NVIDIA CPO 量產重塑光模組供應鏈

💡NVIDIA 推動 CPO，可能重新定義 AI 資料中心網路的價值分配。

⚡ 30-Second TL;DR

有什麼變化

NVIDIA 轉向 CPO，可能降低對傳統可插拔光模組的依賴。

為什麼重要

對 AI 資料中心建置者而言，CPO 可能重塑交換器、光引擎與光模組供應商之間的價值分配。高度依賴可插拔光模組需求的廠商，可能因 NVIDIA 垂直整合更多光學堆疊而面臨利潤壓力與客戶集中風險。

下一步行動

檢視 AI 叢集網路路線圖的 CPO 準備度，並比較下一次部署中的可插拔光學、光引擎供應商、散熱限制與可維護性要求。

誰應關注：Enterprise & Security Teams

AI-generated analysis for this event.

•NVIDIA 的 CPO 策略核心在於將光引擎（Optical Engine）與交換器晶片整合在同一基板上，旨在解決 AI 叢集內部數據傳輸的功耗瓶頸，預計能將能效比提升 30% 以上。
•除了 NVIDIA，Broadcom 與 Cisco 等網路設備巨頭也在積極推動 CPO 技術標準化，這促使光模組供應鏈從單純的硬體製造轉向與晶片廠深度綁定的系統級設計。
•傳統光模組廠商（如 Coherent, Finisar, InnoLight）正透過轉型為『光引擎供應商』來應對變局，將業務重心從成品模組轉向提供矽光子晶片與封裝服務。
•CPO 技術的導入導致測試設備需求發生結構性變化，傳統的插拔式光模組測試儀器已無法滿足 CPO 封裝後的高密度與高頻測試需求，推動了晶圓級光學測試市場的成長。
•NVIDIA 自行組裝光引擎的策略不僅是為了成本控制，更是為了確保在高速運算環境下，光電轉換元件與 GPU 之間的訊號完整性（Signal Integrity）達到極致。

📊 競品分析▸ Show

特性	NVIDIA (CPO 方案)	Broadcom (CPO 方案)	傳統可插拔模組 (QSFP-DD)
整合度	極高 (晶片級整合)	高 (模組化整合)	低 (獨立模組)
功耗	最低 (減少電訊號傳輸距離)	低	較高
靈活性	低 (維修困難)	中 (可更換光引擎)	高 (隨插即用)
主要應用	超大規模 AI 叢集	資料中心交換器	通用網路設備

矽光子技術 (Silicon Photonics): 利用 CMOS 製程將雷射光源、調變器與偵測器整合於矽基板上，大幅縮小體積。
訊號完整性 (Signal Integrity): CPO 透過縮短電訊號傳輸路徑，減少了 SerDes 的功耗與訊號衰減，支援 800G 及 1.6T 以上的傳輸速率。
封裝技術: 採用 2.5D 或 3D 封裝技術，將光引擎與 ASIC 晶片置於同一載板，並透過高密度微凸塊 (Micro-bumps) 進行互連。
散熱挑戰: 由於光引擎與 GPU 緊密排列，熱密度極高，需採用先進的液冷技術或特殊的熱介面材料來維持光元件的穩定性。