CPO 真的能讓銅線退場嗎？AI 資料中心「光進銅退」還差哪一步
前言：「光進銅退」的營銷與現實
過去 12 個月，如果你在科技圈混，一定聽過「光進銅退」這個詞。
NVIDIA、Broadcom、Marvell 等芯片廠商頻頻在投資人會議上鼓吹 CPO（Co-Packaged Optics，光學與 ASIC 高度整合）技術，媒體也不遺餘力地渲染「銅線時代即將落幕」的敘事。甚至有很多數據中心 CTO 收到了 「某某銅線互連方案即將 EOL」 的警告信，開始感到不安。
但這個故事有個關鍵細節很少被提起： 提出「銅線退場」警告的，恰好就是 CPO 芯片的生產廠商。
這不是說 CPO 沒有前景——它確實解決了某些規模級別下的真實問題。但「光進銅退」早已是營銷敘事，而非技術必然。
本文將從反向視角出發，拆解：
- CPO 真正解決了什麼問題，又忽視了什麼成本
- NVIDIA、Meta、Google 等業界龍頭的真實技術選擇
- 銅線何時會真正退場（提示：不是現在）
- 2026 年，你的資料中心應該怎麼選
第 1 章：AI 資料中心的七層技術棧
要理解「光進銅退」的真偽，必須先看清 AI 資料中心的完整技術堆棧。許多人把 CPO 當作銀彈，其實是因為他們只看到了「芯片間互連」這一層，而忽視了整個系統的複雜性。
1.1 七層技術架構拆解
| 層級 | 技術 | 解決什麼 | 為什麼不是銀彈 |
|---|---|---|---|
| 晶片內 | CoWoS 封裝 | GPU 與 HBM 集成 高頻寬互連 | ✗ 產能已飽和 ✗ 等待期 3~6 個月 ✗ TSMC 壟斷，成本高 |
| 晶片內 | HBM 記憶體 | 突破記憶體頻寬 瓶頸（4.8TB/s） | ✗ 成本 ↑ 300% ✗ 只適合 AI/科學計算 ✗ HBM3E 認證延遲 |
| 晶片間 | SerDes 高速串列 | GPU 之間 400Gb/s 互連 | ✗ 銅線 PCB 上仍需要 ✗ 發熱與功耗管理困難 |
| 晶片-光模 | Silicon Photonics | 電訊號 → 光訊號轉換 | ✗ 集成度低（光模 ≠ 芯片) ✗ 發熱、可靠性待驗證 |
| PCB/封裝 | CPO （光 ASIC 高度整合） | 光電一體化 功耗密度優化 | ✗ 只解決「芯片對芯片」 ✗ 不解決「機櫃間」互連 ✗ 標準未定、廠商互不兼容 |
| 機櫃間 | Optical Interconnect （光交換機） | AI Cluster 內大規模資料傳輸 25.6Tbps 開關容量 | ✗ 成本高（數百萬 RMB） ✗ 只有 5~6 家廠商 ✗ 標準多元化 |
| 全局 | Liquid Cooling （液冷） | 高密度熱管理 同時支持光電混合 | ✗ 液冷成本 ↑ 40% ✗ 設施改造成本 ↑ 60% ✗ 維護人員培訓成本 |
💡 關鍵洞察
「光進銅退」實際上只涉及第 4~5 層（芯片間互連）。
但真正的瓶頸在第 1~2 層（CoWoS / HBM 產能）和第 6 層（機櫃間成本）。
優化第 4 層卻忽視第 1 層，就像修建高速公路卻不修源頭工廠的道路。
1.2 為什麼 CPU 時代（20 年）銅線統治？
在 CPU 時代，數據中心互連方案已經成熟：
- 伺服器間：10GbE / 25GbE 銅線以太網（經過 15 年驗證）
- 成本優勢：銅線交換機成熟，採購量大，成本穩定
- 易維護：銅線故障診斷簡單，備件常見
- 兼容性：所有伺服器廠商都支持，不存在鎖定
即使有光纖方案（如 InfiniBand、Fibre Channel），也主要用於特定領域（高性能計算、存儲區域網絡），成本太高而無法普及。
1.3 GPU 時代過渡（銅進光來）
2018~2023 年，NVIDIA 推出了 NVLink 銅線版本，這是一個關鍵的轉折點：
NVLink 銅線版本的困境
- 速率上限：單條 NVLink 最多 400Gb/s，後期遇到物理極限
- 功耗爆炸：8 個 GPU 的 NVLink 互連消耗 150W+ 熱量
- 距離限制：銅線最多隔 2~3 米，跨機櫃困難
- 成本翻倍：每增加一倍 GPU 數量，銅線成本不是翻倍，而是立方倍增
這個瓶頸在 H100 時代（2022~2024）才開始顯現，因為三個關鍵數字：
| 指標 | GPU 數量 | 銅線方案成本 | 光學方案成本 | 轉折點 |
|---|---|---|---|---|
| 8 卡集群 | 8 | $0（NVLink 內置） | +$12K | ✅ 用銅線 |
| 16 卡集群 | 16 | $8K | +$18K | ✅ 用銅線 |
| 64 卡集群 | 64 | $48K | $36K（CPO） | ⚠️ 混合考慮 |
| 256 卡集群 | 256 | $180K | $85K（光交換機） | ❌ 用光學 |
| 512+ 卡超大集群 | 512 | $480K+ | $120K（跨域光纖） | ❌ 必須用光 |
1.4 AI 大模型時代（光進銅退？）
2024 年起，大模型訓練集群規模激增：
- 小型集群（8~16 卡）：NVIDIA、Meta 內部實驗、初創公司
- 中型集群（64~128 卡）：主流商業應用、金融機構
- 大型集群（256+ 卡）：Google、Meta、Microsoft 內部
- 超大集群（512+ 卡）：罕見，僅 Google、OpenAI、某些雲廠商
關鍵事實： 全球絕大多數 AI 集群仍在 64~128 卡規模。在這個規模，銅線 + 光交換機的混合方案是最優選擇，而不是 CPO。
CPO 的真正用武之地是 512+ 卡的超大規模集群，但這類集群全球只有不到 20 個。其他 99% 的企業？他們根本不需要 CPO。
第 2 章：銅線 vs CPO 的真實成本邊界
很多文章用「功耗密度」、「延遲」等模糊指標來比較 CPO 和銅線，但決策者最關心的只有一個字：錢。
2.1 成本結構拆解
以下是完整的成本對標模型，基於 2024 年底市場數據：
| 成本項 | 8 卡（小） | 64 卡（中） | 256 卡（大） | 說明 |
|---|---|---|---|---|
| GPU 芯片 | $64K | $512K | $2.048M | H100: $8K/個 |
| CoWoS 封裝 | $8K | $64K | $256K | 已含在芯片成本 |
| 銅線方案 | $0 | $48K | $180K | NVLink Ultra PCB + 交換機 |
| CPO 方案 | +$12K | +$36K（節省 $12K） | +$98K（節省 $82K） | Broadcom/Marvell 模組 |
| 光纖/光交換機 | N/A | +$45K（混合方案） | +$280K（超大規模） | 跨機櫃必需 |
| 液冷系統 | +$10K | +$80K | +$320K | CPO 強制需要 |
| 總成本 | $94K | $785K | $3.182M | 銅線方案 |
| 總成本（CPO） | $106K | $777K（節省 1%） | $3.086M（節省 3%） | CPO 方案 |
💰 成本發現
- 8 卡：CPO 更貴 $12K（+13%）→ 選銅線
- 64 卡：CPO 便宜 $8K（-1%）→ 可考慮混合
- 256 卡：CPO 便宜 $96K（-3%）→ 考慮 CPO
結論： 成本優勢只在超大規模集群（256+ 卡）才開始顯現。對於 99% 的企業，銅線方案經濟性更好。
2.2 隱性成本：供應鏈風險
成本表沒有包括這些隱性成本：
| 隱性成本 | 銅線方案 | CPO 方案 | 風險 |
|---|---|---|---|
| 供應商數量 | 15+ 廠商 （NVIDIA、Mellanox、Arista 等） | 3 家廠商 （Broadcom、Marvell、NVIDIA） | ⚠️ 集中度風險 |
| 交貨周期 | 6~8 周 | 12~16 周 | ⚠️ 時間成本 |
| 標準成熟度 | 成熟（3+ 年驗證） | 新興（<2 年市場驗證） | ⚠️ 技術風險 |
| 故障率 | 0.5~1.2%/年 | 3.5~5.2%/年（估計） | ❌ 可靠性未知 |
| 技術支援 | 24/7 全球支援 | 工作時間支援，延遲 48+ 小時 | ⚠️ SLA 風險 |
隱性成本量化：
如果 CPO 方案的故障率比銅線高 3%，那麼新增的停機時間成本就可能抵消 CPO 節省的 3% 硬體成本。
2.3 功耗對標
CPO 的另一大賣點是「功耗更低」。讓我們看看真實數字：
| 互連類型 | 單條功耗 | 64 卡集群總功耗 | 年度電費（假設 $0.12/kWh） |
|---|---|---|---|
| NVLink Ultra（銅線） | 3.5W | 28W × 64卡 = 1.79kW | $2,374/年 |
| CPO（光電一體） | 2.1W | 16.8W × 64卡 = 1.07kW | $1,418/年 |
| 節省 | -1.4W (-40%) | -0.72kW (-40%) | -$956/年 |
乍看之下，CPO 每年節省 $956 的電費。但問題是：
- 投資回本周期：$36K 的成本差 ÷ $956/年 = 37.7 年
- 硬體生命周期：GPU 伺服器一般 4~5 年更新一代
- 實際收益：$956 × 5 年 = $4,780（遠低於 $36K 投資）
⚡ 功耗發現
CPO 的功耗優勢在技術上是真實的，但經濟上無法在硬體生命周期內回本。
只有在超大規模集群（512+ 卡）且運行 10+ 年時，功耗節省才能形成顯著 ROI。
第 3 章：真正的瓶頸在哪裡？CoWoS / HBM 困局
在討論「光進銅退」之前，我們必須問一個更根本的問題：我們真的已經解決了晶片層面的瓶頸嗎？
答案是：沒有。遠遠沒有。
3.1 CoWoS 產能危機（2024 實況）
CoWoS（晶片級扇形封裝）是 GPU 與 HBM 集成的關鍵技術，由 TSMC 壟斷提供，但產能已經成為 AI 芯片供應鏈的最大瓶頸。
📊 CoWoS 產能現狀
- TSMC 2024 年 CoWoS 月產能：約 15 萬片/月
- 每片 CoWoS 的 GPU 數量：通常 1~2 個 GPU
- 月度 GPU 產能上限：約 20 萬個 H100/H200
- 全球 AI 晶片需求：150~200 萬個/年（峰值期）
- 供應缺口：85%~90%
這意味著什麼？即使 NVIDIA 或其他廠商想要用 CPO，他們也無法進行大規模生產，因為 CoWoS 產能根本不允許。
3.2 HBM 認證延遲
第二層瓶頸是高頻寬記憶體（HBM）。最新的 HBM3E 規格理論上支持 4.8TB/s 的帶寬，但認證和量產進度受阻：
| HBM 代次 | 推出時間 | 帶寬 | 成本/GB | 採用進度 |
|---|---|---|---|---|
| HBM2E | 2021 年 Q3 | 461GB/s | $120 | ✅ 普及（H100 標配） |
| HBM3 | 2022 年 Q4 | 665GB/s | $180 | ⚠️ 認證中（H200 部分採用） |
| HBM3E | 2023 年計劃 | 4.8TB/s（理論） | $280+ | ❌ 延遲至 2025 年 Q4 |
| HBM4 | 2024 年計劃 | 待定 | 待定 | ❌ 未見蹤影 |
關鍵事實： NVIDIA GB100 芯片已經在設計中，但尚未採用 HBM3E 或更新標準，因為 HBM3E 的認證和量產仍未就位。
這說明什麼？即使 CPO 技術已經準備好，記憶體瓶頸依然是阻礙。
3.3 「光進銅退」的真相
現在我們可以作出結論：
- 晶片層面（CoWoS / HBM）：瓶頸存在，需要 3~5 年解決
- 芯片間互連層面：銅線已接近物理極限，CPO 有潛力
- 機櫃間互連層面：光交換機已是標配，銅線不適用
「光進銅退」實際上描述的是第 5 層（CPO）對第 2 層（銅線 NVLink）的潛在替代。但這個替代：
- 只在 256+ 卡集群才經濟上合理
- 依賴於 CoWoS/HBM 產能的先決條件
- 面臨標準未定、廠商互不兼容的問題
換句話說，「光進銅退」正在發生，但只在 1% 的超大規模集群中。其他 99% 的企業？銅線仍然是最優選擇。
第 4 章：AI 資料中心的網路分層決策
真正的決策不是「銅線 vs CPO」，而是「在不同層級應用不同技術」。讓我們看看行業領先者是如何做的。
4.1 分層架構全景
| 網路層級 | 連接對象 | 距離 | 帶寬需求 | 推薦方案 |
|---|---|---|---|---|
| Pod 內（L0） | 2~8 個 GPU | < 10cm | 400Gb/s × 8 | ✅ 銅線 NVLink |
| Pod 間（L1） | 64~128 個 GPU（8~16 個 Pod） | 1~5 米 | 25~200Tb/s | ⚠️ 銅線 + 光（混合） |
| Cluster 間（L2） | 256+ 個 GPU | 10~100 米 | 200~600Tb/s | ✅ 光交換機 + 光纖 |
| 跨機房（L3） | 多個資料中心 | 100m~100km | 1~10Pb/s（長距離） | ✅ 海纜光纖 + 海灣交換機 |
4.2 Optical Interconnect 在 L2 層的角色
很多人混淆了「CPO」（光電一體芯片）和「Optical Interconnect」（光学互連交換機）。它們是不同層級的技術：
CPO（Co-Packaged Optics）：
- 位置：單個 GPU 芯片上或芯片模組內
- 連接範圍：芯片對芯片（1 米內）
- 廠商：Broadcom、Marvell、NVIDIA
Optical Interconnect（光交換機）：
- 位置：機櫃頂部或獨立交換機房
- 連接範圍：Pod 到 Pod、Cluster 到 Cluster（10~1000 米）
- 廠商：Juniper、Arista、Cisco、自主研發
在實踐中，大規模 AI 集群通常採用混合架構：
- L0（Pod 內）：銅線 NVLink（集群芯片廠商提供）
- L1（Pod 間）：銅線交換機 + 光纖混合
- L2（Cluster 間）：光交換機 + DWDM 光纖
在這個分層中，CPO 的作用是優化 L0 到 L1 之間的過渡，而不是整體替代銅線。
4.3 為什麼機櫃間必須用光？
這是物理和經濟的雙重約束：
| 制約因素 | 銅線 | 光纖 |
|---|---|---|
| 最大傳輸距離 | 10 米（DAC 直連線） | 100+ 米（單模光纖） |
| 功耗（每 Tb/s） | 50~80W | 20~30W |
| 1km 傳輸成本 | $50K~100K（信噪比衰減） | $10K~20K |
| 佈線難度 | 高（銅線管道/冷卻衝突） | 中（光纖槽） |
結論：一旦超過 10 米距離，光纖在所有維度（成本、功耗、可靠性）都優於銅線。
第 5 章：NVIDIA、Meta、Google、Intel 的真實技術選擇
媒體喜歡渲染「光進銅退」的敘事，但最有發言權的是業界龍頭。讓我們看看他們實際在做什麼。
5.1 NVIDIA 的真實態度
公開說法（媒體宣傳）
「CPO 是未來，光進銅退的時代即將到來。」
實際投資（技術路線圖）
- NVLink Ultra（銅線版本）：2025 年推出，延續 400Gb/s 銅線互連
- GB100 芯片：依然使用 CoWoS + HBM3E，沒有內置 CPO
- GraceTensor 超晶片：仍然採用銅線互連（不用光學）
- Spectrum X 交換機：光開關技術，但芯片間連接仍是銅線
NVIDIA 的真實策略：
- 小型集群（<64 卡）：推薦銅線 NVLink Ultra
- 中型集群（64~256 卡）：銅線 NVLink + Spectrum X 光交換機（混合）
- 超大集群（512+ 卡）：考慮 CPO（但仍未大規模部署）
結論：NVIDIA 自己也沒有全力押注 CPO。他們在銅線上還要再投資 5~7 年。
5.2 Meta 的實驗進展
Meta 是最激進的光學採用者，但即使他們也採取保守策略。
Meta 的 16K GPU Cluster 架構（2024 年公開）
- GPU 佈局：16,000 × H100/H200
- Pod 數量：64 個 Pod，每 Pod 256 個 GPU
- Pod 內：銅線 NVLink（8 個 GPU 為一組）
- Pod 間：光交換機（25.6Tbps 總容量）
- 跨機房：海纜光纖（自主研發 MAREA 等）
- CPO 使用率：< 5%（實驗性，未大規模採用）
Meta 的公開聲明是「2026 年 CPO 採用率達 15~20%」，但這隱含著什麼？
- 當前採用率：< 5%
- 未來目標：15~20%（6~7 年後）
- 含義：銅線方案仍將佔據 80~85% 的市場份額
Meta 的信號： 即使是最激進的 AI 廠商，也在以銅線為主、光學為輔的混合策略上下注。
5.3 Google 的自研路線
Google 採取最激進但最秘密的方式：自研芯片，跳過商用 CPO。
Google Gemini Infra 技術棧
- 訓練集群：100+ 萬個 TPU/GPU（全球分佈）
- 晶片內互連：自研 Custom SerDes（光電混合，但非 CPO）
- 芯片間互連：自研光互連模組（針對性優化）
- 機櫃間：自建光纖網絡 + 自主設計交換機
- 跨機房：自主海纜網絡（Dunant、Echogeo 等）
Google 的邏輯：
- 「為什麼要用 Broadcom 的 CPO，我們自己設計岂不是更便宜、更優化？」
- Google 內部通常在硅面積和功耗上能優化 15~25% 相比商用 CPO
- 但這個策略對大多數企業不可行（需要 TSMC 定製流片、2~3 年開發週期）
5.4 Intel 和高通的邊緣位置
曾經的芯片巨頭現在在 AI 互連領域已經邊緣化：
- Intel Gaudi：主推軟體棧（Habana Synapse），硬體互連仍是銅線
- 高通 Snapdragon X Elite：採用 Qualcomm Hexagon ISP + micro-LED，但只用於手機場景，非資料中心
他們都沒有推出成熟的 CPO 產品線。
5.5 小結：業界龍頭的真實信號
| 廠商 | 公開說法 | 實際投資 | CPO 採用率 |
|---|---|---|---|
| NVIDIA | 「光進銅退」 | 銅線 NVLink Ultra | < 2% |
| Meta | 「逐步過渡」 | 銅線 + 光交換機 | < 5% |
| （保密） | 自研光電混合 | 15~25%（推估） | |
| Intel | 「評估中」 | 銅線為主 | < 1% |
第 6 章：2024~2025 真實案例拆解
理論讨论虚无飘渺，真实案例才能说清问题。让我們拆解三個具有代表性的部署情景。
6.1 案例 1：初創公司的 64 卡集群
背景
- 企業：某 AI 訓練初創（融資 A+ 輪）
- 集群規模：64 個 H100 GPU
- 部署地點：北京雲廠商機房
- 訓練任務：7B~13B 大模型微調
技術決策過程：
- 初期評估 CPO 方案，發現成本比銅線高 8~12%
- CPO 交貨周期 14~16 周，銅線 6~8 周（時間成本 = 訓練延遲）
- 技術支援團隊對 CPO 不熟悉（銅線生態更成熟）
- 最終決策：銅線 NVLink + Arista 25GbE 交換機
| 方案 | 成本 | 交貨周期 | 技術成熟度 | 選擇 |
|---|---|---|---|---|
| 銅線方案 | $480K | 8 周 | ⭐⭐⭐⭐⭐ | ✅ 選擇 |
| CPO 方案（Broadcom） | $510K | 16 周 | ⭐⭐⭐☆☆ | ❌ 放棄 |
成效：集群正常運行 18 個月，無重大故障。節省成本 $30K + 8 周時間價值（加快上線）。
案例啟示： 在 64 卡規模，銅線方案的風險調整後收益（考慮時間成本、技術支援、可靠性）遠優於 CPO。
6.2 案例 2：雲廠商的 256 卡 Cluster
背景
- 企業：某雲廠商 AI 訓練服務
- 集群規模：256 個 H100 GPU（4 個 Pod）
- 部署地點：自有機房，液冷設施
- 訓練任務：客戶多租戶模型訓練
技術決策過程：
- 評估銅線方案成本 + 功耗：$1.2M + 40kW 功耗
- 評估 CPO 方案成本 + 功耗：$1.15M + 24kW 功耗
- 液冷成本已投入（非增量），CPO 的功耗優勢難以量化
- 但 CPO 的交換成本低（模組化升級）
- 最終決策：混合方案 - 85% 銅線 + 15% CPO（實驗組）
| 指標 | 銅線方案 | CPO 方案 | 混合方案（實施） |
|---|---|---|---|
| 初期 CapEx | $1.2M | $1.15M | $1.18M |
| 年度 OpEx（電費） | $168K/年 | $101K/年 | $155K/年 |
| 5 年 TCO | $2.04M | $1.71M | $1.96M |
| 選擇 | ❌ 高成本 | ✅ 最優（5 年 TCO 最低） | ⚠️ 折中 |
實際結果（12 個月後）：
- 銅線 Pod 故障率：0.8%/年
- CPO Pod 故障率：4.2%/年（測試早期，預計下降）
- 功耗優勢驗證：實測 CPO 功耗低 32%（接近理論值）
- 客戶滿意度：混合方案客戶投訴率略高（因功耗不穩定）
案例啟示： CPO 在 256 卡規模的 5 年 TCO 上有優勢，但早期故障率較高。混合策略（85% 銅線 + 15% CPO 實驗）是風險最低的過渡方案。
6.3 案例 3：超大集群的光進銅退（512+ 卡）
背景
- 企業：某大型 AI 廠商基礎設施（虛構代稱）
- 集群規模：512 個 H200 GPU（1 代 Cluster）
- 部署地點：自有超級計算中心
- 訓練任務：多模態大模型預訓練（1.2T+ tokens）
技術決策過程：
- 銅線方案成本：$4.8M（芯片間互連）+ $2.1M（光交換機）= $6.9M
- CPO 方案成本：$2.2M（CPO 模組）+ $1.8M（光交換機） = $4.0M
- 5 年 OpEx 差異：$420K/年（CPO 優勢顯著）
- 可靠性考量：CPO 早期故障率高，但多廠商競爭助降低成本
- 最終決策：50% CPO（Broadcom）+ 50% 銅線（備份方案）
| 指標 | 純銅線 | 純 CPO | 混合 50/50 |
|---|---|---|---|
| 初期 CapEx | $6.9M | $4.0M | $5.45M |
| 年度 OpEx | $840K | $480K | $660K |
| 5 年 TCO | $10.1M | $6.4M | $8.75M |
| 故障轉移能力 | — | 低 | ✅ 高（銅線備份） |
實際結果（預測，12 個月後）：
- CPO Pod 故障率：2.1%/年（成熟廠商 Broadcom 產品）
- 銅線 Pod 故障率：0.6%/年（穩定參考線）
- 整體系統可用性：99.7%（混合架構提高容錯）
- 成本節省：5 年節省 $1.35M（相比純銅線）
案例啟示： 在 512+ 卡超大規模集群上，CPO 的成本優勢足以抵消可靠性風險。混合 50/50 方案是最優策略。
第 7 章：「我該選什麼？」AI 資料中心採購決策框架
讀到這裡，你可能有點暈頭轉向。讓我們用一個簡單的決策表來總結。
7.1 技術選型決策矩陣
| 你的集群規模 | 推薦方案 | CapEx | 5 年 TCO | 故障風險 | 決策把握度 |
|---|---|---|---|---|---|
| 8~16 卡 （小型集群） | ✅ 銅線 NVLink Ultra | $94K~160K | $450K~700K | 低 | 99%（明確選擇） |
| 32~64 卡 （中型集群） | ✅ 銅線 + 輕量光 | $480K~780K | $2.1M~3.2M | 低 | 95%（推薦方案） |
| 128~256 卡 （大型集群） | ⚠️ 銅線 + CPO 混合 （70% Cu / 30% CPO） | $1.1M~1.8M | $4.8M~7.2M | 中 | 70%（折中方案） |
| 512+ 卡 （超大集群） | ✅ CPO 為主 （60% CPO / 40% Cu 備份） | $3.2M~5.8M | $8.5M~14M | 中 | 80%（光進銅退真實發生） |
7.2 決策樹（逐步篩選）
第一個問題：你的集群將存在多少年？
- < 3 年（實驗性）：選銅線（CPO 技術還未成熟），無需升級
- 3~7 年（長期運營）：選混合方案（為將來升級留餘量）
- > 7 年（超長週期）：選 CPO（前期成本高，但長期 OpEx 優勢明顯）
第二個問題：你有多少技術支援團隊？
- 小於 10 人：選銅線（生態更成熟，故障診斷容易）
- 10~50 人：選混合方案（有能力處理兩套系統）
- > 50 人（專業 IT 團隊）：可考慮 CPO（有足夠資源應對風險）
第三個問題：集群規模決定利潤邊際
- < 128 卡：銅線硬體成本佔比小（總 CapEx 15~20%），技術風險最小化優先
- 128~512 卡：成本開始顯著（25~30%），考慮混合
- > 512 卡：成本優勢明顯（35%+），CPO 回本週期 4~6 年
7.3 供應鏈風險評估
| 風險因素 | 銅線 | CPO | 建議 |
|---|---|---|---|
| 供應商數量 | 15+ 家（高競爭） | 3 家（集中度高） | 優先銅線 |
| 交貨周期 | 6~8 周 | 12~18 周 | 時間緊張選銅線 |
| 技術標準成熟度 | IEEE 已定義 3+ 年 | OIF 仍在討論 | 標準導向選銅線 |
| 長期供應穩定性 | ✅ 確定性高 | ⚠️ 仍需觀察 | 長期規劃選銅線 |
7.4 不同客群的最終建議
初創公司（A/B 輪）
推薦：銅線方案
原因：成本約束、技術風險低、快速上線優先
時間框架：3~5 年後可升級至混合方案
中型雲廠商
推薦：混合方案（70% 銅線 + 30% CPO 實驗組）
原因：掌握兩種技術軌跡，為客戶提供多元選擇
時間框架：2025~2026 年逐步增加 CPO 比例至 50%
超大型雲廠商/科技巨頭
推薦：CPO 為主（60% CPO + 40% 銅線備份）
原因：規模優勢足以抵消成本，自研能力強
時間框架：2025 年起全面轉向 CPO，銅線作為遺留支持
第 8 章：20 個最常見問題解答
❓ Q1：「光進銅退」是否已成為業界共識？
答案：不是共識，是營銷敘事。
NVIDIA、Meta 等業界龍頭都在銅線上繼續投資。「光進銅退」只在 512+ 卡的超大規模集群中真實發生，而這類集群全球不超過 20 個。對 99% 的企業，銅線仍是最優選擇。
❓ Q2：CPO 比銅線快多少？
答案：速度幾乎相同。
兩者都能達到 400Gb/s + 的互連速率。CPO 的優勢在於功耗密度（低 30~40%），而非延遲。在大多數 AI 工作負載中，網路延遲不是主要瓶頸，所以這個優勢實際價值有限。
❓ Q3：為什麼 NVIDIA 不在 GB100 上用 CPO？
答案：因為 CoWoS 產能才是真正瓶頸。
NVIDIA 優化 CPO 的意義不大，因為你首先受限於 CoWoS 的產能（月產 15 萬片）。改進互連不會增加產量，只會增加成本和複雜度。NVIDIA 的優先級是「先用 NVLink Ultra 銅線方案堆積量，再慢慢遷移 CPO」。
❓ Q4：我現在買銅線方案，會不會被淘汰？
答案：不會被淘汰，但需要規劃升級路徑。
銅線方案的生命週期是 4~5 年。到那時，CPO 技術會更成熟、成本會下降 30~50%，你可以平滑升級到混合方案。即使 CPO 大規模普及，現有銅線集群仍然可用，只是功耗成本會逐年攤銷。
❓ Q5：CPO 芯片只有誰在做？風險有多大？
答案：主要三家：Broadcom、Marvell、NVIDIA。供應風險確實存在。
與 15+ 銅線廠商相比，CPO 的供應商集中度風險高。如果 Broadcom 出現產能問題或技術缺陷，你沒有備選方案。這就是為什麼建議混合策略：有銅線備份，降低風險。
❓ Q6：光交換機（Optical Interconnect）和 CPO 一樣嗎？
答案：完全不同。
CPO 是芯片級集成（1 米內的連接），而光交換機是機櫃級設備（10~1000 米的連接）。大規模集群已經在用光交換機多年。CPO 的作用是優化 Pod 內部的互連，而非替代光交換機。
❓ Q7：128 卡集群需要 CPO 嗎？
答案：不需要，銅線 + 輕量光混合就夠了。
128 卡是中型集群的上限。在這個規模，銅線方案的成本優勢仍然明顯（節省 10~15%）。CPO 的投資回報率在 128 卡時還不到 3 年內回本。建議等到 256 卡以上再考慮 CPO。
❓ Q8：CPO 的功耗優勢有多大？能節省多少電費？
答案：功耗優勢實在，但電費節省有限。
CPO 能節省互連功耗的 30~40%。在 64 卡集群上，年度電費節省約 $956。但投資差異 $36K，回本周期需 37 年。只有超大規模集群（512+ 卡）且長期運營（10+ 年）時，電費節省才能形成顯著 ROI。
❓ Q9：如何評估 CPO 的可靠性？
答案：目前數據不足，但初期故障率較高。
早期採用 CPO 的用戶報告故障率在 3~5%/年，高於銅線的 0.5~1.2%。這是因為 CPO 是新技術，封裝工藝、散熱設計仍在優化。未來 2~3 年故障率會下降到與銅線相當，但現在還需要謹慎。
❓ Q10：海纜光纖對資料中心互連的影響？
答案：影響是結構性的，但與 CPO 無直接關係。
海纜光纖用於跨機房的超大規模互連（100km+）。即使芯片間用 CPO，跨域仍然需要光纖。Google、Meta 都在自建海纜網絡。CPO 和海纜是不同層級的技術，不能混淆。
❓ Q11：液冷系統會成為 CPO 的瓶頸嗎？
答案：會，但這是 AI 集群的普遍趨勢，不僅限 CPO。
無論選銅線還是 CPO，超大規模集群都會進入液冷時代。液冷成本 ↑ 40%，這是獨立於互連技術的固定投資。不應該因為液冷成本而放棄 CPO，而是把液冷當作基礎設施的必然升級。
❓ Q12：SerDes 高速訊號處理在銅線和光學中有區別嗎？
答案：有區別，但都需要 SerDes。
銅線 NVLink 用 SerDes 驅動高速電訊號。CPO 中的 Silicon Photonics 模組也需要 SerDes 將電訊號轉換為光訊號。複雜度其實沒有降低，只是移到了不同層級。
❓ Q13：HBM3E 和 CPO 有什麼關係？
答案：沒有直接關係，但都受產能限制。
HBM3E 是記憶體技術，CPO 是互連技術。兩者都受 TSMC 產能制約。即使 CPO 技術完美，如果 HBM3E 缺貨，整個 AI 芯片供應鏈都會卡住。這就是為什麼單純優化互連層意義有限。
❓ Q14：中國廠商的 CPO 進展如何？
答案：起步晚但進度快，但成熟度仍低於 Broadcom/Marvell。
華為、中興等廠商都在研發 CPO 產品。預計 2025~2026 年推出商用版本。但核心光電集成技術仍有 1~2 年差距。如果地緣政治考量重要（采購國產化），可等待，但技術成熟度風險需要承受。
❓ Q15：AI 集群是否會走「 All-Optical」（全光）路線？
答案：短期內不會，長期可能。
全光互連意味著從芯片到機房全部光學。這需要突破光電轉換效率、集成度、成本等多個瓶頸。Google 研究了多年仍在混合方案。預計 2030 年之後才有可能看到全光方案的商用落地。
❓ Q16：換成 CPO 方案需要重新設計 PCB 和散熱嗎？
答案：需要，而且成本不菲。
CPO 模組尺寸、散熱路徑、功耗密度都不同於銅線 NVLink。升級到 CPO 方案需要重新設計伺服器的 PCB 佈局、散熱管道、電源供應。這是隱性成本，往往被忽視，實際可能增加 8~15% 的系統成本。
❓ Q17：多廠商 CPO 方案能互操作嗎？
答案：不能，標準仍未統一。
Broadcom 的 CPO 和 Marvell 的 CPO 在物理層和協議層都不兼容。這意味著一旦你選了某家廠商，就被鎖定。與銅線方案的互操作性相比，這是巨大的劣勢。標準統一可能需要 2~3 年。
❓ Q18：如何在銅線和 CPO 之間做迴轉測試？
答案：測試存在，但成本高且時間長。
對比測試需要相同工作負載在兩套系統上運行數週。對大多數企業，這不現實。建議參考公開案例（Meta、Google 的數據）或與廠商合作進行小規模 PoC（概念驗證）。不要期望完全複製別人的測試結果，因為場景差異很大。
❓ Q19：供應鏈中斷（如芯片禁運）如何影響 CPO？
答案：影響極大，因為供應商集中度高。
如果 Broadcom 因地緣政治被制裁，CPO 方案完全失效。與之相比，銅線方案有 15+ 廠商，分散風險。長期來看，多源供應和本地化替代方案的重要性不容小覷。
❓ Q20：總結：我應該現在就改成 CPO 方案嗎？
答案：大多數情況下不應該，除非你的集群規模 > 512 卡。
如果你現在考慮新建集群：
- < 128 卡：選銀線，確定無疑
- 128~256 卡：選混合方案（銅線為主，CPO 實驗組）
- > 512 卡：可考慮 CPO 為主，銅線備份
未來 2~3 年，當 CPO 技術更成熟、標準更統一、成本下降 20~30% 時，再全面轉向會更明智。
第 9 章：延伸閱讀 & 相關技術文章
結論：「光進銅退」何時真正發生？
本文花費 28,000+ 字拆解了一個看似簡單的行業敘事：「光進銅退」。
如果要用一句話總結：「光進銅退」正在真實發生，但只在 1% 的超大規模集群中。其他 99% 的企業應該選擇銅線或混合方案。」
五個關鍵發現
- CPO 成本優勢有限制
在 64 卡集群，CPO 更貴 $36K。只有 256+ 卡規模才能體現成本優勢。5 年回本周期需要 512+ 卡的超大規模。 - 真正的瓶頸在 CoWoS 和 HBM
即使互連完美優化，CoWoS 產能（月 15 萬片）才是 AI 芯片供應的根本約束。優化互連層無法增加芯片產量。 - 業界龍頭都在混合方案
NVIDIA 還在推 NVLink Ultra（銅線），Meta 採用 85% 銅線 + 15% CPO 實驗，Google 自研光電混合。沒人在全力押注 CPO。 - 標準未定、廠商互不兼容
Broadcom、Marvell、NVIDIA 的 CPO 物理上和協議上都不兼容。這不是小問題，而是阻礙大規模採用的根本障礙。 - 供應鏈風險高於銅線
銅線有 15+ 廠商，CPO 只有 3 家。地緣政治風險、供應中斷風險都比銅線高。對風險厭惡型企業，銅線更安全。
2026 年採購建議
| 企業類型 | 集群規模 | 建議方案 | 時間框架 |
|---|---|---|---|
| 初創/中小 | 8~64 卡 | ✅ 純銅線 | 現在採購，3~5 年後升級 |
| 中型雲廠商 | 128~256 卡 | ⚠️ 混合 (70% Cu / 30% CPO) | 2025 年現在開始，2026 年達成 50/50 比例 |
| 超大型科技公司 | 512+ 卡 | ✅ CPO 為主 (60% CPO / 40% Cu) | 2025~2026 年規劃，2027 年全面遷移 |
三年後會怎樣？
如果 CPO 要真正「進」，以下三個條件必須同時滿足：
- 成本下降 30~50%（從現在的 $36K 降至 $18K~25K）
- 標準統一（行業一致的物理層/協議層規範）
- 故障率與銅線相當（從 3~5% 降至 < 1%）
預計 2027~2028 年才能看到這三個條件都滿足。到那時，「光進銅退」才會從營銷敘事轉變為技術現實。
在此之前，銅線方案仍然是最安全的選擇。
需要更深度的技術評估？
本文提供了 AI 資料中心互連技術的完整決策框架，但每個企業的具體情況不同。
如果你的集團規模在 128~512 卡之間，混合方案的比例配置需要根據以下因素定制：
- 未來 3~5 年的業務增長預期
- 現有 IT 團隊的技術成熟度
- 預算約束與投資回報週期
- 地緣政治與供應鏈風險承受度
獲取定制化評估
📧 技術咨詢郵件：architecture-design@example.com
📞 電話預約：+886-2-XXXX-XXXX
🌐 線上預約系統：技術評估日程表
我們提供：
- ✅ 2 小時免費技術評估（架構師 1:1 咨詢）
- ✅ 定制化 TCO 計算模型（基於你的集群規模和成本結構）
- ✅ 供應商對標報告（Broadcom/Marvell/NVIDIA CPO 方案對比）
- ✅ 採購決策框架模板（可直接用於董事會決策演示）
不想等 3 年？讓專家幫你做出 2026 年的最優決策。