Ps. 所有文章数据均引自华为有关论文和有关网络平台信息。\"u003Co":p><\"u002Fo":p>
近期市场，国产自主产业链异动频传，有一个非常重要的原因是因为华为AI芯片基于cloudmatrix超节点实现了对同等架构下的H800芯片的性能反超，相关论文近期发表在了康奈尔大学的论文提前刊arxiv上（详情参考有关论文）。\"u003Co":p><\"u002Fo":p>
本文内容重在分析，基于论文数据，给出全新的解读，国产AI腾飞已在眼前。\"u003Co":p><\"u002Fo":p>
基于上述逻辑，我们在四月判断华为超节点的问世及其中CPO的泛用性必然导致CPO底层逻辑转暖，由此产生了两个月的CPO主升行情（同时期铜缆明显弱势，逻辑出现缺口），核心品种如供应链中的仕佳光子。\"u003Co":p><\"u002Fo":p>
近期，超节点测试反馈到来，市场出现了全新的逻辑，以文章第二段引用的华为参考文献 为例，基于超节点的华为AI运行的DeepSeek-r1比对等基于NV72的H100芯片，在单卡性能超出20%以上。（详细分析见下方）\"u003Co":p><\"u002Fo":p>
具体我们上数据，从论文中摘取信息：\"u003Co":p><\"u002Fo":p>
—————基于节点单卡吞吐量对比——————\"u003Co":p><\"u002Fo":p>
1. 数据处理阶段。\"u003Co":p><\"u002Fo":p>
上三列为常规模式下吞吐，下三列为专家并行模式下吞吐，右边两列分别展示了单卡吞吐和单卡吞吐效率。\"u003Co":p><\"u002Fo":p>
\"u003Cv":shapetype id=\"_x0000_t75\" coordsize=\"21600,21600\" "o":spt=\"75\" "o":preferrelative=\"t\" path=\"m@4@5l@4@11@9@11@9@5xe\" filled=\"f\" stroked=\"f\">\"u003Cv":stroke joinstyle=\"miter\">\"u003Cv":formulas>\"u003Cv":f eqn=\"if lineDrawn pixelLineWidth 0\">\"u003Cv":f eqn=\"sum @0 1 0\">\"u003Cv":f eqn=\"sum 0 0 @1\">\"u003Cv":f eqn=\"prod @2 1 2\">\"u003Cv":f eqn=\"prod @3 21600 pixelWidth\">\"u003Cv":f eqn=\"prod @3 21600 pixelHeight\">\"u003Cv":f eqn=\"sum @0 0 1\">\"u003Cv":f eqn=\"prod @6 1 2\">\"u003Cv":f eqn=\"prod @7 21600 pixelWidth\">\"u003Cv":f eqn=\"sum @8 21600 0\">\"u003Cv":f eqn=\"prod @7 21600 pixelHeight\">\"u003Cv":f eqn=\"sum @10 21600 0\"><\"u002Fv":f><\"u002Fv":f><\"u002Fv":f><\"u002Fv":f><\"u002Fv":f><\"u002Fv":f><\"u002Fv":f><\"u002Fv":f><\"u002Fv":f><\"u002Fv":f><\"u002Fv":f><\"u002Fv":f><\"u002Fv":formulas>\"u003Cv":path "o":extrusionok=\"f\" gradientshapeok=\"t\" "o":connecttype=\"rect\">\"u003Co":lock "v":ext=\"edit\" aspectratio=\"t\"><\"u002Fo":lock><\"u002Fv":path><\"u002Fv":stroke><\"u002Fv":shapetype>\"u003Cv":shape id=\"Picture_x0020_3\" "o":spid=\"_x0000_i1030\" type=\"#_x0000_t75\" style=\""width": 415pt; "height": 182pt; "visibility": visible;\">\"u003Cv":imagedata src=\""file":////Users/yuanwang/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image001.png\" "o":title=\"\"><\"u002Fv":imagedata><\"u002Fv":shape>\"u003Co":p><\"u002Fo":p>
可以明显看到虽然在单卡性能方面华为单卡距离H800和H100尚有一定差距，但在整体吞吐效率（实际计算效率 ，对应同等算力下产生的计算吞吐量）实现了大幅超出，整体性能高于H800约20%。\"u003Co":p><\"u002Fo":p>
2. 文本生成阶段。\"u003Co":p><\"u002Fo":p>
\"u003Cv":shape id=\"Picture_x0020_5\" "o":spid=\"_x0000_i1029\" type=\"#_x0000_t75\" style=\""width": 415pt; "height": 151pt; "visibility": visible;\">\"u003Cv":imagedata src=\""file":////Users/yuanwang/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image002.png\" "o":title=\"\"><\"u002Fv":imagedata><\"u002Fv":shape>\"u003Co":p><\"u002Fo":p>
单卡性能依然有所不及，但整体计算效率依然高出H800在专家模式下近20%。\"u003Co":p><\"u002Fo":p>
—————通信算子的时延和带宽对比——————\"u003Co":p><\"u002Fo":p>
\"u003Cv":shape id=\"Picture_x0020_6\" "o":spid=\"_x0000_i1028\" type=\"#_x0000_t75\" style=\""width": 415pt; "height": 183pt; "visibility": visible;\">\"u003Cv":imagedata src=\""file":////Users/yuanwang/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image003.png\" "o":title=\"\"><\"u002Fv":imagedata><\"u002Fv":shape>\"u003Co":p><\"u002Fo":p>
通信环节，超节点在调度分发环节比基于NV72的H800整体性能 高出20%，而在整合环节带宽高出2.5倍，时延对等降低约70%，性能超过一倍以上。\"u003Co":p><\"u002Fo":p>
—————其他性能——————\"u003Co":p><\"u002Fo":p>
\"u003Cv":shape id=\"Picture_x0020_7\" "o":spid=\"_x0000_i1027\" type=\"#_x0000_t75\" style=\""width": 415pt; "height": 212pt; "visibility": visible;\">\"u003Cv":imagedata src=\""file":////Users/yuanwang/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image004.png\" "o":title=\"\"><\"u002Fv":imagedata><\"u002Fv":shape>\"u003Co":p><\"u002Fo":p>
在MLA算子调度方面，受限于单卡性能和制程，在带宽上略有不及，但整体计算效率几乎逼平H800。\"u003Co":p><\"u002Fo":p>
总体上可以说，基于超节点的华为AI芯片，整体性能上高于H800接近20%（以单位算力比较）。\"u003Co":p><\"u002Fo":p>
\"u003Co":p> <\"u002Fo":p>
如此优异的数据，但为何这款华为顶尖Ai芯片至今依然没有大规模商用，这其中又有什么问题？，其实这里有一个非常关键的漏洞，虽然性能超出H800，但谈性能前 不聊成本都是妄谈。据外国媒体报道，在同等算力规模下华为最新AI芯片的芯片成本为H800芯片的1.5～2倍左右。\"u003Co":p><\"u002Fo":p>
\"u003Cv":shape id=\"Picture_x0020_8\" "o":spid=\"_x0000_i1026\" type=\"#_x0000_t75\" style=\""width": 415pt; "height": 187pt; "visibility": visible;\">\"u003Cv":imagedata src=\""file":////Users/yuanwang/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image005.png\" "o":title=\"\"><\"u002Fv":imagedata><\"u002Fv":shape>\"u003Co":p><\"u002Fo":p>
你可能会疑问，如此大的成本差是为什么，是技术上的差异么 ？\"u003Co":p><\"u002Fo":p>
答案其实很简单，流片就是那致命的一刀，台积电给H100的流片良率在80%～90%，而据台湾电子时报和半导体专业资讯平台techovedas消息，目前华为整体的流片良率（Yields）仅有30%～40%，距离其设置的60%的商业化生产良率尚有较大差距，几乎意味着华为AI芯片的的生产成本在H800的两倍以上。\"u003Co":p><\"u002Fo":p>
巨大的生产成本差距，必然导致形片的整体成本巨幅上升，从而最终导致我们看到巨大的成本差。\"u003Co":p><\"u002Fo":p>
清楚了问题的关键，再来看国产AI芯片链条这条线上，我们有什么样的办法去解决这个问题？\"u003Co":p><\"u002Fo":p>
同样以台积电为例，其流片H800的4nm工艺在前道范围内（光刻）良率在90%甚至95%以上，而在后道领域（封装）Cowos-L封装由于其封装的复杂性和成本磨损，会引入10%～15%的损耗，最终导致整体良率在80%附近。\"u003Co":p><\"u002Fo":p>
可见，对于成熟的Ai芯片其工艺流程前道和后道几乎对控制良率起着相同的作用，甚至后道流程的影响更大（更详细参考deepseek）。\"u003Co":p><\"u002Fo":p>
\"u003Cv":shape id=\"Picture_x0020_1\" "o":spid=\"_x0000_i1025\" type=\"#_x0000_t75\" style=\""width": 415pt; "height": 292pt; "visibility": visible;\">\"u003Cv":imagedata src=\""file":////Users/yuanwang/Library/Group%20Containers/UBF8T346G9.Office/TemporaryItems/msohtmlclip/clip_image006.png\" "o":title=\"\"><\"u002Fv":imagedata><\"u002Fv":shape>\"u003Co":p><\"u002Fo":p>
那么对于国内的整个流片工艺，首先前道流程是最大的制约因素，但是这主要受限于光刻设备和制程，除非从光刻设备根源上出发，不然很难去解决这个问题。\"u003Co":p><\"u002Fo":p>
而对于尚未成熟掌握CoWos封装工艺的国内osat封装厂而言，整个后道流程的良率也仅有50%（台积电成熟工艺的良率在80%左右），综上导致了整体极低的良率。\"u003Co":p><\"u002Fo":p>
那么在无法短时间内解决光刻设备的基础上，从后道封装工艺上出发，提高良率就变得至关重要，甚至说可能是国产全自主AI芯片生产的胜负手。\"u003Co":p><\"u002Fo":p>
最后再来聊聊可能的增量：\"u003Co":p><\"u002Fo":p>
1. 华为AI芯片相关产业链，与NV链相比价格极低。\"u003Co":p><\"u002Fo":p>
2. 超节点大规模泛用CPO（我们在4月就聊到过），必然会引发CPO的底层逻辑改善，叠加外围情绪回暖，从而映射了新一轮的CPO主升行情（已经演绎）。\"u003Co":p><\"u002Fo":p>
3. 前道工艺对良率提升和大规模泛用性生产的影响（短期难以解决），但可以映射市场情绪，对应光刻机和光刻胶。\"u003Co":p><\"u002Fo":p>
4. 后道工艺，尤其是类CoWos封装的研发和良率提升将成为成本胜负手，再次强Call国内先进封装企业（甬矽电子、盛和晶微、通富微电等），目前市场炒作了盛和晶微产业链。\"u003Co":p><\"u002Fo":p>
\"u003Co":p> <\"u002Fo":p>
本文仅为投资逻辑参考，
不构成直接投资意见！
有兴趣研究提出问题的可以在评论区发问！
\"u003Co":p> <\"u002Fo":p>