共计 1276 个字符，预计需要花费 4 分钟才能阅读完成。
被 238MTr/mm2 掩盖的真相:AI 算力链的颠覆不在晶体管, 在“去 DSP”
📌 从参数竞赛到架构变化: 关注点正在前移
过去一段时间,AI 硬件讨论常被更高晶体管密度、更强封装能力和更统一的互连协议吸引 。这些方向确实重要, 但更多属于既有技术路线上的升级: 把芯片堆得更密、把协议整合得更顺、把系统效率继续往上推。
相比之下,Hi-ONE 所代表的变化更接近一次互联方式的切换 。材料中提到,Hi-ONE 单模块带宽可达 7.2 至 8Tb/s, 采用 36 路 200G 光通道聚合; 同时传输距离达到约 100 米, 覆盖数据中心机柜内不少连接场景。它讨论的不是“电互连再快一点”, 而是让光互联更深地进入 AI 算力系统内部。
🔍“去 DSP”为何成为关键变量
DSP 在传统高速光模块中承担信号处理、纠错、时钟恢复等任务, 也是成本和功耗的重要来源 。材料指出, 在 1.6T 光模块 BOM 中,DSP 可能占据 30% 至 50% 的成本, 且高端 PAM4 DSP 市场长期由少数国际厂商主导。
所谓“去 DSP”, 并不只是把一颗芯片拿掉那么简单 。其核心在于通过线性驱动等架构, 减少中间数字信号处理环节, 让系统在更短链路、更明确场景下完成传输。这带来的直接结果包括:
- 功耗下降: 材料称去 DSP 后功耗可降低 50% 以上;
- 成本结构变化: 原本由 DSP 占据的 BOM 价值被重新分配;
- 供应链依赖调整: 减少对高端 DSP 芯片供应的单点依赖;
- 系统设计前置: 互联不再只是模块厂问题, 而是整机、协议、封装共同设计。
💡 华为与英伟达路线并非同一道题
材料将 Hi-ONE 与英伟达 CPO 布局放在同一张图中观察。 两者都在推动光互联进入 AI 网络 , 但侧重点并不完全一致。英伟达更强调 Scale-Out, 也就是交换机之间、集群之间的扩展互联;Hi-ONE 则被描述为聚焦 Scale-Up, 即超节点内部、机架级高带宽互联。
这意味着竞争并不只是“谁的光模块更快”, 而是对 AI 系统瓶颈的判断不同 。如果瓶颈更多来自节点内部的数据搬运和内存墙,Scale-Up 光互联的价值会被放大; 如果瓶颈集中在大规模集群扩展,CPO 交换机和外部网络带宽则更受关注。
📊 产业链价值重排: 谁受益, 谁承压
当 DSP 在部分架构中的地位下降, 产业链价值会向新的环节聚集 。材料提到的潜在受益方向, 主要集中在硅光芯片、InP 相关器件、光纤阵列单元、CPO 封装基板和专用测试设备。
- 用量: 光芯片、FAU 等器件在新架构中的消耗量是否显著放大;
- 时间:CPO、NPO、LPO 等方案从验证到规模化落地需要多久;
- 生态: 谁能率先解决良率、封装、测试和系统协同问题。
同时也要看到约束。 材料提及 ,InP 衬底等上游材料仍由少数海外厂商占据较高份额, 这意味着“去 DSP”并不等于完全摆脱供应链瓶颈, 只是瓶颈位置发生了转移。
🚀 总结:AI 算力竞争进入“互联效率”阶段
围绕“被 238MTr/mm2 掩盖的真相:AI 算力链的颠覆不在晶”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
