思维纪要社 HTML 来自本地 Obsidian vault 的静态发布
主题 2026-08-31/topics/113.md 原文

- J.P. Morgan参会后对多年期AI基础设施建设的观点更为积极。核心观点包括：(1) 智能体AI推理已成为行业首要设计驱动力，解码主导型工作负载和KV缓

图片

无图片

正文

J.P. Morgan于2026年8月31日发布半导体行业深度报告，基于Hot Chips 2026大会的实地观察，对多年期AI基础设施建设表达了更为积极的看法。报告核心论点认为：，这一转变是去年Hot Chips（仍以训练优化为设计重心）以来最显著的范式转移。报告看好AVGO、NVDA、AMD、MRVL、MTSI、ALAB、MU、SNDK作为AI基础设施持续建设的核心受益标的。

一、智能体AI推理成为行业首要设计驱动力 本屆Hot Chips大会出现了。每一场演示都以智能体AI工作负载为设计出发点，与去年训练优化架构仍占主导形成鲜明对比。 关键发现： 已成为常态。SambaNova的SN50 RDU演示量化显示，DeepSeek、MiniMax、Kimi、Qwen、GLM等前沿模型中，75%-97%的计算周期均为解码主导

成为一等公民级设计约束 ：芯片周期日益分化为两个方向—— 训练优化型硅：峰值FLOPS + 大规模scale-up互联带宽 推理优化型硅：内存容量 + 片上SRAM + 低延迟多芯片互联 Google TPU v8（推理版v8i通过大幅增加片上SRAM以解决MoE推理延迟）、Intel Crescent Island GPU（专为智能体推理而生，选择LPDDR5x而非传统HBM以换取更大内存容量）、OpenAI Jalapeño（以延迟、每请求能耗、Pareto前沿定位而非峰值FLOPS为设计指标）均体现了这一行业级共识。 二、自研芯片持续扩散——OpenAI Jalapeño成焦点 OpenAI首次披露了其与Broadcom合作开发的，标志着公司正式进入自研芯片领域： ：从初始RTL到流片仅约9个月，得益于AI加速的硬件/软件协同设计 ：设计指标聚焦Pareto前沿定位（延迟、能耗、tokens/kW） ：预计Jalapeño后续项目和邻近的硅项目将以快节奏持续推出 ： 项目主要合作方 Google TPU v8/9/10/11 Broadcom OpenAI Jalapeño Broadcom Meta MTIA 300/400/450/500 Broadcom Microsoft MAIA Marvell SambaNova SN50 RDU 自有 Intel Crescent Island Intel自有 ：尽管自研芯片加速扩散，但OpenAI仍承诺到2030年部署约12GW的Nvidia基础设施；超大规模厂商继续同时采购Nvidia GPU和自研芯片；没有任何前沿实验室表示要替代商用GPU。J.P. Morgan认为，自研ASIC针对已有模型、工作负载特征和足够规模可承担NRE的特定推理场景，而商用GPU则继续服务于需要通用平台的更广泛生态。 但从份额趋势看，。 三、AMD MI400 + Helios：竞争底气显著增强 AMD在本屆大会发布了其迄今，有效"去风险化"了相对Nvidia的竞争定位： ： 单机架提供和 72 GPU/机架配置（匹配Nvidia Vera Rubin） 完整全栈方案，不只是GPU替代品 ： 模块化Chiplet架构（计算芯粒用N2工艺，I/O和缓存裸片用N3P） HBM4容量和带宽较前代显著提升（契合MoE推理和长上下文工作负载的内存约束） 采用，为NVLink提供开放标准替代 ：GPU + CPU + DPU + AI NIC，AMD正通过Pensando Vulcano 800 AI NIC和Pensando Salina 400 DPU，。 J.P. Morgan认为，叠加推理工作负载加速增长的有利动态（AMD凭借有吸引力的TCO和ROCm对NVDA训练模型的无摩擦部署展现了强劲竞争力），Hot Chips大会。 四、网络分类扩容，"Scale-In"新层级出现 AI网络是本屆大会的另一大主题： ： 位于传统scale-up（NVLink）和scale-out（Spectrum-X以太网）之间 专门连接GPU工作负载与周边数据中心基础设施（存储、运行Agent的CPU、编排、安全） 强化Nvidia作为全栈网络平台供应商的定位（涵盖NVLink → Spectrum-X → Spectrum-XGS → BlueField-4） ： 专为AI scale-out和scale-across网络打造 增强型RoCE（eRoCE）功能集，针对AI训练和推理工作负载在以太网上的可靠性、拥塞控制和多点路由挑战 强化以太网作为InfiniBand替代方案在AI scale-out网络中的地位 ：AI网络是（scale-up和scale-out双向增长），竞争激烈但。受益范围不仅限于商用NIC/DPU厂商（AVGO、NVDA），还包括更广泛的网络硅生态： ：定制scale-out硅、DCI/DSP、相干光学 ：连接fabric、PCIe/CXL retimer ：高速激光器和光组件 五、HBM：持续供应瓶颈 。大会上展示的每一份重要路线图都依赖于HBM3E/4/4E，进一步强化了的预期。 六、Intel：架构进展与执行风险并存 Intel展示了： ： 采用3D Mesh架构（较Sierra Forest/Granite Rapids的Modular Mesh向前一步） 2.5D + 3D分解和基于功能的分区 定位从纯计算性能叙事转向"AI工厂数据移动、安全、编排" ： 专为智能体AI推理设计 480GB LPDDR5x内存（而非HBM）—— 体现推理对内存容量而非原始带宽的敏感性 350W TDP定位能效 片上MoE推测解码加速 J.P. Morgan认为Intel在架构层面确有进展，——鉴于服务器CPU供需紧张，DMR的前景预计将较为乐观。 七、被低估的赢家：Broadcom J.P. Morgan特别强调，，其参与覆盖了大会展示的多项最具影响力的产品/技术： Google TPU项目（v8/9/10/11的主要设计合作伙伴） OpenAI Jalapeño ASIC Meta MTIA ASIC项目（300/400/450/500） SambaNova RDU（ASIC）项目 以太网在scale-up和scale-out中的扩散（包括Thor Ultra 800G Ethernet NIC） 这凸显了AVGO。

报告未给出具体目标价或评级调整，但： ：AI ASIC设计合作伙伴+网络硅双引擎 ：全栈平台领先者 ：推理市场份额加速提升 ：定制scale-out硅+网络组件 ：高速激光器和光组件 ：连接fabric和retimer ：HBM关键供应商 ：存储相关受益

：智能体AI推理需求增长若不及预期，整个AI基础设施投资逻辑将面临下行压力 ：若超大规模厂商加速自研ASIC并减少商用GPU采购，可能影响NVDA和AMD的市场份额假设 ：HBM3E/4/4E供应若持续紧张，可能限制AI芯片出货节奏 ：Intel虽展示架构进展，但执行历史仍是最大不确定性 ：InfiniBand vs.以太网、NVLink vs. UALink等竞争格局演变可能影响相关公司市场份额 ：若宏观环境恶化或超大规模厂商资本开支放缓，将冲击整个半导体AI链条

总体总结

主题正文

  1. 核心观点包括：(1) 智能体AI推理已成为行业首要设计驱动力，解码主导型工作负载和KV缓存管理正在根本性地重塑硅架构；
  2. (5) 网络分类持续扩展，Nvidia通过BlueField-4引入"Scale-In"层级，Broadcom推出Thor Ultra 800G以太网NIC；
  3. J.P. Morgan于2026年8月31日发布半导体行业深度报告，基于Hot Chips 2026大会的实地观察，对多年期AI基础设施建设表达了更为积极的看法。
  4. SambaNova的SN50 RDU演示量化显示，DeepSeek、MiniMax、Kimi、Qwen、GLM等前沿模型中，75%-97%的计算周期均为解码主导
  5. Google TPU v8（推理版v8i通过大幅增加片上SRAM以解决MoE推理延迟）、Intel Crescent Island GPU（专为智能体推理而生，选择LPDDR5x而非传统HBM以换取更大内存容量）、OpenAI Jalapeño（以延迟、每请求能耗、Pareto前沿定位而非峰值FLOPS为设计指标）均体现了这一行业级共识。
  6. ：GPU + CPU + DPU + AI NIC，AMD正通过Pensando Vulcano 800 AI NIC和Pensando Salina 400 DPU，。
  7. J.P. Morgan认为，叠加推理工作负载加速增长的有利动态（AMD凭借有吸引力的TCO和ROCm对NVDA训练模型的无摩擦部署展现了强劲竞争力），Hot Chips大会。
  8. ：智能体AI推理需求增长若不及预期，整个AI基础设施投资逻辑将面临下行压力
源文件：2026-08-31/topics/113.md
站内副本：2026-08-31/topics/113.md