在关于地缘政治与贸易管制的喧嚣中,市场情绪屡屡引发估值波动。但回到AI数据中心的物理现场,现实呈现出截然不同的面貌:北美四大云巨头目前60%至70%的高速光模块仍由国内供应链提供,且本土产能短期内根本无法填补算力扩张的缺口。
当大模型训练将数据吞吐量推向物理极限,铜缆传输在距离与功耗上的瓶颈暴露无遗。从算力集群的极速膨胀,到芯片互联架构的重塑,“光进铜退”不再是一句产业口号,而是决定千亿美元算力底座生死存亡的物理刚需。

连接物理与算力的光电桥梁

光通信,本质是以光波为载体、光纤为介质的信息传输技术。其核心工作机制,在于解决信息在微电子世界与物理光网络之间的转换效率。
在发射端,系统将芯片处理的电信号转换为光信号并注入光纤;
在接收端,光信号经过长距离高速传输后,再被还原为微处理器可识别的电信号。
相比传统的铜线传输,光信号具备极高的带宽容量与极低的衰减特性。在算力需求暴增的当下,它构成了全球数字基础设施的基础血脉。
从可插拔到深度封装的形态演进

按照结构形式与作业集成方式,光通信的核心承载器件正发生深刻分进。
传统形态以“可插拔光模块”为主。这类器件独立于计算芯片,通过插槽连接在交换机面板上,具有标准化程度高、易于维护更换的优势。
随着传输速率跨入1.6T及以上,封装形态开始向近距离协同演进。“近封装光学(NPO)”将光引擎放置在交换芯片或GPU旁的主板上,将电信号传输距离缩短至2-5厘米,兼顾了制造可行性与功耗控制。
更终极的形态则是“共封装光学(CPO)”。它将光引擎与计算芯片直接集成在同一基板内,电信号传输缩短至几毫米,实现了延迟与能耗的极致优化。
二者并非简单的替代关系,未来将在不同AI集群场景中长期并存。





