光模块和交换芯片：AI集群里那条被忽略的血管

AI训练不是一颗GPU干活，而是几千几万颗GPU一起干活。这些GPU之间要不停地交换梯度、参数、激活值，一次训练迭代可能要在网络上搬运TB级的数据。GPU再强，网络跟不上，整个集群就在等。

所以AI集群里除了算力，还有一层同样关键但被普通投资者忽略的东西——互联层。这一层的核心是两样东西：交换芯片和光模块。

先说互联的分层。

AI集群里的网络分两块：Scale-up和Scale-out。

Scale-up是机柜内部GPU之间的连接，英伟达用的是自家的NVLink，第五代NVLink在Blackwell上做到了每颗GPU1.8TB/s的双向带宽，下一代Rubin平台还会翻到3.6TB/s。

Scale-out是机柜之间、机房之间的连接，走的是InfiniBand或以太网，单端口速率从400G正在整体切到800G，1.6T也已经在路上。

这两层网络本质上决定了你能不能把几万颗GPU组成一个“逻辑上的大GPU”。

NVLink目前是英伟达的独门武器，但2026年英伟达把NVLink开放成了NVLink Fusion，让Marvell这种定制芯片厂商可以做兼容NVLink的XPU和交换芯片，双方还签了一份20亿美元级的合作。

这件事的意义在于，英伟达在把Scale-up的生态从自家闭环慢慢做成一个由自己主导的开放标准，顺便把Marvell和博通这些交换芯片老玩家拉进自己的阵营。

Scale-out那一侧，InfiniBand过去在AI集群里占了大约九成的份额，但博通牵头的Ultra Ethernet联盟正在快速追赶，超大云厂商更倾向用以太网，因为可以自己控生态。这是芯片层之外一场安静的路线之争。

再说光模块。

GPU之间几百米级的连接必须走光纤，光电转换的那个器件就是光模块。

AI集群里，每颗GPU外面平均要挂两到三个800G光模块，一个几千卡的集群就要用掉上万个模块。

TrendForce的数字是，2026年全球AI用光模块市场规模冲到260亿美元，同比增长约60％，800G和1.6T是主力。2025年全球出货已经超过2400万只800G模块，2026年预计冲到6300万只。

这个量级已经不是“配件”级别的生意，而是一个独立的百亿美元级赛道。

光模块的产业结构也很有意思。

上游的光芯片（EML、DSP）集中在少数几家美日厂商。中游的模块组装大量在中国厂商手里，中际旭创、新易盛这批公司过去两年股价涨幅并不亚于任何一家半导体龙头。下游的交换机由英伟达自家的Spectrum-X和博通的Tomahawk、杰迈斯这些交换芯片主导。

整个互联层是一条从光芯片到DSP到模块到交换芯片再到交换机的完整链条，每一层都有自己的稀缺点。

所以看AI集群不能只看GPU。GPU是心脏，互联层是血管。血管细了，心脏再强也供不上血。今天英伟达单卡FP4算力翻了几倍，如果光模块和交换芯片的带宽跟不上，新一代GPU的算力就折在网络里跑不出来。

互联层不是产业链的配角，它是决定“算力能不能变成有效算力”的那道闸门。