英伟达b300服务器为何声音那么大
昨天刚签约的 b 三百，现在正在里面，来，跟我进去一起瞅一眼。来来，看看这个 b 三百的声音有多么美妙。这就是我们要发给客户的定心丸， 不经过押测，绝对不会交到您手里。不管是几百张卡，还是这一排第三百，在我们这每一网算力都有交代。关注我，带你们看看最真实的机房！
粉丝1765获赞1742
相关视频
01:39查看AI文稿AI文稿今天我给大家看一下，我们这一台价值三十个 w 的 一台超威的八卡的英伟达显卡的一台服务器，到底是一个什么样的配置啊？那现在我们这台机器已经是在跑这个呃磁盘阵列了，因为这个机器组了两组的磁盘阵列，一组是 系统的实盘阵列，一组是数据的实盘阵列，它分了两组。那我们来看看机器，我们已经开机了，这个声音其实是很大的，那我们这一台是 cpu 是 用了英特尔志强的，它用了两个 cpu， 两个 cpu 一 起跑啊，这个是六三三零的一个金牌的 cpu 来的，用了两颗内存条是用了六十四 g 乘以八，就是五幺二 g 的 内存条。然后硬盘的话是组了两个十盘阵列，系统盘是两 k d 乘以二，然后数据盘的话是五个做了锐的五的，那系统系统盘是做了锐的一的。那你像我们这样的一台整机，它搭配的英伟达的显卡是我们这一个， 还有二零的一个四十八 g 的 一个英伟达的专业显卡，这显卡都是没有风扇的，所以我们在打开的时候，现在这个温度是比较高的了，我们一会录完了就马上把它盖起来了，一会要不把它给弄烧了。这个外观其实是跟 一百 h、 一 百这些外观都是一样的，这种专业的显卡，然后这个吹风是往这边出去的，后面的有四个两千瓦的电源。那你像我们这里还有个小细节，这里是加了一个 阵列卡的，那这个机器除了加阵列卡之后还可以加什么卡呢？加个采集卡，加个网卡都是 ok 的 啊，它还有空间可以可以去做扩展的，包括我们的内存槽也是可以扩展的。你看我们的内存槽还有槽位可以加啊。然后这几个是八个暴力风扇，这个机器一旦跑起来 是噪音比较大的，他不能放在办公室里面，他只能放在机房机柜里面去。所以像有兄弟想要了解服务器，了解工作站的，你不懂配置不懂方案的可以私信我们或者你的工作站。呃，服务器遇到问题的可以私信我们，我们可以给你技术支持。好不？感谢支持。
8高柯电脑
03:49查看AI文稿AI文稿你敢信吗？现在中国市场上一台英伟达 b 三百服务器已经被炒到接近七百万人民币。注意，不是一整排机柜，也不是一个小型机房，就是一台服务器。那很多人肯定会问，这东西到底凭什么这么贵？ 我们先看参数，一台典型的 b 三百服务器，里面不是一张显卡，而是八颗。 b 三百 like vivo ultra gpu， 每颗 gpu 最高配两百八十八 g 字节 hbm 三 e 显存，八颗，加起来就是二点三太字节级别的 gpu 显存什么概念？以前很多人觉得 h 一 百已经很猛，但 h 一 百单卡显存通常是八十 g 字节 八卡，也就是六百四十 g 字节。而 b 三百这一台显存直接拉到二台字节以上。这对大模型推率非常关键，因为模型越大，上下纹越长， 并发用户越多，最先卡住的往往不是算，而是显存。再看性能， d g x b 三百官方规格显示，整机可以做到 f p 四推理一百四十四 p f l p s f p 八训练七十二 p f l p s， 并且配备第五代 nv link， 整机 nv link 聚合贷款可达十四点四泰字节每秒。这句话翻译成人话就是，它不只是算的快，而是八颗 gpu 之间传输数据也特别快，这点非常重要，因为大模型不是把一张卡插上就能跑完的， 很多时候模型要拆到多张 gpu 上一起跑，如果 gpu 之间通信慢，就会出现一个很尴尬的情况，显卡很强， 但彼此等数据性能发挥不出来。所以 b 三百贵不只是贵在 gpu 本身，而是贵在大显存、高带宽、多卡互联、推理吞吐 这一整套能力。再跟 b 两百对比一下， d g x b 两百同样是八卡系统，总显存是一点四四 type 值，而 b 三百可以做到二点一 type 值到二点三 type 值。也就是说， b 三百相比 b 两百，最大的提升不是纸面 f p 四峰值， 而是显存容量更大，更适合大模型长上下文和高频发推理。这也解释了为什么现在市场抢的是公三， 因为 ai 行业已经从训练大模型进入到推理变现阶段。你每次打开一个 ai 应用，问一句话， 生成一段代码，做一次图片理解，背后都在消耗 token， 用户越多， token 越多，服务器压力就越大。对 ai 公司来说， b 三百不是玩具，也不是面子工程，它是生产工具，只要能把推理成本打下来， 把病发能力拉上去，这台机器就有可能帮他赚钱。但问题来了， b 三百现在不能正常进入中国市场，美国出口管制卡住了正规渠道， 渠道又被查的越来越严，所以中国市场上的价格已经不是按硬件成本定价，而是按稀缺程度定价。这就是为什么美国市场大概五十五万美元一台的机器，到了中国可以被炒到接近一百万美元，也就是大约七百万人民币。这里面包含的不只是硬件钱， 还有渠道风险、合规风险、售后风险，以及最关键的现货溢价。更现实的是，很多公司买不起就开始租一台 b 三百，月租可能就要十几万，甚至更贵。 这说明什么？说明中国 ai 市场现在最缺的不是故事，不是 ppt， 而是真正能跑大模型，能跑高并发，能把 tucker 成本压下来的高端算理，所以这条新闻表面看是一台服务器被炒到七百万，但本质上 它反映的是三个趋势，第一，高端英伟大算理在中国会越来越稀缺。第二， ai 公司会越来越重视推理成本，而不是只盯着训练。第三， 国产 ai 芯片会迎来机会，但短期内英伟达生态仍然很难让开。最后一句话总结， b 三百贵不是因为它只是一台服务器，而是因为在今天的 ai 市场里，它代表的是一张通往高端推理算力的门票。
3061算力真相局
06:07查看AI文稿AI文稿美达最新的 ai 服务器里面，它的成本啊，涨幅仅次于 hbm， 内存暴涨了百分之一百八十二。这东西正在成为 ai 时代最不起眼的卡脖子的小圆基地。今天给大家来分析分析 mlcc 多层陶瓷电容器视频有点长，可以先点赞收藏。 先说一个最直观的变化，上个世纪六十年代最早的 mlcc 到底有多大呢？大概跟你的指甲盖差不多大，但是容量有多少呢？几十拉法啊，基本上就是电路板上的一个小水坑而已。现在最先进的 mlcc 呢，型号叫零零八零零四，长零点二五毫米啊，宽零点一二五毫米， 什么概念呢？比一粒细沙还要小，肉眼根本看不清楚。但它的容量却干到了十微法啊，甚至更高，体积缩小了几万倍，但容量反而提升了几万倍。 但这东西啊，其实特别常见啊，你手机里面大概塞了一千到一千五百颗，一个鼠标里面都塞了几十颗啊，一台家用电器可能是几百颗啊，一辆普通的燃油车大概是三千颗，一辆新能源汽车大概是八千颗到一万五千颗 啊。这次大模拆解的英伟达的 v 二两百的 ai 服务器里面，单块主板要贴一万两千颗，比上一代翻了一倍啊，一个机柜估计得几十万颗。 为什么 ai 服务器突然要这么多的 mlcc 呢？核心就一句话， gpu 太耗电了。英伟达的 b 两百的芯片啊，工作的电压只有零点八伏，但是功耗干到了一千瓦，算一下啊，电流超过了一千两百安培， 家里开个空调才十安培，但算安培的话，这一块的一个芯片啊，等于一百多台空调同时去开，而且呢， gpu 的 电流变化不是慢慢来的，是一百多台空调同时去开，而且呢， gpu 的 电流从两百安啊，直接跑到了一千安， 这时候远端的电源根本来不及反应啊，电松不过来， gpu 就 直接算错，死机甚至于烧毁。 mlcc 的 作用就在这啊，它贴在芯片边上啊，相当于呢，一个微型的充电宝， gpu 突然要电，它瞬间吐出来啊，电流过剩呢，它就吸收掉，这就是电子世界的减震器。 所以呢， gpu 越强，功耗越大，需要的 mlcc 就 越多。这个趋势我感觉才刚刚开始，因为因为咱下一代的弱屏的架构啊，单板 mlcc 从六千五百克已经涨到了一万两千克，翻了将近一倍。以后每一代的 ai 芯片功耗只会更高， mlcc 的 用量只会更大。 既然需求这么猛，那开足马力生产不就完了吗？问题就在这里， mlcc 这东西啊，设计不难，难在制造。 它的结构说起来简单，就是陶瓷一层啊，金属电机一层，像千层面包一样叠起来，但是高端的 m l c c 层数超过了一千多层，单层的厚度不到零点五微米，比红细胞还要薄。第一个难点就是材料， m l c c 核心是钛酸，被陶瓷粉末，要做到纳米级的颗粒，还要往里面去掺稀土元素调配方， 看，这里有稀土啊，稀土呢，多一点少一点啊，电容值就会飘。日本的春田做了几十年了，积累了海量的材料数据库，这些配方呢，他不申请专利啊，也不往外传。 第二个难点就是烧结，一千多层的陶瓷和金属层叠在一起啊，推到一千多度以上的这个高温炉里面去烧，陶瓷收缩百分之二十，金属收缩百分之十五，两种材料的膨胀系数不一样，温度曲线稍微不对啊，整批的电容直接就会撕裂报废。 第三个难点就是良率层越薄啊，越容易被击穿，越小呢，就越容易去撕裂。到了零一零零五这种接近灰尘的尺寸，良率暴跌啊，检测也比较困难，裂纹的概率呢，就暴涨了。所以高端的 mlcc， 全球能够稳定量产的，一只手都能数得过来。 春田、三星电机、太阳优电，高端份额超过百分之八十，都在日本和韩国手里，春田一家就占了全球的超过百分之三十了。 而且呢，扩展极慢啊，一条高端的产线，关键设备交付周期长啊，量率呢，爬坡慢，甚至周期动辘一两年。所以村田的部分高端型号交付周期已经从八周拉长到十二周了啊。三星电机和太阳油电已经开始涨价了，现在看着很高端。其实最早的电容是十七世纪发明的， 一七四五年，荷兰的莱顿大学一个教授研究静电，他把带电的导线插到玻璃瓶里面去了，助手呢，不小心碰了一下，被电到，怀疑人生了。 这个装电的玻璃瓶就是人类第一个电容莱顿瓶。但真正现代意义上的 mlcc 是 一九六一年才诞生。美国的一家公司发明了多层结构，把陶瓷和金属电机一层层的叠起来来烧，但当时用的是贵金属电机金银， 所以成本呢，极高。 m l c c。 真正的转折点是上个世纪八十年代末，日本的太阳釜电和村田攻克了电金属电机技术，用便宜的蔸和铜替代了贵金属，成本暴跌了百分之八十以上。从这一刻起， m l c c 才真正成为电子工业的大米。 二零零七年的 iphone 的 发布啊，再次改写了行业啊。苹果疯狂地推进这种小型化， m l c c 从零四零二啊缩到了零二零幺，再缩到了零幺零零五， 大量做不了小尺寸的这种厂商直接被淘汰了。二零一七年到二零一八年，行业经历了史上最疯狂的一轮涨价，智能手机爆发啊，电动车爆发，日本的厂商主动退出低端市场， 全球的产量不够。四件事撞到一块过后呢，部分型号几个月涨了几十倍，华强北甚至出现了电容黄流啊，囤 mlcc， 像炒毛豆一样去炒。现在行业正式进入了第五个阶段， ai 时代。 过去 mlcc 最大的需求来源来自于手机啊，未来将变成 ai 服务器加电动车双轮驱动。春田自己预测， ai 服务器 mlcc 的 需求啊，二零三零年相比二零二五年可能会增长三点三倍，全球 mlcc 市场大概是两百五十到三百五十亿美元。 各机构预测啊，到二零三零年前后， ai 服务器相关的 mlcc 市场占比会从现在不到百分之二飙升到百分之二十以上啊，年均增速超过百分之四十。而中国在这个市场里面呢，份额从二零二零年的百分之十二提高到现在的百分之二十左右， 翻了将近一倍。他吃的还是中低端为主。高端的 ai 服务器用的 mlcc 啊，跟春田和三星电机比啊，在材料体系一致性超高的代差，不过呢，这个代差也是空间 ai 服务器需求爆发啊，日韩产能有限，高端的 mlcc 正在出现长期的结构性的紧缺，这个窗口期呢，就是国产替代最好的机会。 ai 时代， mlcc 正在从电子工业大米变成 ai 基础设施的战略源期间。关注我，带你看懂技术底层和产业顶层。
7019Boss老白
02:06查看AI文稿AI文稿一台机器五百五十万，你没看错，英伟达的 b 三百世界顶级 gpu 算力从年初的四百多万一路涨到现在。最近看到不少小伙伴都在讨论 b 三百一级难求市场这块还挺有意思的，大厂们纷纷砍单 b 两百，相信也是在给 b 三百让路。听说大厂向英伟达订购 b 三百 起定价就是一千零二十四台，算下来将近六十个小目标，那 b 三百凭啥涨这么狠呢？首先，相较于 b 两百，性能那是飞升了，这一年的硬件成本猛涨也是一个很重要的原因。其次，科技巨头们都在疯狂抢货加价购买。 还有一点很多人都没注意到，这波涨价也是把六七七六 p 等高端 cpu 带火了，但 b 三百贵是贵了点，性能提升也是实打实的。 b 两百和 b 三百都是八卡的机架式服务器，和 h 两百 h 一 百一样，都可以直接放在普通机柜上使用，都属于英伟达 h g x 八卡 gpu 平台，每台服务器八张，显卡用 nv link 连接， 八张英伟达 blackwell ultra gpu， 十六颗 blackwell 芯片 nv link 总代宽来到了夸张的十四点四， t b 每秒 直接是 b 两百的两倍，整机二点一 t b 的 h b m 三 e 显存相较于 b 两百的一点五 t 提升了一点四倍，那 b 两百可以插八个四百 g b 每秒的 c 叉七的网卡，而 b 三百的八个 c 叉八的网卡直接都集成到了 b 三百的主板上， 可以直接插八百激光模块。说到性能，那就更离谱了， f p 四精度下的推理算力直接干到了一百零五 p lobes 什么概念呢？ b 两百是七十二 p lobes b 三百提升了百分之五十，大家是不是对这个数字没太大感觉？我这里给大家换一个更直观的对比，拉玛三点一全精度推理 b 三百比 h 一 百整整快了十一倍。训练算力方面，在拉玛三点一模型下也比 h 一 百高了四倍，一台 b 三百就相当于一点五台 b 两百， 三台左右的 a 七两百，上百台的 d g xbox。 这个提升幅度在 ai 硬件的发展史上也算是一个比较罕见的。整整是一个数量级的提升，但对于那些大厂来说，这就是生产力工具，多花了钱能通过算力赚回来。对于 b 三百的市场你怎么看？评论区聊一聊吧。好的，本期节目就到这里，我们下期见。拜拜。
1269二秒优品
01:33查看AI文稿AI文稿现在中国市场上，一台英伟达 b 三百服务器已经被炒到接近七百万人民币。注意，不是一整排机柜，也不是一个小型机房，就是一台服务器。很多人纳闷，一台服务器而已，凭啥这么贵？ 其实核心就一个，它的配置拉满了。一台 b 三百里装了八颗专门的 ai 芯片，每颗芯片自带的显存就有二百八十八 g， 八颗加起来足足有二点三 tb， 相当于几十台普通电脑的内存总和。 这就好比普通 ai 芯片是小仓库， b 三百芯片就是超大物流仓，能一次性装下海量数据，不会出现装不下转不开的情况。除此之外，这台服务器不仅干活快， 八颗芯片之间还能无缝沟通，就像一个团队，每个人都很能打，而且配合默契，不用互相等消息，效率直接拉满。要是芯片之间的沟通慢，就好比一群高手，各干各的，再厉害也发挥不出真实的实力。而 b 三百就完美解决了这个问题。 和上一代产品相比， b 三百最厉害的地方就是写存更大了，能装下更多的数据，处理更复杂的 ai 任务，比如常文本对话、多图识别。现在 ai 已经不是实验室里的摆设，而是我们日常能用的工具，每一次问 ai 问题，让它写代码 都需要服务器处理，用的人越多，对服务器的要求就越高。 b 三百就是能扛住这种压力的主力工具。它之所以能炒到七百万，关键不是硬件本身贵，而是它太少了，因为外部限制，正规渠道进不来，货 物以稀为贵，价格就被炒上去了。原本国外卖五十五万美元的机器，到国内翻了近一倍，还得承担各种风险。很多公司买不起就只能租，一个月就要花十几万元。这背后其实藏着三个简单的趋势，第一，这种高端 ai 服务器会越来越少，越来越稀缺。第二， ai 公司不再只追求能做出模型，更在意用起来省钱高效。第三，国产的类似服务器会有机会，但短期内还是很难比得上 b 三百的好用程度。
269卖服务器的小紫（上海）
01:34查看AI文稿AI文稿讲一个对后续影响极其深远的事件，那就是美国芯片法案的推进的节奏。上周高票通过，全票啊，四十二票赞成，零票反对，全票通过， 是不是有点像没有悬疑，所以说后面的参政两院，包括国防的民党双双党都是支持的，大概率肯定是能经过的。落地节奏呢，现在硅谷台阶电镁光强烈，油水担心供量断裂，担心成本过暴涨，担心剧度反制，担心企业合规成本爆炸。 没用，但是肯定会有影响，但是法案一定会落地。第三，最终版本可能会严格，都会下降。在新边法的核心点是什么？就是全球定位系统，就说白了，历法要求双全球定位系统， 这是给那个超威富才被抓有一定的关系推进了这件事情的进展。那可能会有哪些事情啊？第一，中国反制中国，因为政治稀土会反制，稀土是精准的管制， 配套材料的管制，国产替代合规的反制，对后世社会影响。短期一年内算力黄家具已经已经出现了价格暴涨，高端芯片买不到，不敢用，全球算力缺口继续加大，苏联价格太涨，国产替代加速订单爆发，故此重构。大家也看到了，华为已经在爆发了，剩下海光了。有算力等于已经抄袭国产算力，这收益 第一第二，中期一到三年，全球萨利领级分裂，阵营分裂，美国阵营封闭高价安全监控，中国阵营自主国产去美化，成本低，全电三星被迫双供应链，成本增加百分之三十到五十，长期三到五年，看好中国，中国会完蛋。操车的封锁不了，因为买卖双方。
997搞算力的田老师
01:12查看AI文稿AI文稿今天给大家带来一台狠货，超威的 b 三百 ai 服务器的顶流性能天花板。这台机器内置八片，过来必有欧尚核心，整机八 u， 光散热就有四 u。 cpu 模块单内存 ddr 五九十六 g， 整机满插三十二个内存，大家可以算算光内存有多少 g。 冷知识 b 三百对机房供电机柜散热要求极高，普通机房根本带不动。看看这个电源模块，六千六百瓦满功耗， 整机满载一小时要用四十度电，这也是他只面向专业算力中心的原因。目前市场现货极度稀缺，期货排队周期长，超微原厂整机更是一级难求。当前市场行情超微 b 三百满配现货约含税价三百八十万到四百二十万，期货略低，弹药等数月。 现在让我们给这台机器上电，听听机器启动的咆哮， 现在能拿到就是抢占算力先机，无论是自建集群还是算力租赁，都是当前最具价值的硬核资产。关注 it 梦想家，带你了解不一样的硬件世界！
75IT梦想家
02:34查看AI文稿AI文稿最近一份摩根式单利的报告把整个电子元器件行业都震动了，因为达下一代 ai 服务器极贵，价格直接干到了七百八十万美元，相比上一代几乎翻倍。但真正可怕的其实不是价格翻倍， 而是这一次涨的已经不止是 gpu 了。内存暴涨百分之四百三十五， pcb 涨百分之二百三十三， mlcc 涨百分之一百八十二，网络芯片涨百分之一百二十一。几乎整个 ai 服务器产业链都在一起涨， 甚至出现了一个非常关键的变化， gpu 在 整机里的占比反而从百分之六十三掉到了百分之五十一。什么意思？ 以前 ai 服务器的钱几乎都被英伟达一家赚走，但现在开始变成内存、 pcb、 mlcc、 电源连接器也在赚。整个 ai 服务器已经从 gpu 时代慢慢进入全产业链一起吃红利的时代。 我们结合摩根式单利以及 simi 在 今年二月发布的报告，拆开来看，每个板块的价值有哪些变化，哪些芯片公司可能受益？先看涨幅最大的内存， 这次 vr 两百机柜里内存价值直接从三十七万美元暴涨到两百万美元，涨幅高达百分之四百三十五。 为什么？因为 ai 对 内存的需求已经开始爆炸，这一代 vr 两百 lpddr， 五 x 容量直接做到五十四 tb， 上一代只有十七 tb。 而且更夸张的是，这次英伟达开始往机柜里塞大量 ssd， 单台机柜新增了接近一百万美元的散热器。什么意思？ ai 已经不只是拼算力了，它开始疯狂吃内存，吃存储，很多原来配角的东西突然开始变成核心，然后是 pcb， pcb 价值直接涨了百分之二百三十三。为什么？因为这一代新增了大量高速互联模组版，层数越来越高，材料等级越来越高。 简单理解就是 ai 服务器内部的数据流量越来越恐怖，于是 pcb 开始越做越复杂。接下来是 mlcc， mlcc 涨了百分之一百八十二，虽然单价不高，但 ai 服务器数量一上来，被动软件需求直接爆发，甚至现在很多 odm 已经开始提前抢库存。 然后还有一个特别重要的变化，电源。这一代开始推进八百伏高压直流架构。什么意思？ ai 服务器功耗太高了，以前那套供电方式开始扛不住了。所以现在英菲灵、 ti a d i、 安森美罗姆瑞萨这些电源芯片厂商全部都开始受益。最后还有一个容易被忽略的点，散热。 这一代 vero rubin 开始全面夜冷，甚至直接取消风扇，整个 ai 服务器正在从芯片、供电、散热连接到存储全部一起重构。所以现在真正值得思考的问题是， ai 服务器未来最大的受益者可能已经不只是英伟达了，而是整个电子元旗舰产业链。
173芯片超人花姐
06:11查看AI文稿AI文稿周五的市场有点小疯狂啊，根本就不是什么英伟达那个发布的财报，我觉得重点是大毛研报啊，说英伟达的 v 二两百服务器涨价了百分之九十五。 今天就给大家来拆解这份大毛的研报啊，看看哪些零部件涨了超过百分之百啊，哪些零部件没有涨，以及对未来几年 ai 的 影响力。视频有点长，可以先点赞收藏， 先把这台 v 二两百到底有多贵要说清楚啊。大毛把英伟达的下一代 ai 服务器寄贵的这个物料清单全部都拆开了，一个一个零部件的算账，算出来一个数字，七百八十万美元，折合人民币是多少呢？是五千多万人民币。上一代的 gba 三百是多少钱呢？三百九十九万 美元啊，一代的时间价格翻倍，但真正惊人的不是总价翻倍，而是这钱花在哪里。上一代的 g p 三百啊， g p u 占总成本的百分之六十三，你买一台 ai 的 服务器，六成的钱去买显卡了， 到了 v 二两百啊， gpu 绝对的金额从两百五十二万涨到了三百九十六万，涨了百分之五十七，但是 gpu 的 占比反而降到了百分之五十一啊，刚才说的是百分之六十三，这个数字的变化背后啊，是 ai 算力竞赛底层逻辑彻底变了。 涨得最狠的其实是存储啊，从三十七万美元直接涨到两百万美元，涨幅超过百分之四百三十五，占了整台机柜四分之一的成本。 存储为什么长这么凶呢？就是因为下一代的 ai 服务器啊，全面升级到了 hbm 四高带宽内存， hbm 四的整个工艺难度啊啊，跟 hbm 三不再一个量级，单价就翻了好几倍，而且单台机柜塞进了超过二十 tb 的 hbm 四啊，外加五十多个 tb 的 高速内存，以及海量的固态硬盘。 为什么要塞这么多存储呢？就是因为现在大模型啊，动辄万亿参数啊，做推理的时候呢，模型必须要整个常住在高速缓存里面，才能做到低延迟高并发 啊。存储不够，算力再强也是白搭。 ai 的 瓶颈正在从算不动变成存不下传不快。第二个包涨呢，就是 pcb 啊，印刷电路板从三点五万美元涨到了十一点七万美元，涨幅高达百分之两百三十三， pcb 是 所有芯片的地基啊，芯片之间的信号全部靠印在电路板上的线路进行传输。 vr 两百，这一代英伟达新增了两类全新的 pcb 的 模块，中板和 connectx 的 模块，这两样东西在上一代根本不存在，凭空多出来四万多美元的成本。七十二颗 gpu 之间的通信暴增了，所以传统的电路板扛不住了。 第三个叫 mlcc， 这个叫多层陶瓷电容，从一千五百三十美元涨到了四千三百二十美元，涨幅高达 百分之一百八十二。这个东西每个人的手机啊，电脑、汽车里面其实都有作用，就是稳压和滤波。弱频芯片的功耗达到什么程度呢？就瞬间的电流开关产生的高频噪音， 如果不滤掉的话，芯片会工作不稳定，甚至会直接烧掉。所以必须在每颗 gpu 的 周围密密麻麻的啊，贴满高端的电容，数量和规格要同步拉伸。 第四个，第五个一起讲，就 nvlink 的 交换芯片涨了百分之一百二十二，其他网络芯片涨了百分之一百二十一。 nvlink 是 管机柜内部七十二颗 gpu 之间的数据交换啊，网络芯片主要是管机柜跟机柜之间的数据传输。 vr 两百这一代交换芯片的数量从十八颗翻到了三十六颗，网卡从三十六颗翻倍到了七十二颗，因为埃维尼克六的总代宽飙到了两百六十 t p 每秒，所以机贵的网络啊，从八百 g 已经向一点六 t 引进了通道，不翻倍，数据就堵在了路上。 所以你看这五个涨幅超过百分之百的零部件，全部指向同一个趋势，就 ai 算力的主战场，正在从计算本身转移到数据的存储和传输。 再看两个几乎没涨的啊，一个是 cpu 一 分钱没涨，两代都是十八万美元啊，散热只涨了百分之十二，从六点四万啊到七点二万美元，这两个不涨的原因啊，就完全不同。 cpu 不 涨是因为 ai 服务器里面它已经不是核心的溢价点了，它负责的是调度和数据的预处理，真正重火全部都是 gpu 在 干。 散热不涨是因为 gb 三百那代就已经把全业等的架构定义下来了。 vr 两百只是小浮叠代啊，不是重新设计。但这里有个很诡异的细节，就是 cpu 一 分钱没涨，因为他偏偏在这一代发布了自己的 very 这个 cpu 啊。逻辑很简单，就因为他要的不是卖 gpu， 他 是要把整个数据中心的标准全部握在自己的手里 啊。微软 cpu 跟 robin gpu 是 深度绑定的，你买我家啊， gpu 就 得配我家的 cpu 啊，从芯片到网络到散热到机柜，全部都是我英伟达的整体方案。这也是为什么 cpu 价格没涨，但英伟达还要去做 cpu， 他看的是未来十年的生态控制权。讲到这里，你可能会觉得 ai 的 算力越来越贵了，但是不是 ai 的 成本也会越来越高，正好相反啊，我们来算一笔账，一台 v 二两百七百八十万美元，按三年折旧，加上电费和运费，每秒的硬成本大概是零点一二美元。但是 vr 两百， 凭借着 hbm 四的恐怖贷款和 nvlink 六的通信能力，理论上单柜每秒能处理一百万到一百五十万个 talking。 零点一二美元。除以一百二十万个 talking 的 话，那么每一百万的 talk 的 硬件成本大概是零点一美元，折合人民币不到一块钱。 回到两年前 h 一 百的时代，每一百万的 tokun 硬件成本高达一点五到两美元啊。上一代的 blackberry 压到了零点二五到零点四美元，这一代弱病直接杀到了零点一美元，硬件价格涨了百分之九十五，但 tokun 的 成本却降了百分之八十以上。 这就是为什么全球的超级云厂商一边含贵一边下单，因为他们谁都知道啊，先拿到啊， vr 两百，那么谁就能在 ai 的 价格战里面把 talk 卖到比别人更便宜啊，而且还自己能赚钱。 这份研报真正的意义不是告诉你一台服务器有多贵啊，是告诉你 ai 的 物理技术设施正在经历一次系统性的重构啊。以前的逻辑是 gpu 决定一切，谁的 gpu 多，谁的算力强？ 但是现在的逻辑是存储通信电源散热电路板每个环节都在成为瓶颈。木桶能装多少水不取决于最长的那一块啊，取决于最短的那一块。 ai 时代的竞争已经从单点突破变成了全链条的竞争。
1074Boss老白
09:00查看AI文稿AI文稿今天你是不是被全市场都在喊的 p c b 刷屏了？一条视频帮你看懂怎么回事。这件事情的起因是一个 ai 行业的重磅消息，摩根士丹利刚刚拆解了英伟达的下一代 ai 计算平台 verribili 机架， 得出了一个颠覆所有人认知的结论，未来的 ai 服务器 gpu 不 再是唯一的主角， pcb、 内存、电容这些看似不起眼的零部件，价值正在集体爆发。第一部分，我们先看最震撼的结论，价格几乎翻倍，但不是因为 gpu。 首先给大家一个最直观的数字， 英伟达上一代的 gb 三零零 nbl 七十二标准机架，从 odm 厂商那里直接采购的价格是三百九十九万美元一台。 而到了下一代如饼 vr 二零零 n v l 七十二机架，这个价格直接涨到了七百八十万美元，几乎翻了一倍。这里先给大家快速解释一个行业术语， o d m 原始设计制造。简单说就是既做设计又做生产的代工厂。 和只负责按客户图纸代工的 o e m 不 同， o d m 会独立完成 ai 机架的整体设计、零部件整合和整机制造， 最后交付给英伟达或云厂商。如果是通过联想、华硕、技嘉、戴尔这些 o e m 品牌商采购，价格还会更高。 可能很多人第一反应是肯定是 g p u 又涨价了，对吧？但摩根士丹利把整个机架拆得明明白白， 告诉我们，这一次价格翻倍的核心驱动力真的不是 gpu。 第二部分， boom 结构大洗牌，内存存储逆袭成第二大成本项， boom 就是 物料清单，也就是一台机器所有零部件的成本总和，我们来对比一下两代机架的成本结构变化，你就知道变化有多大。 在上一代 g b 三零零机架里，成本结构非常单一， g p u 一 家独大，占了总成本的百分之六十五，内存只占了百分之九左右，也就是三十七万美元，剩下的所有部件加起来才占百分之二十六。但 到了 rubin 机架这个结构发生了天翻地覆的变化， g p u 的 占比直接掉到了百分之五十一，虽然绝对价值还是涨了，从两百五十二万美元 涨到了三百九十六万美元，涨幅百分之五十七，但他的份额被严重压缩了，内存的占比直接飙升到了百分之二十六，绝对价值从三十七万美元涨到了两百万美元，涨 幅高达百分之四百三十五，一下子成为了仅次于 gpu 的 第二大成本，其他零部件的价值也都出现了大幅增长。接下来我们会一个个拆解。 第三部分，我们逐个拆解为什么这些零部件突然变得这么值钱。一、内存涨了百分之四百三十五。三重因素叠加内存是这次涨价最猛的部件，没有之一。它的暴涨来自三个因素的叠加。第一，容量翻倍。 单颗入侵 gpu 的 内存容量从 gb 二零零的幺九二 gb 直接提升到了二八八 gb， 一 台七十二卡的机架总 hbm 四，内存容量达到二十点七 tb， 再加上三十六颗 very cpu 配备的五十四 tb lpd 二五叉系统内存，全机架内存总容量翻了三倍以上。 第二，价格暴涨。自从英伟达推出 gb 二零零以来， hbm 高带宽内存的价格已经累计涨了超过百分之一百五十，而且还在涨。 第三，架构创新。 rubin 采用了英伟达全新的 so com 架构，把内存控制器直接集成到了内存模组里，待宽提升到了每秒二十至二十二 t b 以上，但这也大幅推高了模组的制造成本，这直接导致三星 s k、 海力士、镁光这三家内存厂商在 ai 产业链里的话语权一下子就上来了。 二、 pcb 涨了百分之两百三十三，而且相对存储，国内厂商占据了 pcb 的 核心供应链。 pcb 就是 印刷电路板，是所有电子原件的主体，它是所有下游部件里价值增幅最大的，从三点五亿万美元涨到了十一点六七万美元，涨了两倍多。 为什么涨这么多？两个核心原因。第一，新增了两类之前完全没有的 pcb 模组，每台机架要加七十二块 connect 模组 pcb 每块二百七十美元，合计一万九千四百四十美元，每台机架要加十八块中板 pcb， 每块一千五百美元，合计两万七千美元。光这两项就新增了四点六四万美元的成本。计算版从二十二层 hdi pcb 升级到了二十六层， 材料等级也从 m 七提升到了 m 八，交换机托盘从二十四层升级到了三十二层，还 额外加了一块四十四层的中板 pcb， 已满足七十二颗 gpu 的 nv link 六高速互联需求，所有 pcb 的 物理尺寸也都变大了。 三、 m l c c 涨了百分之一百八十二，小原件爆发大需求。 m l c c 就是 多层陶瓷电容器，是电路板上密密麻麻的那些小原件，负责稳定电压和滤波，它的价值从一千五百三十美元涨到了四千三百二十美元，涨了一点八倍。增量来自两个方面， 第一，单板用量大幅增加。每块计算板上的 m l c c 价值从二十五美元涨到了九十美元。每块交换基板上的从二十美元涨到了四十五美元。第二，新增模组带来的额外需求。如本新增了十八块 bluefield 四 d p u 模组和七十二块 connectx 九 r k 的 模组， 这些模组上也需要大量的 m l c c。 现在高端 ai 服务器用的 m l c c 已经出现了供应紧张，各大代工厂都在疯狂抢库存，就怕二零二六年下半年 rubin 量产的时候断货。 四、 abf 基板涨了百分之八十二，芯片的地基也涨价了。 abf 基板是 gpu 芯片下面的那个核心基板， 相当于芯片的地基，它的价值从一点一二万美元涨到了二点零三万美元，涨了百分之八十二。驱动因素有三个，第一，单颗 gpu 用的 a、 b、 f 基板单价直接翻倍，从一百美元涨到了二百美元。 第二， nv switch 交换芯片的用量从每机价十八颗增加到了三十六颗。第三， connect x 芯片的用量从每机价三十六颗增加到了七十二颗。五、电源和液冷 功率密度提升带来的稳健增长电源从五点六万美元涨到了七点五万美元，涨幅百分之三十二。 rubin 标配了一百一十千瓦的电源架，而且已经由美国云服务商开始采用八百伏高压直流独立电源机架了。 预计到二零二七年的如滨 out 平台八百伏直流架构会全面普及，夜冷从六点四六万美元涨到了七点二一万美元，涨幅百分之十二。如滨采用了全夜冷无风扇设计，彻底淘汰了风冷， 增量主要来自快速街头用量的增加和底部散热板的设计优化。如果算上机房里挂的 cdu 冷量分配单元，单机架的散热总价值大概是十二点二一万美面。 第四部分，打破误区， o d m 厂商不仅没被压缩，反而赚得更多了。之前市场上有一个非常普遍的观点， 英伟达把计算托盘做得越来越标准化， o d m 代工厂的附加值会被不断压缩，最后只能赚点辛苦钱。 但摩根施丹利的拆解结果直接打了这个观点的脸。 o d m 的 增值部分，从 g b 三零零的每台机价十点八二万美元，涨到了 rubin 的 每台机价十四点九六万美元，涨幅百分之三十五到百分之四十。这些增值分布在整个机价的各个环节，计算版组装测试涨了， 计算托盘组装测试涨了，整机机架组装测试也涨了，而且还新增了 connect x 或 okey 的 模组的组装测试环节，这一项就新增了三千六百美元的价值。 有人可能会说，我看到 odm 的 毛利率从百分之二点七降到了百分之一点九吧？没错，毛利率是降了，但绝对盈利额涨了百分之三十八。原来坐一台赚十点八二万，现在坐一台赚十四点九六万，哪个更赚钱一目了然。 而且，如果云服务商自行采购内存模组， odm 的 毛利率还能回升到百分之二点二到百分之二点六。最后，我们来做一下总结。 ai 产业链的价值分配正在彻底重构。这次 ruby 计价拆解给我们带来的三个最重要的启示， 第一， ai 服务器的价值蛋糕不再只属于 gpu。 之前大家投资 ai 产业链，眼睛只盯着英伟达， 但现在 pcb、 mlcc、 一 百 f 机板、内存这些中下游环节的价值增幅都远远超过了 gpu 本身，它们正在迎来自己的黄金时代。第二，系统级创新比单纯的 gpu 性能提升更重要。 root 机架标志着 ai 服务器已经从简单堆叠 gpu 的 时代，进入了系统级创新的时代。散热、供电、互联、内存架构这些方面的全面升级，正在成为下一代 ai 平台的核心竞争力。 第三，内存已经成为了 ai 产业链的新瓶颈，内存占比从不到百分之十跃升到百分之二十六，价格和供应的波动将会直接影响整个 ai 行业的发展节奏。 英伟达的如饼平台预计在二零二六年第三季度开始生产出货，第四季度上量，二零二七年第一季度大规模交付，这场 ai 产业链的价值重构才刚刚开始。
1936晓非观察
00:43查看AI文稿AI文稿你敢信吗？如今国内市场单台英伟达 b 三百 ai 服务器已经被炒到将近七百万，就单单一台机器，并非机贵也不是机房，价格却高得离谱，核心原因就是配置直接拉满。整机搭载八颗高端 ai 芯片，单颗显存两百八十八 g b， 合计高达二点三 tb， 堪比几十台普通电脑。内存 总和、芯片间互联协调效率拉满，配合默契不卡顿，轻松胜任长文本对话、多图识别等复杂 ai 任务。受外部环境限制，正规渠道货源紧缺，物以稀为贵，原价五十五万美元， 国内直接翻倍，大企业买不起，只能月租十几万租赁。这也预示三大趋势，高端 ai 服务器会愈发稀缺，企业更看重降本增效，国产替代虽迎来机遇，但短期内性能仍难赶超。您如果需要算力租赁，可以来聊一聊。
01:53
