苹果公司2026年产品策略调整 - 核心观点：苹果公司计划调整2026年产品发布策略，优先保障并重点推出三款高端新iPhone机型，同时推迟标准版iPhone 18的上市时间，以优化资源配置、应对供应链挑战并最大化高端机型的营收与利润[1] - 具体产品规划：2026年下半年将重点推出旗下首款折叠屏iPhone，以及两款配备更高端摄像头和更大尺寸显示屏的非折叠高端机型[1] - 标准版机型调整：标准版的iPhone 18预计将推迟至2027年上半年出货[1] 策略调整的驱动因素 - 供应链与成本压力：当前存储芯片及其他原材料价格持续上涨，供应链运转是核心挑战之一，苹果此举旨在优化资源配置以应对供应限制和成本激增的压力[1][2] - 利润最大化：调整策略旨在最大限度地从高端机型中获取营收与利润[1] - 生产风险控制：首款折叠屏iPhone的量产涉及更复杂的工艺技术与新型材料，需要更多时间达到合格的质量标准，优先保障高端机型生产有助于将潜在的生产风险降至最低[1] 行业背景与供应链挑战 - 行业普遍承压：科技行业供应链，尤其是消费电子领域，正面临存储芯片及各类原材料供应短缺的压力，小米、OPPO、vivo和传音等多家中国智能手机厂商已下调了今年的出货预期[2] - 苹果面临的具体限制：苹果公司警告iPhone正面临供应限制，该问题已对2024年1至3月的季度业绩造成影响，部分现有供应商已将资源和重心转向服务英伟达、谷歌、亚马逊等AI领域头部企业[2] - 材料供应担忧：由于人工智能服务器系统消耗了全球大部分高端芯片基板用玻纤布，苹果也在为这类材料的供应问题担忧[2] 公司的应对措施 - 供应链管理：苹果即将召开年度供应商大会，本次大会规模有所扩大，纳入了更多零部件厂商和原材料供应商，目的是确保今年供应链的稳定性[3] - 产品研发管线：苹果目前至少有五款新iPhone处于研发阶段，包括一款经过重新设计、厚度创下历史新低的iPhone Air，一款标准版新机型，以及三款高端机型，iPhone Air预计不会在2026年上市[2] 行业内的普遍调整 - 其他厂商的应对：并非只有智能手机厂商在调整2026年的生产计划，许多个人电脑厂商已迅速重新设计产品或调整产品线优先级，以更高效地利用有限的存储芯片资源，部分中国智能手机厂商则因成本上涨和供应瓶颈，取消了部分入门级机型的发布计划[3]

黄仁勋对马斯克自建晶圆厂计划的评论 - 英伟达首席执行官黄仁勋对埃隆·马斯克建造并运营超大规模晶圆厂“TeraFab”的计划发表了审慎表态，强调先进芯片制造是全球技术门槛最高的产业领域之一，其难度绝非仅凭资本投入就能攻克 [1] - 黄仁勋指出，建造晶圆厂绝非易事，真正的制造能力取决于数十年积累的工艺研发经验、复杂的设备整合技术以及高度协同的供应链体系，并以台积电等行业龙头为例，佐证成功关键在于持续稳定的技术落地能力，而非单纯资金投入 [1] 马斯克自建晶圆厂的背景与目标 - 埃隆·马斯克推进自建大型芯片工厂“TeraFab”的计划，旨在为特斯拉的人工智能芯片与车载芯片提供长期稳定的供应保障，以降低未来遭遇半导体供应短缺的风险 [1][2] - 该计划由特斯拉对定制化人工智能处理器、自动驾驶硬件及车载计算系统的需求持续攀升所驱动，凸显出人工智能及电动汽车企业在保障芯片长期供应方面面临的压力正不断加大 [2] - 据报道，马斯克为TeraFab计划设定的目标产能最高可达每月100万片芯片，而行业估算建设这样一座工厂所需的投资额或将高达数千亿美元 [2] 行业观点与挑战 - 黄仁勋曾表示，即便是成熟的科技企业，要达到头部晶圆代工厂的制造标准也“极其困难”，并以英特尔为例，指出其即便拥有数十年行业经验，在布局先进制程代工业务时仍面临重重挑战 [2] - 从行业观点来看，要复制全球顶尖的半导体制造能力，绝非短期建设就能完成，而是一项需要跨越数代人努力的艰巨挑战 [2]

先进封装技术概述 - 先进封装是一系列用于强化芯片整合、连接与系统性能的封装方案，例如CoWoS、SoIC，其本质是从传统“盖平房”式的平面连接升级到2.5D甚至3D的立体堆叠方式[2] - 该技术通过缩短芯片与芯片、芯片与内存之间的距离，让算力得到更高效的发挥，将分散的性能潜力转化为实际可用的输出效果，而非直接提升运算速度[2] 先进封装影响性能的关键原理 - 性能影响的核心在于线路分布，数据在芯片内部移动的能耗有时甚至超过运算本身，先进封装通过搭建类似“天桥”的短连接路径，减少延迟并节省电能[3] - 封装结构紧密影响散热表现，芯片堆叠越密集热源越集中，若热量无法有效散发将限制实际可用性能，因此封装设计成为决定芯片性能上限的关键因素[3] 不同应用场景的封装技术分化 - AI与数据中心芯片追求极致输出，封装设计不惜成本以追求最高带宽与传输效率，旨在搭载海量内存如HBM[4] - 智能手机等移动设备芯片的封装（如InFO技术）则追求极致轻薄，需在高度整合、功耗与续航之间找到平衡，是一场“口袋里的空间艺术”[4] 先进封装的前沿技术发展 - 行业开始研发“玻璃基板”以替代传统塑料材质，玻璃能制作更细小的线路使信号传递更精准，其耐高温特性可减少材料膨胀与翘曲问题，并能同时封装更多芯片以降低生产成本[5] - 面板级封装（FOPLP）改用方形封装替代传统圆形晶圆，能更充分利用空间减少边角浪费，通过“极致利用”的逻辑在提升产量的同时进一步压低成本[5] 行业技术演进背景 - 随着2纳米制程逐步量产，芯片性能不再只依赖晶体管微缩，负责整合与配置的“先进封装”已成为市场高度关注的核心技术[1]

公司第四季度业绩表现 - 第四季度销售额为33.3亿美元，同比增长0.2%，结束了连续几个季度的下滑 [1] - 第四季度销售额高于公司此前预期的中值，并超过了Visible Alpha分析师预测的32.8亿美元 [1] - 第四季度公司由上年同期盈利3.41亿美元转为净亏损3000万美元 [2] - 第四季度毛利润从12.5亿美元下滑至11.7亿美元，毛利率为35.2% [2] - 第四季度毛利润11.7亿美元高于分析师预测的11.5亿美元，但净利润3000万美元亏损与分析师的2.332亿美元盈利预测形成反差 [2] 公司业务与市场需求分化 - 第四季度销售额增长得益于个人电子产品、通信设备、计算机外围设备和工业机械的芯片需求增加 [1] - 公司面向汽车客户的业务表现低于预期，表明来自该关键终端市场的需求依然疲软 [1] - 汽车制造商面临电动汽车推广缓慢、中国竞争对手的激烈挑战，并仍在消化疫情高峰期积累的芯片库存，导致行业对半导体需求持续低迷 [1] - 人工智能芯片需求强劲，与企业寻求更先进半导体为数据中心提供动力有关，与传统半导体（如汽车）的需求疲软形成鲜明对比 [1] 公司战略调整与未来展望 - 人工智能芯片与传统半导体之间的需求分化，迫使公司近年来多次下调业绩预期并裁员 [2] - 公司计划到2027年将有5000名员工离开，其中包括2024年4月宣布的2800个裁员岗位，这是其重组生产布局和削减成本计划的一部分 [2] - 公司预计2024年净资本支出在20亿美元至22亿美元之间 [2] - 公司预计2024年第一季度营收约为30.4亿美元，高于去年同期的25.2亿美元，表明销售额将继续增长 [2] - 公司预计2024年第一季度毛利率约为33.7%，高于去年同期的33.4% [2]

文章核心观点 - 人工智能芯片市场长期由英伟达主导，但亚马逊和谷歌通过自研芯片及与关键客户（如Anthropic）的合作，正在其业务版图上打开缺口，成为英伟达最棘手的竞争对手 [1] - 尽管英伟达仍占据市场绝对份额，但亚马逊和谷歌的芯片业务已形成数十亿至数百亿美元的营收规模，其增长势头和与头部AI公司的合作可能引发行业格局的长期变化 [2][5][6] 市场格局与竞争态势 - 英伟达牢牢掌控人工智能芯片市场92%的份额，2025年其人工智能芯片业务营收逼近2000亿美元 [2] - 亚马逊和谷歌是英伟达两大核心客户，同时也是其最棘手的竞争对手，它们一边自研芯片并向客户供货，另一边仍将英伟达作为核心供应商 [1][2] - 其他竞争者包括AMD、赛灵思等老牌及初创公司，以及微软、Meta等科技巨头 [1] 亚马逊的芯片业务进展 - 亚马逊自研人工智能芯片Trainium的营收在2025年已突破“数十亿美元” [2] - 亚马逊向Anthropic投资40亿美元，部分原因是Anthropic承诺将采用亚马逊芯片开发人工智能系统 [5] - 亚马逊与Anthropic合作定制开发了新一代芯片Trainium 2，尽管单芯片性能不及对手，但通过在每个数据中心部署两倍于竞争对手的芯片数量，力求在同等功耗下提供更强算力 [5] - 亚马逊云科技副总裁表示，其芯片业务营收每三个月（季度）就能实现150%的增长，增长瓶颈在于芯片产能 [6] 谷歌的芯片业务进展 - 谷歌的张量处理单元（TPU）芯片营收已达到数百亿美元规模 [2] - 谷歌通过博通向Anthropic出售了价值100亿美元的芯片，并获得了Anthropic追加的110亿美元订单 [3] - 与Anthropic的合作开创了新模式：谷歌首次允许外部企业将自家芯片安装在非谷歌旗下的数据中心内 [3] - 谷歌为合作伙伴Fluidstack的数据中心建设债务提供了担保，若其无力偿还，将由谷歌代为偿付 [3] 关键客户Anthropic的角色与动机 - Anthropic是全球顶尖人工智能企业之一，高度依赖英伟达芯片，但正着力降低对其依赖，部分原因是出于对英伟达向中国出售芯片做法的不满 [3] - Anthropic希望严格管控自身AI技术，确保核心代码安全，因此选择运营自有数据中心，这促成了其与谷歌的特殊芯片供应合作 [4] - Anthropic与亚马逊和谷歌的合作，为其两大投资方带来了总计数百亿美元的芯片销售收入 [3] - Anthropic和OpenAI拥有经验丰富的工程师团队，能够针对新芯片优化自身软件，它们的采用将带动行业内其他公司做出同样选择 [7] 行业影响与未来趋势 - Anthropic采用亚马逊或谷歌芯片的举动，向市场传递出英伟达芯片并非唯一选择的信号 [6] - 其他芯片制造商也在达成类似合作，例如AMD与赛灵思宣布将向OpenAI供应人工智能芯片 [6] - 未来科技集团预测，未来两年，英伟达替代芯片的市场增速将超过英伟达芯片本身 [6] - 随着为亚马逊、谷歌等非英伟达芯片开发软件的企业增多，使用这些芯片的客户也会随之增多 [7]

微软自研AI芯片Maia 200的部署与战略 - 微软已在其数据中心部署首批自研人工智能芯片Maia 200，并计划在未来数月内扩大部署规模 [1] - Maia 200芯片被定位为“人工智能推理算力核心”，针对AI模型量产阶段的高算力负载进行了深度优化 [1] - 微软公布的芯片处理速度参数超越了亚马逊最新的Trainium芯片以及谷歌最新的张量处理单元（TPU） [1] 云服务巨头自研AI芯片的行业背景 - 各大云服务巨头纷纷布局自研人工智能芯片，部分原因在于获取英伟达最新高端芯片的难度与成本持续攀升，且芯片供应短缺的局面目前尚无缓解迹象 [1] - 即便拥有自研芯片，微软首席执行官萨提亚・纳德拉明确表示，公司未来仍会持续采购英伟达、AMD等其他厂商生产的芯片，并强调与它们保持着深厚的合作关系 [1] - 纳德拉指出，公司具备垂直整合（自主构建全栈系统）的能力，但并不意味着只会选择垂直整合 [1] Maia 200芯片的优先应用与内部目标 - Maia 200芯片将率先供微软“超级智能”团队使用，该团队由前谷歌DeepMind联合创始人穆斯塔法・苏莱曼领导，致力于研发微软自主的前沿人工智能模型 [2] - 微软此举旨在逐步降低未来对OpenAI、Anthropic等外部模型厂商的依赖 [2] - 微软表示，Maia 200芯片同样将为运行在其Azure云平台上的OpenAI模型提供算力支持 [2] 当前先进AI硬件的获取现状 - 无论是付费客户还是企业内部团队，获取最先进人工智能硬件的渠道目前依然十分紧张 [2] - “超级智能”团队负责人苏莱曼对获得芯片优先使用权感到兴奋，称其“意义非凡”，将全力推进前沿AI模型的研发工作 [2]

合资协议延期与战略合作 - 铠侠与闪迪将双方在四日市工厂的合资协议有效期延长五年，从原定的2029年12月31日延长至2034年12月31日 [1] - 北上工厂的合资协议也同步调整，有效期同样延长至2034年12月31日 [1] - 根据续约协议，闪迪将向铠侠支付11.65亿美元，用于支付制造服务费用及确保持续供货，该款项将在2026年至2029年期间分期支付 [1] - 此次延期凸显了双方长达25年以上的深度协作，旨在通过人工智能赋能的智能制造及规模经济优势，保障先进3D闪存的稳定生产 [1][2] - 双方将继续通过联合研发3D闪存、顺应市场趋势进行联合投资，以最大限度发挥协同效应，巩固在全球存储行业的竞争地位与领先优势 [2] 闪迪公司财务表现与增长动力 - 2026会计年度第二季度，闪迪营收达到30.3亿美元，大幅超出华尔街分析师预估的26.2亿美元 [3] - 该季度实际每股收益高达6.2美元，远超市场普遍预估的3.78美元，实际获利几乎是市场预期值的1.6倍以上 [3] - 业绩增长主要归功于全球对存储及内存产品需求的急剧攀升，公司作为闪存、U盘及固态硬盘的专业制造商深度受益 [3] - 公司在2025年完成了一项关键战略收购，获得了西部数据旗下固态硬盘与NAND闪存部门的完全所有权，这使其在面对2026年激增的市场需求时具备了极强的供应能力与技术优势 [4] - 公司对2026会计年度下半年表现充满信心，预计第三季度获利将达到第二季度的两倍 [5] 行业背景与市场展望 - 铠侠与闪迪合作生产的高端3D存储产品对满足生成式人工智能应用催生的海量需求至关重要 [1] - 闪迪公司董事长兼首席执行官大卫・戈克勒表示，双方合作规模已实现数百艾字节的产品供应，且仍在持续增长 [2] - 预计到2026年，全球NAND市场规模将达到1，500亿美元 [2] - 铠侠总裁兼首席执行官早坂伸夫表示，协议通过全球最大闪存制造基地的规模经济效应提升了公司盈利能力，双方将致力于推动人工智能驱动下的数字社会转型 [2]

AI产业重心从训练转向推理 - AI产业重心正从模型训练转向推理，推理请求正成为持续消耗算力的主要负载[1] - 根据德勤报告，到2026年推理算力占比将达到66%，超过训练算力[2] - 大模型产业已迈入下半场，2025年推理Token消耗量实现百倍增长，推理算力正式超越训练算力，成为算力产业发展的核心驱动力[3] 曦望科技的战略定位与行业洞察 - 公司是国内第一家All in推理的GPU芯片公司，使命是把大模型推理做到极致[2] - 行业正发生三大根本性改变：需求端结构性转变（推理成为主力）、应用场景质变（高频实时交互）、成本结构倒逼（推理成本占AI应用成本高达70%）[2] - 公司选择反向创新道路，将单位Token的成本、能耗及SLA服务稳定性作为芯片设计的核心出发点，目标是实现推理成本90%的降幅[2] - 推理GPU的竞争关键在于能否将硬件能力稳定转化为可交付、可计价的推理算力[7] 启望S3芯片的核心技术创新 - 芯片支持FP16、FP8、FP6、FP4等全系列低精度算力，单芯片推理性能较行业同类产品提升五倍[6] - 芯片是国内首款搭载LPDDR6的GPGPU推理专用芯片，采用大容量DDR替代HBM[4][6] - 芯片采用先进工艺节点并搭载最新高速接口IP[6] - 公司较早提出以大容量DDR替代HBM、以高性价比推理专用芯片替代训推一体芯片的战略[4] 寰望SC3超节点解决方案 - 方案对标千亿、万亿参数多模态MoE模型的实际部署需求，支持单域256卡一级互联[6] - 方案可高效适配PD分离架构与大EP规模化部署，提升系统利用率与运行稳定性，匹配长上下文、高并发等复杂场景[6] - 方案采用全液冷设计，可实现极致PUE，支持模块化交付与快速部署[6] - 在同等推理算力水平下，该方案可将整体系统交付成本从行业普遍的亿元级降至千万元级，实现成本一个数量级的下降[6] 软件与生态兼容性 - 公司打造全栈自研软件平台，全面对齐并兼容CUDA生态，支持用户代码无缝迁移[7] - 通过对CUDA底层驱动、Runtime、编译器、工具链的全面兼容，结合极致优化的算子库与通信库，提供GPU应用的快速迁移服务[7] - 启望S3已完成对ModelScope平台90%以上大模型的适配，涵盖商汤日日新、DeepSeek、通义千问、GLM等主流模型，累计适配国内外百余种大模型[7] AI原生智算平台与商业模式 - 公司推出新一代AI原生智算平台，核心优势为软硬件深度协同、资源极致弹性、开箱即用及稳定可靠的运维保障[11] - 平台采用先进的量化压缩技术，在几乎不损失精度的前提下将推理性能提升250%[12] - 平台通过GPU池化技术、动态扩缩容技术、智能负载预测技术实现算力高效利用[12][13] - 公司打造MaaS平台，支持模型一键调用和定制化优化，解决模型适配难题[13] - 平台实现全链路智能化管理，千卡集群可用性达99.95%，可连续运行60天无计划外中断，故障处理实现“1分钟发现、3分钟定位、5分钟恢复”[13] - 公司构建绿色算力优势，涵盖高能效比芯片设计、锁定长期廉价核电资源、精细化运营三个维度[14] - 商业模式是芯片硬实力加云基建软实力的Token as a Service模式，可提供公共、定制化、混合Token服务[14] 产业合作与生态建设 - 商汤科技董事长徐立指出，推理成本过去两年下降280倍，是推动AI产业爆发的关键转折点，芯片与模型的深度协同是降本核心[15] - 徐立认为曦望通过架构优化和推理任务专注，已实现视频实时生成，性价比优势持续凸显[15] - 第四范式创始人戴文渊透露，在中交蓝翼大模型适配项目中，曦望算力成本低至每百万Token 0.57元[15] - 公司与商汤科技、第四范式深度合作，共同向“百万Token一分钱”的算力成本目标迈进[16] - 公司与杭钢数字科技、浙江算力科技等本土算力平台合作，完善全国算力网络布局[16] - 公司与三一、协鑫、游族等十余家跨领域生态伙伴签约，推动推理算力嵌入智能制造、能源服务、C端消费、机器人等多元产业场景[16] - 公司与浙江大学签约成立“浙江大学曦望智能计算联合研发中心”，聚焦光互联GPU超节点架构、半导体虚拟制造等领域开展联合攻关[17] 未来展望与产业影响 - 在推理时代，算力竞争核心已从“拼峰值”转向“算单位成本”[18] - 公司正通过芯片架构重构、系统级优化和生态协同，将“百万Token一分钱”从愿景变为现实[18] - 随着S3芯片在2026年底量产，S4、S5陆续推进，中国AI产业的成本曲线正在被重写[18] - 当推理算力变得便宜、稳定、到处可用，AI才能真正成为普惠的基础设施，推动千行百业的智能化转型[18]

特斯拉计划自建“TeraFab”芯片工厂 - 核心观点：特斯拉计划在美国本土建造并运营一座名为“TeraFab”的大型半导体制造厂，以解决未来三四年内可能出现的AI芯片供应瓶颈，并降低地缘政治风险，这标志着公司业务向核心电动汽车之外的进一步扩张 [1][2][5] 项目背景与动机 - 特斯拉将未来押注于人工智能、自动驾驶和机器人技术，这些项目对芯片需求量巨大 [1] - 公司目前主要从三星电子和台积电采购芯片，但现有供应商（包括台积电、三星和美光科技）无法满足其未来的供货需求 [1][6] - 为确保供应稳定并免受地缘政治风险影响，公司认为自建芯片厂至关重要 [1] - 马斯克指出，若不建晶圆厂，就会遇到芯片瓶颈，这是公司在AI竞赛中的主要瓶颈问题 [1][2] 工厂规划与规模 - 工厂将被称为“TeraFab”（万亿级晶圆厂），规模将远超台积电的“Gigafab”（千兆工厂）[2][5] - 台积电将月产3万至10万片晶圆的厂区称为“Megafab”，超过10万片则为“Gigafab”[5] - 特斯拉的TeraFab月产能将远超过10万片晶圆，远超现今主流晶圆大厂 [5] - 该工厂将是一座规模庞大的工厂，涵盖逻辑电路、存储器和封装等各个环节 [1] - 以台积电位于美国亚利桑那州、总投资1650亿美元的Fab 21（未来有望成为Gigafab级园区）为参考，特斯拉的计划将更具规模 [5] 面临的挑战与行业观点 - 芯片制造涉及极高技术门槛与巨额投入，建造一座尖端工厂需要数百亿美元的固定成本，且从投产到全面运营需要很长时间 [2][5][6] - 英伟达CEO黄仁勋指出，建立先进芯片制造能力极其困难，除了厂房，台积电累积的工程技术、科学研究与工艺经验都是高度挑战 [5][6] - 先进制程的研发流程漫长且复杂，从工艺制定、材料设计到大量模拟验证，任何偏差都可能导致制程重来，“起步”阶段往往就要耗费数年 [7] - 工艺流程涉及成千上万道步骤，要求原子等级精度，需要深厚的工程经验与反复试验以确保良率 [8] - 新进厂商能否在短时间内让先进制程达到可盈利的高良率是关键考验，这需要资深工程团队长期驻厂、反复调整 [8] - 以日本新创芯片制造商Rapidus为例，其计划在2027年建立2nm制程量产能力，整体支出约达5兆日元（约320亿美元），但能否成功仍充满变数 [7][8] 公司策略与资源 - 自建芯片厂符合马斯克一贯的垂直整合策略，旨在使旗下企业能够比供应链更快地运转 [2] - 特斯拉、SpaceX、xAI、Neuralink和Boring Company的业务重叠日益增多，可能产生协同效应 [2] - 特斯拉预计今年将在其现有工厂的资本支出超过200亿美元 [3] - 公司账面上拥有超过440亿美元的现金和投资，将利用内部资源，同时也有其他融资渠道（如银行贷款），并已就此与银行进行过洽谈 [3] - 为确保稳定供应，特斯拉目前采用与台积电、三星“双来源代工”的方式，英特尔也可能成为合作对象 [6] - 公司正推动自研AI5处理器，用于自动驾驶汽车、机器人与数据中心 [6] 项目状态与后续 - 目前尚不清楚该工厂将建在美国的哪个地区，以及具体的建设时间表 [3] - 马斯克表示，特斯拉未来将就TeraFab项目发布“更重要的公告”[3]

文章核心观点 - 文章旨在系统性地解释光收发器产品命名标准中各项术语的技术含义，帮助读者理解产品规格背后的技术细节，涵盖连接器外形、数据速率、传输距离、通道数量、复用方案、调制方式及光纤模式等关键维度 [3] 光收发器命名标准与结构 - 光互连定义遵循大致格式：`[连接器外形尺寸]-[基带速度]-[传输距离][通道数]-[调制方式]-[复用方式]-[光纤模式]-[其他信息]`，并以`QSFP-DD-400G-FR4 PAM4 CWDM4 2km LC SMF FEC`为例进行分解 [3] - 命名标准源自IEEE 802.3系列标准，该标准定义了物理层的电气和光学规范，例如计划于2026年春季发布的802.3dj标准定义了使用200 Gbps通道的200 Gbps、400 Gbps、800 Gbps和1.6 Tbps聚合带宽 [3] 连接器外形尺寸 (Form Factor) - 产品名称第一部分对应可插拔连接器的尺寸规格，例如QSFP代表四通道小型可插拔连接器 [4] - QSFP-DD中的DD代表双倍密度，可在四通道封装中运行八条通道，将总带宽翻倍，在400G网络中应用广泛 [6] - 在800G网络中，支持八通道独立通信的OSFP模块更常见；向1.6T或3.2T更高速度过渡时，更长的OSFP-XD版本更常用；未来向共封装光模块过渡，可插拔模块尺寸将大幅缩小 [6] - 常见SFP可插拔模块规格速览：SFP最大4 Gbps，SFP+最大10 Gbps，SFP28最大25 Gbps，SFP56最大50 Gbps，QSFP+最大40 Gbps，QSFP28/56最大100/200 Gbps，QSFP(56/112)-DD最大400/800 Gbps，CFP最大100 Gbps，CFP2最大400 Gbps，CFP4最大100 Gbps，OSFP最大800 Gbps [8] 总数据速率 - “400G”表示总数据速率为400 Gbps，是整个链路的总吞吐量，常被指定为“400GBASE”，“BASE”表示基带传输 [9] - 互连速度持续提高，人工智能应用超标量计算机的出现对更快的互连速度有迫切需求 [9] 传输距离 - 根据光通信距离，技术可分为九个不同距离等级，从超短距离到可传输数百公里的“最佳距离” [12] - 示例中的FR指前端传输距离，工作范围可达公里级，最适用于建筑物间联网 [14] - 传输距离增加，光学工程复杂性提高，激光光源和检测方法变得更复杂和昂贵 [14] 并行通道数量 - 数据通常通过多个并行光链路传输，以提升总带宽并降低单通道设计的复杂性 [15] - 示例中FR表示使用四条并行光连接提供400 Gbps总带宽，即每条通道运行速度为100 Gbps [15] - 行业路线图表明，增加光链路总带宽需要同时提高单通道速度和增加并行通道数量 [15] 多路复用方案 - 复用方案指将独立并行通道数据合并到聚合连接中的方法，示例中CWDM4表示4波长粗波分复用 [18] - CWDM4在单根光纤上通过四个不同波长同时传输数据，波长通常在1310 nm附近 [18] - 并行单模通过增加更多同波长光纤实现，但需要管理大量光纤且连接器复杂；折衷方案是提高每根光纤的数据速率以减少所需光纤数量 [18] - 超长距离互连通常采用密集波分复用技术，可在单根光纤上传输100多个波长信号，近期推出的400G-ZR标准将DWDM技术应用于数据中心互连，支持400G聚合速率 [20] 调制方案 - 调制是将电信号转换为光信号的方法，简单开关键控在数据速率较低时有效 [21] - 当数据传输速率达到100 Gbps及以上时，需要采用更复杂的调制格式如四电平脉冲幅度调制 [21] - PAM4每次取两个比特，编码为四个不同的激光亮度级别 [21] - 调制基本方法有两种：直接激光调制通过调节激光驱动电流获得不同亮度输出；外部调制则保持激光器输出功率恒定，使用外部调制器控制进入光纤的光强 [23][24] - 外部调制器主要分为电吸收调制器、马赫-曾德尔调制器和环形调制器三种基本类型 [25][27][32] 光纤模式 - 主要使用单模光纤和多模光纤两种类型 [31] - 多模光纤通常直径达数十微米，光脉冲传播时会发生扩散，限制了互连速度和距离，适用于短距 [34] - 渐变折射率多模光纤通过使光脉冲所有模式几乎同时到达来最小化脉冲展宽 [36] - 单模光纤直径通常小于10微米，光以单一模式传播，扩展小，更适合高速光互连及100米以上传输距离，但价格更高且对准更困难 [36] 其他产品信息 - 产品信息常包括可达距离和光纤连接器类型，示例中为2公里和LC连接器 [37] - 随着互连距离增加，通常需要数字信号处理功能来正确恢复信号，技术包括前向纠错、放大、时钟数据恢复和均衡等 [39]