NVIDIA CPO 進入大規模生產：下一波大型 AI 網絡熱潮
2026/08/04 14:33:00
NVIDIA 推動共封裝光學的進展已達成重大商業里程碑，將 CPO 技術從行業示範推進至可投入生產的 AI 網路基礎設施。截至 2026 年 8 月，該公司的 Spectrum-X Ethernet Photonics 平台已開始與雲端和 AI 基礎設施供應商進行實際部署，提供高達 409.6 Tb/s 的交換頻寬，並以更節能的方式連接大型 GPU叢集。此項發展正值人工智慧資料中心面臨電力限制、散熱需求與網路瓶頸的壓力日益增加之際，這些因素可能阻礙昂貴的加速器發揮滿載效能。儘管 NVIDIA CPO 市場的長期規模將取決於製造良率、供應商產能以及來自其他光學技術的競爭，但矽光子學正成為支持下一階段人工智慧運算的最重要基礎設施趨勢之一。對於加密貨幣讀者而言，此基礎設施主題也與對 AI 和大數據代幣日漸增長的興趣重疊，儘管代幣市場表現仍與 CPO 硬體的商業採用無關。
NVIDIA Spectrum-X CPO 已進入大規模生產，AI 網絡速度達 409.6 Tb/s
NVIDIA 的 Spectrum-X Ethernet Photonics 平台已從開發階段進入商業生產，這標誌著共封裝光學、矽光子學和下一代 AI 數據中心網絡的重要里程碑。該技術旨在連接日益龐大的 GPU 集群，同時降低傳統可插拔光收發器所伴隨的功耗、信號損耗、熱量和可靠性問題。隨著 AI 模型變得越來越龐大，並需要數千個加速器協同運行，網絡性能的重要性已與 GPU 原始計算能力同等重要。
Spectrum-X Photonics 進入商業生產階段
NVIDIA 已確認 Spectrum-X Ethernet Photonics 已全面投入生產，作為其更廣泛的 AI 基礎設施和 Vera Rubin 平台策略的一部分。該系統採用共封裝光學技術（常稱為 CPO），將矽光學引擎置於網路交換 ASIC 附近。此設計縮短了高速電信號在轉換為光信號前的傳輸距離，有助於減少訊號衰減、延遲、發熱以及對額外數位訊號處理元件的依賴。透過將光學元件直接整合至交換架構中，NVIDIA 旨在為大規模 AI 訓練、推論和代理式 AI 工作負載打造更快、更節能的網路，而相關軟體的發展也在擴大 AI 代理在加密貨幣中的角色。
生產過程依賴一個涵蓋矽光子製造、先進半導體封裝、雷射整合、光學測試與機架級系統組裝的廣泛製造生態。台積電支援矽光子製造，而日月光半導體、華通通訊與鴻海則分別提供封裝、雷射驗證與最終系統組裝。早期採用者包括 CoreWeave、Lambda 和 Oracle Cloud Infrastructure，為該平台提供初步的商業驗證。然而，此推廣仍集中於特定的雲端與 AI 基礎設施合作夥伴，意味著大規模生產尚未代表在更廣泛的企業資料中心市場中普遍可用。
409.6 Tb/s 帶寬支援更大規模的 AI 工廠
旗艦級 Spectrum-X Ethernet Photonics 交換機可提供高達 409.6 Tb/s 的總頻寬，支援最多 512 個 800 Gb/s 埠或 2,048 個 200 Gb/s 埠。其整合的 200G SerDes 技術和共封裝矽光子引擎，專為在 GPU 間以更低延遲和更高能源效率傳輸海量資料而設計。此功能對現代 AI 工廠尤為重要，因為網路擁塞會降低 GPU 使用率，導致昂貴的加速器等待資料而非處理訓練或推論工作負載。
NVIDIA 表示，其最新的 CPO 架構可提供比傳統光學網路系統高達五倍的網路能效、更長的 AI 應用程式無中斷運行時間以及更快的部署速度。這些改進有助於資料中心運營商在固定的電力、冷卻和機架空間限制下，連接更多 GPU，同時降低在 AI 集群間傳輸資料所需的總體功耗。然而，更廣泛的採用仍取決於光學引擎製造良率、矽光子晶圓容量、先進封裝的可用性以及長期可維護性的提升。因此，可插拔光學元件和替代架構仍將保持重要性，但 Spectrum-X 進入量產表明，共封裝光學正成為下一代高效能 AI 網路的實用基礎。
共封裝光學如何改變人工智慧資料中心的效能與電力效率
共封裝光學最大的優勢不僅僅是更快的資料傳輸。其真正價值在於減少在 AI 集群中移動資訊時所消耗的電力、散熱能力與昂貴的 GPU 時間。隨著訓練和推論系統的擴展，資料移動可能成為主要瓶頸，使網路效率對整體 AI 資料中心效能變得越來越重要。
在相同電力容量下獲得更多 AI 計算能力
傳統可插拔光學收發器依賴交換晶片與光學模組之間較長的電氣連接。在較高的傳輸速度下，這些連接需要耗電量大的數位訊號處理器來修正訊號衰減，然後才能透過光纖傳輸資料。NVIDIA 評估，一顆傳統的 1.6 Tb/s 收發器可能消耗約 30 瓦的電力，其中 DSP 負責超過一半的功耗。共封裝光學技術將電氣訊號路徑從數英寸縮短至毫米級，並移除了獨立的 DSP 重定時器，使資料中心有限的電力供應能更多地分配給 GPU，而非用於網路訊號校正。這還能減少網路設備產生的熱量，減輕冷卻系統的壓力，並協助運營商在相同的電力範圍內安裝更多的 AI 計算能力。
透過更穩定的 AI 網絡提升 GPU 使用率
大型 AI 工作負載依賴數千個加速器在精確的時刻交換資料。在分散式訓練期間，延遲的連線或不穩定的網路鏈路會迫使其他 GPU 等待，即使處理器本身仍完全運作，也會降低利用率。NVIDIA 表示，Spectrum-X Ethernet Photonics 專為提供低抖動通訊、提升集體網路效能以及支援更高效的專家混合模型處理而設計。该公司還聲稱，其共封裝光學鏈路比傳統乙太網路配置能更長時間運行而無斷連干擾，並提供更高的網路彈性。這些數據仍為廠商自報，但更廣泛的運營效益顯而易見：更穩定的網路可減少訓練中斷、提升令牌吞吐量，並幫助資料中心運營商從昂貴的 AI 加速器中獲得更多生產性工作。
更低的延遲和更簡化的網路架構
將光學引擎移至交換 ASIC 旁邊，可縮短電氣訊號的傳輸距離，並移除傳統用於清理或重新定時資料的多個元件。NVIDIA 表示，傳統基於收發器的交換機中，電氣路徑可能長達 14–16 英寸，而其矽光子學設計可將該距離縮短至不到半英寸。更短的路徑可提升訊號完整性並降低延遲，隨著 AI 模型將工作負載分散至更大的叢集，這一點變得越來越重要。CPO 還能在不持續增加交換系統物理尺寸的情況下支援更高的連接密度，協助資料中心建構具有較少切換層級的扁平化網路拓撲。避免不必要的層級可能減少通訊延遲，並讓 GPU 更容易在大規模訓練和推論環境中交換資料。
降低營運成本——但並非沒有新的挑戰
共封裝光學技術可透過降低功耗、移除獨立的收發器和數位訊號處理器、簡化安裝並減少可能失效的主動元件數量，來降低整體網路成本。NVIDIA 將更多易失效的雷射源保留在可存取的外部模組中，以便在不移除完整交換機封裝的情況下進行診斷和更換。然而，CPO 也帶來了熱管理、光纖連接、封裝良率、互操作性及現場可維修性等方面的挑戰。若要讓 CPO 超越早期超大規模部署，標準化和熱感知系統設計將至關重要。因此，這項技術可能提升長期 AI 資料中心的效率，但其財務效益將取決於設備價格、製造成熟度、維護需求，以及運營商將光子學整合至現有網路架構的有效程度。
NVIDIA CPO 市場前景、供應鏈機遇與採用風險
NVIDIA 的 CPO 推出正在 AI 基礎設施市場中開闢新的增長層。與以往僅集中於 GPU 和伺服器的支出不同，超大規模資料中心的投資正開始擴展至光學引擎、雷射元件、光纖連接、先進封裝和光子製造領域。此機會可能十分龐大，但最終的勝出者將取決於生產規模、客戶採用率、開放標準，以及 CPO 相較於其他競爭性光學技術是否能提供更具吸引力的長期成本。
CPO 市場增長可能將 AI 熱潮延續至 GPU 之外
行業預測指出，協封光學技術有望在本十年結束前，從一個小型專業市場轉變為價值數十億美元的領域。Yole Group 預計，2024 年資料中心 CPO 市場規模約為 4600 萬美元，到 2030 年將增長至 81 億美元，複合年增長率約為 137%。LightCounting 則單獨估計，到 2030 年，隨著整合光學在高速乙太網系統中的價值提升，CPO 將為交換晶片市場增添數十億美元的收入。這些預測並非保證，但它們解釋了為何矽光子學正因人工智慧支出從處理器擴展至連接它們的網路而獲得越來越多關注。初期增長很可能仍集中於超大規模人工智慧叢集，而企業廣泛採用則需待生產規模上升且設備成本更具可預測性後才會逐步發展。
雷射、光纖與光子製造創造新的供應鏈機遇
CPO供應鏈的範圍遠遠超出設計交換器的公司。大規模部署需要外部雷射源、光子積體電路、光學連接器、低損耗光纖、精密組裝設備、測試系統以及能夠在強大半導體封裝附近運作的材料。NVIDIA 近期的協議顯示了部分需求可能發展的方向。2026 年 3 月，該公司宣布分別對 Coherent 和 Lumentum 投資 20 億美元，並簽訂多年採購承諾，以獲得先進雷射和光學網路元件的未來產能。NVIDIA 與康寧隨後宣布建立正式的光學製造合作夥伴關係，大幅擴大美國光學連接與光纖製造能力。這些承諾表明，AI 網路熱潮可能為專業元件和製造公司創造機遇，但參與 NVIDIA 的供應鏈並不能保證每位供應商都能獲得同等的收入增長或盈利能力。
垂直整合可能成為一項重大競爭優勢
CPO 生產需要開關設計、光子晶片製造、雷射、封裝和系統級測試之間的密切協調，使供應鏈控制變得越來越重要。行業研究人員預期，隨著大型科技公司尋求確保對稀缺光學和半導體产能的獲取，垂直整合將成為核心策略。NVIDIA 正在加強與上游製造商的關係，而超大規模雲端供應商則透過長期採購協議、戰略投資和內部開發的元件，來減少對外部供應商的依賴。這一趨勢可能有利於控制價值鏈多個環節或擁有銦磷化物雷射、矽光子學、光纖耦合和精密封裝等難以複製專業技術的公司。同時，這也可能使小型供應商更難進入市場，因為若缺乏支持超大規模部署所需的產能、資金和客戶關係，單靠技術性能可能已不夠。
定價週期、競爭技術與客戶集中度仍是主要風險
強勁的需求預期並不意味著 CPO 的採用會沿著平穩的上漲路徑發展。目前，部分雷射和光學元件的需求已超過供應，但快速的產能擴張最終可能導致庫存過剩、價格下跌以及重複訂單被取消。共封裝光學技術還必須與不斷改進的可插拔收發器、線性驅動可插拔光學元件以及其他架構競爭，這些架構可能以更低的初始成本或更易於維護的方式提供足夠的效率。博通已開始擴大其 CPO 產品組合，而雲端供應商則可能根據工作負載、供應商關係和互操作性需求選擇不同的網路設計。因此，採用率可能仍集中於有限數量的超大規模客戶，使供應商面臨資本支出或平台策略突然變化的風險。加密貨幣讀者也應將此硬體週期與AI 驅動的加密貨幣交易區分開來，後者涉及演算法市場工具，而非資料中心網路設備。最強勁的長期信號將是重複訂單、製造經濟效益改善、客戶部署範圍擴大，以及在當前元件短缺情況開始緩解後，CPO 仍保持競爭力的證據。
|
KuCoin 正慶祝成立 9 週年，推出專屬平台活動，提供獨家獎勵、交易活動和限時優惠。不要錯過參與並享受這家交易所邁入第九年成長與創新成果的機會。立即前往官方活動頁面：
|
結論
NVIDIA Spectrum-X CPO 進入生產階段，標誌著矽光子學和 AI 數據中心網絡的一個重要轉折點。該技術解決了一個日益嚴重的基礎設施問題：僅靠更快的 GPU 無法在網絡耗電過高、引入延遲或無法同步數千個加速器的情況下實現高效的 AI 計算。通過將光學引擎更靠近切換矽片，共封裝光學技術可提升頻寬密度、降低網絡功耗，並幫助雲服務提供商從昂貴的 AI 集群中提取更多有用的計算性能。長期前景仍具潛力但不確定。強勁的 AI 基礎設施支出、擴展的光學供應鏈以及對高速以太網日益增長的需求，為 NVIDIA CPO 市場創造了有利條件，然而製造良率、封裝能力、成本和競爭技術將決定採用速度。CPO 在近期不太可能取代所有可插拔光學系統，但其進入商業生產表明，矽光子學正成為下一代 AI 工廠架構中的一個重要組成部分。
常見問題
在 AI 網絡中，CPO 代表什麼？
CPO 代表共封裝光學，是一種網路設計，將光學元件放置在交換器處理器附近，而非交換器前端的可插拔收發器模組內。這縮短了高速電氣訊號在轉換為光訊號前需傳輸的距離。
NVIDIA 是第一家開發共封裝光學的公司嗎？
Broadcom 與多家光纖網路公司多年來一直致力於 CPO 系統的開發。NVIDIA 的重要性在於將共封裝光學技術與其 GPU、網路晶片、軟體和 AI 基礎設施平台相結合，從而對整個資料中心架構擁有更大的控制權。
CPO 會取代所有可插拔光學收發器嗎？
在近期内，完全取代的可能性不大。CPO 目前最適合用於對頻寬密度和功耗至關重要的大型 AI 集群。對於較小的資料中心，傳統可插拔光學模組可能仍更實用，因為它們更容易更換、升級和維護。
CPO 與線性驅動可插拔光學元件有什麼區別？
CPO 將光學引擎移至交換硅片旁邊，而線性驅動可插拔光學元件則將可拆卸的收發器模組保留在交換機前端，並通過移除或簡化數位訊號處理器來降低其功耗。線性驅動光學元件可能更易於維護，而 CPO 在極高網路速度下可提供更高的效率。
為何某些 CPO 系統使用外部雷射？
將雷射源置於主開關封裝之外，可降低熱應力，並使故障的雷射更易更換。光學引擎仍靠近切換晶片，而外部雷射模組則提供透過纖維連接傳輸資料所需的光線。
CPO 能否降低運行 AI 數據中心的總成本？
透過減少網路功耗、冷卻需求和信號處理元件的數量，可能降低營運成本。然而，在產量增加和行業標準更趨成熟之前，初始設備價格、安裝複雜性和維護成本可能仍維持在高位。
免責聲明：本文僅供資訊參考，不構成投資建議。市場預測、公司計劃及技術採用可能發生變化，讀者應在做出財務決策前自行進行研究。
免責聲明: 本頁面經由 AI 技術翻譯，旨在方便您的閱讀。欲獲取最準確資訊，請以原始英文版本為準。