精华速览

2026年CIOE光博会上，AI相关光通信环节全面升温，Astera Labs总裁兼COO Sanjay Gajendra指出，随着GPU从几颗扩展到成百上千颗，互联架构面临速率、规模和功耗三重压力。铜光边界不再由距离单一决定，传输速率和GPU规模成为核心变量，400G/lane后光互联将更多进入机架内部。Astera Labs每颗加速器对应的产品价值量已从早期不到100美元升至scale-up阶段的数千美元，Scorpio系列收入峰值提前至第三季度。公司同时看好推理市场的分散化机会，并指出中国客户对落地速度要求更高，外部接口标准化与内部定制化将并行。

要点透视

  • Astera Labs成立于2017年，从PCIe Retimer切入高速互联，截至2026年9月市值接近500亿美元，产品已延伸至铜互联、光互联和机架级连接。
  • PCIe单通道速率从Astera成立前后的8 GT/s提升至当前的64 GT/s，AI系统GPU规模从早期4至8颗扩展至数十、上百颗，数据传输速度每年翻倍。
  • Astera Labs每颗加速器对应的产品价值量：早期仅Aries PCIe Retimer时不到100美元，加入交换芯片和内存产品后升至数百美元，scale-up交换阶段达到数千美元。
  • Scorpio系列原预计2026年第四季度成为收入规模最大产品线，该节点已提前至第三季度。
  • Gajendra判断，NPO（近封装光学）将在2027年前后进入scale-up部署，CPO（共封装光学）在scale-up域更大规模部署可能要到2029至2030年以后。
  • 微软、Alphabet、亚马逊、Meta和Oracle五家AI超大规模厂商2026年资本开支合计约7950亿美元，2027年将接近1.08万亿美元。
  • 以英伟达NVL72的72-GPU scale-up域为参照，更大scale-up域可能减少数据经过scale-out网络，从而优化单位Token成本。
  • 中国市场参与者除字节跳动、阿里等大型互联网公司外，还有大量不同规模创业公司，客户更愿意尝试不同技术方案，对供应商响应和产品落地速度要求更高。

文章拆解

AI基础设施的扩张正在把互联从配套环节推向系统设计的核心。过去两年，超大规模云厂商资本开支是AI硬件增长最直接的驱动力，但Gajendra也承认，随着大规模建设逐渐完成，资本开支未来几年终将趋于稳定。这意味着连接厂商不能只依赖数据中心数量增长，而必须提高每颗加速器周围的价值捕获能力。Astera Labs的路径正是如此：从PCIe Retimer到交换芯片、内存产品，再到scale-up交换，单颗加速器对应的产品价值量从不到100美元跃升至数千美元，Scorpio系列收入峰值提前至第三季度，说明scale-up互联的商业化节奏快于预期。

铜光之争的逻辑也在变化。传统上短距离用铜、长距离用光，但Gajendra指出，决定机架内部何时从铜转向光的核心变量是传输速率和GPU规模。200G/lane级别铜互联仍可胜任，400G/lane之后光将更多进入机架内部，GPU数量增加带来的连接密度和散热压力会进一步影响选择。更关键的是，客户最终要算的是整套系统的单位Token成本，而非单一连接方式的成本。以英伟达NVL72的72-GPU scale-up域为参照，更大的scale-up域可能减少数据频繁经过scale-out网络，从而降低延迟和系统复杂度，光互联因此可能成为优化Token成本的手段。

推理市场的分散化是另一个值得关注的变量。Gajendra认为，训练更依赖计算能力，推理更看重内存和低延迟，且推理市场的参与者和系统形态会更加分散。这意味着连接需求不再只取决于少数头部云厂商建设多少超大规模训练集群，而会扩展到更多不同规模、不同部署形态的系统。对中国市场而言，客户结构本就比北美更分散，除字节跳动、阿里等大型互联网公司外，还有大量创业公司参与，客户更愿意尝试不同技术方案，对落地速度要求更高。

潜在风险在于，资本开支增速放缓可能影响连接厂商的短期订单节奏，而铜光技术路线的切换时点、NPO和CPO的部署进度仍存在不确定性，尚待确认。此外，客户内部系统越来越定制，但外部接口仍需标准化，连接厂商需要适配越来越多样的处理器、工作负载和部署形态，这对产品迭代速度和供应链复用能力提出更高要求。当连接方式开始同时影响GPU规模、系统延迟和Token成本时，互联的价值已不只是传输数据，而是决定多少算力能真正转化为可用系统性能。

查看原文