技术硬件与设备行业网络系列报告之CPO概览:光电协同,算力革新-250617-国元证券
规模定律由参数、算力扩展至并行流,互联带宽亦将受推动 随着 Scaling law 由 Pre learning 阶段的 parameter scaling 扩展至 Post learning 阶段的 inference time scaling,模型性能显著提升,应
规模定律由参数、算力扩展至并行流,互联带宽亦将受推动 随着 Scaling law 由 Pre learning 阶段的 parameter scaling 扩展至 Post learning 阶段的 inference time scaling,模型性能显著提升,应
规模定律由参数、算力扩展至并行流,互联带宽亦将受推动 随着 Scaling law 由 Pre learning 阶段的 parameter scaling 扩展至 Post learning 阶段的 inference time scaling,模型性能显著提升,应
规模定律由参数、算力扩展至并行流,互联带宽亦将受推动 随着 Scaling law 由 Pre learning 阶段的 parameter scaling 扩展至 Post learning 阶段的 inference time scaling,模型性能显著提升,应核心数据:1.1 规模定律下参数量高增,计算并行流增长推集群互联带宽提升 ................. 4;通 CPO 交换机实现 5.5W/800G,英伟达方案降耗达 70%。;信号传输距离缩短至毫米级,带宽密度提升,延迟降低 50%以上。。
本报告由国元证券发布,发布于 2025 年。
覆盖 2025 年,全文约 31。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合战略规划、行业研究员等读者参考。
重点分析了芯片、光纤等议题。