CPO双路线，对决！

共封装光学（CPO）作为下一代交换机的核心架构，正受到业界高度关注。向共封装光学的转型，不仅是数据中心网络技术的一次关键迭代，更正在重塑半导体厂商的竞争格局，成为 AI 时代算力网络升级的核心抓手。随着全球智能体 AI、大模型训练与推理等算力密集型应用爆发，数据中心内部及跨数据中心的通信流量呈指数级增长，传统网络架构已难以支撑这一需求，CPO 技术的产业化进程正加速推进。

过去十年，交换机带宽随超大规模云计算与分布式负载同步提升，而人工智能正急剧加速这一趋势。据行业测算，AI 大模型训练过程中的数据交互量较传统计算场景增长超百倍，这一增长此前主要依赖高速可插拔光模块。但在现有 QSFP、OSFP 形态下继续扩容正变得愈发困难，接口密度、面板带宽已接近物理极限，尤其是功耗问题更为突出 —— 单端口 112G 光模块功耗约 4-5W，而若升级至 224G 速率，传统可插拔方案功耗将突破 10W，大规模部署将导致数据中心散热压力剧增。

展望 1.6T 及更高速光模块，交换机 I/O 必须从 112G 级电信号 SerDes 升级到 224G 级。在这种速率下，跨越封装、PCB 走线和连接器的电学信道损耗极大，信号衰减幅度较 112G 时代增加 30% 以上，均衡难度陡增，导致 SerDes 功耗大幅上升。此外，高速电信号传输还会产生严重的电磁干扰，进一步制约信号完整性与传输距离，传统架构已无法满足下一代数据中心对带宽、功耗、延迟的协同要求。

共封装光学通过将光引擎与交换 ASIC 放在同一封装内，大幅缩短交换芯片与光模块之间的电学路径，通常可将传统方案中数十厘米的传输距离缩短至毫米级，从而从根本上解决了这一局限。它不仅降低了均衡算法的复杂度与硬件开销，更使信号完整性提升 40% 以上，同时缓解了前面板密度与散热压力 —— 相同带宽下，CPO 方案的功耗较传统可插拔光模块降低 30%-50%。因此，CPO 作为下一代交换架构备受瞩目，成为全球科技巨头竞逐的核心赛道。

向共封装光学的转型，也正在重塑半导体厂商的竞争格局。本文将分析英伟达（NVIDIA）与博通（Broadcom）采取的不同路线，二者的战略选择不仅反映了企业技术基因的差异，更预示着数据中心网络架构的多元化发展方向。

英伟达 vs 博通

英伟达在 AI 基础设施中的地位源于高性能计算。公司是全球 GPU 龙头，凭借 Blackwell、Hopper 等系列产品占据 AI 训练与推理市场的主导地位，并通过将加速器、网络与机器学习、仿真软件平台深度整合，将优势延伸至 AI 基础设施全链条。其平台依赖软硬件深度协同，尤其是 CUDA 生态与 NVLink 互联技术，二者形成强大技术护城河，实现加速器系统内部高效互联，支撑起大模型训练所需的大规模并行计算能力。黄仁勋曾公开表示，智能体 AI 的拐点已经到来，算力需求呈指数级增长，而软硬件协同的一体化平台是应对这一需求的核心解决方案。

博通在生态中占据另一重要位置。公司是网络 ASIC 市场领导者，市占率长期保持在 40% 以上，为 Meta、谷歌、亚马逊等超大规模云厂商提供定制 ASIC，其 Tomahawk、Jericho 系列产品构成大型数据中心网络的交换骨干。博通凭借在高速 SerDes、交换架构设计上的深厚积累，以及规模化供应链优势，成为云厂商构建弹性网络的核心合作伙伴，其产品以高可靠性、高端口密度和成本优势著称。

纵向扩展（Scale-up）网络

在纵向扩展领域，英伟达的领先地位依托于 NVLink，该技术专为在系统内部紧密连接加速器而设计。NVLink 是短距铜缆电学互联，单链路带宽可达 1.6Tbps，提供高带宽、低延迟的 GPU 直连通信，并支持多 GPU 内存共享，使多 GPU 集群可实现统一内存寻址。结合 CUDA 生态，互联技术、GPU 内存层级与软件栈深度协同优化，使多 GPU 可作为单一逻辑计算资源运行，大幅提升并行计算效率，这也是英伟达 Grace Blackwell 平台能成为当前推理市场王者的关键支撑。

博通则通过以太网扩展切入这一领域，挑战英伟达的主导地位。其最新推出的 Tomahawk Ultra 平台属于 “纵向扩展以太网（SUE）” 计划的核心产品，旨在将以太网拓展到传统由铜缆互联承担的加速器间通信场景。该平台采用台积电 5nm 工艺，博通公开数据显示，其一次可串联的芯片数量是 NVLink Switch 的四倍，能支持更大规模的节点互联，将以太网定位为芯片间互联的高效替代方案。这一战略既发挥了博通在以太网领域的技术积累，又满足了部分云厂商对开放架构的偏好，避免过度依赖单一供应商的封闭生态。

横向扩展（Scale-out）网络

在横向扩展基础设施中，英伟达采取 “光子 + 双协议” 的双线战略，推出面向集群互联的光网络产品，已发布 Quantum-X 光子 InfiniBand 交换机与 Spectrum-X 光子以太网交换机，均面向分布式 AI 集群。其中，Quantum-X 依托 InfiniBand 协议的低延迟优势（端口到端口延迟低至 0.5 微秒），主攻高性能计算与大模型训练场景；Spectrum-X 则兼容以太网生态，通过与 NVIDIA SuperNIC 配合，实现无损传输与低延迟优化，覆盖更广泛的分布式推理集群需求，二者形成互补，巩固英伟达在 AI 集群网络的领先地位。

博通的核心仍聚焦以太网交换，延续其 “全场景覆盖” 的产品策略。其 Tomahawk 6 平台支持每端口 1.6Tbps 速率，单芯片可提供高达 51.2Tbps 的交换容量，专为大型分布式集群的叶脊架构设计，满足高密度接入需求；Jericho 4 平台则定位更高层级的骨干交换与长距传输，数据处理能力约为前一代产品的四倍，作为以太网架构路由器 / 交换机，专为分布式 AI 基础设施设计，支持超过 100 公里的跨机房无损 RoCE 传输，完美适配跨区域集群互联场景。

跨域互联（Scale-across）

除单个集群外，两家公司均将目光投向跨数据中心互联场景，以支撑超大规模分布式 AI 部署。英伟达 Spectrum-XGS 在 Spectrum-X 以太网套件基础上，整合交换芯片、SuperNIC 与光子前端，通过优化的光路设计与协议栈，支持跨地域大型 AI 集群协同计算。英伟达表示，基于 NCCL（英伟达集合通信库）的跨数据中心通信方案，可使分布式训练的效率损失控制在 10% 以内，性能显著优于传统方案，为全球分布式 AI 算力网络提供技术支撑。

博通同样将 Jericho4 定位为可跨数据中心部署的架构方案，凭借其强大的长距离传输能力与路由转发性能，支持基于以太网架构的远距离分布式 AI 部署。与英伟达不同，博通的方案更强调兼容性与开放性，可无缝对接现有以太网生态，无需对客户现有网络架构进行大规模改造，降低了超大规模云厂商的迁移成本，这一优势使其在大型云服务提供商中拥有广泛市场基础。

共封装光学集成与封装

两家公司均采用台积电的半导体封装方案实现共封装光学，核心依托 COUPE（紧凑型通用光引擎）平台与 SoIC-X 3D 封装技术集成光引擎，但在细节优化上各有侧重。COUPE 平台通过专用电学接口实现电子集成电路（EIC）与光子集成电路（PIC）的协同集成，最小化耦合损耗；同时支持光栅耦合器与边缘耦合器两种光纤接入方式，插入损耗低至 0.5dB 以下，光耦合性能优于传统分立光引擎方案。而台积电 SoIC-X 采用的 Cu-Cu 混合键合技术，通过金属直接键合消除微凸点间隙，实现 10μm 以下互连间距，带宽密度可达 1TB/s/mm²，较传统微凸点提升 10 倍，在实现高互联密度的同时，保证系统高效功耗控制。

英伟达的封装方案更注重与自身芯片的协同优化，将 CPO 封装与 GPU、SuperNIC 的封装设计统筹考虑，实现整个系统的功耗与延迟平衡；博通则更强调封装方案的通用性与规模化生产能力，其 CPO 模块可适配不同客户的交换芯片需求，凭借供应链优势降低生产成本，提升市场竞争力。

产品战略定位

英伟达将光互联作为其整体系统架构的一部分，坚持 “垂直整合” 战略，面向客户提供网络、加速器与软件协同的统一平台。从 GPU 芯片、NVLink 互联、CPO 光模块到 CUDA 生态、NCCL 通信库，英伟达实现了全栈优化，目标是平台级整合与系统级效率最大化，这种模式能为客户提供 “开箱即用” 的解决方案，降低部署复杂度，但也要求客户深度绑定其生态。最新发布的 Rubin 平台更是将这一战略推向极致，推理 Token 成本较 Blackwell 平台最高降低 10 倍，进一步巩固其生态壁垒。

而博通采取以模块化与供应链规模为核心的解决方案型战略。公司不追求全面垂直整合，而是聚焦于网络核心硬件的研发与生产，向超大规模云厂商提供完整模块化平台，由客户根据自身需求将其整合进自有系统架构中。博通的优势在于产品的兼容性、可靠性与成本控制能力，通过规模化生产降低单位成本，同时保持对开放生态的支持，满足云厂商对供应链多元化与架构自主可控的需求。

综上可见，共封装光学不只是器件级的技术变革，更是不同企业产品战略差异的集中体现。英伟达凭借垂直整合的生态优势，构建起 “算力 + 网络 + 软件” 的一体化解决方案，主导高端 AI 基础设施市场；博通则依托在以太网领域的技术积累与开放生态策略，占据大规模数据中心网络的主流市场。二者的竞争与博弈，将共同推动共封装光学技术的成熟与产业化落地，为下一代数据中心网络架构注入新的活力。