商城首页欢迎来到中国正版软件门户

您的位置: 首页 > 文章列表 > 硬件相关 > SemiAnalysis:英伟达Rubin平台的冰与火

SemiAnalysis:英伟达Rubin平台的冰与火

  发布于2026-08-21 阅读(0)

扫一扫,手机访问

〈p〉半导体研究机构SemiAnalysis最近放出的消息,让英伟达的走向变得微妙起来。两份研判,同一家机构,却指向截然不同的方向——一边是供应瓶颈解除后的业绩爆发预期,另一边是旗舰产品缩水带来的技术路线隐忧。说它冰火两重天,一点都不为过。〈/p〉〈p〉先说好消息。SemiAnalysis在6月30日通过其Accelerator Model抛出了一个让华尔街不得不重新审视的数字:英伟达2027财年下半年数据中心计算业务营收,将比市场一致预期高出约20%。这个判断的底气从哪来?说到底,还是那两个最关键的供应环节打通了。此前一直拖累Rubin平台大规模推进的HBM4内存问题,终于解决了;前端的晶圆产能也提前完成了储备。这意味着,那个被市场反复讨论的"Rubin进度难题",很快就要变成历史。〈/p〉〈p〉〈img src="http://img.318050.com/uploads/20260630/17828169746a43a0ced2afc259845694.webp"/〉〈br/〉〈/p〉〈p〉有意思的是,SemiAnalysis的预测逻辑和多数华尔街机构不太一样。很多卖方分析师习惯给自己留点"超预期"的空间,模型建得偏保守,方便后面向上修正。但SemiAnalysis这套Accelerator Model,更像是一张产业链情报网——横跨材料供应商、晶圆制造、关键零部件、服务器整机,再结合超大规模云厂商和前沿AI实验室的采购部署情况,把供需关系来回验证了好几遍。这样的数据链条,显然比单纯的财务模型要贴近真实市场。而且这套模型不只盯英伟达,博通、AMD、联发科、Marvell都在覆盖范围之内,配合HBM Model,整个AI算力产业链的演变走向,都能看得更清楚。〈/p〉〈p〉但同一家机构,同一天,也抛出了一个让人不得不警觉的信号。〈/p〉〈p〉〈img src="http://img.318050.com/uploads/20260630/17828169756a43a0cf071e5123474016.webp" width="590" height="659" onload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" 〉〈br/〉〈/p〉〈h2〉供应瓶颈解除,Rubin平台下半年放量可期〈/h2〉〈p〉根据SemiAnalysis的Accelerator Model预测,英伟达将在2027财年下半年迎来一轮大规模放量。在Rubin平台的强力拉动下,数据中心计算业务收入有望比市场一致预期高出约20%。此前影响Rubin进度的HBM4问题已经得到解决,前端晶圆供应也已完成提前储备,这意味着曾被推迟的Rubin平台即将进入快速爬坡阶段。〈/p〉〈p〉SemiAnalysis特别指出,其预测逻辑与传统卖方分析师存在显著差异。多数华尔街机构倾向于建立相对保守的盈利预测,为企业后续"超预期"表现预留空间;而SemiAnalysis的结论更多建立在产业链一线调研的基础之上,力求更贴近真实的市场动态。其Accelerator Model构建了一套覆盖全链条的信息交叉验证体系,数据来源涵盖材料供应商、晶圆制造、关键零部件、服务器整机厂商等供应链环节,同时结合超大规模云服务商及前沿AI实验室的实际采购与部署情况,对供需关系进行多维度校验。〈/p〉〈h2〉CUDA护城河受侵蚀,Rubin Ultra缩水折射自研ASIC崛起〈/h2〉〈p〉不过,同一日早间SemiAnalysis披露的另一则消息,却给这个乐观预期浇了一盆冷水。英伟达原版采用4颗计算芯片设计的Rubin Ultra,在今年GTC发布约三个月后就已经调整了方案。新版本的尺寸规模缩减到原来的一半,实际性能也随之减半。原因指向了先进封装制造难度的现实制约。〈/p〉〈p〉但SemiAnalysis认为,真正值得关注的不是Rubin Ultra缩水本身,而是这件事背后折射出的产业竞争格局变化。过去一年间,英伟达最大的竞争压力已经不再只是AMD这样的传统GPU厂商,而是一大批超大规模云厂商和AI模型公司开始转向自研ASIC,针对训练或推理等特定场景构建专用芯片体系。〈/p〉〈p〉举个例子,Anthropic目前已经形成了由谷歌TPU、亚马逊Trainium和英伟达GPU共同组成的多平台算力架构。大量Claude模型训练运行在TPU平台,而Claude Code的推理任务越来越多地部署在Trainium上,英伟达的GPU则更多地承担前沿研究等通用计算任务。SemiAnalysis指出,一年前很难想象TPU和Trainium能成长到如今的规模,而现在,CUDA护城河正在被这些自研芯片悄然侵蚀。〈/p〉
本文转载于:https://www.163.com/dy/article/L0MI707705198NMR.html 如有侵犯,请联系zhengruancom@outlook.com删除。
免责声明:正软商城发布此文仅为传递信息,不代表正软商城认同其观点或证实其描述。

热门关注