1. 封测报告之外，设计公司为何还需搭建自有测试数据分析体系
2. 财富500 强：瑞声科技排名跃升46位，将步入AI收获大年
3. CPU 重回中枢｜玄铁在开源架构香山上探索“空间多线程”，守住智能体时代的确定性
4. 地平线携手大众汽车集团深化AI合作 助力大众加速迈向L3与L4自动驾驶新纪元
5. 纬创美国得州D1工厂启用，黄仁勋：未来还需更多工厂
6. 英伟达发布AI交换芯片Spectrum-6！分析师：有望让token生成能力翻倍
1. 封测报告之外，设计公司为何还需搭建自有测试数据分析体系
引言
芯片量产阶段，封测厂会出具标准化测试报告，可满足企业出货质检、客户交付、合规备案等基础需求。因此行业长期存在误区：只要有完整封测报告，芯片设计公司就无需采购测试数据分析软件，搭建自有测试数据分析体系。
但随着芯片工艺迭代、量产规模扩大与行业竞争精细化，国内外头部Fabless已达成共识：封测报告仅为合规交付凭证，而企业自主测试数据分析能力，才是提升良率、管控成本、驱动技术迭代的核心竞争力。目前多数成熟芯片设计团队，均会在不替代封测标准化流程的前提下，搭建自有数据分析体系，深挖量产数据价值。本文将拆解核心行业逻辑，厘清固有认知偏差。
底层逻辑差异：标准化交付 VS 定制化诊断
封测厂与设计公司的核心诉求完全不同，数据处理逻辑、分析维度和输出结论存在天然差异。封测厂以批量标准化测试、合规筛选、按期交付为核心，测试报告仅服务于合规对账、备案出货，因此天然具有结果导向、标准化通用、单批次碎片化的特点：
1. 侧重判定结果、简化过程数据：重点标注PASS/FAIL结果、基础参数达标情况、批次良率数据，出于交付效率与存储成本考量，极少完整留存过程原始数据、参数波动、异常中间过程记录；
2. 遵循统一标准、弱化客户定制分析：执行行业通用测试规范，标准流程面向全部客户统一适配，不会针对某一家设计公司的芯片架构、设计工艺、专属参数做定向拆解与深度归因；
3. 服务单批次交付、缺少长期迭代支撑：报告主要用于满足当下批次出货备案需求，面向设计优化、工艺改良、跨周期长效问题追溯的深度分析并非其核心服务范畴。
而芯片设计公司的数据分析需求远不止合规出货，需要依托实测数据核验硅片性能、定位设计缺陷、优化PPA指标、稳定量产良率、支撑产品迭代。简单来说，封测厂仅区分芯片好坏，企业自主数据分析可精准定位问题根源、优化产品、压降生产成本。
三大痛点：单一依赖封测报告制约企业长期发展
部分企业为节约短期软硬件投入，完全依赖封测报告，却在量产、品控、研发环节产生大量隐性损耗，这也是头部企业纷纷搭建自有数据分析体系的核心原因。
1. 深度归因分析能力缺失，难以降低良率损耗隐性成本
量产良率是芯片企业核心命脉。封测报告仅输出 PASS/FAIL 最终结论，缺少完整过程原始数据，只能告知企业存在不良，无法区分缺陷源自设计、晶圆、封装还是测试设备，也无法识别参数漂移属于个案还是系统性设计隐患。
即便部分头部封测企业提供了付费诊断增值服务，分析范围也仅局限封装、测试环节，无法联动前端工艺、仿真数据做全链路拆解，难以完成深层次根因定位。因此长期依靠外部复盘，同类缺陷可能反复出现，持续产生物料报废、批量返工、交付延期等隐性损耗。
自有数据分析体系完整存储 CP/FT 全量原始数据，支持参数联动、多批次横向比对、全链路溯源，可精准定位良率波动根源，从源头减少不良损耗，实现事前预警、事中管控。
2. 数据碎片化且权属缺失，丢失核心迭代数据资产
芯片企业核心竞争力依靠持续迭代，量产实测数据是填补仿真与实际流片偏差的关键。头部企业依靠自有长期数据沉淀，持续校准仿真模型、优化 PPA、调整设计裕量，打造差异化产品优势。
而封测交付的碎片化结果数据，无法支撑企业长期迭代。一方面，单批次交付模式导致数据割裂；另一方面，企业多厂代工模式，各厂商数据格式、统计口径不互通，进一步催生数据孤岛。缺少专业整合工具时，人工整理数据效率低下，无法横向对比不同工厂良率差异，打断 “流片 - 测试 - 分析 - 优化” DTCO 闭环。
同时原始测试数据权属归属于封测厂商，企业无自主调取权限，无法沉淀专属技术数据资产，长期难以构筑技术壁垒，产品迭代速度受限。
3. 问题排查响应滞后，无法支持精细化实时管控
当下工艺迭代加快，车规、工业芯片对稳定性、实时品质管控要求持续升级，快速调取、即时复盘成为量产刚需。
封测厂同时服务大量客户，标准化流程无法为单一企业提供 7×24 小时实时数据调取、定向专项复盘。遭遇突发量产故障、客户审厂、跨代批次追溯等紧急场景时，跨厂商对接层级多，反馈周期长达 1-3 天，芯片设计公司全程处于被动等待状态，严重影响量产节奏。
搭建自有数据分析体系可实现数据实时解析、自定义筛选、多维度一键复盘，贴合企业自身量产与研发节奏，打通数据、品质、研发闭环，满足精细化实时管控需求。
自主数据分析是芯片企业数字化刚需
行业普遍存在误区，将测试数据分析工具视为锦上添花的辅助功能。实则在数字化转型背景下，自有数据分析体系是企业降本、提质、增效、构筑技术壁垒的刚需基础设施。
有些设计公司也会顾虑，同时持有测试厂报告和自有数据分析体系的两套数据，会出现结论分歧、增加核对成本。该问题核心源于双方判定标准差异：封测以合规出货为核心，筛选阈值宽松；企业自有分析侧重长期可靠性，会留存细微参数波动，统计规则天然不同。实际上，设计公司可通过两种方式予以规避：
1. 统一底层数据基准：直连封测原始测试文件，以原始日志为唯一数据源，自主定义分析阈值与判定规则，从源头减少口径冲突；
2. 建立标准化协同流程：提前与合作封测对齐数据字段、不良分类标准，出现数据差异时依托原始日志交叉核对，降低沟通成本。
RapidTDAS一站式解决企业全链路数据痛点
针对芯片设计公司良率归因难、数据资产难沉淀、多厂数据孤岛、双端对账繁琐、量产协同成本高等核心痛点，RapidTDAS测试数据分析系统，可一站式补齐单一封测报告的短板、同时化解自有数据体系与封测报告的协同矛盾，核心价值体现在四大维度：
1. 全维度归因，稳定量产良率：解析全量原始测试数据，精准捕捉参数漂移、批次隐性异常，完成不良问题根源归因，持续优化良率。
2. 私有化留存，沉淀核心资产：支持私有化本地部署，完整留存晶圆、批次、工序全量实测数据，形成可追溯、可复用的专属数据资产，用以校准仿真模型、优化产品PPA，构建DTCO迭代壁垒。
3. 数据归一化，打通多厂孤岛：兼容各类封测厂、测试机台异构数据，自动完成数据清洗、字段对齐、标准统一，实现多厂、多批次、跨代际数据对比与复盘，解决多厂代工数据割裂问题。
4. 标准化口径，降低协同成本：助力企业搭建标准化数据判定与对账体系，统一不良分类、筛选规则，缩小与封测厂的数据偏差，同时快速核验数据分歧，减少人工对账与复盘的人力损耗。
结语
搭建自有测试数据分析体系，并非否定封测厂的标准化交付价值，而是企业对自身产品、技术、量产能力的深度自主把控。封测厂保障产品合规出货、批次交付稳定，企业自主数据分析聚焦技术深耕、良率优化与长期迭代。
行业精细化竞争时代，仅依赖外部标准化报告只能维持基础经营。唯有掌握自主数据分析能力、沉淀专属数据资产、形成数据驱动的迭代闭环，才能跳出同质化竞争，优化产品品质、压降量产成本、构筑核心技术壁垒。
芯片设计公司的数字化转型，核心是从结果管控转向数据驱动的思维升级。深挖量产数据价值、沉淀每一次优化经验，是企业穿越行业周期、实现长效稳定增长的核心底气。
（来源： 芯翼科技）
2. 财富500 强：瑞声科技排名跃升46位，将步入AI收获大年
7月21日，2026 年《财富》中国500强榜单发布，瑞声科技以44.27亿美元营收上榜，较上年大幅前进46位，在半导体与电子元件板块中表现抢眼。
值得注意的是，此次排名跃升或仅是增长序曲。多家媒体及机构分析认为，随着AI算力基建与终端侧AI应用双轮爆发，瑞声科技深度布局的AI相关业务，将开始集中进入收获期，成为拉动业绩再上台阶的核心动力。
AI业务进入批量交付期
近年来，瑞声科技加速向AI感知基础设施构建者战略转型，其AI业务已形成“算力+终端”双线布局。算力端，瑞声科技已跻身全球AI液冷散热第一梯队。其核心产品2.2MW/2.6MW 集中式液冷CDU，已在上半年量产并全球批量交付，覆盖AI数据中心、高性能计算等核心场景。此外，其光模块散热、存储散热方案也同步实现客户突破。伴随800G/1.6T高速光模块与AI高带宽存储的大规模部署，相关散热器件已导入头部算力产业链客户，与液冷CDU产品形成互补，共同构成覆盖AI数据中心全场景的热管理产品矩阵。
终端侧，AI声学器件、MEMS传感器、XR光波导、触觉执行器等产品，已导入全球头部智能终端与AI硬件品牌。其中，XR光波导产品已进入三星、Meta、谷歌等国际科技巨头供应链，伴随AI眼镜等终端品类加速普及，需求弹性持续放大。
苹果链散热率先放量
终端散热业务是瑞声科技AI版图中最先跑出的增长黑马，2025 年公司散热业务收入同比暴涨 410.9%，成为最亮眼的增长极。瑞银最新研报指出，iPhone 18 系列有望搭载新一代中导板VC散热方案，单机ASP（平均售价）预计翻倍以上，瑞声科技有望成为苹果最大VC供应商之一，整体份额超 40%，且VC 散热未来将逐步渗透至iPhone、iPad、MacBook 全产品线。
机器人业务则打开了更大的想象空间。瑞声科技机器人手指执行器2025年相关收入已突破1亿元，商业化落地节奏显著领先行业多数仍处于样机送样阶段的企业。客户覆盖灵心巧手、小米、荣耀、灵犀机器人等国内头部厂商，并向OpenAI、苹果等海外AI硬件客户供应精密电机与 MEMS麦克风，产品价值量和利润率均显著高于传统手机业务。
估值中枢有望持续上移
资本市场的态度已提前印证这一趋势。近期，主流机构对瑞声科技普遍给出 "买入" 评级，较当前股价仍有可观上行空间。
机构看多的核心逻辑在于，AI业务普遍具备更高毛利率与更快增速，其收入占比提升将持续优化瑞声科技的盈利结构。相较于传统消费电子业务的周期波动，AI基础设施与高端硬件需求具备更强的增长确定性，有望平滑公司业绩周期，推动估值中枢系统性上移。此次财富排名跃升46位，正是行业与资本市场对其AI布局价值的初步确认。
2027年被普遍视为AI产业从 "技术投入期" 转向 "商业兑现期" 的关键拐点。瑞声科技作为少有的同时覆盖AI算力端与终端侧的平台型公司，有望在行业爆发中占据有利卡位。随着AI业务逐步从 "第二增长曲线" 成长为核心营收支柱，其长期价值有待进一步释放。
3. CPU 重回中枢｜玄铁在开源架构香山上探索“空间多线程”，守住智能体时代的确定性
520 TFLOPS、50 万卡集群、45% 的端侧增速……刚刚落幕的 WAIC 2026 上，AI 产业的叙事已悄然转向。正在从“能说会道”的大模型阶段迈入“能干活、能创造价值”的智能体时代。
智能体所依赖的多智能体调度、工具调用、长期记忆管理等控制流密集型任务，让 CPU 重新回到系统核心，成为连接模型、工具与记忆的“总指挥”，同时也带来更尖锐的工程命题：如何在上百个并发线程间保持可预测的高性能。
玄铁的答案是“多线程”——资源从动态竞争改为静态分区，单线程性能几乎无损、尾部延迟低而稳定，直击 RL 沙箱、智能体工具调用与灵活调度三大场景。从 3 月与开芯院合作共研香山昆明湖 V3，到同期与开芯院、中兴的多线程研讨会，玄铁正把“源头开源、架构统一、生态合力”变成可验证的技术进展。
范式跃迁
Agentic AI 时代为什么需要 SMT？
达摩院首席科学家孟建熠在 WAIC 2026 发表演讲
过去两年，算力叙事几乎被 GPU 垄断。但当 AI 从"生成内容"跃迁到"自主执行完整任务链"的 Agentic AI 阶段，控制流密集型负载让 CPU 重回系统核心。智能体不再被动应答，而是持续进行任务拆解、工具调用、上下文管理与子智能体编排——全球围绕 Agentic AI 算力底座的竞争已全面展开。
7 月 17 日，世界人工智能大会（WAIC）现场，由国家互联网信息办公室信息化发展局、中国科学院联合主办的“RISC-V 与 AI 融合发展论坛”上，阿里达摩院首席科学家孟建熠认为：在智能体的工作流总延迟中，高达 90.6% 发生在 CPU 端的工具处理环节。这意味着，当智能体任务变得复杂，CPU 的吞吐与响应速度直接决定了整个系统的天花板，单纯堆砌 GPU 算力无法解决工具调用与逻辑协同的瓶颈。SMT（同步多线程）是高性能 CPU 从"单核极致"走向"系统级算力释放"的关键架构能力。
在 x86 和 ARM 主导的服务器 CPU 市场中，SMT 已是数据中心和 AI 推理芯片的标配技术；而对于正在向高性能计算领域突破的 RISC-V 架构而言，SMT 的工程化水平将直接决定下一代 RISC-V 服务器 CPU 能否在单核性能已跻身国际第一梯队的基础上，实现系统级算力的进一步跃升。
特别是在 Agentic AI 时代，智能体工作流对 CPU 多线程并发能力的要求越来越高——多租户 SLA 隔离、异步工具调用、推理与规划并行执行等场景，都需要 SMT 提供底层的硬件级支撑。
这套能力对三类 Agentic AI 场景至关重要。国际主流 CPU 产品（如英伟达 Vera CPU）对 Spatial SMT 的探索，已从侧面验证“确定性多线程”是智能体时代的刚需。
不同的是，玄铁正将这一能力在 RISC-V 开源架构上实现自主可控，并赋予其更灵活的生态适配性。在智能体时代，多线程的“确定性”与“隔离性”，将和绝对吞吐同等重要。
RL 沙箱：每个沙箱是一个独立线程，负责编译代码、运行测试，必须在固定时间窗口内完成，否则会拖慢 GPU 训练周期。空间多线程保证即使上百个线程全开，每个沙箱仍获得可预测的高性能。
智能体工具调用：一次用户请求可能触发多个工具调用（查数据库加执行脚本），这些任务不能因其他租户的请求而变慢。空间多线程提供强隔离，在多租户环境下依然守住 SLA。
灵活调度：运行时可在“1 线程/核（最大化单线程性能）”与“2 线程/核（提升吞吐）”之间动态切换，无需重启。
这一技术判断，正是达摩院玄铁深度参与 RISC-V 开源生态建设、推动 SMT 技术攻关的核心动因。
玄铁从 C910 到 C950，持续推动 RISC-V 架构从嵌入式向高性能方向突破。今年 3 月 24 日，在上海举行的 2026 玄铁 RISC-V 生态大会上，达摩院与开芯院、中科院软件所正式签署战略合作协议，明确将 SMT 列为联合研发的三大关键技术攻关方向之一，同时规划了 RISC-V 高性能软件生态共建与行业标杆应用孵化的合作路线。
目前 SMT 已经走进了实质性的技术协作——达摩院团队深入 KMH-SMT 微架构代码分析并提交了多个 PR 合入 XS-GEM5。
SMT 技术深潜
从微架构代码分析到系统性的性能优化
达摩院玄铁 RISC-V 处理器架构团队高级技术专家郝子轶在 SMT SIG 首期技术沙龙发表演讲
达摩院玄铁 RISC-V 处理器架构团队高级技术专家郝子轶分享了达摩院 SMT 工作组加入香山昆明湖 V3 联合研发以来的技术进展。团队基于 XS-GEM5 性能模拟器快速完成 SPECint2006 切片运行，正推进 SPECint2017 切片准备。在微架构优化层面，团队围绕多个关键组件展开深入分析与实验：
针对 IQ 发射队列分配策略，发现全动态共享存在线程饥饿风险，引入 WM2 水位线保留策略有效缓解 IQ 满载问题；
对 ROB 重排序缓冲区的 dynamic borrowing 机制进行 6 组对照实验，发现 donor 线程判定过于灵敏，建议引入延迟滤波，将 donor 保留条目提升至 64 时获得约 0.5% 性能改善；
Preg 物理寄存器分配初步验证了从全共享向策略化分配转变的价值。
郝子轶同时分析了线程取值截流策略与 store buffer 跨线程反压问题，提出按线程拆分 store buffer 的优化方向。
面向未来，提出 SPECint2006 双线程性能从 20% 向 30% 推进、同步推进 SPECint2017 切片、探索 SMT 向 4/8/16 线程扩展以应对 AI 并发场景、将资源分配策略参数化构建可调优的策略矩阵，以及空间多线程探索的路线图。他强调团队以最大化开源贡献为衡量标准，分析成果必须转化为有效的代码合入，"Talk is cheap, show me the code"。
玄铁联合中兴微电子、开芯院举办的「SMT SIG 首期技术沙龙：AI 时代的多线程架构创新」在近期成功举办，相关视频回顾已上线，欢迎前往玄铁视频号查看。（来源： 达摩院玄铁）
4. 地平线携手大众汽车集团深化AI合作 助力大众加速迈向L3与L4自动驾驶新纪元
7月22日，地平线与大众汽车集团正式宣布，通过CARIAD与地平线的合资公司酷睿程 (CARIZON) ，大众汽车集团将进一步深化与地平线在AI基座大模型领域的技术合作。根据协议，酷睿程将基于白盒授权模式，依托地平线先进的AI基座大模型能力，自主开发并加速构建大众汽车集团中国统一的AI驾驶解决方案。
地平线的AI基座大模型将与酷睿程在研的系统级芯片C7H、以及GAIA世界模型数据平台紧密协同，全面赋能大众汽车集团L3和L4级自动驾驶能力落地，并为未来乘用车和自动驾驶出租车（Robotaxi）的应用场景奠定坚实的技术底座，同时也将推动量产的全场景高级驾驶辅助方案持续迭代升级。
这套由AI赋能的智能驾驶技术体系，将与大众汽车集团首个本土开发的区域控制电子电气架构——CEA架构进行深度融合。依托集团的平台化优势，这些技术可灵活适配多个整车平台并部署于丰富的车型之上，在集团面向中国及部分国际市场的产品矩阵中实现更广泛的应用。
此次与地平线深化合作，大众汽车集团正持续筑牢其本土自动驾驶技术底座。秉持“在中国，为中国”战略，大众汽车集团通过与地平线成立的合资公司酷睿程，正推动智能驾驶战略蓝图从规划走向现实。截至2025年底，酷睿程首款高级驾驶辅助系统已完成交付，并应用于与众07和新款与众06，为用户带来高速领航辅助驾驶和记忆泊车等功能。同时，酷睿程全场景高级驾驶辅助方案业已进入量产阶段，进一步支持城区领航辅助驾驶能力，于今年第三季度起陆续搭载于大众汽车集团在华三家合资企业的七款全新电动化车型，并将自明年起逐步拓展至更广泛的CEA序列产品矩阵。按照规划，大众汽车集团L3级自动驾驶能力最快将于2027年下半年启动交付。
大众汽车集团管理董事会主席奥博穆表示：“中国已成为集团在全球重要的创新引擎之一，尤其是在软件、人工智能和自动驾驶领域。此次深化合作，将使我们进一步强化研发和规模化应用AI自动驾驶解决方案的能力。通过将世界级的AI能力与集团深厚的工程专业实力相结合，我们将能更好地服务中国客户，未来也将支持集团在部分国际市场的业务发展。”
大众汽车集团负责中国区业务的管理董事、大众汽车集团（中国）董事长兼首席执行官贝瑞德表示：“全场景高级驾驶辅助方案的如期量产，充分证明了我们的技术交付实力和自主研发实力。在此基础上，我们致力于为中国客户研发未来市场上最先进的自动驾驶系统之一，在安全性与拟人化驾驶体验上成为行业标杆。依托目前业内领先的自动驾驶AI基座大模型，集团将进一步增强自身的技术优势，确保自研的L3与L4级自动驾驶解决方案得以更快速、安全、规模化地开发与应用。”
地平线创始人兼CEO余凯表示：“随着汽车智能化加速向L3、L4级自动驾驶演进，行业对底层AI模型处理复杂路况的能力提出了更高要求。今年深度融合地平线软硬结合能力的酷睿程全场景高级驾驶辅助方案正式量产，标志着我们与大众汽车集团的战略合作获得阶段性成果。在此坚实基础上，我们非常荣幸能与大众进一步深化合作，以先进的AI基座大模型为大众迈向L3和L4提供坚实的技术底座，这也将进一步夯实地平线「ARM+Android」的平台化商业模式。未来，地平线将始终坚持底层赋能者定位，携手大众加速推动前沿AI技术的规模化普惠。”
当前，中国汽车产业正引领全球智能化变革浪潮，以地平线为代表的中国科技企业正持续为全球创新注入动能。此次地平线与大众汽车集团在AI基座大模型领域的深度合作，将进一步融合双方在整车制造与智能驾驶方面的核心优势，加速中国本土智能技术在全球范围内的规模化普惠。面向未来，地平线将继续发挥软硬一体化的技术实力，持续赋能产业，助力智能出行生态的全面升级。
5. 纬创美国得州D1工厂启用，黄仁勋：未来还需更多工厂
纬创位于美国得克萨斯州达拉斯的D1 AI智能工厂正式启用。该工厂投资近7亿美元，占地约32.4万平方米，已生产并量产美国首片英伟达NVIDIA GB300计算基板。
纬创表示，D1工厂采用英伟达加速计算技术，并整合Nemotron、Cosmos等开放模型，以及Omniverse和Metropolis平台，通过数字孪生技术优化厂房设计、生产流程和运营效率。
纬创董事长林宪铭表示，得州工厂进行的并非传统制造，而是高度整合的先进智能制造。目前，工厂已开始量产NVIDIA GB300 Grace Blackwell Superchip，未来还将在此生产NVIDIA Vera Rubin Superchip。
林宪铭还表示，纬创后续建设的D2工厂产能将达到D1工厂的两倍，进一步扩大公司在美国的AI服务器产能。未来几年，得州基地将成为纬创参与美国AI基础设施建设的重要据点。
英伟达首席执行官黄仁勋出席启用仪式时表示，全球正迎来大规模AI基础设施建设浪潮，AI工厂将成为下一阶段工业发展的重要组成部分。英伟达与纬创正将数字孪生和AI驱动的先进制造技术导入美国。
黄仁勋表示，英伟达对AI服务器的需求每年都在快速增长，目前D1工厂产能仅占英伟达整体制造量的5%，未来仍需要更多工厂满足AI需求。
他还指出，与传统数据中心相比，AI数据中心所需芯片数量大幅增加。随着生成式AI应用扩展，数据中心正从以信息存储和读取为主，转向根据用户问题生成内容和答案，进而带动AI服务器及超级计算平台需求增长。
6. 英伟达发布AI交换芯片Spectrum-6！分析师：有望让token生成能力翻倍
GPU巨头英伟达周二（21日）发布新一代Spectrum-6以太网交换芯片，作为其基于Vera Rubin平台的超大规模AI基础设施核心组件，正式宣告交换网络从算力配套跃升为AI工厂的“主角”。
Spectrum-6单芯片交换容量高达102.4Tbps，较上一代翻倍，可连接数十万级GPU与CPU，为大规模AI训练及推理提供支撑。搭载该芯片的Spectrum-X以太网交换机，AI网络性能较普通以太网提升1.6倍，即便在超过10万个GPU的部署环境中，仍能维持95%的网络效率。Spectrum-6同时支持可插拔光模块与共封装光学（CPO）技术，并采用液冷散热方案，目前已进入全面量产阶段，在全球千兆级AI工厂加速普及。
中国银河证券表示，Spectrum-X Ethernet Photonics是全球首款200G/lane大规模量产的CPO交换机，验证了光互连在下一代数据中心的价值，将同步带动上游光芯片需求高速增长。
开源证券也分析指出，随着AI模型参数扩张，算力增长面临单芯片功耗、互连瓶颈等边际递减压力，交换网络已成为制约算力的“天花板”。以英伟达NVL72架构为例，交换芯片与GPU配比已从传统的1:21提升至1:2，凸显交换网络在计算集群中的权重持续攀升。
根据IDC最新数据，英伟达在2026财年第一季首次超越博通、思科等传统巨头，登顶全球数据中心以太网交换机市场营收冠军。
目前，CoreWeave、微软、SpaceX AI、特斯拉等首批用户已确认采用英伟达Spectrum-6。CoreWeave表示，该技术将为客户提供训练先进模型所需的关键带宽与弹性。（来源： 钜亨网）
