---
title: "【东方通信-半导体】9.6周观点：AI硬件网络的第一性原理 1、模型越大、所需硬件网络越大、模型效果越好（scaling law）。GPT-6 Astra采用1"
topic_id: 14425511481151442
created_at: 2026-09-06T22:37:03.192+0800
source: zsxq
type: topic
cssclasses: zsxq-vault
---

# 【东方通信-半导体】9.6周观点：AI硬件网络的第一性原理 1、模型越大、所需硬件网络越大、模型效果越好（scaling law）。GPT-6 Astra采用1

- 序号：045
- 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/14425511481151442)
- 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

【东方通信-半导体】9.6周观点：AI硬件网络的第一性原理

1、模型越大、所需硬件网络越大、模型效果越好（scaling law）。GPT-6 Astra采用10万张GPU训练10万亿参数规模，获得SOTA的模型能力，scaling law的法则仍在延续。预计2027年底将有30-50万亿参数规模的模型发布，将需要更大规模更低延时的硬件网络。

2、以晶体管为核心的电芯片 和 以光纤为核心的通信网络 需要发生至少一次的光电转换（cpo/oio离晶体管最近）。EUV单次曝光尺寸固定（26x33mm）、晶体管密度受制程制约、封装尺寸受材料与热制约，这些物理与工程问题限制单颗chip的性能极限，要训练大模型必须要组网。铜的物理极限导致在大规模组网中须以光纤为传输介质。因此，在AI硬件大规模网络中，GPU与光纤网络之间必须至少发生一次光电转换，光引擎的物理位置离GPU越近，损耗越小。必须要发生的光电转换，最好发生在GPU的IO处，即CPO/OIO

## 总体总结

主题正文
1. 【东方通信-半导体】9.6周观点：AI硬件网络的第一性原理
2. 1、模型越大、所需硬件网络越大、模型效果越好（scaling law）。
3. GPT-6 Astra采用10万张GPU训练10万亿参数规模，获得SOTA的模型能力，scaling law的法则仍在延续。
4. 预计2027年底将有30-50万亿参数规模的模型发布，将需要更大规模更低延时的硬件网络。
5. 2、以晶体管为核心的电芯片 和 以光纤为核心的通信网络 需要发生至少一次的光电转换（cpo/oio离晶体管最近）。
6. EUV单次曝光尺寸固定（26x33mm）、晶体管密度受制程制约、封装尺寸受材料与热制约，这些物理与工程问题限制单颗chip的性能极限，要训练大模型必须要组网。
7. 因此，在AI硬件大规模网络中，GPU与光纤网络之间必须至少发生一次光电转换，光引擎的物理位置离GPU越近，损耗越小。
8. 必须要发生的光电转换，最好发生在GPU的IO处，即CPO/OIO