| 发布于: | 雪球 | 回复：66 | 喜欢：0 |
一般评论别人我不喜欢说太多 既然你质疑 那我就详细说一下 首先从CSP资本开支的角度来说 2022年可以认为全部服务器支出都买通用服务器 简单化一下一台服务器一个CPU一个GPU 2024年AI爆发后 资本支出必然是大部分流入AI服务器 AI服务器中CPU：GPU数量必然大幅小于通用服务器 同时AI服务器价格数倍于普通服务器 那么AI浪潮中单位资本支出中CPU的价值量必然大幅降低 而澜起的卖点就在于不同芯片间的互联 比如CPU-GPU或者CPU-存储 并不与GPU数量挂钩 你觉得我吃透了吗？
唉 大哥 真的 多学习不要看了一点调研纪要就来当老师 PCIe英伟达已经不用了：
GPU 与 CPU 内存连接瓶颈
传统上，英伟达和 AMD 的 GPU 通过 PCI 总线与 CPU 通信。由于 CPU 和 GPU 拥有独立的内存域，数据必须通过 PCI 接口在两者之间移动，造成带宽瓶颈。
英伟达 Grace Hopper GH200 GPU
英伟达的 Grace Hopper GH200 GPU 通过 900 GB/秒的 NVLink-C2C 连接解决这一瓶颈，比传统 PCIe 总线快约 14 倍。此外，GH200 实现了单一的 CPU-GPU 共享内存域，消除了数据移动需求。
大概是英伟达告诉我的吧 GPU间的互联用不到澜起科技的芯片 另外随便搜一下CXL：CXL的出现很好地解决了这个问题，通过将设备挂载到PCIe总线上，CXL实现了设备到CPU之间的互联，实现了存储计算分离。CXL 还允许 CPU 以低延迟和高带宽访问连接设备上更大的内存池，从而扩展内存。这可以增加 AI/ML 应用程序的内存容量和性能。