今年的AI行情里，有一个关键词正在越来越频繁地出现：
那就是，光。
从英伟达、Broadcom推动CPO，到国内厂商集中布局硅光、NPO，再到今年WAIC上大量关于光互连的讨论，AI基础设施的竞争，正在从“单颗芯片能力”，逐渐延伸到“计算系统效率”。
最近，这个趋势又往前走了一步。
就在云栖大会开幕前几天，华为刚刚发布昇腾960超节点。这是业界首个采用NPO（近封装光学）光引擎的超节点，将为十万亿参数规模的大模型训练和推理提供算力支撑。
再看今年的云栖大会，这种感觉会更明显。
这次，阿里云正式发布新一代AI Native超节点服务器——磐久AL64分布式SNPO光互连超节点。其中一个重要变化，就是引入面向Scale-Up的SNPO方案，并将其作为下一代磐久超节点服务器的光互连方向。
所谓SNPO，简单说就是把光互连进一步往超节点内部推进，让光开始走到XPU附近。
更有意思的是，这种变化并不只发生在云厂商这一端。
在阿里开始围绕SNPO搭建下一代超节点互连架构的同时，国内硅光AI芯片设计领域的头部厂商曦智科技，也在云栖大会上带来了面向XPU Scale-Up的SNPO产品。
从华为率先把NPO放进超节点，到阿里推进SNPO，再到上游厂商开始推出对应产品，几件事情连在一起，已经释放出一个很清晰的信号：
光正在从AI基础设施的外围，一步步进入计算系统内部，越来越靠近算力核心。
/ 01 /
光开始进入Scale-Up，NPO迎来产业化窗口
过去几年，AI基础设施的发展，本质上是一场不断扩大计算规模的竞赛。
从大模型训练，到多模态，再到今天越来越复杂的推理和Agent系统，模型能力每往前走一步，背后都需要更多算力支撑。于是，AI基础设施也从早期的单机、单卡，一路走向千卡、万卡集群。
但算力规模继续扩大以后，问题开始发生变化。
过去，行业最关心的是一颗GPU能算多快。制程往前走一代，单卡性能提高一截，再通过更多GPU堆出更大的集群，整体算力就能继续增长。
现在，这条路径越来越难。
一方面，先进制程带来的性能提升正在放缓，单颗芯片继续提升算力的成本越来越高；另一方面，当几十颗、几百颗甚至上万颗XPU被放进同一个计算系统里，决定整体性能的已经不只是芯片本身。
芯片之间能不能足够快地交换数据，开始变得和计算本身同样重要。这也是为什么过去两年，AI基础设施的竞争开始从“单芯片性能”，转向“系统级效率”。
英伟达推动NVLink和NVSwitch，云厂商纷纷推出64卡、128卡甚至更大规模的超节点，本质上都在解决同一个问题：怎么把越来越多的XPU连接起来，让几十颗芯片尽可能像一颗芯片一样工作。
Scale-Up，也因此成为这一轮AI基础设施升级的核心方向。但当Scale-Up继续扩张，另一个物理瓶颈开始出现——材料。
过去，服务器内部的短距离互连主要依靠铜。
原因很简单，铜既便宜又成熟，在几十厘米到几米的距离里一直是最优选择。但随着SerDes从112G走向224G，未来进一步走向448G，信号速率越来越高，铜能够稳定传输的距离却在不断缩短。
于是，一个新的矛盾出现了：Scale-Up域越来越大，铜能走的距离却越来越短。
当一套超节点从一块主板扩展到整个机柜，甚至开始跨机柜，单纯依靠电互连已经越来越难支撑下一代带宽需求。光也由此开始从数据中心外围，一步步进入计算系统内部。
目前数据中心最主流的方案，仍然是传统可插拔光模块。
芯片输出高速电信号，光模块负责电光转换，再通过光纤把数据传出去。为了保证高速传输时信号不失真，今天很多高端光模块还要加入oDSP，对信号进行均衡、时钟恢复和修复。
这套方案在传统网络里很好用，但到了 AI 超节点里，情况就变了。
一方面，单通道速率不断从 100G 向 200G、400G 提升，oDSP 的功耗、时延和成本也随之增加；另一方面，Scale-Up 本身是一个“距离短、带宽极高、对时延和功耗极敏感”的场景，再继续沿用传统光模块的设计，越来越不划算。
于是，一个新的方向出现了：把光进一步搬到芯片附近，同时尽可能减少中间的电信号处理。
NPO，也就是 Near-Packaged Optics，正是在这个背景下出现。
相比传统可插拔光模块，NPO 把光引擎放到 XPU 或交换芯片附近，大幅缩短高速电信号在主板上需要走过的距离。在一些设计中，模块侧的 oDSP 也可以被去掉或弱化，从而进一步降低功耗、时延和成本。
但去掉 DSP，并不意味着产品变简单了。
DSP 原本承担的一部分信号补偿能力，需要重新分配给 TIA、Driver 和整个高速模拟链路。光芯片的设计、电芯片的配合等这些工作，都必须放到一个系统里统一考虑。
所以相比传统光模块，NPO更考验厂商的光电协同和全栈设计能力。这也是NPO真正的技术门槛所在。
再往前一步，当然还有CPO。把光引擎进一步推进到芯片封装内部，可以获得更高的带宽密度和更低功耗，也被很多海外厂商视为更长期的方向。比如，英伟达、博通等海外厂商，正在推动光引擎与交换芯片更深度集成。
但这条路径在国内很难直接复制。
一方面，国内 XPU 厂商更多、产业链更分散，很难像海外巨头那样把芯片、交换和光互连统一到一套封闭生态里；另一方面，国内 224G、448G 高速互连的瓶颈预计也会比海外更晚出现，没有必要过早承担 CPO 在良率、封装和供应链绑定上的复杂度。
在这种情况下，NPO 成了更现实的选择。
它同样把光搬到芯片附近，但保留了模块化和供应链解耦：XPU、交换芯片和光器件可以分别演进，系统厂商也能保留更多供应商选择，同时降低光电合封带来的良率和维护风险。
所以对国内来说，NPO 更像是在当前产业条件下，兼顾性能、开放性和工程可落地性的最优解。
这也是阿里推出最新SNPO超节点——磐久超节点服务器的原因。
现有的 NPO 标准，最早主要是为交换机设计的，模块体积相对较大。但到了 AI 超节点里，光模块需要被塞进更靠近 XPU 的位置，主板空间更紧、带宽密度也更高，原来的设计就不太够用了。
所以阿里重新定义了一套更小、更适合超节点内部使用的 SNPO 规格。
与传统的NPO 标准不同，阿里的SNPO支持3.2T、6.4T，模块尺寸进一步缩小，带宽密度比现有OIF规范提升约25%，接口可以从112G、224G继续向更高速率演进，同时给高功耗和液冷散热预留了空间。
这背后更大的变化是，光互连正在“计算基础设施”里占据越来越重要的位置。
阿里推进SNPO，是这轮变化最显性的信号之一。但对产业链来说，更值得关注的，其实是另一层机会：当光开始进入超节点内部，除了云厂商和系统厂商，谁还能在这轮架构变化里拿到新的价值量？
答案很可能不只在传统光模块厂商里。
/ 02 /
率先卡位SNPO，为什么是曦智？
随着 NPO热度快速上升，也有越来越多的厂商在云栖大会上推出了相关产品，比如，华工正源就展示了6.4T NP方案。
而在这批玩家中，曦智科技的路径尤其值得关注。此次云栖大会上，曦智首次展示了面向XPU Scale-Up的SNPO产品——3.2T/6.4T 收发一体硅光芯片。
这是一颗面向 NPO 模块的高性能硅光子集成芯片，在单颗芯片上同时集成了 16 路独立 53Gbaud 调制器通道和 16 路独立 53Gbaud 探测器通道，可以同时承担高速光信号的发送和接收。
但相比产品参数，更值得关注的是曦智切入 NPO 的路径。
行业里不少公司是从传统光模块、高速互连、DSP 或电芯片体系向 NPO 延伸，本质上是在原有产品上继续往“光”靠近。
而曦智走的是另一条路，它最早切入的是光电混合计算。
为了让光真正参与计算，公司过去几年需要同时解决光芯片、电芯片、高速接口、封装、散热和系统协同等一整套问题，也由此形成了一套相对完整的光电协同设计能力。
但做得越深，曦智就发现了一个问题：算得再快，如果数据搬不动，最终还是会卡在互连上。
片上不同计算核之间、芯片之间，都需要持续交换大量数据。计算能力不断提高以后，连接效率很快就会成为新的瓶颈。
也正因为如此，曦智很早就开始探索，怎么用光解决数据传输问题。
而曦智之所以能够从光计算一路延伸到光互连，原因在于两者虽然对应不同市场，但底层工程问题高度相通：都需要解决光电协同、高速接口、封装散热和系统稳定性。
于是，曦智的技术路线开始从“算”逐渐向“连”延伸。
2023年，公司推出 OptiHummingbird，已经利用片上光网络为64个计算核提供高带宽、低时延的数据传输。
到了2025年，曦智又进一步把光互连从芯片内部推向整个计算系统：先后提出 InfiniteHBD 高带宽域架构，推出 LightSphere X 光互连光交换超节点，并完成 xPU-CPO 光电共封装原型系统。
所以，从技术演进上看，曦智今天切入 NPO，并不是突然从光计算转向光互连，而是长期战略判断的结果。
这件事对曦智的意义，也不只是增加了一款产品，而是真正打开了曦智的商业边界。
相比仍处在较早产业化阶段的光计算，光互连已经面对一个更加确定的需求。
超节点越来越大，Scale-Up 带宽不断提升，铜互连正在逼近物理边界。NPO、CPO 等高速光互连方案，正在从技术选择变成真实的基础设施需求。资本开支也正在向这一环节倾斜。
据美银估算，AI光连接市场将从 2025 年约 140 亿美元增长到 2030 年约 730 亿美元，五年接近 5 倍，对应约 39% 的复合增速。到 2030 年，光连接预计占AI网络端口的约71%。
这意味着，曦智过去押注的光电融合能力，开始进入一个更大，也更靠近当下 AI 资本开支的市场。公司的产品边界，也可以从光电混合计算，进一步延伸到 NPO、CPO、内存互连等更广泛的 AI 基础设施场景。
而云栖大会上的这次出现，又给这条路径增加了一层产业意义。
阿里开始把 SNPO 引入超节点体系，曦智也首次展示面向 XPU Scale-Up 的 SNPO 产品。与此同时，从光模块厂商到硅光芯片厂商，越来越多产业链玩家开始围绕 NPO 推出产品和方案。
对于一项仍处在产业化早期的新技术来说，这种变化本身就是重要信号。它意味着光互连正在从少数公司的技术探索，逐渐进入产品验证和工程落地阶段。
而随着超节点越来越大，AI基础设施的价值重心也在发生变化。如果上一轮AI算力的赢家，是那些能够提供更多计算能力的公司，那么下一轮机会，很可能也属于那些能够让这些计算能力更高效连接起来的公司。
而这，或许才是这次云栖大会上，曦智值得被重新审视的地方。
