英伟达推出NVLink Fusion与NVHBM重塑AI工厂开放架构

技术发布背景与核心定位

2026年8月26日，英伟达宣布扩展NVLink Fusion技术体系，同时推出定制高带宽内存NVHBM，整体面向下一代AI工厂场景，支持定制XPU、CPU接入NVIDIA AI基础设施平台[S1]。这一举措标志着英伟达从传统封闭GPU生态转向更开放的半定制AI基础设施模式，试图将其机架级架构、高速互联与软件栈能力输出给更多定制芯片厂商。

NVLink Fusion本质上是一套高带宽、低延迟的连接技术与IP组合，基于NVLink纵向扩展互连技术与MGX机架级架构构建，目标是让超大规模数据中心和AI原生企业能够把自研或第三方定制的XPU、CPU部署到英伟达主导的AI基础设施中[S2]。通过统一架构标准化，该技术旨在简化数据中心运维、实现容量灵活再配置，并支持定制XPU与GPU无缝集成的异构计算形态[S2]。

核心架构与技术能力

在互联能力方面，NVLink 6可实现72个XPU的all-to-all全互联，单XPU带宽达到3.6TB/s，未来路线图还支持最高1152个XPU的域规模，以提升AI性能与投资回报率[S4]。同时，NVLink-C2C接口用于XPU与英伟达Vera CPU等处理器的连接，能效比PCIe接口最高提升6倍，有助于消除智能体系统中控制与计算之间的壁垒[S12]。

NVLink Fusion的核心硬件载体是NVLink Fusion chiplet，超大规模云服务商可以将该chiplet嵌入自身定制ASIC设计中，从而连接到NVLink规模化互联网络与NVLink交换机体系[S7]。这种模块化设计大幅降低了定制芯片接入高端互联架构的门槛，使厂商无需从零开发整套机架级网络方案。

从集成模式看，NVLink Fusion支持两类典型组合：一类是第三方CPU搭配英伟达GPU，例如x86 CPU通过NVLink-C2C与GPU直接连接；另一类是英伟达CPU搭配第三方AI芯片，即第三方AI芯片接入Vera或Grace CPU平台[S9]。这种双向开放的设计既兼容现有CPU生态，也为各类AI加速器进入英伟达主导的AI工厂体系留出了接口。

本次同步推出的NVHBM是面向定制场景的高带宽内存方案，将与NVLink Fusion协同服务于下一代AI基础设施[S1]。不过官方目前尚未披露NVHBM的具体容量、带宽、功耗、工艺节点及上市时间表，其实际性能与成本优势仍待后续验证。

首批落地案例与产业意义

AWS是目前已公开确认的首批核心合作伙伴，其Trainium4 AI芯片将集成NVIDIA NVLink Fusion技术[S5]。Trainium4设计与NVLink 6及NVIDIA MGX机架架构深度集成，是双方基于NVLink Fusion开展多代协作的第一代产品[S5]。

基于Trainium4的系统能够与英伟达GPU实现互操作，同时保留亚马逊自研服务器机柜技术，使得以英伟达GPU为核心构建的大型AI应用更容易迁移到AWS平台[S7]。对AWS而言，这意味着其自研训练芯片可以借助成熟的NVLink生态快速提升规模化部署效率，缩短整机架方案的开发周期。

从产业视角看，NVLink Fusion直接回应了超大规模数据中心部署定制AI芯片的两大痛点：一是机架级架构开发周期长，除了芯片设计本身，还要投入大量资源做纵向扩展网络、机架冷却供电、系统管理等配套开发，成本动辄数十亿美元且耗时数年；二是供应商生态管理复杂，整机架方案涉及数十家供应商和数十万个组件，任何一个环节延迟都可能影响整体项目进度[S5]。NVLink Fusion通过提供经过验证的互联技术栈与机架级参考架构，能够显著降低半定制AI工厂的开发复杂性、提升性能并加速上市时间[S5]。

生态合作伙伴布局

除了AWS之外，已有多家芯片与系统厂商加入NVLink Fusion平台。联发科、Marvell、Alchip等设计服务商已确认参与，富士通、高通计划利用该技术打造定制化CPU，英特尔也已加入这一阵营[S10]。

这一生态扩张显示出英伟达的策略正在从单一GPU供应商转向AI基础设施架构提供商。通过输出NVLink互联、MGX机架规范以及配套的供应链体系，英伟达可以在不直接生产所有类型芯片的情况下，依然掌控AI工厂的核心架构标准与价值分配。

值得注意的是，AMD是否会参与NVLink Fusion生态目前尚未有官方确认信息[S10]。考虑到AMD在GPU与AI加速领域的竞争关系，其接入意愿与模式仍存在不确定性。此外，国产AI芯片厂商能否通过该生态获得更成熟的机架级互联方案，也将是后续市场关注的重点之一。

对算力竞争格局的影响

NVLink Fusion与NVHBM的组合，正在重塑AI算力基础设施的竞争逻辑。过去AI算力的核心差异体现在单芯片性能与CUDA软件生态，而现在竞争正在上移到系统级、机架级乃至工厂级的整体架构能力。

对于拥有自研AI芯片的云厂商而言，接入NVLink Fusion意味着可以在保留自身芯片差异化的同时，复用英伟达成熟的scale-up网络、机架设计与供应链体系，大幅缩短产品上市周期并降低工程风险。对于英伟达而言，开放架构则能将更多AI工作负载纳入其基础设施生态，进一步巩固在AI工厂整体解决方案中的主导地位。

不过这种开放也带来新的竞争变量。一旦第三方AI芯片能够便捷接入英伟达的高速互联与机架生态，用户在GPU与定制ASIC之间切换的成本会下降，英伟达GPU本身的溢价能力可能面临新的平衡。此外，CUDA软件栈与第三方XPU的完整兼容性细节尚未完全披露，实际异构调度效率与开发体验仍需大规模部署验证。

待验证信息与观察方向

目前公开信息中仍有多项关键细节待确认。首先是NVHBM的具体技术参数与商业化节奏，其容量、带宽、功耗表现将直接影响定制芯片的性能上限[S1]。其次是NVLink Fusion的授权模式、商业合作门槛与收费方式，这决定了不同规模厂商的接入成本。

第三，除AWS外，其他已宣布合作厂商的具体产品落地时间表与部署规模尚不明确，生态扩张的实际速度仍需观察。第四，定制XPU接入后与英伟达GPU、CUDA软件栈的完整兼容性细节，以及大规模部署后的实际性能、稳定性与运维成本，目前缺乏第三方验证数据。

最后，国产AI芯片厂商能否通过该生态获得实质性技术赋能，以及AMD等主要竞争对手是否会调整策略，都将影响未来AI基础设施市场的格局走向。总体来看，NVLink Fusion与NVHBM的发布是英伟达从芯片公司向AI基础设施平台公司演进的重要一步，其长期影响将取决于生态开放的深度与实际落地的规模。