> **来源：[研报客](https://pc.yanbaoke.cn)** # 交换芯片投资逻辑总结 ## 核心内容 交换芯片作为数据中心互联的核心组件，随着AI算力需求的增长，预计将在2026年起迎来新一轮成长周期。其核心价值体现在高交换容量、高速率、低时延等性能指标上，且在AI训练和推理场景中，交换芯片将承担更关键的网络传输角色。 ## 主要观点 - **AI驱动下的成长机遇**：AI训练和推理需求的双重增长将推动交换芯片的量价齐升。 - **Scale up与Scale out的差异化需求**：Scale up场景下，交换芯片需要支持超高带宽和超低时延，以满足GPU间的内存级直接读写需求；而Scale out则侧重于大规模调度和广域组网。 - **国产算力追赶路径**：超节点架构将成为国产算力追赶海外算力的重要手段，Scale up交换芯片的需求有望大幅提升。 - **高端化趋势明显**：交换芯片向更高容量、更高速率和更低时延方向发展，推动行业向高端化演进。 - **成本占比显著**：交换芯片占交换机成本的32%以上，是交换机性能提升的关键驱动因素。 ## 关键信息 ### 交换芯片的定义与功能 - 交换芯片用于数据交换及报文转发，是交换机的核心组件。 - 交换芯片内部主要由物理与高速接口层、共享缓存区、数据处理与转发引擎区构成。 ### 交换芯片的关键性能指标 | 技术指标 | 介绍 | |------------------|----------------------------------------------------------------------| | 交换容量 (Gbps) | 衡量交换机性能的重要指标，交换容量越大，性能越强。 | | 端口速率 (Gbps) | 每个端口每秒传输的最大bit数量，速率越高，性能越强。 | | 特性 | 包括二层交换、三层路由、ACL、QoS等，支持不同场景需求。 | | 表项 | 芯片能容纳的业务规模，不同特性有不同表项需求。 | | 缓存 (MB) | 网络拥塞时本地缓存深度，性能越强，缓存越大。 | | 时延 (μs) | 数据包在芯片内停留时间，时延越低，网络效率越高。 | ### Scale up与Scale out组网对比 | 对比维度 | Scale-out (横向拓展) | Scale-up (纵向拓展) | |------------------|-------------------------------------------------------------------|-------------------------------------------------------------------| | 互联规模 | 万卡级别 (10K~100K+ GPUs) | 百卡级别 (8~576 GPUs, 如单机柜/相邻机柜簇) | | 总带宽 (单向) | 200~14,400 Gbps (如H100) | 2,400~129,600 Gbps (如A100、H100、GB200、VR200) | | 互联带宽 (双向) | 400 Gbps~1.6 Tbps (受限于PCIe总线与单张网卡性能瓶颈) | 4.8 Tbps~14.4 Tbps (绕过PCIe，实现极高带宽高密度互联) | | 单跳物理时延 | 300ns~500ns | <100ns（如NVLink 6） | | 网络架构 | 以太网 (RoCEv2)、InfiniBand (IB) | NVLink、UALink、国内私有协议 (OISA、UB-Mesh、Alink等) | | 代表性产品 | 博通Tomahawk5、英伟达Spectrum-4、盛科Arctic、中兴天屹 | 英伟达NVSwitch 5ASIC、博通Tomahawk5Ultra、华为UB-switch、中兴凌云 | ### 交换芯片成本占比 | 类别 | 占比 (%) | |----------|----------| | 芯片 | 32 | | 其他 | 19 | | 阻容器件 | 10 | | 壳体 | 8 | | PCB | 7 | ### 未来发展趋势 - **高端化**：交换芯片持续向更高容量、更高速率、更低时延演进。 - **“up”起量**：超节点架构下，Scale up交换芯片需求量大幅增长。 - **国产化**：国产芯片厂商通过提升网络性能，弥补单卡算力差距，推动国产算力发展。 ### AI算力需求增长 - AI大模型训练算力需求逐年增长，从2018年的约100 PetaFLOPS到2024年的约1000 PetaFLOPS，预计2026年将突破48,700 PetaFLOPS。 - 交换芯片需求将受益于AI算力增长，预计自2026年起开启新一轮景气周期。 ## 总结 随着AI技术的快速发展，交换芯片在数据中心网络中的作用日益凸显。其性能指标如交换容量、端口速率、时延等将直接影响AI算力的传输效率和稳定性。Scale up与Scale out两种组网方式对交换芯片的需求各有侧重，其中Scale up因其对带宽和时延的极高要求，成为国产算力追赶的重要路径。未来，交换芯片行业将向高端化、规模化和国产化方向发展，带来新的投资机会。