MRVL

前言：從 Google TPU 看 AI 運算晶片的第二條路 過去 AI 的算力大多由 NVIDIA 主導規格與提供，由於 GPU 的高度通用性，加上 NVIDIA 成熟的 CUDA 軟體生態，使其成為 AI 模型訓練與推論主要的運算平台，AI 算力需求的增加意味著需要採購更多的 GPU 與 NVIDIA 設計好的機櫃。 然而除了 NVIDIA GPU 以外，另一個被大規模部署的 AI 運算平台就

觀點 叢集互連取代單機算力為一重大趨勢：隨 LLM 規模增長，AI 伺服器由單機轉向大規模叢集，晶片間的訊號傳輸效率成為伺服器效能關鍵，帶動 NVLink、UALink（Scale Up 垂直擴充），及 Infiniband、UET、SUE（Scale Out 水平擴充）等高速傳輸協定的發展。 224G SerDes 與 CPO 為達成 1.6T 傳輸的關鍵：當頻寬邁向 1.6T，單通道 224G