Image credit: Tom's Hardware
最近在补 NVIDIA Kyber 架构这部分内容。Kyber 最早在 GTC 2025 亮相，当时还是原型和概念；今年 GTC 2026 又带来了更多细节更新。下面的内容是把两届的信息综合整理的。 学的过程问题不少，零零散散的理解放着容易忘，于是整理成笔记。
1. 先补一个前情提要
直接讲 Kyber 会有点悬空，还是先把它放回演进线里看比较好。
Kyber 之前，主流的 NVIDIA 机柜形态叫 Oberon，也就是大家熟悉的 NVL72——单柜大约 72 颗 GPU，柜内主要靠铜缆完成 GPU 和交换芯片之间的连接。
Kyber 这一代，是在 Oberon 的基础上继续往前推。目前在 GTC 上亮相的形态是：
它不是突然冒出来的"新机柜"，而是在 Oberon 基础上，把单机架 NVLink 域从 72 颗 GPU 翻倍到 144 颗，同时重构整套机柜形态的一次系统级升级。
Image credit: Claude AI
2. 柜内先变：旧问题出在线缆上
把 Oberon 理解成"72 颗 GPU + 大量铜缆互连"的机柜，Kyber 接下来的变化就比较好理解了。
铜缆的问题，表面上是"连接方式"的问题，但会带来一连串更现实的麻烦：线太多、占空间、挡散热、装配复杂、后期维护排障也更难。机柜背部被密集线束占满之后，散热、组装和维护都会变成工程瓶颈。
所以 Kyber 在柜内做的第一步，不是"往里多塞 GPU"，而是先把连接方式改掉。
具体变化是：计算刀片被旋转 90 度插入机柜，GPU 和 NVSwitch 之间的连接，从铜缆换成了正交背板（PCB 背板）。 所谓"正交"，是指计算模块和交换模块从两个垂直方向插入同一块背板，天然实现互连，不需要额外走线——这也是为什么旋转 90 度这个动作本身很关键。
复杂度并没有消失，而是从线缆、连接器和装配空间，转移到了板级集成。这也是高端 PCB 和 CCL（覆铜板）在这个节点被更多关注的原因——电路板不再只是配套部件，而是在承接原来由线缆完成的系统功能。
3. 柜间再变：铜在更大的域里不够用了
柜内问题解决之后，接下来是机柜和机柜之间怎么扩。
这里要先区分两个词：
Scale-up：GPU 之间高带宽、低延迟的紧密协同，核心是 NVLink
Scale-out：更多节点之间的数据分发和同步，常见是以太网或 InfiniBand
Kyber 接下来真正要扩的，是 Scale-up 这一层。而铜缆有传输距离和信号衰减的限制——NVL72 的 NVSwitch 全部集中在机柜中间，正是因为铜缆在 1.8 TB/s 的速率下只能跑几英尺。一旦 NVLink 域要跨机柜扩展，铜就不够用了。
所以从 Rubin Ultra 的 NVL576（8 个 Oberon 机柜组合）开始，机柜间的 Scale-up 连接开始引入光互连。而到了 Feynman 一代的 NVL1152，CPO（共封装光学）会进一步成为核心方案。
这里有一个背景值得说一下：光互连本身不是新东西，插拔式光模块（pluggable）早就存在。但在 GB200 的 NVL576 原型里，用 pluggable 来做 Scale-up 互连，导致 BOM 成本过高，系统从 TCO 角度很难成立。CPO 把光学器件和交换芯片封装在一起，大幅缩短光电转换路径，解决的正是这个成本和功耗的问题。
值得单独记的一点：光互连不是进入外围网络，而是进入了 GPU 之间最核心的计算域。柜内靠背板，柜间靠光。
几个词：
NVLink：英伟达 GPU 之间的高速互连
CPO：共封装光学，把光学器件和交换芯片做得非常近，减少电到光转换的损耗
OE（Optical Engine）：光引擎，CPO 里核心的光电转换部分
4. 热的问题：散热开始从配套变成前提
有一个数字很能说明问题：
Blackwell NVL72：单柜约 120 kWKyber NVL144（Rubin Ultra）：单柜约 600 kW，大约是前者的 5 倍从 120 kW 到 600 kW，散热就不再是"可以优化的项"，而是"系统能不能跑起来的前提"。
这也是为什么 Kyber 会是 100% 全液冷。液冷里还有一个技术细节值得多看一眼：微通道冷板——在冷板内部做出非常细密的液体流道，让冷却液更靠近热点，通道间距可以到 100 微米级。
功耗密度上去之后，液冷不是"选项"，而是"前提"。
5. 电的问题：最后几厘米也成了难题
供电的问题，要从"为什么是 800V"说起。
在当前这类 AI 机柜架构里， 54V DC 仍是常见的供电方式。到了 Kyber 接近兆瓦级的量级，如果还用 54V，光是把电送进机柜所需的铜排就要重达 200kg——一个吉瓦级数据中心里，铜排用量会超过 200 吨。这条路走不通。
电压越高，同样功率下电流越小，铜的用量和线路损耗都会大幅下降。所以 Kyber 转向 800V HVDC（高压直流），逻辑是：高压远送，逐级降压。 更准确地说，是先把交流转换成 800V 高压直流，再通过sidecar把高压直流分配到计算机柜，并在更靠近计算节点、甚至更靠近 GPU 的位置继续完成后级降压。
sidecar值得单独解释一下。如果把供电模块塞进 Kyber 计算柜里，光是电源模块就要占掉约 64U 的机柜空间，计算刀片根本放不下。所以 NVIDIA 的方案是把供电模块独立出来，放在计算柜旁边单独的 sidecar 里——计算柜的空间全部留给计算。
但电进了机柜，不代表问题结束。当单芯片功耗继续上升，最后这几厘米的供电路径本身也会变成损耗来源。更靠近芯片脚边的供电模块、更短的路径，会变得越来越重要。
供电的难点不只是"送进来"，还包括"最后几厘米怎么送得更高效"。
几个词：HVDC（高压直流）、PSU（电源模块）、DC/DC（板上降压转换模块）、Sidecar（暂理解为与计算机柜配套的独立供电柜）。
Image credit: Tom's Hardware
6. 把这些连起来
如果把前面这几部分连起来，可能聚焦于某几个具体参数的意义不大，而是一个更整体的感觉：
Kyber 带来的，不只是某一个器件需求的增加，而是系统复杂度开始重新分配。
柜内的问题推向了背板和高端 PCB；柜间扩展把压力推向了光互连；功耗继续上升，液冷和供电也被推到系统前台。
顺着这条复杂度转移的逻辑往下想，产业价值的分布也会跟着变。产业价值未必会平均落在每个环节，而更可能流向那些承接了新复杂度、并逐渐变成系统前提的地方。
7. 往后看
它不是简单把 GPU 塞得更多，而是把 AI 系统真正难的问题——连接、散热、供电——一层层往外推了出来。
谁承接了这些新复杂度，谁就更值得继续看。
10个月宝宝每天需要喝多少奶粉？
