牛牛課堂

參與了話題 · ·

AI算力進入下一戰：Scale-Up網絡或成新瓶頸，大摩點名這四類光通信公司值得關注！

過去兩年，AI產業鏈的投資主線高度集中在GPU、HBM和先進封裝。英偉達憑借CUDA生態和GPU優勢成為最大贏家，SK海力士、台積電、博通等公司也受益于AI基礎設施擴張。

但隨著大模型規模不斷擴大，一個新的瓶頸正在出現：芯片越來越快，但芯片之間的數據傳輸速度跟不上。

摩根士丹利在最新研報中指出，未來AI基礎設施競爭的核心將從單顆芯片性能，轉向「讓數千顆AI加速器像一台超級計算機一樣協同工作」的能力。這推動了一個新的市場：Scale-Up。

大摩預計，Scale-Up網絡市場規模將在2030年達到約730億美元，相比去年預測的170億美元增長超過4倍。

為什么AI越強，越需要高速互聯？

傳統數據中心架構中，服務器之間主要依靠網絡連接。

但AI訓練不同。

一個大型模型訓練任務，往往需要成千上萬顆GPU同時工作。如果GPU之間通信速度不足，即使計算能力提升，也會因為等待數據傳輸而浪費算力。

簡單來說：

過去AI競爭：誰擁有更多GPU？

未來AI競爭：誰能讓更多GPU高效協同？

大摩指出，目前AI系統的瓶頸正在從「計算能力」轉向「數據移動能力」。值得高度關注的數據反差是：過去30年，硬件算力提升了600萬倍（每兩年3倍），而互連帶寬只提升了450倍（每兩年1.6倍）。這正是英偉達不斷強化NVLink、NVSwitch等互聯技術的根本原因。

Scale-Up是什么？為什么成為AI基礎設施新戰場？

Scale-Up與Scale-Out經常被混為一談。簡單說，Scale-Up是讓一個高速互連域內的多顆GPU/XPU像一台更大的計算機那樣協同，強調低延遲、高帶寬以及內存語義；Scale-Out則是把多個服務器或計算域連接起來，更接近傳統數據中心網絡。

大摩認為，Scale-Up市場增長核心來自三個因素：

1. AI集群規模擴大

2. GPU數量增加

3. AI模型通信復雜度提升

這意味著：過去投資AI，看GPU。未來投資AI，要看「GPU之間的高速公路」。

「銅」與「光」的路線之爭，怎麼選？

針對傳輸介質的爭論，大摩的判斷可以濃縮成一句話：「能用銅就用銅，必須用光才用光。」

對於短距離連接，銅仍具備三大難以替代的優勢：延遲低、功耗低、成本低。所謂的「銅牆」並非銅線突然失效，而是高速電信號隨距離增加會產生衰減。

按照這一邏輯，2026至2027年的主線仍是銅。無源DAC適合最短距離；ACC通過模擬補償改善功耗與延遲；AEC加入Retimer和時鐘恢復，能夠延伸距離，但功耗與成本更高。它們會在機架內和近機架環境長期共存。真正觸發光學遷移的，不只是更高速率，而是四個條件的疊加：Scale-Up域跨越多個機架、電氣I/O功耗上升、前面板帶寬密度不夠，以及模型通信強度持續增加。

因此，Rubin Ultra更可能采用混合架構：機架內部繼續使用銅NVLink，機架之間才用光連接。Feynman一代可能首次較大規模采用全光Scale-Up，但考慮到產品放量和供應鏈爬坡，具有產業意義的CPO滲透拐點更可能落在2029年前后，而不是2028年一發布就全面普及。

因此，產業不會從可插拔光模塊一步跳到完全CPO，而會出現多個中間形態。NPO把光引擎放到ASIC附近但仍置于封裝外，在效率、開放性和可維修性之間折中；LPO減少或取消DSP以降低模塊功耗；2.5D CPO先把芯粒與光引擎靠近，2030年以后才可能進一步演化到完整3D CPO。OCS則繞過逐包電子交換，直接用光路連接端口，適合流量規律、重配置頻率較低的場景。AWS的新型RNG網絡甚至通過更扁平的準隨機拓撲、被動光器件與自適應路由，嘗試用拓撲和軟件降低設備數量與能耗。

所以，未來數據中心不會只有一種連接介質，而會形成按距離、功耗、成本、延遲和可維修性分層的異構網絡：板內與機架內盡可能用銅，機架間逐步引入NPO/CPO，特定穩定大流量場景采用OCS，可插拔光模塊繼續承擔通用連接。銅和光不是簡單替代關系，而是在不同物理邊界下重新分工。

產業鏈機會：先看「確定性」，再看「彈性」

此前《2026年展望｜別只盯著英偉達！2026年光通訊行業或成最強風口，哪些機會值得關注？》一文曾梳理過光通信產業鏈：

而根據大摩研報給出的公司，則可以映射為四大類：

第一類是平台與交換芯片廠商。 $英偉達 (NVDA.US)$ 憑借GPU、NVLink與NVSwitch掌握封閉系統的最大價值； $博通 (AVGO.US)$ 同時覆蓋定制ASIC、以太網交換、PCIe、SerDes、NIC和光學，能在客戶從芯片設計走向整機架部署時打包銷售網絡能力； $邁威爾科技 (MRVL.US)$ 同時押注UALink、ESUN、NVLink Fusion和硅光，路線覆蓋最廣，但收購整合與規模量產是主要風險。

第二類是銅互連與連接芯片廠商。 $Astera Labs (ALAB.US)$ 通過Scorpio PCIe交換芯片切入Trainium，并為UALink和NVLink Fusion保留選擇權； $Credo Technology (CRDO.US)$ 受益于AEC的壽命延長，同時向光DSP和光模塊擴張； $先科電子 (SMTC.US)$ 同時布局低功耗有源銅與線性光學。它們的共同邏輯是：即便光學最終勝出，銅在機架內仍有數代產品周期，現金流窗口并未關閉。

第三類是光學器件和材料廠商。 $Lumentum (LITE.US)$ 、 $Coherent (COHR.US)$ 和 $康寧 (GLW.US)$ 分別在激光器、光學組件、光纖陣列與偏振保持光纖等環節擁有敞口。對這些公司而言，最重要的變量并非最終形態叫CPO還是NPO，而是單位GPU所需的光學內容量是否上升。研報的敏感性分析也顯示，2028年盈利對Scale-Out與Scale-Up滲透率都很敏感，說明光學股短期仍會受到量產時間表和一致預期落差的顯著影響。

第四類是架構中立的測試測量廠商。協議越多、速率越快、研發周期越短，需要驗證的組合就越復雜。 $Keysight Technologies (KEYS.US)$ 不押注某一種互連標準，而是從800G量產、1.6T研發到3.2T規劃的并行推進中受益。這類「復雜度稅」往往比單一路線預測更具確定性，也是大摩上調其評級的重要理由。

投資者最應關註什麼？

這份研報最有價值的地方，是把市場爭論從「2028年有沒有CPO」改寫成兩個更重要的問題：Scale-Up域是否繼續擴大？單位加速器的互連價值量是否繼續上升？只要答案仍是肯定的，網絡、銅互連、光學和測試市場就存在結構性增量。CPO在某一季度的推遲，更可能改變收入確認節奏，而不必然破壞長期方向。

但投資者也需要警惕三類風險。

第一，730億美元是基于資本開支、加速器出貨和集群架構的遠期預測，不是已經兌現的收入。任何AI資本開支放緩、模型效率提升或集群利用率不佳，都可能壓低市場規模。

第二，技術價值量不等于企業利潤。Scale-Up以太網雖然規模大，但交換軟件可能比傳統網絡簡化，白盒設備會壓縮品牌廠商利潤；CPO雖然增加光學內容，卻也可能把價值集中到ASIC平台和先進封裝環節。收入池擴大，不代表每個參與者的議價權都同步提高。

第三，路線分散既帶來測試和多平台機會，也帶來研發浪費、庫存風險和客戶集中風險。UALink若延遲，受益者可能轉向以太網和NVLink Fusion；若銅被繼續延壽，光學收入會后移；若CPO良率與維修問題遲遲不能解決，NPO和可插拔方案的生命周期可能明顯拉長。

總結：AI系統的競爭，正在從「最強芯片」轉向「最少等待」

上一階段的AI競賽，核心問題是誰能提供更多算力；下一階段，核心問題將變成誰能讓這些算力持續、同步、高效地工作。Scale-Up網絡的本質，就是把一群獨立芯片變成一台邏輯上的超級計算機。

這也是為什么網絡市場會比原先預期更大：GPU數量增加只是表象，真正的變化是系統架構從單機擴展到機架，再跨越多個機架。短期看，銅仍將憑借成本、功耗和延遲優勢守住機架內部；中期看，開放協議會圍繞非英偉達XPU形成新的生態；長期看，當跨機架距離、I/O功耗和帶寬密度越過臨界點，光學將不再是可選升級，而是系統繼續擴張的必要條件。

因此，最準確的判斷不是「銅將被光取代」，而是：銅會比市場想象得活得更久，光也會比懷疑者想象得更不可避免。真正值得追蹤的，不是某個產品發布日，而是Scale-Up域的規模、每顆XPU的互連內容量，以及價值從可插拔模塊向光引擎、硅光、先進封裝和測試環節遷移的速度。

112

瀏覽 74萬