计算机行业智联汽车深度三十三暨华为系列深度之六：特斯拉、Dojo+英伟达，GPU+谷歌，TPU+昇腾：趋势是带宽与扩展性_29页_2mb

报告摘要

文档内容总结

核心内容

本报告分析了特斯拉 Dojo、英伟达 GPU、谷歌 TPU 和华为昇腾等 AI 芯片的架构异同，并预测了 AI 产业在计算与通信方面的趋势。核心内容包括：

特斯拉 Dojo 与传统 AI 架构相比，强调 扩展性、带宽和 存算一体 的设计，以适应自动驾驶等复杂场景。
英伟达 GPU 从 2010 年起持续优化，注重互联、带宽和 AI 支持，从 Cuda Core 发展为 Tensor Core。
谷歌 TPU 通过 脉动阵列 支持矩阵乘法，注重 扩展性 和带宽，并在 稀疏计算 和 光互连 方面有所突破。
华为昇腾 采用 达芬奇架构，具备 高算力 和 低功耗，与 TPU 有相似之处，支持 多种数据精度 和 分布式训练。

主要观点

扩展性 是 AI 芯片发展的关键趋势，所有芯片均在提升扩展能力。
带宽和延迟的平衡是 AI 通信的核心挑战，Dojo 通过 Z 平面连接 和 TTPoE 提升整体性能。
数据精度 逐步向 低精度（如 BF16、INT8、CFP8）演进，以提升计算效率。
存算一体 是一种新兴趋势，Dojo 通过 本地 SRAM 和 减少核心数量 优化计算效率。
光模块 在 AI 计算集群中需求上升，预计 Dojo 的 BasePOD 规模下需要 28320 个光模块，推动光通信行业增长。

关键信息

1. 特斯拉 Dojo 架构特点

存算一体：Dojo Core 与 SRAM 集成，提升计算效率。
扩展性强：采用分层结构（D1、Tile、Tray、POD），支持大规模计算。
高带宽：通过 TTPoE 实现 400Gb/s 带宽，优于传统网络。
路由便捷：采用 Z 平面拓扑，数据传输路径短，减少延迟。

2. 英伟达 GPU 架构趋势

核心数减少：从麦克斯韦到赫伯，核心数逐步减少，但 扩展性 和带宽提升。
Tensor Core：从 Volta 开始引入，支持矩阵乘法和稀疏计算。
互联技术：采用 NVLink 和 InfiniBand 提升带宽和减少延迟。

3. 谷歌 TPU 发展历程

TPUv1 到 TPUv4：逐步增强带宽、扩展性 和 稀疏计算。
光互连：在 远距离 芯片之间采用光互连，提升传输效率。
脉动阵列：TPUv4 采用类似结构，支持高效矩阵运算。

4. 华为昇腾特点

达芬奇架构：支持 矩阵乘法 和 稀疏计算，与 TPU 类似。
高算力：昇腾 910 算力为 256 TeraFLOPS，功耗低。
分布式训练：支持 1024 芯片 构成集群，适应大规模 AI 任务。

5. AI 计算趋势

数据精度：逐步向 低精度（如 BF16、INT8、CFP8）演进。
带宽最大化：提升 片内/片外带宽，优化数据传输效率。
核心数减少：通过 架构优化，减少核心数量，提升扩展性。

6. AI 通信趋势

从 2D 到 3D 组网：采用 Z 平面拓扑 和 TTPoE 提升系统性能。
光模块需求：预计 Dojo 的 BasePOD 需要 28320 个光模块，推动光通信市场增长。
液冷方案：引入 15kW 液冷封装，提升能效和散热能力。

重点标的与风险提示

标的推荐

流量环节：中际旭创、华工科技、新易盛、天孚通信、中兴通讯、紫光股份、锐捷网络。
AI 服务器计算环节：浪潮信息、胜宏科技（电子）、神州数码（tmt）。
华为产业链：软通动力（大模型+OS+数据库）、华大九天（tmt，EDA）、长电科技（电子，封测）、润达医疗（医疗AI）、赛意信息（MetaERP）、中软国际、广电运通、神州数码。
特斯拉与智能车产业链：德赛西威、立讯精密（电子）、双环传动（机械&汽车）、精锻科技、爱柯迪、岱美股份。

风险提示

业绩波动：由于复工和宏观环境变化，2022-2023 年存在业绩波动风险。
竞争风险：GPU/DSA、智联汽车、机器人领域存在 研究竞争 和 产业链地位 的风险。
技术风险：切换到类似 Dojo 架构难度较大，需关注 技术可行性 和 市场接受度。

总结

特斯拉 Dojo、英伟达 GPU、谷歌 TPU 和华为昇腾等 AI 芯片均在 扩展性、带宽和 AI 支持 方面有所突破。Dojo 通过 存算一体 和 Z 平面连接 提升性能，而英伟达和谷歌则通过 Tensor Core 和 光互连 提高效率。华为昇腾在架构和算力方面与 TPU 有相似之处，但更注重 全栈解决方案。随着 AI 领域发展，光模块 需求显著上升，成为产业链中的重要环节。同时，市场需关注 技术迭代 和 宏观环境变化 带来的风险。

展开完整摘要

试读结束，高清完整版pdf/doc/ppt,请点下载