产棱拆解 | AI Factory 高速交换机产业链 Bottleneck 深度拆解

核心结论：AI 交换机的价值不能只用“交换机台数”衡量。随着 AI 集群从单机、多机柜走向大规模 AI Factory，真正发生变化的是整个高速数据通路：交换芯片的交换容量和 SerDes 速率提升，带动光模块、DSP/光芯片、PCB/CCL、连接器、线缆、散热和供电同步升级。产业利润与供给约束最终会集中到真正限制网络扩张的瓶颈环节。

一、从“交换机”回到 AI Factory 的物理世界

AI Factory 的网络可以看成一条连续的数据通路，而不是一个独立盒子。数据从 GPU/NPU 发出，经 NIC/DPU、铜缆或光模块进入交换芯片，再通过另一端口进入下一层网络。任何一个环节的带宽、延迟、功耗、信号完整性或供给能力不足，都可能限制整个系统。

因此研究交换机产业链的第一原则是：不要问“哪个零部件最先进”，而要问“哪个零部件正在限制系统扩张”。

二、交换机的内部结构：一台高速交换机究竟由什么组成

三、第一核心瓶颈：交换芯片

交换芯片是高速交换机的“大脑和高速公路枢纽”。其交换容量决定单位时间能够处理多少流量；端口数量决定能够连接多少链路；SerDes速率决定每个端口如何实现更高带宽。

交换容量升级通常不是孤立的。更高交换容量意味着更多高速 SerDes，带来更高的芯片功耗、封装复杂度、PCB 信号完整性要求和散热压力。

因此交换芯片升级会产生明显的产业级联效应：交换容量↑ → SerDes↑ → PCB/封装要求↑ → 光模块速率↑ → 功耗↑ → 散热↑。

四、Broadcom/NVIDIA/Marvell 三类能力不能简单等同

在产业研究中，不能把所有“交换芯片”视为同一种产品。不同厂商可能处于不同的网络层和生态位置。Broadcom 代表开放数据中心交换芯片生态的重要路线；NVIDIA 同时拥有加速器、专用互联和网络产品体系，网络与 GPU 平台协同明显；Marvell 则在数据基础设施、互联与光电相关技术上形成自己的产品组合。

真正需要跟踪的是产品架构和代际变化，而不是简单比较公司名称。尤其要区分：通用以太网交换、专用加速器互联、NIC/DPU、光电互联等不同层次。

五、第二核心瓶颈：SerDes

SerDes 是交换机高速化最关键的底层工程变量之一。随着单lane速率提升，电信号在封装、PCB、连接器和铜缆中的损耗、串扰与抖动问题快速恶化。

因此，从 56G/112G 向更高 SerDes 演进，并不是简单把频率提高，而是整个信号链的系统工程。交换芯片、封装基板、PCB、连接器、铜缆和光模块必须共同升级。

1. 单lane速率越高，对 PCB 插损和介损要求越严格。
2. 链路越长，电信号衰减越明显，光互联的价值越高。
3. 端口密度越高，连接器和 PCB 布线难度越高。
4. 功耗越高，散热越可能成为新的系统瓶颈。

六、第三核心瓶颈：800G → 1.6T 光模块

当 Scale-out 网络规模不断扩大后，光模块成为交换机产业链中最直接的受益环节之一。原因并不是“AI需要更多光模块”这么简单，而是单端口速率和网络端口数量同时增长。

800G 的典型演进路径与 1.6T 的下一代升级，本质上都是为了降低单位带宽所需的端口、机架和布线成本。但速率提升也会增加光模块功耗、散热、光芯片性能和制造良率压力。

七、DSP 与光芯片：为什么不能只研究光模块厂

光模块是系统级产品，但价值并不平均分布在模块内部。DSP负责高速电信号处理；光芯片负责光电转换。随着速率提高，DSP功耗、光芯片带宽、调制方式和封装工艺都会成为关键约束。

因此，真正的瓶颈可能从“模块产能”转移到某种高速光芯片、DSP、激光器或封装工艺。产业研究必须持续寻找这种瓶颈迁移。

八、第四核心瓶颈：PCB 与 CCL

高速交换机对 PCB 的要求远高于普通服务器板。随着 SerDes 速率提升，信号在 PCB 中传输时的损耗越来越重要。

因此，高速低损耗材料、高层数、高密度布线以及更严格的阻抗控制都会变得重要。CCL 并不是简单的“覆铜板升级”，其介电常数、介质损耗、铜箔粗糙度等都会影响高速信号质量。

这意味着交换芯片升级可能把产业瓶颈传导到 PCB/CCL：芯片端速率已经准备好，但板级信号链无法稳定运行时，网络系统仍然无法完成升级。

九、铜缆不会消失：短距互联中的另一条路线

光模块快速增长并不意味着铜互联会被完全替代。短距离、低成本、高功率敏感的连接场景仍然存在 DAC/AEC 等方案。

因此需要区分：距离、速率、功耗、成本和端口密度共同决定铜还是光。未来网络并非“全光化”，而更可能形成铜和光的分层组合。

十、第五核心瓶颈：功耗

高速交换机的一个容易被忽略的问题是功耗。交换芯片、SerDes、DSP、光模块和电源系统都在消耗功率。随着端口数量和速率同时提升，网络设备本身会成为机架功率的重要组成部分。

于是出现一个重要反馈：网络升级 → 功耗增加 → 热密度增加 → 散热升级 → 液冷系统复杂度增加。

因此，交换机并不是纯网络问题，而会逐渐进入 AI Factory 的液冷和电力瓶颈。

十一、液冷：交换机为什么也开始进入高密度散热体系

当单台交换机的功率和机架内网络设备密度达到较高水平后，传统风冷会受到空气流量、压降和热阻的约束。

未来是否采用液冷、采用何种液冷，不应简单从“AI GPU液冷”外推，而应根据设备功率密度、机架设计、数据中心冷却架构判断。

1. 交换芯片功耗上升会提高局部热点温度。
2. 光模块密度提高会增加前面板热负荷。
3. 网络设备与 GPU 共存时，机架整体功率密度进一步上升。
4. 液冷基础设施最终可能成为网络设备扩容的边界条件。

十二、从单个零部件到完整瓶颈传导

一个典型的 AI 网络瓶颈迁移过程可能是：

GPU数量快速增长

↓

Scale-out网络扩大

↓

交换端口增加

↓

交换芯片交换容量不足

↓

新一代交换芯片推出

↓

SerDes速率提升

↓

PCB/CCL与连接器需要升级

↓

铜互联距离受限

↓

800G/1.6T光模块需求增加

↓

DSP/光芯片成为新瓶颈

↓

网络功耗上升

↓

散热与电力成为新的约束

十三、真正需要建立的是“Bottleneck Map”

十四、中国供应链应该如何拆，而不是简单列公司

研究中国供应链时，建议按物理层和瓶颈层拆分，而不是先按公司名单排列。

十五、最重要的不是国产替代，而是“能否形成完整系统闭环”

AI 网络产业的难点不在于某一个零部件能否单点替代，而在于交换芯片、NIC、光模块、DSP、光芯片、PCB、连接器、操作系统/驱动、通信库和上层训练框架能否形成稳定生态。

因此国产化研究至少需要同时观察三个维度：第一是物理性能；第二是大规模集群稳定性；第三是软件生态与实际有效吞吐。

如果某个零部件性能达到理论指标，但在大规模训练中出现拥塞、丢包、故障恢复或软件兼容问题，它仍然可能不是成熟的系统方案。

十六、交换机产业链的“新墙”在哪里

所谓“新墙”，不是某个公司暂时缺货，而是整个系统在继续扩张时出现难以快速突破的物理或工程约束。

1. 更高 SerDes 带来的信号完整性墙。
2. 更高交换容量带来的芯片功耗墙。
3. 更高光模块速率带来的 DSP/光芯片功耗墙。
4. 更高端口密度带来的 PCB/连接器墙。
5. 更大 AI Factory 带来的网络拥塞墙。
6. 更高机架功率密度带来的液冷与电力墙。
7. 更大集群带来的软件、拓扑和故障管理墙。

十七、如何用产棱的方法跟踪交换机

如果把交换机纳入 AI Factory 的长期跟踪体系，不应该每天追踪所有公司新闻，而应该围绕“产业状态—瓶颈—传导—资产定价”建立变量体系。

十八、最终判断：交换机不是一个行业，而是一条高速数据通路

从 AI Factory 的角度看，“交换机行业”这个概念实际上过于粗糙。真正应该研究的是高速数据通路。

这条数据通路从 GPU/NPU 出发，经由 NIC/DPU、交换芯片、SerDes、铜缆/光模块、PCB/CCL、连接器，最终进入另一组计算资源。随着规模扩大，液冷、电力和网络软件又会反过来成为系统约束。

因此，交换机产业链最值得研究的不是“谁的产品卖得最多”，而是：下一代 AI 集群扩张时，哪个环节首先无法继续按照原来的方式扩张。

一旦这个问题被识别出来，就可以进一步判断：瓶颈出现在哪里、供给需要多久才能释放、产业利润如何传导、哪些环节会获得量价变化，以及资产价格是否已经提前反映。

这才是从“交换机研究”进入“AI Factory 产业交易研究”的关键一步。

附录：一张完整的产业传导图

AI模型规模

→ GPU/NPU数量

→ Scale-up互联

→ Scale-out Fabric

→ 交换芯片

→ SerDes

→ PCB/CCL/连接器

→ 铜/光互联选择

→ 800G/1.6T光模块

→ DSP/光芯片

→ 网络功耗

→ 液冷

→ 电力

→ AI Factory扩张能力

核心研究问题：瓶颈在哪里？瓶颈什么时候转移？谁拥有有效供给？资产价格是否已经定价？