所说的 AI 基础设施公司？
答：Nvidia 定义了整个系统，就像早期的IBM一样。它设想了尖端规格应该是什么样子，并自行建造了许多部件。关键区别在于IBM销售的是整套系统，而Nvidia主要销售的是组件。（其自有品牌 DGX 服务器仅占收入的一小部分。）IBM后来开放了其架构，为PC革命铺平了道路。
但英伟达从一开始就没打算出售整个系统。它制定规格，定义架构，决定数据中心应该是什么样子。如果它能制造出一个组件来满足这个愿景，它就出售这个组件。如果它做不到——例如在冷却或供电方面——它就与有能力做到这一点的公司合作。但它需要所有人共同参与建设。
为什么 Nvidia 不断挑战极限？因为如果它不这么做，云计算巨头就会迎头赶上。这些云计算提供商并非业余爱好者。亚马逊、谷歌、微软——他们都是科技巨头
