算力增长,主要受物理、能源、制造、成本四重硬约束,但方向是相对确定的。这一轮算力基建,不亚于地产建设周期。 先看硬核数据: 到2030年,行业保守预测,25,000–30,000 EFLOPS(百亿亿次浮点运算)。 全球计算联盟较为激进的预测,到了2030年,将达到105 000 EFLOPS。 华为更为激进,到了2035年,全球智能算力约1 200 000 000 EFLOPS。 中国信通院预测2030年数据为约50000 EFLOPS。 国内算力顶流国家队是三大运营商,其中移动92.5 EFLOPS,电信91 EFLOPS,联通45 EFLOPS,华为、阿里、腾讯、字节、百度没有具体披露,但根据预测数据,华为、阿里、字节大约超100 EFLOPS,腾讯、百度正在加速投资。 算力中心只有头部可能盈利,未来大概率有效利用率在30%左右,只有头部算力中心二才有资格与头部大模型与AI系统商合作,因为更稳定。这也给定了相关的投资方向。 算力消耗排行: AI(训练+推理):占比超60%的绝对主导 自动驾驶(车端+云端):年复合增长率超35% &nbs...
2026年,被行业视为CPO规模化商用的元年。当AI算力需求呈指数级增长,传统可插拔光模块正逼近物理极限,一项名为“共封装光学”的技术悄然站上风口,成为连接算力与数据的核心枢纽。 一场“光”与“电”的赛跑 如果你关注AI基础设施,一定听说过“算力焦虑”——大模型越做越大,GPU越堆越多,数据中心的带宽和功耗却成了“拖后腿”的瓶颈。传统的可插拔光模块,信号从芯片到光口要走几十厘米的电路,损耗大、发热高,在800G、1.6T乃至更高速率下越来越力不从心。 怎么办?答案是把光引擎“塞”到芯片旁边。 这就是CPO(Co-packaged Optics,共封装光学)。简单说,就是将光引擎与计算芯片(如GPU、交换芯片)封装在同一基板上,让电信号的传输距离从厘米级缩短到毫米甚至微米级。距离短了,功耗、损耗、延迟都大幅下降。 以英伟达的CPO方案为例:单端口(1.6T)功耗从传统方案的30W降至9W,降幅高达70%。博通的Bailly CPO交换机,光互连功耗同样降低70%。在动辄...