Vera Rubin其实就像我们之前说的，并没有实质性delay 但随着市场deleverage，各种小作文。实质性delay过去几个月已经被充分定价了。等这轮流动性改善之后，或者业绩后，都需要定价回去 @RYANHINGSHING

Vera Rubin确实已进入全面量产阶段，且HBM4、共封装光学（CPO）转型的方向也得到了多方信源印证。英伟达已认证三星、SK海力士与美光作为Vera Rubin平台的HBM4供应商，这标志着其生产爬坡的关键一步，也改变了自Blackwell周期以来一直异常紧张的内存市场的力量格局。 $NVDA Vera Rubin供应链全景图：三大转型重塑AI机架成本结构 🎯 英伟达Vera Rubin正加速全面量产，并从三大维度重塑AI机架的物料清单：每机架HBM用量提升、从可插拔光学器件转向共封装光学（CPO），以及电源架构升级至800VDC。 以下是把握这三重转型机遇的核心公司图谱： 内存存储（每机架内容量提升） $MU $SNDK $SK 三星 已经记住了。以后每个分类标签和每一个股票代码都会单独成行，粘贴后不会再挤在一起。 下面是这部分内容按正确格式重新排版： 先进封装（制约产能的核心瓶颈） 代工/封装： $TSM $AMKR $INTC 封装设备： $AMAT $LRCX $KLAC $ASML 测试验证： $TER $AEHR 基材材料： $TTMI 光通信（CPO转型主线） 光模块： $COHR $LITE $AAOI CPO/交换芯片： $AVGO $NVDA $MRVL 高速互连： $CRDO $ALAB 光纤网络： $GLW $NOK $CSCO $ANET 硅光子/封装： $TSM $GFS $TSEM 800VDC电源架构变革 宽禁带半导体： $STM $ON $NVTS $POWI $WOLF 电源管理/加固器件： $MPWR $ADI $TXN $AOSL $VICR $MCHP 主板/连接器/电源模块： $FLEX $APH $TEL 基础设施/电力输送： $VRT $ETN $GEV 计算系统集成商 $DELL $HPE $SMCI 承担系统级集成角色，将上述所有组件转化为可部署的AI基础设施。

Rick Rubin 讲的话真的很有智慧！ 寻找你一生的志业 这影片有帮助到我们的六个地方： •​去深究那些让你废寝忘食的事物吧。你一生的天命与无可取代的价值，通常就安安静静地藏在那份无可救药的热情与痴迷里。 •​坦然承认自己的一无所知。承认不懂，才能彻底卸下防备与武装，用毫无成见的清澈眼光，重新看见事物最真实、最原本的模样。 •​别只盲从世俗与大众的标准。学会从别人忽视的角落，提炼出真正闪光的价值。那些看似不起眼的地方，往往藏着最巨大的潜力。

Vera Rubin量产，RTXSpark PC 芯片和 跟宇树合作的机器人参考设计的确是这次发布会的重要亮点！老黄总能让业界惊喜，有点Jobs的意思了，one more thing！

$NVDA 下一代 Vera Rubin 还没有完全进入大规模部署阶段，客户已经开始提前抢货。 AM Intelligence 最新进一步增加约 20,000 张 NVIDIA Vera Rubin GPU 订单。 加上此前约 9,000 张，累计已经接近： 29,000 张 Rubin GPU。 对应接近 100MW AI 算力容量。 而这家公司未来全球 AI Factory 的规划管线更达到约 400MW，并计划继续投入巨额资本扩张。 这件事最值得看的地方，不是某一家客户买了多少 GPU。 而是： Blackwell 的需求还没有结束，Rubin 的订单已经开始往后排。 这正是 NVIDIA 最恐怖的地方。 正常半导体周期通常是： 一代产品需求达到高峰 → 增速开始下降 → 下一代产品接棒。 但 NVIDIA 现在出现的情况却更像： Hopper 仍然使用 Blackwell 大规模部署 Rubin 提前锁货 三代算力架构形成连续需求。 而且这次订单来自印度和马来西亚，也说明 AI 算力建设已经越来越不只是美国几家 Hyperscaler 的故事。 下一轮需求正在向： 印度 中东 东南亚 欧洲 扩散。 这对 $NVDA 非常重要。 因为市场最大的担忧一直都是： Microsoft、Meta、Amazon、Google 的 AI CapEx 已经这么高，还能增长多久？ 但如果第二波需求来自主权 AI、区域云厂商和新兴市场 AI Factory，那么 NVIDIA 的总可寻址市场可能还会继续向外扩张。 而且 Rubin 真正带动的从来不只是 GPU。 每一套大型 Rubin Cluster 背后还需要： HBM 高速网络 光模块 液冷 电力 存储 所以订单最终会沿着整条 AI 链条扩散： $NVDA —— GPU $MU / SK Hynix —— HBM $ANET / $AVGO / $MRVL —— 网络 $LITE —— 光通信 $VRT —— 冷却 $VST / $PWR —— 电力 我现在最关注的其实不是 NVIDIA 下一季度卖多少 Blackwell。 而是： Rubin 在正式大规模出货之前，到底已经被客户提前锁走多少产能。 如果 2027、2028 年的 GPU 都开始提前预订，那么 AI CapEx 周期距离结束，可能比市场想象得还远。

黄仁勋竟然开始给Rubin“减内存”：但这可能不是 $MU 的利空，反而证明AI内存真的不够用了 这条新闻第一眼非常容易被误读。 摩根士丹利最新研究提到，英伟达正在给Vera Rubin准备不同内存配置版本。 例如： 机架LPDDR5配置可能从约54TB降低至28TB。 部分Rubin GPU HBM配置可能从288GB提供到192GB版本。 看到这里很多人第一反应是：AI内存需求是不是下降？ 但真正的逻辑可能刚好相反。 大摩认为核心问题是供应限制和成本太高，不是需求消失。 更关键的是，当HBM和DRAM不够用，数据不会凭空消失。 它会被转移到NAND、CXL内存池以及更高速网络互连。 所以内存瓶颈正在从一个环节“移动”到另外一个环节，而不是消失。 这也是为什么大摩仍然看好 $MU、$SNDK，同时关注 $MRVL、$ALAB 等CXL及互连受益者。 AI时代真正稀缺的东西可能正在从GPU扩散到“每一个负责搬数据和存数据的组件”。 你认为未来两年，HBM、NAND还是CXL的弹性最大？

摩根大通：英伟达 Vera Rubin Ultra 与 AWS Trainium 3 液冷机柜冷却部件价值大幅提升 英伟达与 AWS 新一代液冷机柜的冷却零部件金额出现明显上涨。 成本上升的原因并不是简单的降规格，而是GPU/ASIC 功耗提升、冷板设计复杂度提高、快拆接头（QD）规格升级共同造成。 第一部分：NVIDIA NVL72 机柜冷却部件价值 不包含 CDU 设备的单台机柜冷却部件价值大致如下。 GB300 NVL72 机柜，冷却部件约 48250 美元。 Vera Rubin NVL72 机柜，冷却部件约 66250 美元。 Vera Rubin Ultra（VRU）NVL72 机柜，冷却部件约 98500 美元。 GPU 热设计功耗从 GB300 的 1400 瓦提升至 Vera Rubin 的 2300 瓦，Vera Rubin Ultra 预计进一步达到约 2600 瓦。 Vera Rubin Ultra 的量产时间预计落在 2027 年下半年，这是观察机柜级热管理方案落地的关键里程碑。 运算托盘，每台机柜配置 18 个。 GB300 机型每个运算托盘约 1500 美元。 Vera Rubin 机型每个运算托盘 2000‑2500 美元。 Vera Rubin Ultra 机型每个运算托盘 3000‑3500 美元。 Vera Rubin Ultra 采用双面冷板方案，Bianca 模组一共需要 6 片冷板，正面 2 片、背面 4 片，另外还要配置 CX‑9 以及 PDB 冷板。 垂直供电设计把电源元器件与 SOCAMM 移到电路板背面，因此必须使用双面冷却方案；高带宽内存上方贴附钻石铜材质，用来强化热传导能力，同时抬升零部件单价。 交换托盘配置情况。 GB300 与 Vera Rubin 机柜均配置 9 个交换托盘。 Vera Rubin Ultra 依旧配置 9 个交换托盘，但升级为 1.5U 双层板设计，单托盘冷却部件价值超过 3000 美元。 三代产品的机柜歧管采购金额均约 10000 美元。 第二部分：快拆接头（QD）的采购金额大约实现翻倍 单台机柜快拆接头部件价值情况如下。 GB300 机柜约 9400 美元。 Vera Rubin 机柜约 11000 美元。 Vera Rubin Ultra 机柜约 20500 美元，对比 Vera Rubin 提升幅度接近 100%。 成本上涨主要来自旧版 UQD/MQD 升级为零滴漏的 ZQD 接头，ZQD 单品价格几乎提升一倍。 Vera Rubin Ultra 硬件配置重点。 运算托盘内部包含 12 个 MQD 接头、8 个 ZQD06 接头、8 个 miniQD 接头，外部配备 2 个 ZQD14 接头；单托盘快拆接头成本约 750 美元。 交换托盘为双层板，搭载 8 个 MQD 接头，外部配置 2 个 ZQD14 接头。 44U 机柜歧管的 88 个插座，由 UQD08 全部更换为大流量规格的 ZQD14 接头。 Fositek 这类供应商有望受益于毛利率改善，核心观察要点依旧是 2027 年下半年的量产进度。 第三部分：Rubin Ultra GPU 均热盖部件价值提升 4‑5 倍 以标准 Rubin 均热盖单价作为基准 x。 B300 均热盖价值为 0.6x，采用一体成型盖子。 Rubin 均热盖价值为 x，一体成型，但是尺寸有所加大。 Rubin Ultra 均热盖价值达到 4‑5x，改为可拆卸三件式组件，包含加强件、临时保护盖以及多颗固定螺丝。 先进封装与测试阶段会使用可拆卸保护盖；ODM 厂商后续会拆除保护盖，让液冷冷板直接压合在 TIM1.5 导热界面材料上。 Jentech 被报告列为该项零部件的主要供应商。 Rubin 机型小批量试产预计在 2026 年第四季度；Rubin Ultra 均热盖量产时点预计为 2027 年第一至二季度。 如果项目长期停留在试产阶段，无法快速大规模导入，对应约 50 倍的前瞻本益比将存在估值风险，需要持续追踪 2026 年试产良率与封装通过率。 第四部分：AWS Trainium 3 液冷机柜的冷却部件成本甚至高于 Vera Rubin AWS Trainium 3，也就是 Teton3 MAX／NRL72 机型，单台机柜冷却部件整体价值约 86000 美元，高于英伟达 Vera Rubin 的 66250 美元。 Trainium3 的 ASIC 热设计功耗仅 700 瓦，对比 GPU 的 2300 瓦要低，但整机热设计方案更加激进。 两者关键参数对比。 运算托盘同样配置 18 个，Trainium3 每个托盘 3000‑3500 美元，单托盘内部 4 颗 ASIC 搭配 8 片双面冷板，外加 1 片托盘底板冷板，一共 22 个快拆接头；Vera Rubin 每个运算托盘为 2000‑2500 美元。 交换托盘数量，Trainium3 配置 10 个，Vera Rubin 配置 9 个，两者的交换托盘单价均处于 1500‑2000 美元区间。 Trainium3 单机柜合计约 512 个快拆接头，对应部件金额约 10200 美元。 报告当中两套硬件的量产时间均标注为 2026 年第三、四季度。 AVC、Fositek 等液冷供应链公司有望迎来业务放量，多机柜集群扩建是实际出货的关键催化因素。

正當市場認為 Rubin CPX 已被 Nvidia 從產品藍圖中移除之際，我最新的產業調查顯示，Nvidia 已重啟 Rubin CPX，預計於 1Q27 開始生產。相較舊版，重啟後的 Rubin CPX 擁有更強的預填充（prefill）效能，GPU 規格與機櫃架構也都有明顯改變，足以證明 Nvidia 對 prefill 方案的高度重視。 關鍵改變如下： 1. Rubin CPX GPU 規格 CPX 算力接近 Rubin，單顆 GPU 最高功耗也同為 2,300 W。CPX 記憶體改為 168 GB HBM4，低於 Rubin 的 288 GB HBM4，但高於舊版 CPX 的 128 GB GDDR7。 2. 機櫃設計 新版 CPX 採用獨立的 MGX ETL 機櫃，不再像舊版與 Rubin 共櫃。客戶可依需求配置 64、128、192 或 256 顆 CPX。在 CPX 機櫃中，每 64 顆 CPX 組成一個機櫃模組，每個機櫃模組配置 8 個運算托盤（每個托盤有 8 顆 CPX）與 1 個交換機托盤。 3. Scale-up 與 scale-out NVLink 僅用於同一托盤內 8 顆 CPX GPU 的 scale-up，每顆 CPX 的 NVLink 頻寬為 1–1.5 TB/s（vs. 每顆 Rubin 的 3.6 TB/s）。同一機櫃模組內的托盤間，透過 Spectrum-6 Ethernet（全銅 L1）進行 scale-out；跨機櫃模組時，則由各模組的 Spectrum-6 透過 OSFP 光纖進行 scale-out。 4. 運作方式 CPX 需與 Vera Rubin NVL72 搭配，Nvidia 建議 CPX 與 Rubin 的比例為 1:1。CPX 負責預填充（prefill）並建立 KV cache，再透過 Ethernet RDMA 傳給 Rubin 執行解碼生成（decode）。 5. 產品定位：長上下文 prefill 的最高性價比方案 目前 AI 推論工作量中，超過一半來自處理輸入內容（context）並建立相對應的 KV cache，因此，CPX 以更彈性的部署方式與更低成本承接 prefill。每個運算托盤（有 8 個 CPX）約有 1.34 TB HBM4，足以支援大多數長上下文 prefill 與 KV cache 建立需求。

芯片短缺之际，英伟达考虑降低 Rubin Ultra GPU 的显存配置 在计划于2027年推出 Rubin Ultra GPU 之前，英伟达正在评估至少三种配置，其中包括减少高带宽内存堆叠层数的方案，例如采用8层堆叠的 HBM4e 或12层堆叠的 HBM4。相比之下，原方案采用12层堆叠的 HBM4e，显存容量最高可达288GB。 此次调整源于预计将持续至2027年的 DRAM 短缺。供应不足将限制产能，英伟达目前正就不同配置的性能表现征求客户反馈。 较低的内存堆叠层数可能提高生产良率，使更多 GPU 得以出货；但对于人工智能系统而言，这也可能意味着需要构建规模更大的集群，或采用性能更强的互连技术。 消息传出后，美光科技等供应商的股票承压。不过，英伟达尚未敲定最终设计，仍在权衡性能需求与现实供应条件。