NVIDIA 共封装光学技术在 Lambda 投入运行
NVIDIA 和 Lambda 于 2026 年 11 月 16 日披露了一项连接超过 10,000 张 GPU 的生产部署。NVIDIA 共封装光学技术将光引擎置于网络芯片旁,现已进入实际运行的 AI 集群。它直接挑战的是传统可插拔光学方案,后者通过交换机前面板的可拆卸模块进行信号转换。
Lambda 表示,该系统运行在其魁北克园区,连接专为 AI 工作负载设计的 Blackwell Ultra GPU。其生产级 CPO 部署延续了该公司于 2025 年 11 月宣布的采用计划。该公司称,系统在维持相同吞吐量(即单位时间内传输的数据量)的同时,降低了网络延迟(即数据传输的延迟)。
这一组合值得关注,但不应将每次供应商比较都解读为覆盖整个集群的性能承诺。Broadcom 同样已推出共封装光学技术,因此这并非所有商业 CPO 活动的开端。这项进展在于,一家具名云服务运营商描述了其在大规模 GPU 环境中的生产使用情况,将维护和运营经济性带入讨论。
NVIDIA 共封装光学技术走出路线图
这一变化是一项由具名客户实际运行的部署,而非又一次产品发布或实验室演示。
Lambda 明确了安装地点、加速器代际、网络配置和基准测试结果。这些细节使其披露比笼统的未来可用性声明更具参考价值。买方如今可以就现有部署提出问题,而非完全通过规格参数评估一种拟议架构。
这一区别也改变了人们对 CPO 是否已准备就绪这一常见问题的理解。针对一家运营商生产环境的就绪程度,与跨许多设施广泛采用的就绪程度并不相同。Lambda 的公告回答了前一个问题,但后一个问题仍可能存在显著差异。
ServeTheHome 的 Patrick Kennedy 报道称,生产级光学集群确实存在且正在运行,并将交换机识别为 Quantum-X 硬件。他强调,可拆卸光源是一个重要的实用细节。其报道为部署提供了外部观察依据,但并未独立证实每一项宣传中的效率或可靠性数据。
“首次部署”表述的范围很重要。Lambda 将其安装描述为全球首个采用 CPO 的 NVIDIA Photonics 交换机大规模部署。这比声称此前无人将光引擎置于交换芯片旁更为具体。
已披露的集群还提供了组件出货无法提供的东西:可识别的运行场景。硬件交付证明产品已到达客户手中。生产使用则进一步证明,运营商已将其整合进工作环境,并接受了相应的运营责任。
不过,公告日期并不能证明安装日期。2026 年 11 月 16 日是经过核实的披露日期。读者不应将其视为该集群当天首次承载生产流量的证据。
集群规模确立了其相关性,但规模本身无法揭示工作负载覆盖范围。“生产”标签并未说明每台交换机运行了多久、哪些客户任务使用了它,或维护如何影响可用性。这些问题需要发布公告之外的运营记录来回答。
因此,这一部署之所以重要,并不是因为它终结了采用之争。它消除了“该架构仅属于演示场景”的绝对性异议,但并未消除将其服务要求与成熟设备进行比较的必要性。
对于基础设施买方而言,这改变了下一轮对话。与其询问运营商是否部署了 CPO,不如询问该运营商从中学到了什么。安装流程、更换工作流和应用结果,都会成为决定另一位买方是否应跟进的证据。
因此,最有力的解读是具体的:Lambda 已公开描述了一项规模可观的生产安装。这一披露提高了双方的标准——既针对承诺可轻松采用的支持者,也针对认为部署始终遥不可及的怀疑者。
可插拔光学方案面临运营经济性挑战
传统光学方案如今面临一项超越标称带宽的生产级比较。
可插拔收发器是一种可拆卸模块,负责将电信号转换为光信号,并将其转换回来。其易于接触的位置为运营商提供了熟悉的更换边界。当模块发生故障时,技术人员可以处理这一独立组件,而无需立即将整个交换机视为维修单元。
CPO 改变了部分转换发生的位置。竞争性问题在于,更紧密的集成是否能创造足够的运营价值,从而证明采用不同设备设计的合理性。这需要将功耗、散热、维护和工作负载完成情况一并考察。
直接压力落在依赖传统可插拔架构构建大型 AI 网络的供应商和运营商身上。他们的回应不必是全面替换,但确实需要更清楚地说明:模块化在哪些方面胜过更紧密集成所带来的益处。
对于规划新集群的运营商,网络用电会与设施电力分配中的其他需求竞争。降低网络能耗可增加规划灵活性,但不会自动允许部署更多 GPU,因为散热、楼面空间、配电及其他限制依然存在。
这一区别将合理的商业优势与缺乏依据的容量主张区分开来。组件可以变得更高效,却不改变站点可用的加速器数量。买方需要先了解设施模型,才能将光学节能转化为额外算力。
工作负载问题同样很具体。以分布式训练为例:AI 模型在多个处理器之间学习,并交换中间结果。即使单个处理器保持正常,网络中断也可能拖慢协同工作。
因此,运营商关注的是较长周期内完成的工作量,而不仅是一次不间断传输的速度。即使最大吞吐量与替代方案相同,所需人工干预更少的网络仍可能具有价值。
这是审视 Lambda 披露信息的一个有用视角。该公司呈现的并非以更高带宽取代较低带宽的简单叙事。其报告的比较在吞吐量不变之外,强调了延迟、温度和信号稳定性。
这既给采购流程带来压力,也给硬件带来压力。规格表可以直接比较端口速度,而评估集群有效运行时间则需要对中断、维修时长、工作负载行为以及运营商隔离故障的能力作出假设。
买方还应区分新建项目与既有安装环境。围绕拟议交换机设计的设施,可以从一开始就容纳其服务与散热要求。既有环境则已有设备、备件库存和流程,这些都会影响替换决策。
两种情境都不存在自动胜出的方案。成熟设备可凭借可预测的运营方式保留价值;当集成光学方案的实测收益超过改变这些运营方式的成本时,也可能获得采用。
短期内,被迫作出的回应是提供更好的证据。可插拔供应商需要可信的系统级比较,而 CPO 供应商需要运营数据。双方都必须解释,其架构如何影响客户实际完成的工作。
移动转换点改变硬件设计
CPO 的核心机制,是在数据进入光纤前缩短其电信号传输路径。
交换芯片负责在网络连接之间引导流量。在传统光学设计中,电信号会先传输至前面板模块,然后完成转换。将光引擎移至芯片旁,改变了系统必须支持的物理路径。
NVIDIA 的光子学部署细节描述了如何将这一路径从数英寸缩短至数毫米。该公司称,这可减少信号损失并省去 retimer 芯片,即用于恢复信号时序的组件。其架构论点很直接:避免为补偿较长电连接而消耗能量。
NVIDIA 声称,相较于传统可插拔光学方案,其光学功率效率最高可提升五倍,可靠性最高可提升 15 倍。该公司还称,该设计所用激光器减少至四分之一。这些是供应商的比较,并非针对每项安装或应用均已独立证实的改进。
光学效率与整体系统效率之间的区别至关重要。光学子系统只消耗集群电力的一部分。提升该子系统的效率,并不意味着整个设施的能耗会按相同比例下降。
同样,激光器数量减少也不应在任何可能意义上被等同于完整故障路径的减少。系统中还包括连接器、散热设备、电子元件、软件和其他依赖项。统计某一类组件,不能取代整体可靠性评估。
因此,NVIDIA CPO 与可插拔方案之争关乎架构,而不只是将熟悉的模块换成更小的模块。集成改变了组件间的关系,也影响工程师如何划分测试、散热、更换和故障隔离的责任。
Lambda 表示,其交换机拥有 144 个以每秒 800 千兆比特运行的端口,采用液冷,并配有 18 个可拆卸外部光源。这些光源为光引擎提供光线。这种安排在将转换硬件移近交换芯片的同时,保留了可更换的激光模块。
这一服务边界值得仔细关注。可拆卸光源解决的是该光源的更换问题,并不能证明每个光引擎或封装连接都同样易于维修。
实际问题在于,技术人员识别出故障之后会发生什么。能否在不中断无关工作负载的情况下更换受影响组件?更换前需要进行多少诊断?哪些故障需要移除更大的总成?
这些问题并不会否定缩短路径这一机制。它们决定了其理论优势能在多大程度上保留于实际运行环境中。一种设计可以降低电气复杂性,同时在其他环节引入新的依赖关系。
因此,NVIDIA 共封装光学技术应被视为完整的系统选择。其价值取决于这一组合设计能否产生更好的运营结果,包括为其提供维护服务所带来的后果。
这也解释了为何生产部署比示意图更有分量。物理集成在纸面上看起来可能很有说服力,而运行中的设备会检验由此形成的边界是否适合维护集群的人员。
这项技术转变真实且易于理解。剩下的任务是将这种转变与持续衡量的结果联系起来,而不是让某个组件层面的倍数替代整个系统。
Broadcom 让“首个”说法更具体
Lambda 的部署意义重大,但这并不意味着 NVIDIA 是商用共封装光学技术的起源。
Broadcom 于 2024 年 3 月 14 日宣布向客户交付其 Bailly 平台。其 Bailly CPO 平台将光引擎与 Tomahawk 5 以太网交换芯片结合。以太网是一种广泛用于连接计算系统的网络技术。
此前的交付具有重要意义,因为多个里程碑可以并存。一家供应商可以在另一家公司公开披露大型生产集群之前交付组件平台。后者的披露仍可推进相关证据,但不会抹去前者的成就。
Broadcom 于 2025 年 10 月 1 日公布了另一项相关里程碑。该公司称,Meta 的累计 400G 等效端口设备运行时长已达 100 万小时,且未发生链路抖动。链路抖动是指意外的连接状态变化,会导致连接中断。
其 CPO 可靠性测试披露还称,其光学功耗低于可插拔模块。这些仍是供应商报告的结果,并有各自的测试条件。它们构成了另一组与部署相关的证据,而非可与 Lambda 直接比较的评分。
区分实际经过时间与累计设备小时尤为重要。将多个端口的运行小时数相加,会得到一种暴露量指标。这并不意味着某一条单独连接在整个累计时长内持续不间断运行。
端口小时数也无法回答与 GPU 数量相同的问题。前者描述的是跨连接累积的观测情况,后者描述的是计算设施的规模。在评估可靠性时,二者都不能替代对方。
这些差异解释了为何无法仅根据这些公告选出全行业的胜者。可比的评估需要统一的流量条件、设备边界、故障定义和观测周期。否则,看似相近的百分比可能描述的是不同事物。
对于买家而言,Broadcom 是集成式光网络技术的另一供应来源。它的存在意味着,采用 CPO 并非完全押注于单一供应商制造此类硬件的能力。这并不意味着系统可以互换,或运行要求完全相同。
这使文章的核心比较保持不变。主要竞争是集成式光引擎与传统可插拔架构之间的竞争。供应商之间的竞争会影响这一竞争如何发展,但不能取代它。
竞争压力也影响着供应商使用的措辞。当多家公司都披露出货、测试和生产部署时,宽泛的“史上首次”说法就不再那么有信息价值。审慎界定的里程碑有助于读者理解究竟哪些证据发生了变化。
一个拥有超过 10,000 块 GPU 的具名部署是一项重要补充。它为客户提供了另一个运行参考,也使“永远局限于实验室”的笼统说法更难成立。但竞争供应商仍可依据各自的部署历史和设计加以区分。
有价值的问题不再是谁能贴上最宽泛的“首个”标签,而是哪种架构能在买家的条件下带来可重复的收益,以及哪家供应商能够长期支持它。
更低延迟并不是集群范围的性能倍增器
已公布的基准测试支持的是网络层面的比较,而非“AI 应用普遍更快”的说法。
Lambda 报告称,网络延迟在机架规模下降低了 3.8%,在 pod 规模下降低了 10.1%。pod 是由互连基础设施组成的更大单元。该公司还称,其测试的不同配置具有相同吞吐量。
该公司给出的中位光学温度为:CPO 36°C,传统可插拔光学器件 51°C。这些观察结果有参考价值,但仍仅限于所报告的比较结果。它们并不描述所有运行环境,也不能证明每个组件的温度。
应用性能需要单独衡量。大量时间用于通信的工作负载,与主要受计算限制的工作负载,可能产生不同反应。因此,同样的网络变化可能带来不同的端到端结果。
例如,训练团队可能关心完成一项固定学习任务所需的时间。网络基准测试只衡量了这一体验的一部分。数据加载、软件行为、处理器利用率以及从中断中恢复的能力,也会影响完成时间。
推理,即基于训练完成的模型生成输出的过程,又引入了另一组问题。买家可能关注负载下的响应时间,或在服务目标范围内完成的请求数量。仅凭更低的传输延迟,并不能说明其中任何一项结果。
可靠性主张同样需要这种严谨性。所谓更高可靠性,必须有明确的故障事件和比较边界。连接中断、组件更换、作业失败和客户可见的服务中断彼此相关,但衡量的并不是同一件事。
没有这些定义,读者就无法将可靠性倍数转化为预期的应用可用性。该倍数也不能被解读为 GPU 计算速度更快。它描述的是网络比较中一种被主张的运行特性。
可维护性仍是最有价值的质疑角度,因为部署改变了组件边界。研究人员 Yasha Yi 和 Danny Wilkerson 在其 2026 年 3 月的 CPO 架构分析中提出了相关论点。这篇预印本强调,封装、热管理、标准化和可维护性都是采用过程中的问题。
这项工作是更广泛的架构分析,并非对 Lambda 部署的审查。不应将其表述为该部署存在特定缺陷的证据。它的价值在于指出,仅靠组件规格无法解决的问题。
严格的评估应在传输基准之外,纳入维修流程和实际维护结果。它还应区分计划内干预与意外故障。这些区别能揭示,较低的组件功耗是否会转化为更高效的运行系统。
NVIDIA CPO 与可插拔方案的比较,也应考虑替代方案的优势。易于接触的模块和成熟的流程具有运行价值。当拟议的能效收益不足以证明改变服务模式是合理的时,买家完全可以继续采用它们。
因此,这一生产公告缩小了不确定性,而非消除了不确定性。部署可行性拥有了更强的公开证据。长期运行优势仍需要来自持续使用、定义清晰且可比的测量结果。
三个信号将揭示采用范围是否扩大
下一步证据应按顺序证明可重复性、可修复性和应用价值。
第一个信号是另一家具名生产客户对其部署进行说明。在未来三个月内,包含硬件细节和运行背景的披露,将比新增一个合作伙伴标志更有信息价值。它将检验部署是否已扩展到这一特定运营商和设施之外。
复制部署将增强更广泛采用的论据,尤其是在客户描述的条件不同于 Lambda 的情况下。如果没有进一步公告,泛化能力仍将无法确定。仅凭沉默并不能证明不存在未披露的部署。
第二个信号是更完整的运行记录。有用的披露应定义连接故障、观测周期、更换事件和维修持续时间。它们应说明技术人员更换了什么,以及这一干预是否中断了无关的工作负载。
如果此类证据显示,在可控的维修要求下收益能够持续,将增强可靠性论据。如果维修耗费的时间足以抵消所称的故障减少效果,则会削弱这一论据。无论哪种结果,都比未定义的倍数更有价值。
第三个信号是在受控条件下进行的应用层比较。买家应寻找在匹配的硬件和软件设置下完成的训练工作或推理服务性能。这些测量将网络设计与客户实际购买的输出联系起来。
积极的应用结果将增强“集成提升有效计算产出”的论点。未变化的应用结果则会将收益收窄至电力、冷却或维护层面。它们不会自动使该架构失去吸引力,但会改变采购理由。
这一顺序很重要。新增客户可证明跨运营商的可重复性。运行记录可证明维护模式是否经得住考验。应用比较则可证明网络对有用工作的贡献有多大。
租用算力的开发者不需要亲自选择光学组件。但他们确实需要区分云服务商的基础设施主张与对自身工作负载的承诺。一个部署里程碑并不保证每次训练运行都能更快完成。
企业买家面临着类似的文档问题。技术公告通常会混合观察到的测量结果、架构说明和前瞻性承诺。将这些类别区分开来,会使后续比较更可靠。
跟踪证据的工程团队可以使用可搜索的知识库,在部署更新的同时保留基准测试条件。有用的记录包括测量了什么、比较如何进行,以及哪些问题仍未得到解答。
NVIDIA 共封装光学技术如今已有一个重要的具名生产参考案例,但采购决策仍应在工作负载和运行层面作出。请向潜在服务商索取匹配的应用结果、定义清晰的中断统计数据,以及更换失效光学组件的流程。将这些证据与团队已经了解的设备和支持模式进行比较。将节能与设施总节省分开看待,并将网络延迟与应用完成时间分开看待。最重要的是,应随着运行记录的积累重新审视这一比较,而不要把这份公告当作永久结论。当下一次部署到来时,它是否会在不同条件下重现同样的收益?其运营商又是否会公布足够的细节,让人能够判断?



