/
服务器基础知识全解（终极版）
2022年中国CPU行业市场规模达2003.45亿元，同比增长10%，2023年约为2160.32亿元。中商产业研究院分析师预测，2024年市场规模将增长至2326.1亿元。
2024深度洞察：AI服务器与AI PC的风云变幻
2023 年全球 AI 服务器出货量逾120.8万台，同比增长超过37.7%。这家机构预测， 2024 年全球AI服务器整机出货量将达167.2万台，同比增长38.4%。台积电在Q1法说会上表示，AI需求的增长将以50%的 复合增长率持续至2028年，AI服务器需求增长也有望以较高速度持续至2028年。
电源管理芯片产业分析报告（2024完整版）
电源管理芯片作为模拟芯片的重要组成部分，在2017-2022年，中国的市场规模有望从92.4亿美元增长至149.6亿美元，年均复合增速为10.12%。
国产CPU：一文掌握指令集概念
x86指令集为了保持二进制的兼容性，即：上一代芯片的应用程序仍然能运行在下一代芯片中，使之前后系列的芯片成为一个“系列机”，扩展了许多新的指令，导致x86指令集的规模不断膨胀。
海光16核CPU首曝：多核性能如何？
近日，GeekBench 6.2数据库里出现了一颗新的海光处理器，检测编号C86-4G，实际型号C86-3490，与现有8核心的C86-3350同样属于C86-3000系列，显然架构是相通的。
富士通Arm芯片：144核心、2nm工艺、CoWoS封装
富士通的 Monaka 是一款巨大的 CoWoS 系统级封装 (SiP)，它有四个 36 核计算小芯片，采用台积电的 N2 工艺技术制造，包含 144 个基于 Armv9 的增强型内核，这些内核以面对面 (F2F) 的方式堆叠在 SRAM 块顶部，使用混合铜键合 (HCB)。
AI交换机：未来四大变革
AI 训练集群带来 GPU 互联需求，新增后端网络组网需求。AI 服务器比传统服务器新增 GPU 模组，GPU 模组通过对应的网卡与其他服务器或交换机互联，实现各节点之间的通信。因此相比传统网络架构，AI 服务器组网增加后端网络组网（Back End），增加了每台服务器的网络端口数量，拉动对高速交换机、网卡、光模块、光纤光缆等组件需求。
AI数据中心：网络设计和选型标准
为了缩短训练时间，就需要采用多机多卡并行的方式，通过采用分布式训练技术，对模型和数据进行切分，进而并行加速，将训练市场缩短到周或天的级别。
交换机征程：800G交换机放量，102.4T交换芯片蓄势待发
以太网的起源可以追溯到 1973 年，梅特卡夫发明了基于 Aloha 网络的新系统，改进了 Aloha 可随意访问共享通信信道的机制，能够把任何计算机连接起来，实现计算机之间的数据传输，该系统被其命名为以太网。
高性能GPU服务器架构分析（上篇）
在高性能GPU计算的领域内，关键组件如CPU、内存模块、NVMe存储设备、GPU以及网络适配器等通过PCIe（外设部件互连标准）总线或专门设计的PCIe交换机芯片实现高效顺畅的连接。
2024 AI服务器市场竞争格局
AI服务器产业链上游为零部件，包括CPU、GPU、存储芯片、固态硬盘、PCB、被动元器件等；中游为AI服务器；下游为各类应用市场，包括互联网企业、云计算企业、数据中心服务商、政府部门、金融机构、医疗领域、电信运营商等。
收藏：InfiniBand网络架构浅析
Infiniband的协议采用分层结构，各个层次之间相互独立，下层为上层提供服务。其中,物理层定义了在线路上如何将比特信号组 成符号,然后再组成帧、 数据符号以及包之间的数据填 充等,详细说明了构建有效包的信令协议等；链路层定义了数据包的格式以及数据包操作的协议,如流控、 路由选择、 编码、解码等；网络层通过在数据包上添加一个40字节的全局的路由报头(Global Route Header,GRH)来进行路由的选择,对数据进行转发。
AI数据中心（AIDC）和IDC概念、指标等对比分析
AIDC的基本架构可以划分为多个层次和组成部分。在总体架构上，AIDC可以被划分为基础设施层、平台管理层、大模型开发平台层，以及行业应用层，如图所示。
超大规模集群：CPU&GPU部署与实践
GPU应用已深刻影响各类业务（搜广推、音视频、MMU、风控等）场景，快手内部GPU在线服务及离线训练任务均完成云原生化迁移。
2024信创4大领域和15个产业现状调研
2023年中国信创产业规模达20961.9亿元，2027年有望达到37011.3亿元，中国信创市场正释放出前所未有的活力。数据显示，2024年中国国产PC整机市场规模将达5182.3亿元，中国协同办公市场规模将达370.7亿元。
AI芯片架构众多，谁会主宰算力芯片？
GPU主宰算力芯片，Al信创驱动国产算力发展：得益于硬件支持与软件编程、设计方面的优势，CPU+GPU成为了目前应用最广泛的平台。Al分布式计算的市场主要由算力芯片(55-75%)、内存(10-20%)和互联设备(10-20%)三部分组成。
AI服务器核心部件产业链剖析（2024）
Al芯片是AI服务器算力的核心，专门用于处理人工智能应用中的大量计算任务，Al芯片按架构可分为GPU、FPGA、ASIC和NPU等。HBM作为内存产品的一种，已经成为高端GPU标配，可以理解为与CPU或SoC对应的内存层级，将原本在PCB板上的DDR和GPU芯片同时集成到SiP封装中，使内存更加靠近GPU,使用HBM可以将DRAM和处理器(CPU,GPU以及其他ASIC)之间的通信带宽大大提升，从而缓解这些处理器的内存墙问题。
十年一剑，TPU引领AI芯片时代
TPU 的设定，只能在 TensorFlow 中执行推理，但它的性能非常好。我们认为，TPU 与 TensorFlow 的良好适配，能够发挥出 1+1＞2 的效果。深度学习计算中的芯片部署都不是零和博弈。现实世界的深度学习网络需要系统的 GPU 与其他 GPU 或诸如 Google TPU 之类的 ASIC 通信。GPU 是理想的工作环境，具有深度学习所需的灵活性
京公网安备 11010802021500号
