先列HGX 从参数变化可以看出，H20的核心参数是在H100原芯片的基础上通过固件阉割调整的产品。HBM内存96GBFP16稠密算力148TNVLINK 900GB/s与H100/H800相比，HBM增加了一个，16*5=80GB增加到16*6=96GB，成本增加了240美元。FP16密度计算能力为H100 15%，H20需要增加软件人员的适应成本，NVLINK从400GB/s升级到900GB//ss，因此，互联网速率将大大提升。H100/H800通过IB网络网络是目前最大集群的主流实践方案。H100的理论极限是5000张卡集群，NV测试实践超过4000张卡，5000*2P=10000PH800实践集群在2000张～3万张卡，2万*2P=4万PA100最大实践集群为1.6万张卡，1.6万*0.6P=9600PH20集群0.148P*5万=7400PH20计算能力和通信平衡。H20集群的规模远低于H100的理论规模。因此，未来两年国产卡能力10B和单卡计算能力0.6的合理估计为3000P中性T，目前，集群实践的上限是2万～3000张卡，约1800P集群计算能力10C，计算能力有望翻倍以上，集群能力得到重视，具体能力未知某90，单卡计算能力0.6T，目前了解到目前的集群技术可以做2000～预计明年上半年将增加300张集群芯片，增加下一代90系列的集群规模，单卡预计将增加到1.6T以上，目前，在手互联网技术中实现600GB/s的可行性很高。其他卡还没有达到A100水平的潜在用途 3.5启动训练需要3000P计算能力，H20集群能胜任GPT 4起步训练需要2万计算能力，主流计划4万计算能力，H20集群无法胜任GPT 5.启动训练需要1万计算能力，H20集群无法胜任，H800集群不称职，需要1000亿高端集群垂直模型培训，H20能胜任微调模型，H20能胜任万亿大模型推理，性能应超过A100明年趋势Meta宣布明年开源GPT-4级模型，全球开源生态将进入GPT-4级OpenAI预计明年上半年发布GPT-5，目前是10万亿参数级，未知国内模型今年是否达到100万亿注册，明年仍需达到1000亿模型。否则，与开源能力的差距将拉大，核心竞争力的供需失衡可能会丧失。据英伟明年达到400万，中国占25%，中国需求100万H800。如果用H20来弥补，按计算能力估计会有600万颗，英伟达会原地起飞？根据国内租赁企业的沟通，目前的供需比例为1-10。应用开始后，国内人工智能行业最需要快速培训的模型将更加不平衡。培训端计算能力集群的规模是核心。目前，只有H800需要明年进入GPT-4级模型 H100可以胜任大模型推理，目前垂直模型推理，国产卡发挥的主要空间，这次H20可以在这个领域发挥更多，也就是说，截取国产卡的动力范围小模型推理，H20使用HBM有点浪费，GDDR足够胜任恒润股份：公司宣布芜湖项目是建设4万计算能力集群，孵化国内大模型。在计算能力企业中，唯一准确定位自己的策略，因此大多数模型制造商都在谈论合作，这是最值得期待的企业。在计算能力企业中，唯一准确定位自己的策略，所以大多数模型制造商都在谈论合作，这是最值得期待的企业。！！理解恒润就是理解算力！！计算能力租赁：H20的成本高于H100，NV需要额外的成本，所以利润率不会降低，所以对于培训企业的计算成本，同样的计算能力需求需要花费近5倍的资本支出，不租怎么办？计算租赁投机不是价格上涨的主要逻辑，投机首先是资本支出的逻辑，其次是表观利润率高的逻辑服务器制造商：原来没有商品，现在有商品，价格不低。同样的计算能力需求，量要上五倍，好不好？国内芯片也适合国内芯片：不是每个人都有钱花5倍的资本支出购买或使用如此昂贵的计算能力，国内芯片这一代推理成本效益，下一代可能压H20照明模块：虽然H20组大集群成本不低，但小集群推理也想高速互联，900G，800G光模块？（目前尚未确认网络方案）应用程序制造商：最初在中国做应用程序，计算能力不是数量，现在昂贵的点昂贵，总是有持续的供应，行业继续，只是等待国内扩张白？

半导体产业链:H20骑脸羞辱，阉割成这样，有信心打败国产芯片，关注先进技术的扩产和先进包装。这些问题是什么？三思行研究