英伟达CTO重磅发声：AI芯片与CPO光模块深度绑定，开启算力互联新纪元

       2025年10月，在全球光通信领域顶级盛会ECOC 2025上，英伟达首席技术官（CTO）发表主题演讲，抛出行业重磅信号：下一代GPU将与共封装光学（CPO）技术深度集成、紧密绑定，以此突破带宽瓶颈，满足千亿乃至万亿参数大模型的高效运行需求。这一表态不仅明确了英伟达在AI算力基础设施领域的战略布局，更正式确立了AI算力“芯片+光互联”的协同演进路线，将深刻推动全球数据中心架构迎来革命性变革。

       随着AI大模型向千亿、万亿参数跨越，多模态融合成为主流趋势，带宽已取代单一算力，成为制约大模型训练效率与推理体验的核心枷锁。传统AI算力架构中，GPU与光模块采用分离式设计，数据传输过程中存在信号损耗大、延迟高、功耗偏高的痛点，难以匹配海量参数模型的高频数据交互需求——据行业测算，千亿参数模型单次训练迭代需传输约100GB梯度数据，传统架构下的带宽短板会导致GPU算力利用率不足30%，严重浪费硬件资源并拉长研发周期。

       在此背景下，英伟达CTO强调的CPO与GPU深度绑定，成为破解带宽困境的关键路径。作为新一代光互联核心技术，CPO通过将光引擎与AI芯片共封装集成，大幅缩短电信号传输距离，相较于传统可插拔光模块，可使功耗降低50%以上，传输延迟降至5-10ns，单端口带宽密度提升10倍，完美适配千亿参数及以上大模型对高带宽、低延迟、低功耗的核心需求。据悉，英伟达已布局3D封装架构的CPO方案，采用电子芯片置于光子芯片上方的堆叠布局，搭配微环调制器，进一步提升集成效率与传输性能。

       此次表态的核心意义，远不止于单一企业的技术布局，更在于为全球AI算力产业确立了“芯片+光互联”的协同演进共识。长期以来，AI芯片与光互联领域多处于各自迭代、协同不足的状态，算力提升与带宽升级脱节，制约了AI产业向更高阶发展。英伟达作为全球AI芯片领域的领军者，其明确将CPO纳入下一代GPU核心架构，相当于为行业树立了技术标杆，将推动芯片厂商、光模块企业、数据中心运营商形成协同研发、联动升级的产业生态。

       行业分析认为，这一战略布局将引发连锁反应，推动数据中心架构迎来根本性变革。传统数据中心的“计算-互联-存储”分离式架构将逐步被“芯片-光互联”一体化架构替代，CPO技术将从当前的概念验证、小规模试点，加速进入规模化量产阶段，成为AI数据中心的核心标配。与此同时，产业价值将重新分配，光引擎、核心光器件、先进封装等环节将成为产业链核心增长点，带动上下游企业加速技术突破与产能布局。

       从产业长远发展来看，英伟达推动AI芯片与CPO的深度绑定，不仅将破解当前大模型发展的带宽瓶颈，更将为AI算力的持续突破奠定基础。随着“芯片+光互联”协同演进路线的落地，AI大模型的训练效率将大幅提升，多模态交互、自动驾驶、量子计算等高端应用场景的落地速度将进一步加快。作为AI产业的核心基础设施，算力架构的革新也将带动数字经济全产业链升级，开启AI产业发展的全新阶段。