OCP APAC 2026：AI算力瓶頸轉向網路，銅纜光互連路線之爭加劇
Nashnova编辑部
OCP亞太峰會多位業界人士指出，雲端AI數據中心的擴張瓶頸已從算力轉移至網絡層，銅纜與光互連的路線之爭、以及晶片功耗密度的硬約束，正重塑AI基礎設施的下一輪投資方向。
瓶頸為什麼從算力轉到了網絡？
SemiAnalysis研究總監丹·尼什鮑爾指出，部分客戶已在降配記憶體，省下的錢正被重新投入規模擴張——這意味著→ 網絡將佔AI伺服器成本的更大比重。
簡單來說＝ 晶片算得夠快了，但數據在晶片之間「搬運」的速度跟不上，搬運環節就成了新的花錢重點。
這反映出雲端AI正從「堆算力」階段進入「通數據」階段，網絡傳輸成為供應鏈中投資持續增加的環節。
銅纜還能撐多久？光互連什麼時候接班？
Astera Labs工程師杰弗里·孔判斷，400G是銅纜傳輸的實際上限——超過這一速率，線纜長度將縮短到無法適配數據中心架構。這意味著→ 超過400G後，直接上光傳輸更合理。
尼什鮑爾則認為銅纜與光互連的替代之爭「基本上是個偽命題」，銅纜仍將是主流，光互連僅在必要場景下使用。
兩種觀點的分歧，折射出行業對過渡節奏的不同判斷：不是「要不要換」，而是「多快換」。
光互連的技術演進節奏是怎樣的？
2026–2027年：近封裝光學（NPO，把光模組貼近晶片封裝的技術）預計逐步放量。
2026–2029年：共封裝光學（CPO，把光模組直接集成進晶片封裝內部）平台趨於成熟並進入量產。
2030年後：片上光子學（在晶片內部直接用光傳輸數據）與全光傳輸架構有望更加完善。
晶片功耗密度為什麼成了硬約束？
應用材料副總裁蘇比·肯格里在主題演講中警示：現代全掩模AI晶片平均功耗已接近3,600瓦，折合約每平方毫米4瓦；峰值可跳升至每平方毫米8–10瓦。
建一座數據中心需要約每兆瓦5,000萬美元初始投入，折舊周期四至五年，而熱管理單項即佔營運支出近40%。
簡單來說＝ 晶片越強，散熱越貴；散熱開支快趕上買晶片本身了，所以「節能計算」不是口號，是賬本問題。
應用材料押注的「系統-技術協同優化」是什麼？
應用材料提出STCO路線（系統-技術協同優化，從基礎物理到軟件的全鏈條一起改），關鍵方向包括：閘極全環繞晶體管＋背面供電的先進邏輯、3D DRAM與高堆疊HBM的存儲近置、以及先進封裝。
封裝領域的關鍵節點：從傳統微凸塊轉向混合鍵合（一種令兩塊晶片直接貼合的工藝），互連密度可從每平方毫米數千個I/O提升至近百萬個。
過去二十年間，封裝複雜度——以裸片數量、基板尺寸、矽面積和晶體管密度衡量——已增長五十萬至六十萬倍。
從實驗室到量產，能壓縮多快？
應用材料已向其EPIC中心（設備與工藝創新中心）投入50億美元，計劃今年秋季啟用，把設備商、EDA開發商、高校與晶片製造商集中到一處。
目標是壓縮傳統上十至十五年的實驗室到量產轉化周期。這意味著→ 如果成功，新工藝從論文到工廠的時間可能縮短一半以上。
網絡與封裝兩條主線能否在這一協同框架下同步提速，將是AI基礎設施下一階段競爭的核心驗證點。
Content is for reference only, not financial advice.