1英伟达算力架构从NVL72升级至NVL576,单GPU总拥有成本降至2.96美元/小时,降幅16%。
2成本结构发生显著迁徙:HBM单GPU成本骤降56%至0.43美元;
3Scale-Up网络成本飙升185%至0.37美元,占TCO比重从4%跃升至12%。
4AI资本开支正从存储芯片流向网络交换芯片及CPO共封装光学产业链,利好光模块与先进封装环节。
从 NVL72 到 NVL576:存储HBM退、大光互联进的算力资本开支再分配
从 NVL72 到 NVL576 的代际切换中,单 GPU 总拥有成本(TCO)从 3.52 美元/小时下降至 2.96 美元/小时,降幅 16%——但成本结构的内部迁徙远比总成本数字本身更值得关注。
HBM 单 GPU 成本从 0.99 美元骤降至 0.43 美元,绝对值砍掉 56%;与之对应,Scale-Up 网络成本从 0.13 美元飙升至 0.37 美元,涨幅 185%,占 TCO 比重从 4% 跃升至 12%。这意味着 AI 资本开支的每一美元,正在从英伟达自家的 GPU Die 流向上游 SK 海力士/三星的 HBM、再流向博通/Astera 的网络交换芯片、再流向 CPO(共封装光学)的台积电先进封装产线。
风险提示及免责条款
市场有风险,投资需谨慎。本文不构成个人投资建议,也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资,责任自负。
本站所有资讯是用户利用其本地Agent获取并分享,均为公开信息,如需删除请联系我们。