华为AI集群或导入CPO，国内光互连迎双轨发展

随着人工智能算力需求的不断增长以及数据中心功耗压力的加剧，全球AI基础设施正加快从传统电互连向光互连系统转型，硅光子相关技术的产业布局也迎来了重要转折点。在AI训练和推理模型规模不断扩大的趋势下，数据中心内部的高速互连带宽正从100G/lane迅速向200G/lane乃至400G/lane迈进。在此过程中，传统铜互连在高速率和高密度应用场景下，逐渐暴露出信号质量衰减和整体能耗增加的问题，限制了新一代数据中心的扩展能力。

业界分析指出，光学互连正逐步从机柜外部延伸至交换芯片附近，甚至深入到封装层级，这已成为下一代AI数据中心架构设计的主流方向。目前，线性可插拔光学（LPO）、近封装光学（NPO）与共封装光学（CPO）三种技术路线正在同步推进，呈现出多轨并行的发展态势。

在国内云服务商阵营中，技术选择已出现显著分化。以阿里巴巴、腾讯和字节跳动为代表的多数企业，目前仍将NPO作为中短期的核心方案，对引入CPO持谨慎观望态度。NPO架构的优势在于无需对现有数据中心设计进行大幅修改，即可有效缩短电气传输距离并降低能耗。同时，该方案保留了模块化设计和可维护性，并维持了多供应商竞争的灵活性。国内云服务商可通过开放标准和协作机制，加速NPO技术的成熟，使其成为当前数据中心升级的主流过渡方案。

相比之下，CPO将光引擎与交换芯片进行高度集成，更适用于高功耗和高密度的AI超算架构。然而，据业界透露，CPO的导入仍面临诸多挑战，包括光器件良率、系统可维护性、光纤耦合标准化，以及上游磷化铟（InP）供应能力等供应链环节仍需进一步完善。特别是在横向扩展（Scale-out）架构中，CPO需要同时集成大量光器件，导致整机测试复杂度增加，并对良率和维护成本造成压力。因此，目前产业界仍处于多种方案并行的验证阶段，尚未进入全面验收期。

在国内厂商中，华为被认为是最有可能率先引入CPO架构的系统厂商之一。与其他主要依赖外部供应链的云服务商不同，华为凭借自研昇腾（Ascend）AI芯片和强大的系统级整合能力，据业界预期，有望在2027年前后在其AI超节点（Supernode）架构中导入CPO方案。这一路径类似于英伟达（NVIDIA）以整体算力系统驱动互连技术演进的模式。市场观察认为，如果CPO成功应用于算力平台，将有助于进一步缩短光电转换距离、降低整体功耗，并提升单位算力密度和能源效率，从而推动国内AI基础设施的加速升级。

在全球供应链方面，各大厂商也在积极布局光互连上游的关键材料和器件。玻璃制造商康宁正在持续扩大光纤产能，并通过长期合同和投资方式绑定云和AI客户的需求。同时，英伟达也宣布深化与Coherent等供应链合作伙伴在磷化铟材料体系上的合作，以增强高端光互连供应的稳定性。

从市场规模来看，随着AI数据中心持续向高密度和超大规模集群演进，CPO和NPO的市场需求预计将同步快速增长。国内硅光子的发展路径也逐步确立了“NPO先行、CPO分层导入”的双轨发展模式。在AI算力竞争日益激烈的背景下，光互连技术已成为决定AI数据中心扩张速度和能源效率的核心基础设施。未来几年，各厂商在NPO与CPO之间的技术取舍及导入节奏，将直接影响其在全球AI基础设施建设竞争中的地位。