AI工厂被装进集装箱，光通信产业的增长逻辑正在切换

在日前的GTC Berlin上，英伟达CEO黄仁勋做了一件值得整个通信产业关注的事：他把大部分主题演讲时间从GPU本身移开，转向了AI部署的速度、电力、安全和数据可用性。伴随演讲落地的一系列发布——DSX POD参考设计、OpenShell参考架构、Agent Toolkit扩展、与Nokia及欧洲运营商的深化合作——共同指向一个战略转向：英伟达正在从销售AI算力组件，转向销售AI工厂的运行模式。

对于光通信产业而言，这一转向的含金量可能被低估了。当AI工厂从工程项目变成可交付产品，网络——尤其是scale-out互联——不再只是配套设施，而是产品定义的一部分。这背后隐藏着光通信产业新一轮增长逻辑的切换。

从工程到产品：AI工厂的交付逻辑变了

黄仁勋在台上算了一笔账：一座1吉瓦的AI工厂成本约500亿美元，年收入约400亿美元。如果延迟一个季度交付，损失约100亿美元。这个数字背后是一个现实——AI基建中最大的成本不是硬件采购，而是硬件等待布线、等待通电、等待调试的闲置成本。

一座现代AI工厂本质上是一个大型工程项目，需要数公里计的铜缆和光纤在现场由稀缺的专业团队组装，欧洲尤其如此。这个环节的速度，直接决定了投资回报周期。

DSX POD的应对方式是把这项工作前置。每个pod容纳7个Vera Rubin NVL72机架，约20公里的NVLink铜缆和17公里的scale-out网络，全部在出厂前完成布线、接入管道和测试。英伟达称，在准备好的场地上，部署时间可以从6个月压缩到最快14天。

这个数字需要客观看待。14天的前提是场地就绪，包括电力接入和土建条件。集装箱化压缩的是集成环节，解决不了电网互联排队的瓶颈。DSX POD真正改变的是“长杆”的位置，而不是消除它。其目标场景也并非吉瓦级园区——那里仍有规模经济优势——而是数百兆瓦级别的部署，运营商有场地和电力，但缺乏完整土建和审批时间窗口。这正是欧洲新型云服务商、主权AI项目和电信运营商密集活动的区间。

但即便有这些限定条件，产品化的意义依然清晰。当一套AI工厂的核心互联系统——包括17公里的scale-out网络——成为集装箱内的预制组件，光通信的交付模式、价值分配和技术路线都会随之变化。

scale-out网络：从配套到系统组件

在AI集群中，网络分为两个层面。scale-up负责机架内和机架间GPU的紧耦合互联，以NVLink为代表，目前仍以铜缆为主。scale-out负责集群层面和数据中心之间的横向扩展，是光通信的主战场。

随着模型参数规模持续膨胀，以及推理需求在Agent工作负载下的爆发，scale-out网络的带宽、延迟、功耗和可靠性要求都在快速抬升。一个值得注意的趋势是光模块与GPU的配比在持续上升。在传统数据中心，光模块与服务器的比例大约在1:1到2:1之间；而在AI集群中，采用胖树或轨道优化拓扑后，这一比例可以达到3:1甚至更高。

800G光模块正在成为AI集群的主力配置，1.6T产品进入导入阶段。硅光技术、LPO和CPO等方案在功耗和集成度上持续演进，试图回应AI工厂对每比特功耗的严苛要求。

DSX POD把17公里scale-out网络预集成进产品，传递了一个明确信号：scale-out网络的复杂度已经高到需要专业化、产品化交付。这对光通信供应商的含义是双重的。一方面，需求规模在扩大；另一方面，供应商需要具备与AI工厂架构协同设计的能力，从标准品供应转向系统级参与。

铜与光的边界正在移动

DSX POD中20公里NVLink铜缆和17公里scale-out网络的配置，反映了当前铜与光的分工格局：机架内和短距互联用铜，机架间和长距用光。但这个边界并非固定不变。

随着SerDes速率从112G向224G演进，无源铜缆的有效传输距离在持续缩短。112G下DAC的有效距离大约在2到3米，224G下进一步压缩。这意味着在AI工厂内部，光互联的渗透边界在向更短距离推进。CPO和LPO等技术方案的成熟，正在加速这一进程。

对光通信产业来说，这不只是出货量的增长，更是单机架价值量的提升。光模块从“配套件”向“系统组件”迁移，产业链的价值分配也在重新调整。能够在AI工厂设计阶段就参与互联架构定义的供应商，将在下一轮竞争中占据更有利的位置。

电信运营商的分布式AI网络：光连接的第二战场

黄仁勋在演讲中给出了一个关于电信行业的判断：未来每家电信运营商，其10万个站点所代表的约100吉瓦分布式基站和数据中心，将演变为分布式AI网络。欧洲约20%的数据中心由电信运营商拥有，超过1500个电信设施具备承载GPU的条件。

这个判断有现实支撑。T-Mobile和Nokia已经在商用网络上完成了首个AI-RAN通话，证明无线接入网和AI推理可以在同一平台上运行。这意味着电信站点的价值可能被重新定义——从单纯的无线接入节点，扩展为分布式推理基础设施。

对光通信来说，这是一个规模可观的新市场。分布式AI网络需要在电信站点之间构建高带宽、低延迟的光连接，前传、中传和回传网络都需要升级。边缘数据中心的光互联、站点间的相干光传输、以及面向分布式推理的确定性光网络，都会产生新的需求。

物理AI的推进还会进一步强化这个趋势。英伟达披露，2026年上半年物理AI相关收入已接近110亿美元，比上一年全年高出约30%。机器人可以在本地完成感知处理，但在遇到复杂决策时，需要向本地服务器、电信边缘站点或云端“求助”。这种混合推理模式对光网络的带宽、延迟和连接密度提出了更高要求。电信运营商如果能够把分布式站点转化为AI推理节点，光网络就是其核心基础设施。

中国市场的对照与机会

回到中国市场，AI基建的节奏同样在加快。三大运营商的算力网络建设、东数西算工程的推进、各地智算中心的密集布局，都在持续拉动光通信需求。中国光模块厂商在全球市场已经占据重要份额，在800G和1.6T产品上与海外厂商保持同步。

英伟达DSX POD模式带来的启示在于，AI工厂的竞争维度正在从芯片扩展到系统集成、网络架构和交付效率。对中国光通信企业而言，如果能够从光模块供应商向AI工厂网络架构的参与者升级，价值空间会显著扩大。这需要企业在硅光、CPO、高速光引擎等方向持续投入，同时具备与AI计算平台协同优化的能力。

中国运营商在AI-RAN、边缘计算和算力网络方面的探索，也与分布式AI网络的方向存在交集。中国在5G基站密度、光纤网络覆盖和电信基础设施规模上的优势，为分布式AI部署提供了不同于欧美的路径。如果电信站点能够有效转化为推理节点，围绕这些节点的光网络升级将是一个确定性较高的增量市场。

结语

英伟达在柏林传递的核心信息是，AI工厂正在成为产品，Agent正在成为工作负载。对于光通信产业，这意味着网络从“配套”走向“定义”，scale-out互联从工程环节走向预制组件，电信基础设施从接入层走向分布式推理层。

当AI基建的竞争焦点从芯片性能转向部署速度和投资回报，光通信的价值坐标也在移动。能够理解AI工厂架构、参与互联标准定义、并具备系统级交付能力的企业，将在这一轮增长中占据更主动的位置。而中国光通信产业凭借在光模块、光纤光缆和网络设备领域的积累，有条件在这一轮产业升级中争取更大的价值份额。