AI算力竞争正在进入一个新的技术阶段，芯片本身之外，如何让海量数据更快、更低成本地流动，正在成为下一轮竞争焦点。
据消息人士透露，英伟达近期决定暂时放弃采用台积电 COUPE（紧凑型通用光子引擎）技术方案，转而考虑基于 Tower Semiconductor 的硅光子平台。调整原因主要与台积电在氮化硅（SiN）技术推进速度以及二维光栅耦合器开发进度有关。
这意味着，英伟达此前规划中的“Plan A”路线出现变化。
过去几年，AI芯片市场的核心矛盾一直集中在算力提升。但随着大模型规模持续扩大，单颗GPU性能提升已经无法完全解决问题。训练和推理任务需要数以千计甚至数万颗芯片协同工作，芯片之间的数据交换效率开始成为新的瓶颈。
光互连技术正是在这一背景下受到关注。
传统电子互连依靠铜线传输数据，当距离增加、带宽需求提升时，功耗和信号衰减问题会越来越明显。硅光子技术则尝试利用光信号替代部分电信号传输，以更高带宽、更低能耗满足未来AI数据中心需求。
对于英伟达而言，这不是一次普通供应链调整，而是对未来AI基础设施路线的一次重新评估。
台积电 COUPE 平台此前被视为先进封装和光学互连结合的重要方向。随着AI加速器需求增长，业界普遍认为，共封装光学（CPO）可能成为下一代数据中心的重要技术方案。
简单来说，CPO希望将光模块进一步靠近计算芯片，通过缩短数据传输距离，提高系统效率。
但技术路线从概念走向大规模量产，并不容易。
其中，氮化硅材料和光栅耦合器都是关键环节。氮化硅具备低损耗、高稳定性的特点，被认为适合用于光子芯片制造；而光栅耦合器则负责实现芯片内部光信号与外部光纤之间的连接。如果这些环节无法达到量产要求，即使整体方案设计先进，也很难满足AI数据中心对于可靠性和成本的要求。
这也是英伟达选择调整路线的重要原因。
相比等待单一技术成熟，AI产业链企业更倾向于寻找可以更快落地的方案。当前市场环境下，AI基础设施需求增长速度极快，任何关键部件的延期，都可能影响产品节奏。
Tower Semiconductor 进入视野，也反映出硅光子竞争格局正在变化。
过去，先进AI芯片供应链主要围绕英伟达、台积电、HBM供应商等少数企业展开。但随着AI数据中心向更大规模发展，光模块、封装、互连技术的重要性不断提升，一批专业厂商开始获得更多机会。
类似变化此前也出现在半导体封装领域。先进封装最初只是芯片制造环节的辅助技术，但随着芯片性能提升遇到物理限制，封装逐渐成为决定产品竞争力的重要部分。
硅光子可能正在经历类似过程。
当然，英伟达调整方案并不意味着台积电技术路线被完全否定。半导体产业中，不同方案往往长期并存，供应商之间也会根据成本、产能、技术成熟度不断重新组合。
目前更现实的问题是，AI产业需要的不只是实验室中的先进技术，而是能够大规模部署的商业方案。
未来几年，随着GPU集群规模扩大，数据中心内部的数据传输压力还会持续增加。谁能够率先解决高速互连、功耗控制和量产成本之间的平衡，谁就可能在下一轮AI基础设施竞争中占据更主动的位置。
英伟达此次路线调整，本质上是AI硬件竞争从单芯片性能，进一步转向系统级效率竞争的一个缩影。对于整个半导体行业而言，真正的瓶颈正在从“算得更快”，转向“连接得更高效”。
