昨天有消息称英伟达的Blackwell可能延迟 , 一下炸锅 , 对此消息 , 我觉得应该是说搭配Blackwell GPU的服务器产品可能延迟 , 而非Blackwell GPU芯片出现延迟, 这样的表述会准确一点 , 毕竟这颗芯片已经经历前期设计, 流片与无数测试 , 最终顺利在台积电Fab18A工厂生产中 , 从7月开始正式量产, 前期小规模生产 , 前段GPU生产之后再交由先进封装6厂进行CoWoS-L封装 , 在Q3正式量产前的第二季度 , 少量样卡早已经交给服务器合作伙伴测试。
也就是说芯片本身没有重大问题 , 那大家悬着的心应该能稍微放一放。
从上述一系列流程中 , 我们可以确定 , 假如真的出现出货延迟 , 大概率不会是芯片的设计缺陷问题，无数次仿真/测试都做过了，即使有缺陷，大概也是体现在供电、热效应、板卡方面，或者无故障工况的时间变短；比如去年由H100的低分数die的瑕疵产品改造的H800。Blackwell芯片本身的设计上，最大挑战就是合封了2颗die之后的热效问题，但这些问题在芯片进入量产阶段 , 也不会有太大问题 , 也就是说设计缺陷的问题 , 不会是现阶段出货延迟的原因。
排除了大家最担心的设计缺陷问题 , 再来看看制造问题 , Blackwell的GPU die采用台积电N4P制程 , 跟AMD, 高通, 苹果采用的一样 , 在台积电属于运行非常成熟的工艺 , 基本也能排除 , 而 Blackwell采用的CoWoS-L封装技术是首次大规模采用 , 良率或许不是那么好 , 但也是90%以上 , 距离大量出货的十月份还有些许时间可以去改善 , 目前的良率问题不会是NV延迟出货的主因。
零部件的采购好像也没有那个环节是极度紧张的 , HBM或者液冷快接头的短缺也不至于出货延迟半年 , 毕竟这些紧缺的零部件或芯片还是有基础的供货能力 . 更何况如HBM下半年也已经明确会加入新的大供应商三星。
目前进入生产阶段的不止芯片，相信还有板卡组件、新的交换设备、新设计的机架、新制冷方案等等，从8卡Pod扩容到72卡Pod需要考虑的问题很多，尤其是包括网络带宽的收敛、以及各种并行策略（模型数据切分、分段计算、拷贝和重组）在整个Pod中的最佳工况。
RACK也需要重新设计，毕竟tray变得更多、更高密、更紧凑，机架内的布线数量、高速交换、散热也就更复杂，相信这种RACK还没有量产。
定制机架本身没有集成问题，但供电系统和制冷子系统的挑战比较大，几乎同样高度、近似重量和空间的机架却要承担最高9倍数量芯片的散热，你想想这是很挑战的，之前TPU的16000 Pod做过，但那是私有环境，不是商品化SKU。
服务器所有子系统与集成 , 由于NVL36/72是一项全新的技术方案 , 所有子系统与最终的集成是否有完善这一点确实会有点风险 , 因为除了性能以外 , 整个系统的高成熟度与高可靠性同样是一个商业产品好坏的依据。
除了产品本身的各种问题以外 , 水冷散热的GB系列服务器，目前还有漏液的问题，即使该产品已经通过认证，漏液问题让服务器厂家挺头大。
水冷散热主要零件：水冷板、分歧管、CDU及快接头（QCD）当中，以快接头处是最容易发生漏液之处，漏夜最大的问题就是责任归属。
水冷散热服务器最重要的不是价格，而是质量，所以NV这类客户选择的条件不是会不会做，而是能不能信赖，一个AI服务器的RACK动辄数百万美元，但漏液的赔偿可能会让一家小型企业破产，如果漏液，NV自己需向客户先行赔偿 , 再向鸿海广达这类系统厂作为责任归属与索赔对象。
目前NV与系统厂进行水冷散热的合作、测试，然尚无真正大量导入，都纯粹属于沙盘推演，水冷散热的RACK价格高、配置高，系统厂趋之若鹜 , 但是导入后的责任归属，才是最大问题，不论是芯片厂、系统厂或散热厂，没有哪一家厂商愿意承担此风险 , 这需要实际导入后，有了「白老鼠」才更明朗。。
所有情况都分析一遍之后 , 个人认为假如Blackwell的出货延迟是真的 , 芯片端的部分 , 设计缺陷的问题基本可排除 , 制造问题上CoWoS-L良率或许不完美 , 但也不会造成出货延迟 . 大概率是因为全新的服务器技术方案所造成 , 各式各样采用新技术的子系统可靠度还有提升空间 , 问题基本上还是出在服务器上而非芯片。
如果出货延迟为真 , 从上述所有问题看来 , 并没有根本性的重大问题 , 真要造成延误个人认为时间不会太久 , 一个季度相对合理 , 半年的延误是无法接受的 , 这样的话对NV的影响也在可接受范围 , 更何况此时此刻正进入H系列的出货高峰 , 今年后续季度的业绩兑现毫无疑问是令人兴奋的 , 只要好业绩能出来 , 明年稍微延迟的问题或许也不是那么重要了
精彩评论