计算机行业AIGC系列之二十三：算力网络再讨论！从Dojo架构到算法的硬件延伸_39页_3mb

报告摘要

算力网络再讨论！从Dojo架构到算法的硬件延伸

核心内容

本文围绕算力网络的发展趋势，重点分析了Tesla Dojo算力网络系统、Google TPU系列以及华为星河AI网络白皮书等案例，揭示了算力与网络之间的紧密联系。核心观点如下：

硬件架构的设计需服从于算法需求，网络性能对算力提升具有决定性作用。
算力网络的演进将带来高速网络需求的显著增长，400G以上光通信与RoCE网络成为关键方向。
从Tesla Dojo到Google TPU、再到华为星河AI网络，算力网络的架构设计日益多样化，体现出对不同应用场景的适配性。

主要观点

1. 算力网络的三大规律

带宽与连接架构是决定算力性能的关键因素。随着模型训练的复杂性提升，网络连接性能成为瓶颈。
高速chip-to-chip连接方案（如NVLink、CXL）是高速网络与光通信需求的底层逻辑。这些方案提供了更高的带宽和更低的时延。
单SoC性能提升+芯片堆叠，不意味着算力集群线性提升。网络设计成为影响整体算力的关键环节。

2. Tesla Dojo架构特点

最小计算单元是D1 Compute Die，由354个Training nodes组成，每个node具备1 TFlop算力和1.25 MB SRAM。
D1 Die采用TSMC 7nm工艺，面积为645 mm²，功耗400 W，总带宽达5 TB/s。
25个D1芯片组成一个Training Tile，Tile为供电、散热和对外连接的核心单元。
6个Tile搭配20个DIP（Dojo Interface Processor），用于内存扩展、网络连接与对外接口。
DIP提供800GBps内存带宽和32GB HBM内存，支持大规模并行计算。
Dojo通过软件优化实现灵活资源调配，可将计算资源“切块”使用，提高利用率。

3. Google TPU演进路径

TPU v1-v4 均围绕“矩阵乘法优化”设计，从推理到训练，逐步实现全光组网。
TPU v4采用3D组网方式，通过6个面的光连接，实现高带宽、低延迟的集群通信。
OCS（Optical Circuit Switch） 是TPU v4网络的核心，采用全光学交换方式，提高端口效率和网络扩展性。
TPU v4采用单模WDM光模块，实现800G向1.6T演进，适应高带宽需求。

4. 华为星河AI网络白皮书

端口带宽提升至400G，并向800G演进，支持大规模无收敛组网。
高可靠、可运维、开放性是星河AI网络的三大核心优势。
采用RoCE网络，结合高性能交换机，实现与InfiniBand相当的性能，降低运维成本。

关键信息

算力网络发展趋势：从传统GPU服务器向专用算力网络（如Dojo、TPU）演进，网络性能成为核心考量。
网络技术演进方向：400G及以上光通信、RoCE网络、全光交换（如OCS）等是未来重点。
应用场景驱动算力网络发展：Tesla、Google、华为等企业的算力网络均围绕特定场景（如自动驾驶、AI训练、大模型等）设计。
Dojo的创新点：CFP精度、分布式架构、高效资源调配、低时延与高带宽设计。

风险提示

信息技术迭代可能产生新的网络通信方案，颠覆现有格局。
GPU、DSA、智联汽车、机器人等领域的竞争激烈，需关注产业链地位与管理能力。
若未能准确把握趋势，可能误选次优标的，影响投资回报。

通信算力网络相关公司估值表

证券代码	证券简称	收盘价(元)	总市值(亿元)	2023E净利润(亿元)	2024E净利润(亿元)	2023E PE	2024E PE
600941.SH	中国移动	99.86	13,717.52	1,373.64	1,478.02	9.99	9.28
601728.SH	中国电信	6.04	5,204.52	309.10	347.57	16.84	14.97
600845.SH	宝信软件	45.45	908.03	26.48	33.31	34.29	27.26
000938.SZ	紫光股份	25.20	720.74	26.56	32.58	27.13	22.12
300628.SZ	亿联网络	37.96	479.74	29.74	39.09	16.13	12.27
002396.SZ	星网锐捷	19.63	116.39	6.52	8.72	17.85	13.35
000988.SZ	华工科技	32.93	331.11	12.10	15.52	27.36	21.33
300308.SZ	中际旭创	111.08	891.78	16.45	30.34	54.20	29.39
300502.SZ	新易盛	44.64	316.91	13.61	17.59	23.29	18.02
301165.SZ	锐捷网络	44.91	255.17	6.94	9.46	36.76	26.98
600050.SH	中国联通	5.11	1,625.18	84.52	97.40	19.23	16.69

总结

Tesla Dojo、Google TPU和华为星河AI网络等案例，展示了算力网络从传统架构向更高效、更灵活的方向演进。随着AI大模型、自动驾驶和机器人等场景的发展，算力网络对带宽、时延、资源利用率的要求不断提升。400G及以上光通信、RoCE网络、全光交换（如OCS）等技术成为关键趋势。投资者应关注相关硬件与软件协同发展的企业，尤其是那些能提供高效网络解决方案的公司，如中际旭创、紫光股份、华工科技等。同时，也要警惕技术迭代带来的不确定性，以及产业链竞争对投资回报的影响。

展开完整摘要