产学研投 联想控股(03396)多维布局光互连技术

当GPU性能增速从“摩尔定律”转向“新摩尔定律”时，芯片间通信效率已成为决定智算集群效能的核心变量。

5月6日，英伟达与康宁（CORNING）达成了一项多年期商业与技术合作。根据协议，康宁将在北卡罗来纳州和得克萨斯州新建三座先进制造工厂，专门为英伟达生产光学连接解决方案。而英伟达则斥资5亿美元获得两份可立即行使的康宁公司认股权证。

这是今年以来，英伟达在光互连领域的最新投资举动。2026年3月，英伟达在30天内连续砸下60亿美元，向Lumentum、Coherent、Marvell分别投资20亿美元。

上述密集投资均指向光互连与AI算力基础设施领域——这项以光波为载体、光纤为通道的技术，正以“超高带宽、超低功耗”的硬核优势，成为突破AI算力瓶颈的关键。

瓶颈显现：电互联的天花板

带宽墙、功耗墙——正阻碍着AI基础设施的进一步升级。

过去两年，全球AI算力提升约6万倍，但支撑它们的“血管”却严重滞后：传统铜缆电互连带宽仅提升30倍，差距日益悬殊。

与此同时，随着GPU功耗持续攀升，‌电互连功耗占比可能进一步上升。对行业而言，此举既会推高数据中心运营成本，又带来散热压力‌。更严重的是，长距离传输损耗大、电磁干扰频发、集成密度触顶，这些现实问题让千亿参数大模型训练、十万卡级集群并行计算面临前所未有的传输挑战

技术破局：光互联迎来加速发展期

当电信号在铜线中艰难跋涉时，光子已在光纤中以接近光速穿梭。凭借其物理本质，光互连技术展现出超高带宽密度、极致低功耗、超低传输延迟、强抗干扰等突出优势。

科技巨头敏锐地捕捉到光互连的技术优势，并密切进行商业布局。

●AMD宣布为下一代Instinct MI500 AI加速器开发基于MRM的CPO（共封装光学）解决方案，构建“AMD设计+格芯制造+日月光封装”的产业链分工，预计将于2027年推出。

●英伟达的动作更为迅速，30天内累计投资60亿美元，全部指向光互连与AI算力基础设施，其Rubin Ultra架构将优先采用CPO方案，而更远期的Feynman世代计划全面转向光互连技术。

●台积电的硅光子引擎COUPE平台，基于SoIC-X芯片堆叠技术，将电学芯片与光子芯片直接3D堆叠，2025年已完成小型可插拔光模块验证，2026年开始大规模量产；同时，该平台还将COUPE光引擎以CPO形式整合进CoWoS封装，成为CPO落地的关键一步。

●韩国三星电机与LG Innotek已从CPO技术的概念研究阶段正式转向早期开发环节，预计将在半导体基板上集成各种组件，以使最终封装的半导体产品具备CPO功能‌。

国内实践：“产学研投”多维布局

技术的加速落地催生了巨大的市场空间。据高盛研报显示，全球光互连可寻址市场规模将从当前的150亿美元，在2027-2028年攀升至1540亿美元，整体增幅达9倍。

面对这一产业发展机遇，联想控股体系凭借其在前沿科技领域的长期积累，在光互连领域进行了前瞻性布局。

●联想控股与北京大学共同成立的“北京大学-联想控股先进光子集成技术联合实验室”，围绕光子集成工艺探索、低功耗光引擎原型验证、面向智算中心的光互连应用研究等方向开展联合攻关。2026年3月，该联合实验室首篇学术论文在国际知名学术期刊《Photonics》发表，研究团队突破了短波段光栅耦合器在耦合效率和工艺容差方面的技术局限，相关技术已申请发明专利保护。

●君联资本、联想之星、联想创投共同投资企业图灵量子作为光量子计算领域的先行者，具备从芯片、算法到整机系统的全栈技术能力。近期，图灵量子与AI网络互连领先企业奇异摩尔达成深度战略合作，双方将联合研发并推进下一代光互连OIO技术项目，构建覆盖经典计算至量子计算的光电融合硬件系统。此次合作，正是其将光量子计算关键技术能力向下兼容，赋能光连接领域，推动算力突破瓶颈，构建光电融合的计算新范式。

●君联资本所投企业光联芯科作为国内光互连OIO领域的创新引领者，聚焦高性能计算的片间光学互连，已推动OIO技术从研发阶段加速走向实用化部署，其多通道OIO硅光芯片、光引擎等产品可实现计算芯片直接出光，大幅度提升芯片片间传输带宽的同时降低传输能耗，相比数据中心光模块的带宽能效积实现万倍提升，极大提升AI集群训练和推理效能，助力AI大模型普惠落地，推动智算中心向全光互连迈进。

●联想创投所投企业犀里光电具备深厚的国际科研背景与产业化能力，覆盖材料理解、晶圆级工艺、芯片设计、器件工程化和产业合作等关键环节，公司创始人/首席科学家王骋教授是全球薄膜铌酸锂光子技术的主要开创者之一，也是薄膜铌酸锂电光调制器的核心发明人。依托源头创新积累与产业化团队的工程转化能力，犀里光电正加速推动薄膜铌酸锂技术从实验室成果走向AI光互联和下一代通信网络中的实际应用。

光互连的技术前景已高度清晰，其价值不仅在于消解当下的算力之渴，更在于定义未来的计算架构。当数据传输的瓶颈被打通，分布式计算、存内计算乃至量子计算的融合才能真正释放潜能，为AI基础设施注入强劲动力。