周末期间，SemiAnalysis发布面向机构客户报告《Rubin Ultra HBM to 192GB》，报告指出，由于台积电CoWoS-L高级封装在超大尺寸基板上发生严重基板翘曲，以及面临掩模版极限问题，英伟达被迫对2027下半年发布的Rubin Ultra进行规格调整，原计划拼接4颗GPU dies + 16堆栈HBM4e（单封装显存1TB）的方案良率极低，英伟达被迫将其缩减和分拆为2颗GPU dies + 8堆栈HBM4e方案（单封装显存384GB），功耗降到1800W或2600W。

换句话说，按照SemiAnalysis的说法，Rubin Ultra单颗GPU dies的显存（192GB）甚至还不如已经实现量产出货的标准版Vera Rubin高（288GB）。

图片说明：Rubin Ultra被迫减配HBM，数据来源于SemiAnalysis

尽管SemiAnalysis近期开始愈发劣迹斑斑、臭名昭著，但不得不承认，SemiAnalysis这篇做空报告的发布时间恰到好处，在市场情绪稍微有所缓和、刚刚看到一丝曙光之际，迎头予以重拳一击。

事实上，存储本就因为赚了太多的钱，尤其是利润大头还被韩国拿走了，这不仅难以服众，还遭到了资本市场的唾弃，成为全球的“总熊头”。SemiAnalysis的做空报告一出，更加雪上加霜，不仅SK海力士大跌8.79%，还连带国产存储芯片跟着遭殃。

8月第一个交易日，存储芯片在7月普遍腰斩的基础上继续大跌，其中兆易创新(603986.SH)以跌停收盘、普冉股份(688766.SH)暴跌11.83%、澜起科技(688008.SH)暴跌7.30%，行情完全可以用惨不忍睹来形容。

图片说明：存储芯片指数暴跌，数据来源于Wind

难以证伪、但不符合常识的空头逻辑

根据TrendForce在7月底发布的报告，表示英伟达尚未锁定Rubin Ultra最终的HBM规格，并认为英伟达有四种潜在可能的HBM配置，核心是容量与供应确定性之间的权衡，最终规格预计在2026年下半年验证后确定，英伟达的目标仍是2027年出货，但更务实地平衡性能、成本和可制造性。

因此，SemiAnalysis的空头逻辑，短期是不可证伪的。

图片说明：Rubin Ultra的原始方案，数据来源于英伟达

然而，理论上来讲，单颗GPU的dies从4减半到2，算力峰值也将相应减半。而单封装显存降低62.5%（从1024GB降至384GB），意味Agentic AI场景下的推理能力，会被极大幅度削弱。

一个Agent任务 = 超大模型 + 持续膨胀的KV Cache + 多次迭代，Agentic AI作为显存杀手，被英伟达就这样简简单单的砍掉，似乎不合常识。尽管Rubin Ultra单机柜包含576颗GPU，但在面对Agentic推理任务时，将显著增加scale up层面的通信成本，进而增加token成本，Rubin Ultra的整体效率极大概率还不如已经量产出货的标准版Vera Rubin NVL72，所谓Ultra也就无从谈起了。

简单来说，英伟达在Agentic AI的推理时代，主动大幅减配Rubin Ultra NVL576中的HBM，怎么看都像是一种自杀行为。

如果单颗GPU真的减配HBM，对于光通信可能是一个挑战

由于SemiAnalysis的说法不可证伪，就得考虑英伟达万一真的减配HBM后的情况。

事实上，若Rubin Ultra真的减配了HBM，意味着单卡性能降低、单机柜性能降低。而为了弥补单机柜性能损失，为了达到同等的算力和显存规模，就只能采用人多力量大的战术：扩大机柜数量，用机柜级扩展来弥补损失（依靠增强scale out网络堆回来）。

显然，一旦机柜多了，理论上GPU和HBM的数量都会增加，机柜内的Scale up通信和机柜间的scale out通信也就多了，无论光模块还是NPO、CPO，理论上都将大幅受益。

图片说明：英伟达宣布CPO步入量产，数据来源于经济日报

不过需要注意的是，在Rubin Ultra单机柜内部，管理和协调576个GPU做并行计算的scale up的网络本来就已经非常复杂了，例如NVL72的铜缆互联已经导致布线混乱、故障率高、维护困难，NVL576为解决此问题引入了极其复杂昂贵的78层M9级正交背板，这本身就是成本与复杂度的飙升。

事实上，Rubin Ultra NVL576的scale up卡间互联成本已经是指数级上升了，如果还要管理和协调更多NVL576机柜的scale out卡间互联，事情会变得更加复杂（通信成本进一步指数级上升）。

图片说明：NVL576在canister内通过正交PCB背板实现259.2TB/s的连接带宽，数据来源于英特尔

至此，可以进行一个总结：

如果将NVL576机柜比喻成一位智商140的天才，那么大幅减配HBM后，NVL576就变成了一位智商70的蠢材，为了恢复天才的智商，就得增加蠢材的数量，当蠢材的数量增加到一定程度，组织协调（scale out网络）这些蠢材的成本和难度，理论上会呈指数级上升。

如果英伟达在单点性能、系统规模和成本效率之间做痛苦的权衡后，真的选择了大幅减配NVL576中GPU dies的HBM，那么对以光模块为代表的光通信行业，在技术上将面临巨大挑战：既要确保scale out网络低延时、均负载，还要压低scale out网络成本指数增长的斜率。

因此结论是清晰的：如果HBM遭到大幅减配，那么或许没有哪个AI硬件可以独善其身。如果HBM只是被少量减配，则适当采用机柜级扩展来弥补单点损失，有利于光模块在scale out网络的进一步扩张。

来源：估值之家