2026年7月6日，半导体领域权威研究机构SemiAnalysis发布报告称，英伟达专为2027年Rubin Ultra芯片设计的下一代机架级架构——Kyber系列，因核心电路板制造遭遇严重技术瓶颈，已被迫推迟超过12个月，预计推迟至2028年才能面世。 作为黄仁勋在GTC 2026上亲自展示的“杀手锏”，Kyber系统原计划通过革命性的空间重构，在单一机架内集成144块顶尖GPU，使其作为一台巨型算力单元协同工作。然而，这一雄心勃勃的激进路线图，如今正撞上物理世界与制造工程的硬墙。 一句话总结：英伟达这次是真遇上了硬骨头。阻碍Kyber落地的直接技术瓶颈，是一块被称为“正交中板（Orthogonal Midplane）”的超高层印刷电路板。为了干掉机柜内部数以万计的复杂铜缆、实现极致的信号传输效率，英伟达将算力板旋转90度垂直插入机架。但这导致该中板的压合层数达到了惊人的78层，线宽与线距被逼至25μm的材料学极限。在超高频SerDes信号传输下，任何微米级的气泡或物理形变都会导致整块主板报废。量产良率，短期内根本无法攻克。 为了挽回局面，英伟达曾试图推出一个过渡方案：将两台现有机柜背靠背硬连（即NVL72x2）。但过去一个月里，这个方案遭到了微软、亚马逊、谷歌等云服务巨头（CSP）的集体强烈抵制。大厂普遍认为，这种折中设计在数据中心运维、散热以及功耗（单柜预计达600kW）上面临高昂的隐性成本，不符合AI投资进入“算账期”后的ROI（投资回报率）诉求。目前，英伟达已彻底取消该备用方案。 受此事件影响，原本预期在2027年爆发的高端PCB与先进材料（如M9级覆铜板）供应链遭遇重创，多家具备相关业务的亚洲供应链厂商在今日开市后股价重挫。 不过，研究机构普遍强调，这仅仅是机架工程维度的困局。英伟达当前基于Blackwell和标准Rubin架构的系统生产依然强劲，预计今年秋季将如期向八大云合作伙伴出货。但这一长达一年的高端真空期，无疑给追赶中的AMD Helios系统、谷歌自研的TPU 8t等对手，让出了一条极为宝贵的非线性超车窗口。 说到这儿，如果从深度学习工程、大模型通信拓扑以及数据中心架构的专业视角来看，Kyber的延期不仅仅是一次供应链危机，它更宣告了AI基础设施层一个时代的结束。 #### 1. 为什么144域（NVLink Domain）对大模型如此致命？ 首先需要厘清一个核心问题：在传统的以太网或InfiniBand网络中，GPU之间的通信存在极高的协议栈延迟。而英伟达的护城河在于NVLink——它能让多块GPU直接共享内存，形成一个统一的算力池。 当前不得不面对的一个残酷现实是：从Blackwell到第一代Rubin，英伟达在物理机架上的极限是NVL72（即72块GPU互联）。但问题在于，当今前沿模型的参数量已迈向十万亿级别，单个模型的“激活状态”和中间权重过于庞大。如果不能在一个NVLink域内吞下整个模型，数据就必须跨越机柜、通过光纤互联，其网络延迟会激增数倍甚至数十倍。 Kyber的本质，原本是要实现NVL144（单柜144块GPU内存直连），甚至后续的NVL576——这是为了让超大模型实现真正“无缝并行”的工业皇冠。它的推迟，意味着在2028年之前，万亿参数模型的单体网络扩展性（Scale-up）将被物理锁死在72块卡的极限上。接下来，大模型训练必须依赖软件算法端去补硬件工程的短板。 #### 2. 软件算法的“物理反噬”：硬件快跟不上软件迭代的步伐了 过去三年，大模型软件层遵循着严苛的Scaling Law，要求算力每几个月就翻倍。英伟达为了迎合这种非理性的繁荣，将原本两到三年的硬件研发周期强行压缩至“一年一代”。 但硬件制造有其不可违背的物理规律。除了78层PCB的微观失效外，几天前业内还爆出台积电在四芯片的CoWoS-L先进封装上也撞上了良率死墙，迫使英伟达不得不将Rubin Ultra芯片的性能临时“对半砍”，变更为双芯片方案。 这证明了一点：单纯靠“在硅片上堆核心”的红利，已经快抽干了。AI算力的瓶颈，已经从“算力”彻底转移到了“互联与功耗”。从芯片竞争走向系统工程，是下一步的唯一出路。 #### 3. 给异构AI芯片生态送来的“非线性窗口” 在技术路线图完备时，英伟达凭借CUDA生态和完美的硬件迭代速度，几乎让对手绝望。但Kyber的延期，打破了这种非线性碾压。 TPU这类专用ASIC迎来了反扑机会。谷歌的TPU和亚马逊的Trainium，从来不追求英伟达那种通用GPU“单柜吞噬一切”的万能通用性，而是通过光线路切分（OCS）和针对特定大模型拓扑进行定制化魔改。在Kyber缺席的18个月里，大厂会发现：既然买不到完美的通用巨型计算机Kyber NVL144，那么针对特定Transformers或后续新架构（如Mamba、SSM等）进行全栈软硬一体优化的定制化ASIC芯片，其性价比和按时交付的确定性将大幅跃升。 可以说，AI算力基础设施市场，将正式从英伟达“一家独大”，加速滑向“通用GPU与专用ASIC分庭抗礼”的异构时代。 参考资料： 1. Nvidia Stock Delay Opens A Window For Marvell And Other AI Chip Rivals