两套AI工厂的
正面交锋
Google已经把Axion CPU、TPU、ICI与Virgo组织成一套可对外销售的AI Hypercomputer；NVIDIA则以Vera、Rubin、NVLink与Spectrum-X构建AI Factory。下一轮价值迁移将更多发生在系统连接层。
结论先行：竞争单位已经从单颗芯片升级为整套AI工厂
必须先校准：Virgo并不直接等于NVLink
投资映射容易把Google的Axion、TPU、Virgo粗略对应NVIDIA的Vera、Rubin、NVLink。技术上应进一步拆成Scale-up、Scale-out和Scale-across三个层级。
如果讨论机架内部带宽，TPU ICI更接近NVLink；如果讨论机架之间和跨园区扩展，Virgo更接近Spectrum-X、Quantum-X与Spectrum-XGS。1.6T和CPO的主要增量由后两层驱动。
| 维度 | Google路线 | NVIDIA路线 | 投资含义 |
|---|---|---|---|
| 系统形态 | TPU、Axion与NVIDIA A5X并存 | 高度整合的参考架构和整机系统 | Google强调异构选择和云毛利；NVIDIA强调性能确定性 |
| 软件护城河 | JAX、XLA、Pathways，并扩大PyTorch、vLLM支持 | CUDA、NCCL、Dynamo与成熟开发者生态 | 软件可迁移性决定TPU份额提升速度 |
| 商业关系 | 部分工作负载以TPU替代GPU，同时销售Rubin | Google既是大客户，也是潜在替代者 | 客户与竞争者身份同时存在 |
Kakao案例：TPU开始从内部能力变成第三方客户的现实选择
Kakao面对的是大量模型厂商共同面对的约束：GPU容量、电力、预算和扩展能力接近上限，同时又要训练具备本土语言能力并能进入真实产品的大模型。
算力供给、电力和预算共同限制训练规模。
迁移的关键成本来自软件栈、数据管线和训练方法，而不是简单更换芯片。
Kakao披露其模型质量可与既有GPU Megatron-LM训练结果比较。
该数字是TPU代际升级，不应被解释为TPU相对GPU提升2.7倍。
Virgo的重要意义：把数据中心园区变成一台计算机
AI集群规模上升后，昂贵加速器有越来越多时间消耗在通信等待、拥塞、尾延迟、故障恢复和数据供应。Virgo试图把网络从配套设施升级为“有效算力乘数”。
连接芯片、Cube与Superpod，追求低延迟紧耦合。
连接Pod和机架，采用高端口密度、扁平两层与多平面故障隔离。
负责数据输入、检查点、通用计算与外部服务访问。
跨园区组织百万级逻辑训练集群，绕开单一园区的物理上限。
产业链价值如何传导
| 瓶颈 | 系统要求 | 受益环节 | 需验证变量 |
|---|---|---|---|
| 交换容量 | 更高radix与102.4T级交换ASIC | Broadcom、Marvell、NVIDIA网络 | 具体客户供应关系与量产节奏 |
| 端点数据移动 | RDMA、拥塞控制、故障隔离 | NIC、DPU、Retimer | 端口数量、每端口速率、系统利用率 |
| 机架间连接 | 800G向1.6T升级 | 光模块、DSP、EML、硅光 | 200G/lane良率与价格下降 |
| 跨园区连接 | 更长距离、低延迟与相干光 | ZR/ZR+、DCI、相干DSP | 真实跨站点goodput与客户采用 |
从Virgo自然走向1.6T与CPO：可插拔和共封装将长期并存
当交换芯片从51.2T迈向102.4T，单端口速率需要从400G、800G继续升级到1.6T。采用8×200G PAM4可以提高端口密度，但也把功耗、前面板空间和高速电通道损耗推向新的边界。
| 连接场景 | 主要技术 | 光学含义 | 投资方向 |
|---|---|---|---|
| 机架内部 | NVLink、铜缆、背板、短距电连接 | 不能把全部NVLink带宽直接折算为光模块 | 高速铜、连接器、Retimer |
| 机架到机架 | Virgo、Spectrum-X、InfiniBand、Ethernet | 800G向1.6T升级的核心区域 | 光模块、DSP、EML/硅光、NIC |
| 高radix交换层 | 102.4T级交换ASIC | 前面板功耗与密度推动CPO | CPO光引擎、外置激光源、光纤阵列 |
| 跨园区 | DCI、ZR/ZR+、Scale-across | 更长距离相干光需求上升 | 相干DSP、PIC与传输设备 |
CPO不会立即消灭1.6T可插拔模块。近期更可能出现分层并存：可维护性和标准化要求较高的场景继续使用可插拔，功耗与密度约束最强的高端交换层率先采用CPO。
投资映射：平台、连接层与物理基础设施应分层配置
| 标的/环节 | 受益逻辑 | 关键验证 | 主要风险 |
|---|---|---|---|
| GOOGL | TPU降低内部与Cloud推理成本，Virgo提高系统利用率，Axion承接Agent CPU负载 | TPU外部客户、Cloud积压订单、折旧与利润率 | 资本开支回报慢于预期 |
| NVDA | Vera Rubin从GPU扩展至CPU、NVLink、DPU和Spectrum-X系统收入 | Rubin真实交付、Token/MW、网络收入 | 超大云自研ASIC份额提升 |
| ARM | Axion与Vera共同扩大Arm在数据中心CPU的渗透 | 云实例采用、授权与版税增长 | x86兼容性仍占主导 |
| AVGO / MRVL | 定制ASIC、交换芯片、SerDes与光DSP受益于102.4T和200G/lane | 客户项目、量产与产品组合 | 供应关系不透明、价格竞争 |
| COHR / LITE / 300308.SZ | 800G、1.6T、EML、硅光与CPO共同扩大光学价值池 | 1.6T收入占比、良率、客户认证 | CPO重分配传统可插拔价值 |
| ETN / VRT / GEV | 跨园区扩展和高功率机架继续拉动配电、液冷与电网设备 | 订单转收入、交期与利润率 | 数据中心建设延期 |
中际旭创的准确定位
Verified fact旗下InnoLight产品组合已覆盖1.6T OSFP224，典型结构为8路200G PAM4。
Kerwin inference中际旭创是全球AI Scale-out网络从800G向1.6T升级的A股高弹性映射，不能被简单写成Google Virgo供应商故事。
Unresolved目前没有公开证据证明中际旭创是Virgo或TPU 8t的直接供应商。投资判断应聚焦产品能力、客户认证、良率与收入结构。
什么会证伪这条投资主线
PyTorch、vLLM和SGLang兼容只停留在“可以运行”，生产效率无法接近GPU。
理论百万芯片连接被故障、尾延迟、调度和跨站点通信抵消。
800G生命周期延长，客户延迟升级，价格下降快于成本改善。
热管理、维修和供应链重构使大规模部署继续后移。
监测仪表盘
主要英文资料与下一条研究路径
相关研究路径
EnyaClawd是Kerwin的研究与呈现系统，负责把公开证据、产业链因果、投资映射与持续监测连接成可复核的研究页面。