- UBS参加Hot Chips 2026大会后总结三大核心要点：1）英伟达在全栈AI工厂领域大幅领先，已从销售单颗GPU转向销售约100MW数据中心级系统，以
- 序号：115
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
- UBS参加Hot Chips 2026大会后总结三大核心要点：1）英伟达在全栈AI工厂领域大幅领先，已从销售单颗GPU转向销售约100MW数据中心级系统，以tokens/MW、TTFT和可靠性为价值衡量指标；2）AMD硬件路线图非常强劲，MI455X搭配Helios全栈方案正面对标英伟达Rubin；3）内存架构创新极为重要，AI推理时代内存（容量、带宽）甚至比算力更关键。各家硬件路线图均聚焦内存容量、内存带宽和纵向扩展互联，以应对模型规模和KV缓存窗口快速增长带来的瓶颈。此外，OpenAI的Jalapeño ASIC仅用9个月完成初始RTL，体现了ASIC开发周期大幅缩短，UBS维持ASIC最终占据约30%加速器市场份额的观点。
UBS于2026年8月31日发布半导体行业研报，对Hot Chips 2026这一年度最重要的技术大会进行了系统总结。报告的核心观点可归纳为三大要点： ：英伟达已从"销售独立GPU"转向"销售完整AI工厂"，将销售单元从单颗加速器升级为约100MW的数据中心级系统，价值衡量指标也从峰值FLOPS转向tokens/MW、首token响应时间（TTFT）和可靠性。 ：AMD MI455X采用chiplet设计，搭载432GB HBM4和23.3TB/s内存带宽，搭配Helios平台（72-GPU液冷系统，2.9 exaflops算力），正面对标英伟达Rubin。 ：AI模型规模和KV缓存窗口持续快速增长，硬件路线图普遍聚焦内存容量、内存带宽和纵向扩展（scale-up）互联，以解决关键瓶颈。UBS认为，在AI推理时代，内存的重要性甚至超过算力本身。
一、英伟达（NVDA）：从GPU到AI工厂的范式转变 英伟达在本届大会上展示了Rubin平台相比Blackwell的代际优势： ：每兆瓦token吞吐量提升10-30倍，每瓦特配置的GPU数量增加多达40% ：自适应NVFP4稀疏化、低延迟NVLink 6同步、机柜级功率平滑 ：通过80+合作伙伴的MGX生态系统，将护城河从芯片扩展到网络、散热、供电和机柜设计 ：更深层次的平台锁定和对AI基础设施栈的所有权，但伴随更高的资本支出强度和执行风险 二、AMD：硬件快速追赶，软件仍是关键变量 AMD展示了其全栈AI基础设施战略： ：N2/N3P chiplet设计、432GB HBM4、23.3TB/s带宽、最高4倍的MXFP4峰值算力 ：集成EPYC Venice CPU + MI455X GPU + Pensando Vulcano AI NIC，72-GPU液冷系统 ：采用开放架构（Ethernet/ESUN标准和商用交换芯片），而非英伟达的专有NVLink ：ROCm、Hyperloom和AI编码代理集成虽有进展，但能否缩小CUDA生态差距仍是关键 UBS观点：AMD在系统级愿景上正逐步追上英伟达，但持续份额增长更取决于ROCm能否成熟为有竞争力的软件平台。 三、英特尔（INTC）：差异化的低功耗推理策略 INTC展示了Crescent Island推理芯片： ：350W风冷PCIe设计，功耗显著低于NVDA Rubin和AMD MI455X ：最大480GB LPDDR5X内存，专为KV缓存密集型agentic AI负载设计 ：开放式异构推理部署，可与高带宽HBM加速器配对，构成分解式AI架构 ：未披露FLOPS和内存带宽等关键指标，2H26上市前竞争力难以评估 四、OpenAI Jalapeño ASIC：9个月开发周期引发关注 这是本次大会最受关注的发布之一： ：约700W（vs GB200的约1,200W） ：多token预测、围绕KV缓存局部性优化的内存切片架构 ：128芯片机柜，16机柜扩展为2,048芯片Pod，使用Ethernet纵向扩展 ：仅9个月完成初始RTL，计算芯片从零开发，部分接口IP和I/O die依赖博通 ：维持ASIC最终占据约30%加速器市场份额的判断；GPU仍将在灵活性和生态广度上保持多数份额 五、其他主要厂商动态 厂商产品/重点关键特征 微软（MSFT） Maia 200 750W TDP，216GB HBM，7TB/s带宽，统一以太网纵向扩展网络 Meta（META） MTIA 400 5 chiplet设计，288GB HBM3E，9.4TB/s带宽，针对DLRM推荐模型 谷歌（GOOGL） TPU 8t/8i 训练与推理芯片分离，推理芯片TPU 8i强调内存带宽 Groq×英伟达 LPX 全SRAM设计，350ns片间延迟，3-5倍长上下文agent性能提升 d-Matrix Raptor 3D-DRAM 32GB/卡，~100TB/s带宽，1M token上下文支持 Cerebras（CBRS） CS-4/CS-6 晶圆级架构，CS-6引入3D堆叠DRAM，预计2028年面世 SambaNova SN50 RDU 全风冷方案，三级内存层次（SRAM+HBM+DDR） 六、内存与互联创新 大会重点展示了技术的进展： ：在DRAM bank内嵌入MAC计算，PIM带宽达614GB/s（8倍传统LPDDR5X），Llama-3.1-8B token吞吐量提升约3倍 ：集成2TB DDR5 + SSD + 3,072个近内存RISC-V核心 ：英伟达Spectrum-X多平面架构将扩展性从8K提升至512K Rubin GPU；Broadcom Thor Ultra 800G NIC支持8平面多路径
UBS在本报告中，报告性质为行业大会要点总结，覆盖多家公司（NVDA、AMD、INTC、AVGO、MSFT、META、GOOGL、AMZN等）。UBS使用P/E、EV/FCF等方法对所覆盖公司进行估值，但本报告未涉及具体估值数据。 UBS在报告中重申了其长期观点：，商用GPU解决方案凭借灵活性、适应快速演进模型架构的能力和更低的部署风险，将保留多数份额。
：经济衰退可能影响AI基础设施投资节奏 ：地缘政治冲突可能扰乱半导体供应链 ：新发明或新架构可能改变现有竞争格局 ：行业结构性变化可能改变单位销量、ASP和营收的未来走势 ：若ASIC在推理工作负载上的经济性优势进一步扩大，可能蚕食GPU市场份额 ：向数据中心级系统销售的转型涉及更高资本支出强度和设施级设计执行风险 ：ROCm能否成熟为有竞争力的软件平台仍存不确定性
总体总结
主题正文 要点：1）英伟达在全栈AI工厂领域大幅领先，已从销售单颗GPU转向销售约100MW数据中心级系统，以tokens/MW、TTFT和可靠性为价值衡量指标；2）AMD硬件路线图非常强劲，MI455X搭配Helios全栈方案正面对标英伟达Rubin；3）内存架构创新极为重要，AI推理时代内存（容量、带宽）甚至比算力更关键。各家硬件路线图均聚焦内存容量、内存带宽和纵向扩展互联，以应对模型规模和KV缓存窗口快速增长带来的瓶颈。此外，OpenAI的Jalapeño ASIC仅用9个月完成初始RTL，体现了ASIC开发周期大幅缩短，UBS维持ASIC最终占据约30%加速器市场份额的观点。
UBS于2026年8月31日发布半导体行业研报，对Hot Chips 2026这一年度最重要的技术大会进行了系统总结。报告的核心观点可归纳为三大要点： ：英伟达已从"销售独立GPU"转向"销售完整AI工厂"，将销售单元从单颗加速器升级为约100MW的数据中心级系统，价值衡量指标也从峰值FLOPS转向tokens/MW、首token响应时间（TTFT）和可靠性。 ：AMD MI455X采用chiplet设计，搭载432GB HBM4和23.3TB/s内存带宽，搭配Helios平台（72-GPU液冷系统，2.9 exaflops算力），正面对标英伟达Rubin。 ：AI模型规模和KV缓存窗口持续快速增长，硬件路线图普遍聚焦内存容量、内存带宽和纵向扩展（scale-up）互联，以解决关键瓶颈。UBS认为，在AI推理时代，内存的重要性甚至超过算力本身。
一、英伟达（NVDA）：从GPU到AI工厂的范式转变 英伟达在本届大会上展示了Rubin平台相比Blackwell的代际优势： ：每兆瓦token吞吐量提升10-30倍，每瓦特配置的GPU数量增加多达40% ：自适应NVFP4稀疏化、低延迟NVLink 6同步、机柜级功率平滑 ：通过80+合作伙伴的MGX生态系统，将护城河从芯片扩展到网络、散热、供电和机柜设计 ：更深层次的平台锁定和对AI基础设施栈的所有权，但伴随更高的资本支出强度和执行风险 二、AMD：硬件快速追赶，软件仍是关键变量 AMD展示了其全栈AI基础设施战略： ：N2/N3P chiplet设计、432GB HBM4、23.3TB/s带宽、最高4倍的MXFP4峰值算力 ：集成EPYC Venice CPU + MI455X GPU + Pensando Vulcano AI NIC，72-GPU液冷系统 ：采用开放架构（Ethernet/ESUN标准和商用交换芯片），而非英伟达的专有NVLink ：ROCm、Hyperloom和AI编码代理集成虽有进展，但能否缩小CUDA生态差距仍是关键 UBS观点：AMD在系统级愿景上正逐步追上英伟达，但持续份额增长更取决于ROCm能否成熟为有竞争力的软件平台。 三、英特尔（INTC）：差异化的低功耗推理策略 INTC展示了Crescent Island推理芯片： ：350W风冷PCIe设计，功耗显著低于NVDA Rubin和AMD MI455X ：最大480GB LPDDR5X内存，专为KV缓存密集型agentic AI负载设计 ：开放式异构推理部署，可与高带宽HBM加速器配对，构成分解式AI架构 ：未披露FLOPS和内存带宽等关键指标，2H26上市前竞争力难以评估 四、OpenAI Jalapeño ASIC：9个月开发周期引发关注 这是本次大会最受关注的发布之一： ：约700W（vs GB200的约1,200W） ：多token预测、围绕KV缓存局部性优化的内存切片架构 ：128芯片机柜，16机柜扩展为2,048芯片Pod，使用Ethernet纵向扩展 ：仅9个月完成初始RTL，计算芯片从零开发，部分接口IP和I/O die依赖博通 ：维持ASIC最终占据约30%加速器市场份额的判断；GPU仍将在灵活性和生态广度上保持多数份额 五、其他主要厂商动态 厂商产品/重点关键特征 微软（MSFT） Maia 200 750W TDP，216GB HBM，7TB/s带宽，统一以太网纵向扩展网络 Meta（META） MTIA 400 5 chiplet设计，288GB HBM3E，9.4TB/s带宽，针对DLRM推荐模型 谷歌（GOOGL） TPU 8t/8i 训练与推理芯片分离，推理芯片TPU 8i强调内存带宽 Groq×英伟达 LPX 全SRAM设计，350ns片间延迟，3-5倍长上下文agent性能提升 d-Matrix Raptor 3D-DRAM 32GB/卡，~100TB/s带宽，1M token上下文支持 Cerebras（CBRS） CS-4/CS-6 晶圆级架构，CS-6引入3D堆叠DRAM，预计2028年面世 SambaNova SN50 RDU 全风冷方案，三级内存层次（SRAM+HBM+DDR） 六、内存与互联创新 大会重点展示了技术的进展： ：在DRAM bank内嵌入MAC计算，PIM带宽达614GB/s（8倍传统LPDDR5X），Llama-3.1-8B token吞吐量提升约3倍 ：集成2TB DDR5 + SSD + 3,072个近内存RISC-V核心 ：英伟达Spectrum-X多平面架构将扩展性从8K提升至512K Rubin GPU；Broadcom Thor Ultra 800G NIC支持8平面多路径
UBS在本报告中，报告性质为行业大会要点总结，覆盖多家公司（NVDA、AMD、INTC、AVGO、MSFT、META、GOOGL、AMZN等）。UBS使用P/E、EV/FCF等方法对所覆盖公司进行估值，但本报告未涉及具体估值数据。 UBS在报告中重申了其长期观点：，商用GPU解决方案凭借灵活性、适应快速演进模型架构的能力和更低的部署风险，将保留多数份额。
：经济衰退可能影响AI基础设施投资节奏 ：地缘政治冲突可能扰乱半导体供应链 ：新发明或新架构可能改