在百万GPU的AI工厂里，瓶颈已不单是算力。更是那些在机柜之间搬动TB级数据的线缆——和激光器。通用的解法，是一整面插拔式光模块墙，它既吃电、又频繁出故障到让运维头疼。英伟达的答案是：别再插了，直接把光印进交换机芯片。2026年，这个回答从演示走向量产。
这项技术叫共封装光学（CPO），它是AI建设里最安静却最重要的一次基础设施迁移。
共封装光学是什么
一座现代AI集群，既是计算机也是网络。每块GPU都要以巨大带宽和严丝合缝的时序，和每一块别的GPU说话。今天靠的是插拔式光收发器——插在交换机面板上的小模块，负责把电信号转成光、再转回来。它们能用，但数量多、耗电高，还是故障源。
CPO把光子学搬到和交换芯片同一个封装里。光引擎紧挨着计算硅片，信号走的是毫米而不是穿过整块板子和连接器，那个插拔模块就此消失。英伟达说，结果是相比基于传统收发器的网络，电源效率提升5倍、AI应用持续运行时长延长5倍，部署还快1.3倍，因为设计更简单。
为什么网络也开始耗电
随着GPU数量冲向百万，网络所占的能耗和可靠性预算不再是四舍五入的零头。电信号根本无法在这些集群所需的距离和密度下，不让功耗和信号中继器失控地膨胀。把光挪到离芯片更近，就抹掉了一整类损耗和失效。
换个说法：你每次向云端要一段长视频、一次大模型的回答，背后都是无数GPU在机柜间疯狂传数据。传得越费电、越容易掉链子，云服务的账单和卡顿就越重。把光做进芯片，等于给这座数据工厂换了一套更省电、更不易断的"内部神经"，最终会摊薄你用到的每一分算力成本。
英伟达的兄弟产品Quantum-X InfiniBand Photonics交换机，用144个800Gb/s端口，在单一无阻塞拓扑下连起超过1万块GPU。以太网版本达到409.6 Tb/s，面向百万GPU集群。两者都通过与半导体生态的深度协同工程实现——台积电制造硅光子裸片，系统伙伴组装机柜。
中国视角：一条可能被绕开的光通信链
中国的光通信产业是世界领先者——它的企业在CPO力图替代的传统插拔收发器市场占据主导。这份强，也是一处脆弱。在CPO世界里，价值从独立模块，转移到光子学与交换芯片的集成，而这一块由英伟达及其紧密的代工伙伴领跑。
国内的硅光子努力正在爬坡，中国模块厂也在抢着补上CPO相关能力，比如光纤阵列单元和高速互连。但CPO系统设计的重心，目前仍在美国交换机厂商及其代工伙伴手里。对国内的AI基础设施建造者来说，问题是中国光子学能否在架构锁定前，从元件爬到协同设计的系统层。
脑机网首席科学家李安的总结是：在AI基础设施里，有价值的层持续向上迁移——从芯片到封装、再到集成光系统——谁握住那个集成点，谁就握住利润和路线图。
普通人现在能做什么
1. 如果你规划AI基础设施，把网络功耗和可靠性——而不只是GPU数量——算进总成本；CPO正成为厂商会拿来当差异点的招牌。
2. 如果你跟踪光通信供应链，看传统收发器厂有没有补上CPO级集成能力，因为价值池在移动。
3. 如果你研究互连，把共封装和面板级光子封装，当作CoWoS产能之后的下一个瓶颈来追踪。
诚实的局限
5倍效率和5倍时长的数字，是英伟达对其CPO产品相对插拔式网络的自陈，我们未独立基准测试，实际收益取决于集群设计和利用率。"量产"指英伟达平台正向首批采用者出货，而非CPO已成行业默认——多数数据中心仍在跑插拔光学，且CPO带来新的制造和维保难题（你不能随手拔掉一块坏模块）。博通、英特尔等都在走竞争或互补的光学路线，所以架构赢家尚未定论。请把CPO视为重大的方向性迁移，而非已完工的标准。