“未来的数据中心不是在烧电，而是在烧带宽。”
这不是一句夸张的形容。AI的大模型训练，把全球数据中心拖进了一场带宽与能耗的战争。今天的传统光模块，正像是一条被巨轮碾压的老旧高速路，已经无法承载AI集群疯狂涌动的“算力车流”。
就在这种压力下，CPO（Co-Packaged Optics）横空出世——它不是一个更快的模块，而是一场彻底的架构革命。
传统数据中心的“带宽困局”
“未来的数据中心，不是先被电费压垮，而是先被带宽拖死。”
过去几年，大模型训练掀起了AI算力的军备竞赛，GPU成百上千地堆在同一个数据中心里，吞吐的数据量惊人。然而传统网络架构正在逐渐失效——再快的可插拔光模块（Pluggable Optics）也追不上AI集群的速度需求。
传统方案的三个核心问题是：
- 电信号距离太长。 SerDes功耗高企，电到光的转换效率越来越低。
- 延迟过高。 对于AI训练来说，几毫秒延迟就意味着算力浪费。
- 能耗失控。 数据中心的PUE（电能利用率）接近极限，而网络部分已经成为耗电大户。
“带宽，成了AI工厂的命门。”
CPO的出现：把光“收进”芯片
CPO（Co-Packaged Optics）并不是在原有模块上堆料提速，而是重写了整个交换架构。
它将光引擎与交换芯片直接封装在一起，缩短了电信号传输距离，几乎让“电走线”这件事从数据中心核心网络中消失。
相比传统可插拔光模块，CPO的优势非常直接：
- 带宽提升一个量级。 单通道速率可达400G甚至更高，未来6.4T CPO正在路上。
- 能耗大幅下降。 功耗可降低30%-40%，这对于AI数据中心意味着成吨电费的节省。
- 高集成度。 光、电、封装三合一，极大减少物理接口带来的能耗和带宽损耗。
这不是一个“模块升级”，而是网络基建的重生。
AI推动CPO：一场供给侧革命
AI大模型的爆发，让网络成为新的瓶颈。为了训练GPT-5、Sora这类超大模型，数据中心需要连接上百万GPU。传统铜缆和可插拔光模块已经力不从心，CPO是唯一能满足AI规模化需求的路径。
为什么AI离不开CPO？
- 大模型的带宽黑洞。 单一交换节点的吞吐量需要支撑数百Tbps，没有CPO几乎不可实现。
- 铜缆已到极限。 传输距离和能耗问题让铜缆退无可退。
- 能源和散热压力。 传统光模块功耗高企，而CPO的高能效比让其成为降能耗的核心方案。
未来五年，随着Nvidia、Broadcom、Intel等巨头推动，CPO将快速替代AI集群内部的传统互联。行业预计，到2030年CPO市场规模将突破 80亿美元，年复合增长率超过 130%。
“AI不是在等更快的网络，而是在逼着通信产业进化。”
CPO vs. Pluggable：替代还是共存？
短期内，CPO不会完全取代可插拔光模块。
- 在计算节点（Server到TOR）的互联上，Pluggable依然因灵活性而存在。
- 在GPU背板、交换芯片到芯片的互联上，CPO会成为AI集群的“骨干”。
未来几年，行业将进入“混合架构”阶段：
- Pluggable光模块会演进到1.6T甚至3.2T；
- CPO则率先在AI训练集群落地，并在2028年前后实现全面普及。
“CPO的出现，不是淘汰，而是重构。”
未来：CPO是一条“光速高速路”
如果说GPU是AI工厂的“发动机”，那么CPO就是未来数据中心的“光速高速路”。
它不仅解决了带宽、功耗和延迟的三重瓶颈，还将带来整个产业链的洗牌：
- 芯片巨头必须在光电集成上持续投入。
- 封装厂（如先进的2.5D/3D封装）成为核心环节。
- 光芯片厂、材料厂、光纤厂，全面迎来技术竞赛。
未来的AI网络架构，不再是“堆更多GPU”这么简单，而是如何把每一块GPU的算力 “光速释放”。CPO，是这场革命的中枢。
“AI的尽头不是算力，而是带宽。CPO，正在打开一条光速之路。”