黄仁勋台北电脑展最新对谈：AI算力物理战升级，“能用铜就用铜”背后的冷静思考

在台北电脑展（ COMPUTEX 2026 ）的火热氛围中，英伟达（ NVIDIA ） CEO 黄仁勋与迈威尔科技（ Marvell ） CEO Matt Murphy 的一场同台对谈引发了全行业的关注。黄仁勋以他一贯的直率风格为高速互联技术路径定下了务实策略：“能用铜的地方就用铜，必须用光的地方才用光。”这句话在这个到处充斥着“硅光子”和“CPO”（共封装光学）宏大叙事的行业里，显得极为刺耳，但也无比现实。

说实话，对于长期被笼罩在“算力焦虑”下的行业来说，大家都在盲目跟风，往往将视线聚焦在 GPU 的制程、 HBM 的带宽上，却尴尬地忽略了连接这些芯片的物理媒介。而这一次，算力巨头和网络连接巨头的直接对话，将聚光灯重新拉回了算力大坝之下的物理底座。

物理现实的算计：为什么英伟达执着于“死磕”铜缆？

当全市场都在为高带宽、超长传输距离的光通信概念买单，甚至觉得铜缆要“吃灰”时，英伟达的工程现实感却显得异常冷酷。

以其最新的 GB200 NVL72 架构为例，在单个机架内部，英伟达使用了约 5000 根独立的铜缆（铜介质直连），总长度达到惊人的 2 英里。通过这些无源铜缆， GPU 与 NVSwitch 实现了直接的高速互联。

这个决定在发布之初就曾引发过行业争论：为什么在如此前沿的 AI 旗舰产品中，英伟达要放弃看起来更先进的光模块，反而退回到最传统、最古老的铜介质？

其实不是，这并不是什么高深的技术转向，更准确地说，是一场关于工程成本与运行可靠性的冷酷算计。

评估 AI 集群的互联成熟度（比如以 ROI 和故障率为尺度），本质上是在算一笔物理与工程的硬账。

最底层的逻辑是故障率。

铜缆是无源的。没有激光器，没有电光转换芯片，也就没有光器件那居高不下的硬件损耗。在动辄包含数万张卡的超级算力集群里，任何一个微小光模块的罢工，都意味着整批训练任务的狼狈中断。一旦翻车，百万美元的算力成本就白费了，这让很多硬件运维人员非常焦虑。省电同样是刚需——因为干掉了光电转换， GB200 单个机架能直接省下将近 20 kW 的功耗。在动辄数十千瓦甚至上百千瓦的 AI 机柜里，这省下的每一瓦电，都是在为岌岌可危的冷却系统减轻负担。如果散热搞不好，系统很容易崩溃。

剩下的就是物理距离。在机柜内部数米之内（更准确地说，是 2 米以内），铜缆的传输极限刚好能兜住。

这个逻辑成立。在几米之内的短距离战场上，铜缆凭借极低的成本、极高的可靠性和零功耗，依然是难以被撼动的物理之王。

然而，一旦跨越了这个物理距离，故事的走向就完全不同了。

224 Gbps 的物理悬崖：当铜介质遇到“电磁波泄露器”的宿命

铜缆虽然好用，但它正一脚踩在物理极限的悬崖边缘。

当数据传输速率从 112 Gbps 迈向 224 Gbps ，铜介质的物理局限性就再也藏不住了。在高频信号下，铜缆的有效传输距离急剧缩短，超过 2 米，信号就可能衰减到无法识别。

换句话说，这时的铜缆不再只是导线（甚至成了高发热天线）。它更像是一个微型的“电磁波泄露器”和高发热的“电磁泥潭”。这并不是瞎折腾，而是高频物理规律的铁拳。

但现实更复杂。在跨机架、跨区域的分布式大集群互联中，物理距离往往长达数十米甚至数百米。在这种场景下，高频衰减的铜缆完全无法胜任，强行布线只会让人崩溃。

此时，“用光”就成了不得不的选择。

Marvell CEO Matt Murphy 指出， AI 数据中心基础设施的物理瓶颈已经历了三次显著的演化：

第一阶段，算力瓶颈。这由英伟达的 Tensor Core 强行敲碎。
第二阶段，内存瓶颈。由高带宽内存（ HBM ）的堆叠暂时缓解。
现在，第三阶段，连接（ Connectivity ）成了新的大山。

有意思的是，随着 AI 任务从单点的大模型训练演进到分布式的 Agent （智能体）复杂协同，计算任务被拆解并飞速在整个数据中心的成千上万张显卡之间传递。这就要求整个网络必须具备极高的互联效率。

一旦连接出现延迟，哪怕 GPU 算力再强，也只能处于“饥饿”等待状态。数据中心互联的效率，正在成为决定 AI 工厂最终整体性能的决定性战场，这直接构成了厂商们的商业壁垒和技术护城河。

商业与工程的帕累托最优：光与铜的长期共存共生

黄仁勋在对谈中甚至公开预测，在数据中心高速互联和定制 ASIC 领域深耕的 Marvell ，将有望成为下一家市值破万亿美元的芯片巨头。

这看似是一句台北电脑展上的社交客套，但仔细琢磨，它实则透露出英伟达对于大集群互联瓶颈的深刻焦虑。这真不是忽悠。

在光器件行业高呼“光进铜退”的自嗨式狂欢中，黄仁勋的务实克制恰恰提醒了我们工程美学的真谛：技术并不是越前沿越好，而是在特定的物理定律与商业成本边界下，寻找最佳的帕累托最优解。

网络拓扑的划分，本质上就是对物理距离的切分：

[GPU节点]--(短距/无源/高稳定)-->[机架内部：铜缆直连]--(长距/高带宽/光电转换)-->[跨机架/大集群：光模块/硅光/CPO]

这并非是一场零和博弈——至少目前还不是。

坦白讲，在未来 5 到 10 年，随着 AI 集群规模向十万卡、百万卡级别扩展，跨机架的连接需求呈指数级增长，光通信、硅光子及 CPO 技术依然有着极广阔的爆发空间；而机架内部的铜缆，也依然牢牢扼守着它的短距阵地，不会轻易凉凉。

算力物理战的终局：我们准备好迎接“全光时代”了吗？

在这场由 AI 催生出的高速互联浪潮中，芯片巨头和通信巨头们正在物理学的悬崖边缘，用极致的工程设计搭建起一座座连接算力的桥梁。

“能用铜就用铜，必须用光才用光”，本质上是对物理极限的榨取，也是对商业常识的敬畏。这种工程上的妥协与平衡，让大模型得以用更低的电力、更稳定的系统跑完一次次复杂的迭代。

但有一点值得持续跟踪，现在下结论为时尚早：

当 448 Gbps 甚至更高传输速率的时代到来，当铜缆连 1 米的传输距离都无法保证时，物理法则将彻底关闭铜缆的短距大门。

别天真了，我们还没准备好迎接“全光时代”。这并不是在制造焦虑，而是残酷的现实。到那时，我们是否真的准备好迎接一个完全由光纤、硅光子主导，成本高昂且需要面对全新故障率挑战的“纯光互联”时代？

这或许是算力狂欢下，冷酷的物理学规律给大厂们泼的又一盆冷水——但在泡沫破裂之前，大家往往更愿意在自嗨里假装看不见。