纪要涉及的行业或公司 * 行业：数据中心网络基础设施行业、人工智能基础设施行业[1] * 公司：Meta（提及）、微软、谷歌、甲骨文、QTS、Switch、Lumen、Lumentum、Coherent、NVIDIA[3][4][8] 核心观点和论据 * AI时代网络成本与流量模式发生根本性变化 * 网络成本在数据中心总支出中占比持续走高，传统成本下降曲线失效，因GPU性能提升缩短了设备更换周期[1][2] * 流量模式从以数据中心内部的东西向流量为主（约95%）转向跨数据中心外溢，离开数据中心的流量占比从约5%升至20%-25%[1][2][3] * AI网络体系由三个维度协同构建 * Scale-up：GPU集群内部连接[3] * Scale-out：数据中心内部不同机柜间连接[3] * Scale-across：数据中心之间的互联[1][3] * 网络基础设施决策权因场景而异 * 跨区域数据中心互联（scale-across）通常由超大规模企业（如微软）主导决策和投资[3][4] * 数据中心内部的横向与纵向扩展（scale-out/up），决策权在数据中心运营方，自有数据中心由科技公司决定，托管型数据中心由运营商（如QTS、Switch）负责[4] * 传统数据中心升级AI业务的最大瓶颈是液冷系统 * 液冷系统缺失是最大瓶颈，其改造难度与成本远超网络设备更新[1][6] * 网络设备升级是必要但客户已习惯的周期性成本，挑战相对较小[6] * 网络架构不统一与“超订阅”风险影响AI任务性能 * 网络架构在不同云厂商间不统一[7] * 若只升级网络设备（提高速度）而不增加网络层级（增加容量），将引发高延迟和拥堵，对时间敏感的AI模型训练任务造成严重影响[1][7] * 铜缆向光纤转型趋势确定但将长期共存 * 铜缆性能接近物理极限，向光纤的长期转型趋势确定[1][7] * 但在数据中心内部，铜缆仍将与光器件长期共存[1] * 在scale-out或scale-across场景中，铜缆已基本被淘汰[8] * 当前网络核心瓶颈是磷化铟激光器产能 * 磷化铟激光器是当前核心瓶颈，因其是激活光纤线路的关键材料[8] * 产能扩张周期为6-9个月，预计2027年初网络瓶颈将开始缓解[1][8] * 泵浦激光器等需求也旺盛，但网络瓶颈周期相对电力瓶颈较短（通常在一年以内）[8] * 纯光纤业务的产能扩张周期最长，约需两年[8] 其他重要内容 * 网络基础设施核心组件：主要包括网络交换机（负责路由决策）和大量的光器件（负责数据传输）[2] * AI基础设施模块化程度有限：更换计算架构（如从NVIDIA Blackwell芯片换为TPU）并非“即插即用”，网络架构需进行调整和重新配置，虽非完全不可行，但难以达到最佳性能[5] * 历史对比：当前AI驱动的基础设施建设在规模、速度和面临的瓶颈压力上，与互联网泡沫时期有相似之处[9][10]