【国金证券】电子行业研究：大规模AI集群带动CPO加速，看好产业链公司-260426（25页）.pdf

1、大规模AI集群带动CPO加速，看好产业链公司投资逻辑：一、网络互联规模、密度、速率提升，CPO交换芯片推出，CPO渗透率提升已具条件1.1CPO需求端：网络互联规模、密度、速率持续提升，催化CPO需求AI发展促使网络互联密度、速率持续提升。AI模型持续迭代，参数的增加使得训练所消耗的算力持续提升，导致训练集群规模持续扩大。推理端，vibecoding、openclaw等应用爆发，带来大量推理需求，同时模型的复杂度提升，使得token输出所消耗的算力也持续增长，带动算力和网络需求。我们认为，CPO可以有效帮助大规模集群降低功耗、提升互联密度、提升高速率下的传输稳定性。AI集群规模扩大带动的网络互

2、联规模、密度、速率的提升，显著催化CPO需求。根据EpochAI估测，当前主流模型训练所消耗的算力均已经达到1025FLOP的数量级，如GPT-5训练所消耗算力已经达到6.6*1025FLOP,部分大模型如Grok4训练所消耗的算力已经达到1026量级。(divcenter)图表1：大模型训练所消耗的算力已经达到1025FLOP量级(/divcenter)训练模型所消耗算力的增长，拉动更大规模集群需求。模型规模提升后，集群互联的网络层数也将提升，网络部分硬件的成本及功耗占整个集群的成本及功耗也大幅增加。根据Semianalysis测算，一个2层网络可以支持约10368个GPU组成的集群，其中单

3、GB300NVL72机柜所对应的网络硬件成本约59万美元，占总成本的11%，但在4层网络当中，单GB300NVL72机柜所对应的网络硬件达到了约101万美元，占总成本的18%。在大规模AI集群当中，CPO可以帮助CSP有效降低功耗。根据博通在ECOC2025会议上的展示，单个搭载120个光引擎的51.2TCPO交换芯片Tomahawk5-Bailly相较于采用48个传统光模块可以节约65%的功耗，相较于LPO光模块方案也可以节约35%的功耗。根据Semianalysis测算，在大规模组网当中，CPO的功耗节约也较显著，在3层网络的集群当中，虽然交换芯片因为使用CPO集成了光引擎等光学部件功耗提

4、升，但光模块所产生的功耗大幅下降，总的网络功耗可以降低23%。而从传统连接方式转向CPO也可以有效降低成本，根据Semianalysis测算，对于3层网络的GB300NVL72机柜，采用3层网络的CPO方案后，可以相比传统DSP光模块方案降低21%的网络成本，总成本可以降低3%；而如果将网络压缩至两层CPO方案，则可以降低46%的网络成本，总成本可以价格低7%。当前英伟达、AMD等厂商的GPU方案，以及云厂商的ASIC方案均转向整机柜形式，互联密度大幅度提升。CPO可以在有限空间支持更高的带宽密度，渗透率提升有望加速。由于省去了前面板可插拔接口，CPO大幅缩短了交换芯片到光引擎的连接距离，使得

5、在有限封装空间内可以支持极高的I/O带宽密度，在紧凑封装中提供远超以往的吞吐能力。这意味着单台交换机可承载更多光通道，支持更大规模集群的互连需求。根据AyarLabs数据，CPO方案在描述设备边缘单位长度传输速度的shorelinebandwidth，以及描述整个设备单位面积传输速度的areabandwidthdensity都高于传统可插拔方案，可以实现较长距离的更高密度互联。当前互联速度持续提升，信号在高速率下以铜作为载体，容易产生“趋肤效应”，产生较大的信号损失。采用CPO方案，可以降低光信号与交换芯片之间的距离，减少信号损耗和串扰。当前AI芯片互联速度持续提升，VR200单NVL72机柜

6、scaleout与sacleup总带宽预计将达到14400、129600GB/s，较GB300单机柜总带宽翻倍。信号传输速率提升，在导体当中会形成信号集中在导体表面的现象，形成趋肤效应，传输距离越长，会产生越大的信号损失。CPO方案相较于传统方案，可以有效降低信号传输距离，提升信号质量。根据英伟达，在传统互联方案当中，传统网络交换机依赖于多个电气接口。在这些架构中，数据信号必须经过从交换机的交换芯片到PCB、连接器，最终到达外部收发器的长距离电气路径，才能转换为光信号。这种分段传输会造成相当大的电损耗，对于200Gbps的信道，损耗可高达22dB，这增加了对复杂数字信号处理和多个有源器件的需求