AI网络芯片

AI大模型训练需要成千上万颗GPU协同工作，GPU之间的数据交换速度直接决定训练效率。高速网络芯片（交换机芯片、DPU/SmartNIC、InfiniBand适配器）是连接这些GPU的核心硬件。 因果链：大模型训练集群规模指数增长（万卡/十万卡级）→ GPU间通信成为瓶颈 → 需要超高带宽、超低延迟网络 → NVIDIA InfiniBand和以太网交换机芯片需求爆发 → Broadcom以太网交换机芯片在AI集群中份额快速提升 NVIDIA通过收购Mellanox（2019年$69亿）获得了InfiniBand技术，在AI网络领域形成GPU+网络的捆绑优势。但以太网方案（Broadcom主导）在超大规模云厂商中正快速普及。

AI网络是增长最快的网络细分赛道。关键变量是以太网对InfiniBand的替代速度——如果以太网方案在训练场景成熟，Broadcom受益最大；如果InfiniBand壁垒持续，NVIDIA继续收割。Arista Networks在AI网络交换机整机市场也有显著增长。

上游是交换芯片设计（Broadcom、Marvell）和光模块（为交换端口提供高速光互连）。以太网光模块赛道是直接的配套环节。 下游对接AI服务器集群——每个GPU机柜都需要连接到高速网络交换机。与AI算力芯片赛道紧密耦合——GPU的互连方式直接影响网络架构选择。