OCP APAC 2026：AI算力瓶颈转向网络，铜缆光互连路线之争加剧
Nashnova编辑部
OCP亚太峰会多位业界人士指出，云端AI数据中心的扩张瓶颈已从算力转移至网络层，铜缆与光互连的路线之争、以及芯片功耗密度的硬约束，正重塑AI基础设施的下一轮投资方向。
瓶颈为什么从算力转到了网络？
SemiAnalysis研究总监丹·尼什鲍尔指出，部分客户已在降配内存，省下的钱正被重新投入规模扩张——这意味着→ 网络将占AI服务器成本的更大比重。
用大白话说＝ 芯片算得够快了，但数据在芯片之间"搬运"的速度跟不上，搬运环节就成了新的花钱重点。
这反映出云端AI正从"堆算力"阶段进入"通数据"阶段，网络传输成为供应链中投资持续增加的环节。
铜缆还能撑多久？光互连什么时候接班？
Astera Labs工程师杰弗里·孔判断，400G是铜缆传输的实际上限——超过这一速率，线缆长度将缩短到无法适配数据中心架构。这意味着→ 超过400G后，直接上光传输更合理。
尼什鲍尔则认为铜缆与光互连的替代之争"基本上是个伪命题"，铜缆仍将是主流，光互连仅在必要场景下使用。
两种观点的分歧，折射出行业对过渡节奏的不同判断：不是"要不要换"，而是"多快换"。
光互连的技术演进节奏是怎样的？
2026–2027年：近封装光学（NPO，把光模块贴近芯片封装的技术）预计逐步放量。
2026–2029年：共封装光学（CPO，把光模块直接集成进芯片封装内部）平台趋于成熟并进入量产。
2030年后：片上光子学（在芯片内部直接用光传输数据）与全光传输架构有望更加完善。
芯片功耗密度为什么成了硬约束？
应用材料副总裁苏比·肯格里在主题演讲中警示：现代全掩模AI芯片平均功耗已接近3,600瓦，折合约每平方毫米4瓦；峰值可跳升至每平方毫米8–10瓦。
建一座数据中心需要约每兆瓦5,000万美元初始投入，折旧周期四至五年，而热管理单项即占运营支出近40%。
用大白话说＝ 芯片越强，散热越贵；散热开支快赶上买芯片本身了，所以"节能计算"不是口号，是账本问题。
应用材料押注的"系统-技术协同优化"是什么？
应用材料提出STCO路线（系统-技术协同优化，从基础物理到软件的全链条一起改），关键方向包括：栅极全环绕晶体管＋背面供电的先进逻辑、3D DRAM与高堆叠HBM的存储近置、以及先进封装。
封装领域的关键节点：从传统微凸块转向混合键合（一种让两块芯片直接贴合的工艺），互连密度可从每平方毫米数千个I/O提升至近百万个。
过去二十年间，封装复杂度——以裸片数量、基板尺寸、硅面积和晶体管密度衡量——已增长五十万至六十万倍。
从实验室到量产，能压缩多快？
应用材料已向其EPIC中心（设备与工艺创新中心）投入50亿美元，计划今年秋季启用，把设备商、EDA开发商、高校与芯片制造商集中到一起。
目标是压缩传统上十至十五年的实验室到量产转化周期。这意味着→ 如果成功，新工艺从论文到工厂的时间可能缩短一半以上。
网络与封装两条主线能否在这一协同框架下同步提速，将是AI基础设施下一阶段竞争的核心验证点。
Content is for reference only, not financial advice.