高速互连，算力集群的“毛细血管”与“神经末梢”
为什么要聊高速互连？
咱们聊算力，过去这两年，目光几乎全被GPU吸走了。谁家在卷算力、谁家在堆HBM带宽、谁家的制程又往前推了一步。
但有一个问题一直摆在那儿：芯片算力上去了，数据怎么在芯片之间、在服务器之间、在机柜之间跑得通、跑得顺？
这就涉及到高速互连。
算力集群不是一堆芯片简单堆在一起就行。几百张卡并行跑一个模型，卡与卡之间要频繁交换梯度、同步参数。带宽不够，卡再多也是干瞪眼。打个比方：CPU/GPU是算力集群的“心脏”，那高速互连就是“毛细血管”和“神经末梢”，负责把数据和指令精准快速地送到每一个计算单元。
高速互连，到底在解决什么问题？
咱们把场景拆开看。
第一个场景：芯片内部。 一颗芯片上几十亿个晶体管，信号要在不同模块之间传递。这个层面的互连，考验的是芯片设计能力和EDA工具。
第二个场景：芯片之间。 多颗芯片封装在一个基板上，比如英伟达的Grace Hopper、AMD的M
I300 ，都是CPU+GPU合封。芯片之间的互连带宽和延迟，直接决定了整个模组的有效算力。
第三个场景：服务器内部。 GPU卡插在服务器上，卡与卡之间通过背板连接器、光模块、铜缆互连。
华丰科技 做的224G高速背板连接器，就落在这个层面。
第四个场景：服务器之间。
数据中心里几百上千台服务器互联，靠的是交换机和光模块。
华工科技 做的800G光模块，就是干这个活的。
所以你看，高速互连不是一个单一产品，是一整套从芯片到机柜的物理层解决方案。每一层都有不同的技术路线和玩家。
连接器，容易被忽视的“卡脖子”环节
连接器这东西，听起来不性感，但门槛不低。
高速背板连接器，是要装在服务器机箱背板上，连接各个板卡的。信号频率越高，对连接器的插损、回损、串扰要求就越苛刻。224G速率下，信号的电气特性已经非常敏感，连接器的结构设计、材料选型、加工精度任何一个环节出偏差，信号就畸变了。
这个领域以前是海外厂商主导，华丰科技是少数在224G速率上能拿出量产产品的国内企业。加工精度干到±0.01毫米，这不是简单靠设备堆出来的，需要的是对材料热膨胀系数的控制、对注塑和冲压工艺的反复迭代。
光模块与光芯片，自主化走到哪一步了？
光模块这边，技术迭代的逻辑比较清晰：速率越来越高，功耗越来越低。
400G到800G，再到1.6T，每一代都在卷更高速率的激光器、更精密的调制方案、更低功耗的DSP。
华工科技的800G LPO方案，把功耗压了一截。LPO的核心思路是去掉DSP，用线性驱动技术来补偿信号损耗。少一颗芯片，功耗自然下来。当然这对光模块的设计和测试能力要求更高——没有DSP帮你修正信号，所有链路预算都得靠模拟前端硬扛。
光芯片是另外一个话题。光模块的成本构成里，光芯片占了三四成。高端光芯片之前也依赖海外，华工科技在光芯片上做了自研布局，虽然高端电芯片还是海外为主，但光芯片的自主化至少让供应链多了一层安全保障。
CPU、DCU、AI芯片的算力底座
高速互连把数据通路打通了，但最核心的计算任务，还得落在处理器上。
海光信息 走的是x86路线。这个路线的优势在于生态兼容性——大量的服务器软件、开发工具、操作系统都是基于x86架构的。海光的CPU在
信创市场拿了不少份额，金融、电信、政府这些对
信息安全 要求高的行业，采购量一直在释放。
DCU（深度计算处理器）是海光的另一条腿。深算二号已经在跑，面向AI训练和推理。DCU的优势在于跟主流AI开发框架的适配做得比较顺，客户迁移成本低。对很多国产算力用户来说，
CUDA生态的替代是个难题，海光的DCU在这块解决了一部分问题。
寒武纪 是另一条技术路线。他们从第一天起就做自有架构，思元系列的AI加速卡在云端推理和训练场景都有布局。自有架构的好处是可以在特定AI负载上做深度优化，能效比有优势。但挑战也很明显——生态得从头建，开发工具链、框架适配、开发者社区都需要时间积累。
这两家公司代表了国产算力芯片的两种路径：一个借力成熟生态快速落地，一个自建架构追求长期能效优势。没有绝对的好坏，只是在不同阶段、不同场景下各有适用。
IP，卖铲子的人
最后聊一下
芯原股份 。
前面说的几家都是做芯片卖给客户的，芯原卖的是IP，也就是芯片设计的底层模块。
比如某家公司想设计一颗AI芯片，但不想从头写NPU（神经网络处理器）的代码和电路，那就直接买芯原的NPU IP授权，拿回来集成到自己的芯片里。
这个模式的好处是轻，不承担库存风险，不用跟晶圆厂博弈产能。坏处是规模不容易做大，IP授权费有天花板，定制设计的项目制收入也有周期波动。
但芯原的卡位确实特殊。国产算力链条不管哪家跑出来，只要用了他们的IP，他们就能吃到一块蛋糕。卖铲子的人，不直接参与淘金，但淘金的人越多，铲子越好卖。
大概这么个格局
高速互连和国产算力，不是一个单一赛道，是一个技术栈：
· 连接器：华丰科技，224G高速背板
· 光模块：华工科技，800G LPO方案
· CPU/DCU：海光信息，x86生态+AI加速
· AI芯片：寒武纪，自有架构训练推理
· IP：芯原股份，底层设计授权
各自卡的位置不同，技术路线和客户结构也不同。唯一的共同点是：都指向同一个方向——国产算力基础设施的自主化在往前推。
至于技术路线最终谁能跑得更远，那是产业竞争的事，不是一篇文章能下结论的。
免责声明：本文仅为产业技术与公开信息梳理，不构成任何投资建议。不持有相关仓位。市场有风险，请自行判断。
股散打
登录用户ID：
0
评论(0)
收藏
展开
