AI算力竞争正转向数据传输效率
主要观点
AI算力的下一场竞争，未必发生在计算芯片本身，而可能发生在芯片之间的数据通道。铜线逼近物理极限后，NPO、CPO和OCI分别代表成本可控、性能极致与长期集成化方向。围绕光引擎、FAU耦合设备、先进封装和基板形成的产业链，决定这些技术能否真正大规模落地。
关键要点
- 华为超节点的竞争力不只来自1024卡规模和256TB统一内存编址，更来自约3微秒RTT的数据互连设计，说明系统级连接效率已成为算力产品的重要差异。
- 可插拔光模块虽然能效较铜线提升2倍，但时延改善有限；NPO把光互连前移至芯片封装附近，以约40%的成本优势和可更换维护性适应当前大规模部署。
- CPO把光引擎与交换芯片直接封装，能效可达铜线的4倍、时延低于铜线的0.1倍，但光模块故障可能牵连整套芯片封装，良率和维修成本成为推广障碍。
- OCI被描述为更终极的架构：光引擎、XPU与HBM置于同一中介层，能效达到铜线的10倍、时延低于0.05倍，并推动AI芯片从单一硅片走向巨型3D封装体。
- 产业链价值不只集中在芯片设计商，光引擎、亚微米级FAU耦合设备、先进封装基板和高密度封测共同决定路线能否从概念进入量产。
- 内容给出的时间判断是，随着CPO规模部署推进，光引擎出货可能在2027年至2028年出现明显增长，但这一预期依赖工程问题和封装可靠性的持续解决。
建议带着这些问题阅读
- CPO在良率、散热、维修和封装成本上的障碍，哪些最可能先被工程化解决？
- NPO的成本与维护优势能维持多久，何时会被CPO的性能收益抵消？
- 光引擎和FAU耦合设备的增长预期，如何用真实订单、产能和客户导入进度验证？