OOI技术落地！英伟达打通光电转换最后一公里，算力产业迎来巨变

做算力赛道的朋友应该都清楚，最近几年AI大模型训练，最大的瓶颈早就不是单颗GPU的算力有多强，而是芯片和芯片之间的数据传输。

很多人只盯着GPU的算力参数，觉得芯片核心越强大，AI跑起来就越快。但现实是，大量GPU组成集群之后，芯片之间来回搬运数据，延迟高、功耗爆炸，带宽跟不上，很多算力都被数据传输白白消耗掉了。这也就是行业里常说的“存储墙、互连墙”。

就在这个节点，英伟达拿出了OOI，也就是Optical On-Chip Interconnect，片上光互连方案，圈内很多人直接叫它这次的王炸。简单一句话概括它的核心变化：把光电转换的位置，从传统的外置光模块，往芯片内核推，尽可能贴到硅片里面。

消息出来之后，整个算力产业链一下子两极分化：一部分方向的从业者心里发慌，原有路线的价值逻辑面临重构；另一部分细分赛道的企业看到了全新的增量空间，跃跃欲试。今天咱们抛开花哨的名词包装，用普通人能听懂的话，把OOI到底是什么、改变了什么、产业链哪些环节受冲击、哪些环节迎来机会，一次性拆解清楚。

先提前说明：本文只基于公开技术信息做产业逻辑梳理，不荐股，不构成任何买卖建议，股市波动风险很大，所有判断需要你自己独立思考。

一、先搞懂：传统光互连是什么，痛点在哪？

在看懂OOI之前，我们先捋一捋现在AI服务器里数据是怎么跑的。

现在主流的方案是：GPU芯片出来是电信号，先经过基板、封装走线，送到外部的光模块，在光模块里面完成电光转换，电变光，再通过光纤传给另一块GPU；对面接收端，再做一次光电转换，光变回电信号，送入芯片。

光电转换的核心器件，就是光发射、接收组件，也就是TOSA、ROSA，我们平时说的光模块，核心就是这套转换单元。

这套模式跑了很多年，成熟稳定，但短板随着AI算力集群越做越大，被无限放大：

第一，距离芯片内核很远。电信号从硅核跑出来，要走很长一段金属走线。电信号有天生的短板，频率越高、距离越长，损耗越大、信号越容易失真，还会产生大量热量。

第二，功耗居高不下。反复的电光、光电转换，本身就要耗电，再加上长距离电链路带来的损耗，一台AI服务器里面，光互连部分的功耗占比越来越高，对于超大规模算力中心来说，电费是一笔天文数字。

第三，带宽扩容难度越来越大。想要更高的数据吞吐量，传统方案只能不断叠加光模块、叠加光纤，整机的布线空间、接口数量很快就摸到天花板。

行业里面其实早就意识到这个问题，很多科研机构、大厂都在研究怎么缩短电链路，大家的目标方向高度统一：把光电转换往芯片方向挪。

之前有COB、共封装光学CPO，就是把光引擎和芯片封装放在同一个封装基板上，相比独立外置光模块，已经缩短了电通路。而英伟达这次的OOI，相当于在CPO的基础上，再往前跨一大步：光电转换单元进一步向芯片内核靠近，也就是片上集成光互连。

这里很多人会混淆CPO和OOI，我给大家做个简单区分，方便理解：

• 传统光模块：光器件完全独立，放在机箱面板，离GPU很远，电链路最长；

• CPO共封装光学：光引擎和GPU封装在一起，同基板，电链路大幅缩短；

• OOI片上光互连：光转换单元更进一步，贴近芯片硅内核，电链路压缩到最短。

不是说CPO被直接淘汰了，而是技术路线在迭代。OOI是下一代的演进方向，落地周期会更长，技术难度也高出一个量级。

二、英伟达OOI，到底厉害在哪？核心优势拆解

很多自媒体一句话带过，只说OOI是光互连，读者看完还是一头雾水。它的核心价值，集中在三点。

第一，极致压缩电信号传输距离，大幅降低信号损耗。

金属导线传高速电信号，天生就有损耗，距离每多一毫米，带来的功耗和信号衰减都是实实在在的。OOI把光电转换点贴到芯片内核附近，数据在芯片内部很短一段走电路，很快就转换成光信号。光信号在光纤里面传输，几乎没有损耗、不受电磁干扰，这是电信号完全比不了的。

落到算力集群上，直观效果就是：多卡之间通信延迟下降，相同功耗之下，能够支撑更高的互联带宽。大模型训练的时候，多卡之间同步参数、交换梯度数据的效率会明显提升，集群的有效算力可以进一步释放，而不是卡在数据互通上。

第二，单位带宽功耗大幅优化，缓解算力中心能耗压力。

现在算力中心最大的成本，除了硬件采购，就是电力和散热。很多地方新建超算集群，首先卡脖子的不是买不到GPU，而是供电配额不够。

OOI路线的目标，就是降低每Gbps带宽对应的功耗。同样传输这么多数据，耗电更少，散热压力跟着下降。对于动辄上万张GPU的超大规模集群，累计下来节约的电量是非常可观的，这也是云厂商、算力运营商愿意持续投入这个方向的核心原因。

第三，给超高带宽互联打开长期空间。

未来AI模型参数持续膨胀，GPU之间需要的互联带宽只会越来越高。传统分立光模块的方案，带宽提升的边际成本越来越高，物理接口、布线、散热都有上限。片上光互连，相当于换了一套底层架构，理论带宽上限远高于现有方案，是面向远期超大算力集群的技术储备。

但这里必须客观讲清楚一个关键点：OOI不是马上就能全面替代现有方案。它属于前沿技术，不是短期就能大规模量产落地的成熟产品。研发、流片、良率、配套工艺，全都是硬骨头。短期来看，主流市场依旧还是传统光模块、CPO路线为主，OOI更多是指明长期技术方向，是产业的远期蓝图，而不是下个月就大规模铺货的商品。

这也是为什么市场会出现两种截然不同的情绪：一部分人慌，一部分人兴奋。

三、产业链分层拆解：谁会承压，谁迎来新机会？

技术路线一变，整条光互连产业链的价值分配，就要重新划分。我们可以分成三个阵营来看，方便大家理清脉络。

第一类：短期承压，长期逻辑需要重新审视的环节

首当其冲的，是高度依赖外置独立光模块的赛道。

在传统模式里，高速光模块是独立的标准化单品，服务器厂商、云厂商单独采购。如果行业长期朝着CPO、OOI的方向走，光电组件不再做成独立的盒子，而是直接和芯片封装、硅片集成在一起，分立光模块的市场空间长期会被挤压。

不是说光模块企业马上就没有生意了，未来几年，AI算力扩容的需求还在，高速光模块的订单依旧饱满。但是远期的天花板、估值逻辑会发生变化。如果一家企业的收入几乎全部来自独立高速光模块，没有提前布局共封装、片上光器件，长期就会面临路线迭代带来的风险。

还有一部分配套的连接器、高速线缆厂商，逻辑和光模块类似。在电互连时代，高速线缆、连接器是多卡互联的必需品；当光互连不断往芯片内部渗透，长距离高速电链路的需求慢慢减少，相关产品的增量空间会被压缩。

第二类：直接受益于OOI新路线的细分赛道

OOI虽然压缩了独立光模块的空间，但它离不开光芯片、无源光器件、先进封装、硅光这几个核心底层环节，甚至需求会进一步放大。

1. 硅光芯片：OOI想要把光器件贴近芯片内核，硅光是最主流的载体。硅光技术是用成熟的CMOS工艺，在硅片上面做光波导、调制器、探测器，方便和GPU硅工艺兼容集成。英伟达推OOI，会带动整个硅光生态加速迭代，硅光相关的设计、制造环节，是这条路线里面确定性很高的一环。

2. 光源、激光器：不管光电转换放到哪里，都需要光源。片上集成光互连，对激光器的小型化、低功耗、高稳定性要求更高。外置光模块用的激光器，和片上集成方案的激光器，技术指标要求不一样，会催生新一代光源产品的需求。

3. 先进封装、基板、异质集成：OOI本质上是光电异质集成，要把硅电路、光器件封装整合在一起，对封装工艺、载板、键合技术的要求提升。先进封装本身也是现在算力赛道的主线之一，OOI会给先进封装叠加一层新的增长逻辑。

4. 光学测试设备：片上光器件的良率控制难度很高，每一片晶圆、每一个光单元都需要光学性能检测。新技术落地前期，测试验证的投入会持续增加，光学测试设备赛道会吃到产业早期的红利。

这里举几个行业内大家经常讨论的企业，仅做赛道标的举例，用来理解赛道分工，不作为看好或者买入依据：

长光华芯（688048）：聚焦激光芯片，覆盖光通信、激光光源方向；

中际旭创（300308）：高速光模块龙头，同时布局CPO、硅光相关技术；

新易盛（300502）：高速光模块厂商，同步跟进共封装光学技术研发；

华工科技（000988）：光模块、光芯片、无源器件多线布局；

长电科技（600584）：先进封测大厂，具备光电异质封装的工艺储备。

再强调一遍：罗列公司，只是用来展示产业链不同位置的代表，不代表这些企业一定会在OOI浪潮里面胜出，技术路线竞争激烈，研发失败、良率不及预期都是常见风险。

第三类：几乎不受短期影响，属于算力底层刚需的方向

GPU本身、光纤材料、算力服务器整机、散热这些环节，OOI更多改变的是内部互连方式，不会颠覆它们的底层需求。哪怕以后全都换成片上光互连，大模型训练依旧需要GPU，数据传输依旧需要光纤，服务器散热的需求依旧存在。这些赛道，核心逻辑看算力资本开支，而不是某一种互连技术的迭代。

四、散户最容易踩的两个认知大坑，一定要避开

每次大厂抛出新技术，市场很容易出现极端情绪，要么直接吹成颠覆一切，要么觉得旧赛道马上归零，这两种想法都很片面。

第一个坑：听到OOI，就觉得传统光模块要马上被淘汰。

技术迭代是循序渐进的，不是一键切换。CPO还处在小批量验证阶段，OOI比CPO难度更高，距离大规模商用还有很长的周期。未来3-5年，高速独立光模块依然是AI算力集群互联的主力。新技术是远期故事，短期业绩还是看订单、交付、毛利率。很多资金借着OOI的消息去砸光模块板块，或者无脑猛冲硅光，都是把长期逻辑短期化。

第二个坑：只要沾硅光、光芯片，就等于拿到入场券，一定会受益。

OOI是英伟达主导的一条技术路线，生态壁垒很高。不是随便一家做硅光的企业，都能顺利进入供应链。这里面涉及工艺适配、协议兼容、长期联合研发，门槛很高。很多公司只是在财报里面提一句布局硅光，实际还停留在实验室阶段，没有成熟产品，这种就属于纯概念炒作，没有基本面支撑。

分辨的办法很简单：看公司的公告、机构调研纪要，看它的研发进展、客户验证进度，而不是只看新闻标题。没有验证、没有样品、没有下游大厂配合，单纯蹭概念，热度退去之后很容易回落。

五、站在产业视角，我们该怎么看待这次技术变革？

算力行业这几年的主线，一直围绕两件事：一是单芯片算力不断往上堆，二是芯片之间怎么高效互通。英伟达这次的OOI，本质上不是凭空创造一个新赛道，而是沿着“缩短电链路”这个行业共识，往前走了一步。

它更深层的意义，是给整个行业指明一个方向：未来算力竞争，比拼的不只是GPU本身，还有整套光电融合的互连体系。谁能把光电集成做得更好，更低功耗、更高带宽，谁就能在超大规模AI集群里面掌握主动权。

这对国内产业链来说，既是挑战也是机会。挑战在于，前沿的片上光互连、硅光架构，核心标准很多由海外大厂主导，我们需要持续追赶工艺、设计、生态的差距；机会在于，光芯片、封装、无源器件这些环节，国内产业链这些年持续投入，已经慢慢建立起配套能力，在新的技术路线里面，有机会拿到更多份额。

对于我们普通看盘的人来说，不用急于下结论站队，不用急着去押注某一条路线。新技术出来，优先做观察者，而不是第一时间冲进去博弈。

可以把它当成一个长期跟踪的产业信号，后续持续关注几个节点：第一，OOI什么时候出工程样片；第二，下游云厂商、算力厂商什么时候开始做小规模测试；第三，国内厂商对应的配套产品什么时候完成验证、送出样品。这些节点，才是逻辑逐步兑现的标志，而不是消息发布的当天。

结尾

一条新技术的出现，从来不是简单的谁取代谁，而是产业链里面利益格局的重新平衡。英伟达OOI的亮相，有人焦虑原有业务的天花板，有人看到新赛道的曙光。

说到底，AI算力的竞赛远没有停下，互连墙这个难题，是所有玩家共同面对的关卡。

你之前有没有布局光模块、光芯片相关方向？你觉得OOI这条路线，距离真正大规模落地还有多久？欢迎在评论区留下你的看法，一起理性交流。

觉得这篇产业拆解对你看懂算力互连赛道有帮助，记得点赞、关注，后面持续给大家跟踪算力硬件赛道里面真实的技术进展，避开概念炒作的陷阱。

免责声明：本文内容基于公开行业技术信息、上市公司公开公告整理，仅为产业科普、逻辑交流，不构成任何投资建议。半导体、光通信行业技术迭代快、研发风险高，股价波动极大，请理性参与，风险自担。