随着人工智能技术的快速发展，AI组网结构的变化趋势正成为业界关注的焦点。近日，兴业证券发布了一份题为《AI深度洞察系列报告（三）：Scale up与Scale out组网变化趋势如何看？》的研究报告，深入探讨了这一问题及其对算力产业链投资机会的影响。
Scale up：超节点崛起，带宽升级
报告指出，在AI大模型训练领域，分布式并行训练架构已成为主流，其中张量并行对通信的要求尤为突出。随着模型规模的不断扩大，服务器内带宽需求也在迅猛增长。为满足这一需求，建立更大带宽的超节点已成为行业发展的必然趋势。
超节点的规模设计正由GPU厂商和云服务商共同推动。以英伟达为例，其超节点规模在不断升级，以适应日益增长的算力需求。同时，谷歌也在通过扩大超节点Pod规模来降低数据中心网络（DCN）的带宽要求。此外，UALink联盟也在积极推动超节点规模的进一步提升。
除了带宽提升外，互联密度的增加也是Scale up的另一个重要趋势。英伟达等厂商正在采用先进的互联技术，如NVL GB200方案和NVLINK协议，以提升机柜内部的互联带宽。目前，铜互联方式仍占主导地位，但长期来看，光互联技术有望取代铜互联，成为未来的主流互联方式。
Scale out：集群规模扩张，以太网加速落地
另一方面，Scale out的发展则主要体现在集群规模的扩大上。受Scaling Laws法则的驱动，AI大模型的硬件部署正朝着更大集群的方向发展。目前，AI集群规模已进入10万卡阶段，以太网组网在AI集群中的应用也在加速落地。
字节跳动和Meta等科技巨头已经采用以太网技术来搭建AI集群。同时，博通等厂商也在不断升级其以太网交换芯片，以满足不断增长的市场需求。英伟达也强调了以太网方案在AI集群部署中的重要性。
随着AI集群规模的扩大，交换机和光模块等配套设施的需求也在不断增加。Arista等公司针对AI需求提出了不同的交换机互联方案，通过提升交换机端口数来推动Scale out规模的进一步提升。同时，光模块的总需求也与算力需求成正比，保持向上趋势。硅光技术有望在未来逐步从可插拔硅光形式过渡到CPO形式，并在1.6T光模块阶段实现渗透率的提升。
总结：两大趋势驱动AI算力产业链发展
综上所述，AI组网正朝着更大规模集群的方向发展，Scale up和Scale out两大趋势共同推动了AI算力产业链的不断进步。随着技术的不断创新和市场需求的持续增长，相关产业将迎来更多的投资机会和发展空间。
#AI组网# #Scale up# #Scale out# #算力产业链# #投资机会#
