文 |无言

2025年11月的SC25超级计算大会上，英伟达和博通算是玩了把大的。

前者宣布Lambda、CoreWeave还有德克萨斯高级计算中心，都要用上它家的Quantum-XPhotonicsCPO交换机，后者直接亮出基于Tomahawk5和6的CPO产品。

这俩巨头扎堆发力，足以说明CPO这技术，已经从以前的“没人敢碰”变成了AI圈的“香饽饽”。

CPO为啥成了AI的救命稻草

AI现在真是算力越堆越狠，GPU集群规模动不动就上万个。

本来想靠传统光模块撑场面，但现实狠狠打了脸。

传统光模块得插在交换机上，再连光纤，看似常规操作，架不住数量实在吓人。

一个12.8万个GPU的集群，以前要近50万个光模块，光这些模块的能耗就够数据中心喝一壶的。

更头疼的是传输距离和速度的矛盾。

AI网络需要的端口速度越来越快，英伟达都规划到1.6Tbps了，但传统铜缆在这种速度下，也就传一两米。

这意味着要连成千上万个GPU，就得铺海量线缆，还得配昂贵的重定时器。

如此看来，传统方案根本扛不住AI的算力需求。

CPO的思路就很直接，把光组件和交换机芯片封装在一起，光纤直接连交换机前面板。

这波操作相当于让光模块和芯片“零距离协作”，省去了中间的连接损耗。

12.8万个GPU的集群用了CPO，光模块数量能降到12.8万个，能耗还能大幅下降。

英伟达说能效提升不少，博通也有类似数据，这些实打实的好处，AI厂商自然没法拒绝。

曾经的坑是怎么填上的

CPO不是新东西，早几年就有厂商试过水，但一直没普及。

核心问题就一个，稳定度太差。

传统光模块坏了，顶多一个端口没用，CPO要是里面的光子芯片出问题，可能好几十个端口一起瘫痪。

这换谁都不敢冒这险，毕竟AI训练中途断了，损失可不是一星半点。

厂商们也没闲着，慢慢找到了解决办法。

现在主流的CPO都把激光器做成可插拔的，这部分是易损件，单独拿出来方便更换，就算坏了也能及时补救。

英伟达的CPO交换机还加了全液冷设计，解决了共封装带来的散热问题。

这些小改动，算是把CPO最致命的短板补上了。实践是检验真理的唯一标准。

Meta去年就部署了博通的CPO交换机，跑了100万小时都没出现链路抖动。

要知道链路抖动可是网络稳定的大敌，AI训练最怕这个。

英伟达也说自家CPO平台的弹性提升不少，AI训练能连续跑更久。

这些实测数据一出来，以前质疑CPO稳定度的声音，自然就小了很多。

未来不止交换机这么简单

现在CPO的应用还集中在交换机上，但苗头已经很明显，未来要往更多设备延伸。

博通在2024年就展示了6.4Tbps的光学引擎，目标是直接集成到加速器里。

SC25大会上，AyarLabs和Lightmatter也亮出了新东西，一个搞了能提供超高带宽的参考设计，一个开发了硅光子中介层。

这意味着什么？以后GPU、XPU这些加速器，可能直接自带CPO功能，不用再通过交换机转接。

如此一来，AI集群的传输效率还能再上一个台阶，能耗也能进一步降低。

毫无疑问，CPO正在从网络层向计算层渗透，慢慢改变整个AI硬件的连接方式。

IDC预测2025到2026年是CPO试点的关键期，2026年可能迎来爆发。

现在英伟达、博通已经抢先布局，其他厂商也在跟进。

很显然，CPO不是一时的过渡技术，而是AI时代光通信的必然选择。AI的算力需求还在暴涨，对网络的要求只会越来越高。

CPO凭借着低能耗、高带宽、高稳定度的优势，成功解决了AI网络的核心痛点。

从被质疑到成为刚需，CPO的逆袭之路，其实就是AI技术不断突破瓶颈的缩影。

未来随着技术不断成熟，CPO可能会完全替代传统光模块，让AI数据中心真正迈入全光时代。这波技术革新，才刚刚开始。