今天“信息平权”更新的文章《为什么说“互联”会是未来科技投资重要命题》，蕴含了不少今后人工智能的投资机会。
我们来拆解一下。
背景是，今日凌晨，消息称微软和OpenAI投资1000亿美元建造AI超级计算机。
这个计划要用到几百万，甚至上千万张卡。首先能想到，最直接是利好算力的，算力还看不到天花板。
接着看下去，还有什么投资机会。
思考一下，这么多卡怎么连接在一起呢？
现在数据中心里面，若干AI服务器放在一个机柜里，再若干机柜组成一栋数据中心，然后几栋数据中心挨着建在一起，构成一个千卡万卡集群，基本上是这种模式。
阿里云南通数据中心
而要完成微软和OpenAI投资这个计划远远不够，需要几十个地区的数据中心，跨地区连接起来，进行分布式训练，所谓分布式训练是说将训练任务分解成多个子任务，并在多个计算节点并行执行。
核心是互联。
下面对上图解释下。
1、HBM的interposer互联，跨越了光刻reticle光罩限制？
HBM，即High Bandwidth Memory高带宽内存，用在AI芯片上，比如NV最新的GB200用的就是海力士的HBM3e。interposer意思是中介层。HBM正是通过中介层实现互联的。
如下图，这个中介层是黄色那块，这是示意图哈，实际上是非常薄的一层。HBM的DRAM芯片，以及GPU都连接在上面。你可以想象成用乐高积木搭建房子时，下面那层地基。
光刻reticle（掩模），掩模就是数下来第二层，上面刻着电路图。光刻过程是用光源去照掩模，再通过缩图透镜（作用是把电路图缩小），把电路刻在晶圆上。
这里说的光罩限制，是指掩模尺寸有限，那硅片上能够制造的电路图案大小也受到限制。
但是通过interposer互联，可以将多个硅片连接到一个interposer上，实现更大范围的互联和更复杂的电路设计。
2、NVlink
NVlink，英伟达的GPU芯片互联技术，看家本领。
最简单的一个NVlink，我们看一台DGX A100 服务器，内部是8卡互联（华为昇腾只能做到4卡）。
3、IB和以太？
IB，即 InfiniBand，直译为“无限带宽”技术，是一个用于高性能计算的网络通信标准，用于计算机与计算机之间的数据互连，具有极高吞吐量和极低延迟。
接着前面DGX A100 服务器，再加上英伟达的交接机（NV InfiniBand，中间那一层）去连接，就可以连接两台GDX服务器。
然后，堆叠更多NV InfiniBand，可以连接多个机柜，做成一个万卡集群。
以太网，Ethernet，一种计算机局域网技术，也是互联用的。
PS：为什么叫以太（Ether）呢？Ether是古希腊哲学中的一种假设物质，被认为填充了整个宇宙。据说当时工程师在纸巾上画出了以太网的结构，讨论中提到了这个名字就用他命名了。
重要的是，我们看下IB和以太的区别。这里借用知乎用户（@一路）的说法。
最后，该作者的结论是：
在并行计算的场景，有很高性能要求的时候，IB网络仍然是首选。当前主流数据中心网络都是要解决多个异构系统的互联问题，即使是单一的大规模应用场景，包括云计算、大数据等，主流也都是以高吞吐量场景，也就是多个节点做多个事情，对节点之间的通信延迟没有很高的要求，更看重的是灵活的接入与扩容，所以这些场景用以太网就非常合适。
这样看来，微软和OpenAI准备建造的AI超级计算机，确实以太网优于IB。简单说，IB更适合数据中心内部，跨区域分布式训练还是得上以太。
回顾来看，是不是互联是AI最重要的命题？包括CPO（光电共封装）也是解决互联的问题。
写这么多，是为了把问题说清楚。
总结下，跨区域分布式训练还是得上以太，利好IDC概念，比哪润泽这种（不是推票，只是举例）；以及做以太芯片、以太交换机的，也是利好。
最后，该文章末尾还提到一些今天我们要关注的技术，包括EDA（3DIC）……模型架构和计算架构等。
换句话说，AI后面会有很方细分方向可以炒，而不是仅仅只有AI服务器和光模块。
反正，我今年以来跟踪AI，最大的感受是，AI发展真是日新月异，每天都在推陈出新，都有要学的东西，比如说周末，海力士、三星在MEMCON 2024上已经在推HBM下一代技术CXL了。
所以，来星球学习起来吧，这里主要关注人工智能投资，包括国内外重要AI资讯、AI巨头跟踪、付费研报分享、AI板块和重要个股逻辑预判等等。可以先进来看看，72小时内可申请退款。