北京
一個反直覺的事實：處理萬億參數的大模型，算力堆得再猛，也可能被一根銅線卡住脖子。
這正是英偉達現在急于解決的問題。過去三個月，這家芯片巨頭已承諾向光子學技術公司投入至少65億美元。目標很明確：砸開AI基礎設施當前最扎眼的那塊天花板——數據傳輸的能耗瓶頸。
光子學，說白了就是用光來傳數據。跟現在主流的電信號走銅線方案相比，光的能效優勢不是一個量級。電傳輸吃掉的能量越來越多，已經被視為AI大規模鋪開的主要攔路石。按照Forrester資深分析師Alvin Nguyen的說法，光子學給了英偉達一條路：既能擴張AI基礎設施，又不用背上電與銅方案帶來的沉重能耗包袱。他的原話更直接——如果繼續守著電和銅，英偉達遲早會撞上一堵墻，性能和規模都推不下去。
英偉達的動作已經不是試水，而是批量下注。自三月初以來，它宣布向Lumentum、Coherent和Marvell各投了20億美元，這三家公司都在搞光子學技術。此外還有5億美元投給康寧，用于開發先進光學連接方案。光學初創公司Ayer Labs的5億美元E輪融資，英偉達也參與了。梳理下來你會發現，這些投資標的幾乎覆蓋了產業鏈的關鍵節點。
為什么光連接突然變得這么急迫？把視角拉遠一點就看懂了。AI集群里，數據要在GPU、內存、網絡芯片、服務器、數據中心之間來回跑。現在主流連接標準還是銅線，優點是成本低、可靠性高。但晨星資深股票分析師Brian Colello點出了一組矛盾：英偉達規劃中的下一代AI機架級方案，需要的帶寬是以指數級往上竄的，新模型越復雜、用的人越多，銅線的物理極限就越明顯。他的判斷是，光學連接在AI基礎設施里的占比會隨時間持續提升。
英偉達自己已經開始鋪光子學產品了。在三月GTC大會上，黃仁勛宣布了一組工具，號稱能讓AI工廠跨站點連接數百萬個GPU，同時把能耗和運營成本狠狠往下打。他當時指著一套以太網網絡平臺說，硅光子學技術已經開始上量，而且正在往GPU之間的互聯技術上導入。“這意味著我們需要的硅光子學產能，遠高于全世界今天的水平。”原話如此。他的策略不是關起門來自己建產線，而是跟供應鏈一起提前把產能堆起來。
市場也在用腳投票。Lumentum股價年初至今漲了134%，Coherent漲了96%，Marvell的漲幅同樣可觀。注意，這不是概念炒作期那種集體狂歡，而是在訂單和產能邏輯下發生的分化上漲。光伏產業當年也走過類似的劇本：當上游技術變成剛需，設備商先吃到了第一波紅利。
正方觀點很清晰：銅線的物理極限是確定的，數據中心的電力賬單是肉眼可見的，AI模型的規模膨脹是不可逆的。三條線交叉的那一點，就是光子學的爆發窗口。英偉達的邏輯不是賭技術路線，而是賭物理定律遲早會贏。
反方聲音同樣值得琢磨。銅連接今天之所以還是主流，不是因為大家不知道光更好，而是因為可靠性和成本。銅方案便宜、成熟、出問題容易排查。光子器件在精密對準、熱穩定性、量產良率上的坑，不是砸錢就能一夜填平的。更關鍵的是，AI基礎設施的投資回報周期正在被壓縮，客戶有沒有耐心等光連接的成本降到足夠低，還是未知數。
我的判斷偏向正方，但帶一個保留條件：光子學的爆發時點不取決于技術本身有多好，而取決于銅方案的痛點有多痛。目前看，痛點加速到來的信號越來越密集。黃仁勛在GTC上那段話其實已經交了底——產能要提前建，說明訂單已經不等人了。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
