Jensen Huang在2026年3月的GTC大会上说了一句耐人寻味的话：「当你沿着价值链向上看，你会发现我们正在开始扩大硅光子技术的规模。我们需要的硅光子技术产能，实质上远高于当今全球的总产能。」

这句话值多少钱？答案是至少65亿美元。

从2026年3月到5月，不到3个月时间，Nvidia向光子学领域的系统性投入已确认超过65亿美元：向Lumentum、Coherent、Marvell各投资20亿美元，向Corning投入5亿美元现金加价值27亿美元的认股权证，并参与了光学初创公司Ayer Labs高达5亿美元的E轮融资。

这不是分散押注，这是一场对整个光子学价值链的系统性锁仓。

要理解这场押注背后的逻辑，你需要先理解Nvidia正在试图绕过的那堵墙——一堵在物理定律层面真实存在、正在逼近的墙。

AI数据中心的铜线危机

当前AI数据中心中，数据在GPU之间、GPU与内存之间、服务器与服务器之间的传输，主要依靠铜线中的电信号完成。铜线便宜、可靠、技术成熟，是过去几十年计算基础设施的默认选择。

但铜线有一个铁律：传输距离越长，频率越高，能耗损耗就越大，信号衰减也越显著。这个物理限制，在2019年或2022年时还不是问题——那时的算力需求还没有大到让这个限制成为瓶颈。

AI基础设施的扩张速度正在重写这个方程式。

一个现代AI训练集群，可能包含数千个甚至数万个GPU。这些GPU需要在纳秒级别完成协同计算——意味着它们之间的通信带宽必须足够大，延迟必须足够低。当集群规模从100个GPU扩展到1000个、10000个、100000个时，每对GPU之间的互连需求是超线性增长的。铜线所面临的带宽上限，开始从工程问题升级为架构级别的障碍。

同时发生的是能耗危机。CNBC的报道显示，AI数据中心的电力消耗已经引发监管机构和消费者保护团体的强烈抵制——在美国多个州，因为AI数据中心的电力需求激增，公用事业费率上涨正在引发政治层面的反弹。英国、欧洲也相继出现数据中心用电限制政策讨论。一些地区开始出台明确的数据中心电力配额政策，这意味着无法降低能耗密度的AI基础设施，可能面临监管层面的实际扩张障碍。

在这个背景下，Forrester高级分析师Alvin Nguyen向CNBC做出了这样的判断：「光子学代表了Nvidia扩展AI基础设施的一条路径，可以避免继续使用电气和铜线带来的能耗成本。如果他们继续沿用铜线，将会撞上一堵可扩展性和性能的墙。」

铜线的危机由两个维度构成，理解这两个维度，才能理解光子学为什么是必然选择而不只是可选项。

第一个维度是带宽上限。 AI训练需要数百上千个GPU协同运作，GPU之间的通信带宽成为整个系统性能的核心瓶颈。在高频传输下，铜线的电阻、阻抗和串扰问题变得越来越难以克服。信号完整性约束意味着高带宽铜线只能在极短的距离内稳定工作——数据中心内部的几十厘米到几米，而不是机架间的几十米或建筑间的几百米。当Nvidia希望将AI工厂架构从单个数据中心扩展到跨园区、跨城市的分布式集群时，铜线就从一个工程问题变成了一道物理禁区。

第二个维度是能耗代价。 光子学的核心优势在于，用光在光纤中传播时，能耗损耗远小于电信号在铜线中的传播。根据不同应用场景和传输距离，光学互连的能耗效率可以比铜线高出3到10倍。对于一个已经消耗数百兆瓦甚至超过1000兆瓦电力的超大规模AI数据中心来说，将数据传输的能耗降低到铜线方案的10%到30%，意味着整个数据中心PUE（电源使用效率）指标的大幅改善，也意味着在同等电力供应下可以部署显著更多的GPU。

Morningstar高级股票分析师Brian Colello的判断更为直接：「Nvidia下一代AI机架规模解决方案的路线图，将需要越来越多的光学连接，以处理新模型和更高使用率带来的指数级增长带宽需求。」这不是一个乐观的预测，这是Nvidia已经公布的产品路线图的客观描述。

65亿美元的投资地图：锁仓整条价值链

理解这场投资的格局，需要看清Nvidia押注的是哪几个关键的价值链节点，以及每个节点分别解决了什么问题。

Lumentum（20亿美元）：Lumentum是数据中心光互连器件的主要供应商之一，生产激光器（包括VCSEL面发射激光器和DFB分布式反馈激光器）、光接收器、光模块等关键组件。这些组件是实现GPU间光学通信的基础部件。更重要的是，Lumentum正在推进硅光子技术的深度集成——将激光器、调制器、光接收器等组件集成到硅芯片上，这是大幅降低光学互连成本的核心技术路径。Lumentum的股票今年已经上涨134%，市场早于Nvidia宣布投资就开始为这个方向定价。

Coherent（20亿美元）：Coherent由II-VI和Finisar于2022年合并而成，专注于高速光学传输系统，产品覆盖从数据中心内部短距离互连到数据中心间长距离传输的全场景需求。Coherent在800G光模块领域处于技术领先地位，而AI数据中心内部互连正在从200G、400G向800G甚至1.6T升级。该公司股票今年上涨96%。

Marvell（20亿美元）：Marvell不只是光学组件公司，它是将光学与电子在芯片层面集成的关键玩家——这正是硅光子技术真正发挥价值的核心环节。Marvell的PAM4 DSP（脉冲幅度调制数字信号处理器）芯片被大量AI数据中心网络设备采用，其Teralynx系列以太网交换机是超大规模数据中心的骨干设备。Marvell还在推进针对Alphabet、微软等超大规模客户的定制化ASIC和硅光子方案。该公司股票今年上涨122%。

Corning（5亿美元现金加27亿美元认股权证）：Corning是全球最大的光纤生产商，同时也在开发先进的光学连接解决方案，包括用于超短距离数据中心内部互连的多模光纤和高密度连接器系统。值得特别注意的是认股权证的安排——这不只是财务投资，而是一个战略供应协议的组成部分，表明Corning将为Nvidia的AI基础设施优先提供专门研发的光学连接产品，而认股权证则给予Nvidia在Corning产品规模化之后的额外收益权。Corning股票今年上涨111%。

Ayer Labs（参与5亿美元E轮）：这家总部位于加州的光学初创公司代表了Nvidia对最前沿技术路线的定向押注。Ayer Labs专注于共封装光学（Co-Packaged Optics，CPO）技术，目标是将光学收发器直接集成到GPU封装内部，彻底消除独立光模块与芯片之间的电气互连损耗。这是光子学技术商业化路径上最激进也最具潜力的方向。AMD同样参与了这轮融资，表明两大GPU巨头都在同一条技术路线上进行提前布局。

这5个投资目标，完整覆盖了光子学价值链的不同层次：从基础光学组件制造（Lumentum），到高速传输系统集成（Coherent），到芯片级光电融合（Marvell），到光纤基础设施（Corning），再到下一代封装级集成技术（Ayer Labs）。这不是单点押注，而是对整条技术路径从组件到系统、从当前到未来的全覆盖布局。

Jensen Huang的供应链战争哲学

Nvidia的光子学投资背后，是一个更深层的战略逻辑：在技术成为行业显学之前，通过资本投入锁定供应链的主导权。

这个逻辑的起点，是Jensen Huang对稀缺性的敏锐嗅觉。在AI算力竞赛中，Nvidia多次面临这样的局面：产品需求远超供应能力，因为关键的上游原材料或制造产能跟不上。每一次这样的经历，都强化了Nvidia提前布局供应链的战略意识。

最典型的案例是台积电CoWoS先进封装。2023年，当AI芯片需求突然爆发时，H100的交付瓶颈很大程度上来自台积电的CoWoS封装产能——这种先进的2.5D封装技术，台积电当时的全球产能极度有限。Nvidia迅速签署了优先供货协议，并提供资本支持协助台积电扩大CoWoS产能，确保了H100/H200的稳定供应，而其他竞争对手则在等待期中损失了宝贵的市场窗口。

HBM高带宽内存是另一个清晰的案例。当AI训练对HBM3/HBM3e的需求量暴增时，全球主要供应商只有SK Hynix、三星和美光三家。Nvidia通过提前签订长期采购协议，建立了供应优先权，并积极协助供应商进行产能扩张——这既是对自身供应安全的保障，也是对竞争对手设置了一道隐形的进入壁垒。

光子学的投资，遵循的是完全相同的逻辑框架：

第一步，识别未来两到三年将出现供应瓶颈的关键使能技术。第二步，在技术成为行业显学、价格暴涨、竞争加剧之前，通过资本投入锁定供应商关系和产能优先权。第三步，当技术成熟、市场需求爆发时，Nvidia已经处于具有结构性优势的位置，不只是买家，更是生态的共建者和规则制定者。

Jensen Huang在GTC上说「我们需要的硅光子技术产能，实质上远高于当今全球的总产能」——这句话同时是技术判断和战略宣示。它向供应商传递的信息是：未来的需求规模远超你们的想象，现在开始大规模扩产能，Nvidia将是你们最可靠的锚定客户和战略合作伙伴。

这种「用资本换产能优先权、用优先权换技术路线话语权」的战略，Nvidia已经在AI芯片产业链上验证了不止一次。

市场已经先于技术成熟定价

如果说Jensen Huang的投资逻辑是「为2028年的需求提前布局」，那么资本市场在2026年的表现则在验证：市场同意这个判断，并且已经开始为那个未来定价。

Lumentum今年以来涨幅134%，Coherent上涨96%，Marvell上涨122%，Corning上涨111%。这些公司的市值增长，大幅超过了大盘和科技股指数的同期表现。

这种定价并不是在Nvidia宣布投资之后突然发生的，而是伴随着AI基础设施投资叙事的逐步强化而累积形成的。市场的判断是：无论光子学最终在数据中心的渗透路径如何迂回，处于整个价值链关键节点的这些公司在未来3到5年内都将显著受益。

更重要的信号是，押注光子学的不只是Nvidia一家公司。这意味着这个方向已经形成了行业共识：

AMD参与了Ayer Labs的E轮融资，还在2025年收购了硅光子初创公司Enosemi，并对Teramount和Celestial AI进行了股权投资，布局了多个光子学技术路线。

Alphabet和Microsoft的风险投资部门在2026年4月联合投资了光子学初创nEye的8000万美元Series C，这是两家云计算巨头在光子学领域共同下注的信号。

英特尔在硅光子研发上已有超过十年的积累，其硅光子产品已经商用，并在数据中心光学互连市场占据一席之地。

当AI基础设施领域几乎所有主要玩家同时押注同一技术方向，通常意味着这个方向不再是可选项，而是已经成为行业共识——大家的分歧只在于时间线和具体的技术路径，而不在于方向本身的正确性。

技术挑战：2028年才是真正的战场

当然，任何大规模押注都不能回避真实存在的技术挑战。光子学投资的乐观叙事背后，有几个硬约束需要清醒认识。

Futurum Group的AI负责人Nick Patience给出了清醒而直接的判断：「技术没有问题，大规模生产才是更难的问题。」

他的具体解释切中要害：「复杂共封装光学组件的制造良率仍然是挑战，因为光学组件和硅组件的精确对准要求极为苛刻，而当封装过程出现问题时，组件通常无法返工修复。因此，过渡正在进行中，但仍处于早期阶段。我预计要到2028年以后才能看到大规模采用。」

硅光子技术面临的制造挑战可以拆解为以下几个层面：

精度要求的苛刻性：光学对准需要微米甚至纳米级别的精度。传统电子封装可以容忍相对较大的对准误差（微米级），而光学耦合效率对对准偏差极度敏感，微小的角度或位置偏差就会导致光功率损耗骤增，直接影响信号质量。这对封装设备的精度要求远超当前电子封装的标准。

返工困难的成本影响：一旦光学组件封装完成并检测发现质量问题，通常意味着整个组件报废——因为光学耦合界面无法在不损坏原有组件的情况下重新封装。与电子焊接可以通过热风枪返工的灵活性相比，光子学封装的不可逆性显著影响了制造良率和每件产品的有效成本。

规模制造的工艺挑战：在实验室环境或小批量试制阶段验证的光子学技术，要扩展到每年数百万乃至数千万组件的大规模工业化制造，面临材料供应稳定性、工艺参数一致性、自动化测试效率等一系列系统性工程挑战。每一个环节的良率损失，都会在系统级组装时被放大。

成本曲线的鸡蛋悖论：目前光学互连的单位带宽成本仍显著高于同等带宽的铜线解决方案。成本下降需要规模化带来的学习曲线效应，而规模化需要先有足够大的市场需求触发大规模采购，而大规模采购在成本没有竞争力之前不会发生。这是一个经典的鸡与蛋困境。

然而，Nvidia的大规模资本投入，本身就是在系统性地应对这些挑战。Lumentum、Coherent、Ayer Labs获得的数十亿美元资本注入，将加速工艺研发、产能建设和良率优化。Nvidia作为战略客户的长期采购承诺，降低了供应商扩产的商业风险，打破了成本曲线上的鸡蛋悖论。

换句话说：Nvidia正在用65亿美元，为自己缩短那段「技术原理验证→大规模商业部署」的时间曲线。这是把通常需要市场自然演化七八年才能完成的路径，压缩到三到四年的主动加速。

AI基础设施竞争的第三阶段

从更长的历史视角来审视Nvidia的这场押注，可以清晰地看到AI基础设施竞争已经进入了一个结构性新阶段。

第一阶段（2020年到2023年）是GPU算力竞赛。 这个阶段的核心问题是「谁有最快的GPU」。A100、H100的浮点计算性能决定了AI训练速度的上限。Nvidia通过CUDA软件生态和领先的芯片架构建立了强大的护城河，AMD虽然在芯片性能上逐渐追近，但软件生态的差距难以快速弥合。

第二阶段（2023年到2026年）是系统扩展竞赛。 核心问题从「单芯片算力」变成了「如何高效连接数千个GPU」。NVLink互连带宽、InfiniBand网络性能、AI工厂的机架架构——这些成为了决定系统整体性能的关键变量。Nvidia通过Hopper/Blackwell架构和Quantum InfiniBand平台维持了对竞争对手的整体领先。

第三阶段（2026年开始）是能效与互连竞赛。 随着AI模型规模持续扩大、数据中心用电量开始触发监管压力，核心竞争维度正在转向「如何在可承受的能耗和可承受的成本下实现更高的互连带宽」。这是光子学将发挥决定性作用的阶段，也是Jensen Huang正在提前布局的阶段。

Jensen Huang的65亿美元押注，是在第二阶段仍在激烈竞争时，就开始为第三阶段的胜利铺路。这种跨阶段的布局能力，是Nvidia多年来维持行业领导地位的核心竞争力之一。不是等到当前阶段的竞争分出胜负，而是在竞争正酣时就开始准备下一场的弹药。

这个模式在CUDA生态的构建上已经验证过：2007年CUDA发布时，GPU计算还是小众市场，深度学习甚至还没有成为主流概念。但Nvidia在那时开始的软件生态投入，在2012年AlexNet之后的深度学习爆发中给出了决定性的竞争优势——因为等到市场证明了方向的正确，再去构建软件生态已经晚了十年。

光子学的投资逻辑与此高度相似：等到2028年光子学大规模商用时再去建立供应链关系，优质供应商的产能早已被提前预订，制造工艺的迭代曲线也已经在别人的产品里积累了两年的经验。

对手的跟进：这已经不是Nvidia的独角戏

在光子学这场押注中，有一个常被忽视但同样重要的维度：这已经不是Nvidia的独角戏。

AMD作为Nvidia在AI加速器市场最主要的挑战者，同样在系统性布局光子学：参与了Ayer Labs E轮融资（与Nvidia联合押注同一家最前沿的CPO公司），2025年收购了硅光子初创公司Enosemi（获得了芯片级硅光子集成能力），并对Teramount（光学封装技术）和Celestial AI（高带宽光存储互连）进行了股权投资。

AMD的布局，实际上在两个维度上都是有意义的信号：第一，它验证了光子学技术路线的正确性——如果这条路是错的，AMD不会同时押注多个方向；第二，它表明竞争者的追赶在系统性进行，Nvidia的先发优势窗口是有时间限制的，这反过来解释了Nvidia为什么要在现在这个时点砸下如此大规模的资金。

超大规模云计算公司的动向同样值得关注。Alphabet和Microsoft的风险投资部门在2026年4月联合投资了光子学初创nEye的8000万美元Series C。这两家公司作为AI基础设施的最大客户（AWS、Azure和Google Cloud合计运营着全球最大规模的GPU集群），它们在光子学领域的直接投资，意味着这些超大规模客户不只是等待供应商带来光子学解决方案，而是开始主动参与技术方向的塑造。

这种多方同时押注同一方向的格局，在技术史上通常意味着两种结果：要么这个方向被验证为真正的下一代技术，并在几年内完成大规模部署；要么行业集体高估了技术成熟速度，但即便如此，大规模资本投入会加速技术进展本身。对于光子学来说，两种结果都有利于加速从实验室到数据中心的路径。

还有一个维度很少被讨论：英特尔在硅光子领域的长期积累。英特尔的硅光子研发可以追溯到2000年代初期，其800G硅光子光模块已经实现商用，在数据中心光学互连市场占据一定份额。但英特尔整体战略重心的分散和内部竞争，使其在这个领域的商业化成果远不及其研发积累应有的水平。这个对比，反而凸显了Nvidia集中大规模资本投入、加速整合价值链的战略价值。

三个值得追踪的关键信号

对于关注AI基础设施方向演进的观察者，以下三个指标将是判断光子学从资本叙事转化为行业现实的最直接信号：

信号一：Nvidia是否在下一代产品中宣布光学NVLink互连。 Jensen Huang在GTC上已经明确暗示NVLink互连技术将引入光子学，一旦这在产品层面正式发布，将是光子学进入GPU核心架构的历史性里程碑，意味着光子学不再是辅助性的连接方案，而是成为AI加速器设计的核心组成部分。

信号二：主要云厂商新建数据中心的采购规格变化。 当AWS、Azure、Google Cloud的新数据中心开始在设计规格和采购文件中要求高比例的光学互连，意味着光子学从「前沿技术选项」变成了「标准基础设施组件」。数据中心规划通常领先采购部署18到24个月，因此这是大规模部署的领先指标。

信号三：Lumentum和Coherent的数据中心收入增速曲线。 这两家公司每季度财报中的数据中心光学产品收入，是光子学在AI基础设施中实际渗透率最直接的量化指标。当这个增速开始出现加速（而不只是线性增长），并显著超越整体网络市场的增速，说明需求侧的采购决策已经形成规模效应，光子学的大规模部署时代真正到来。

结语：65亿买的不是当下，是主导权

大多数分析光子学投资的文章，关注焦点是技术本身——硅光子学的技术优势、当前面临的制造局限、预期的商业成熟时间线。

但Jensen Huang的65亿美元，核心买的不是当前已经成熟的技术，而是在技术成熟时刻到来时对这个市场的主导权。

在AI基础设施的全球军备竞赛中，谁能提前锁定关键使能技术的供应链，谁就在下一轮竞争中占据不对称的先手优势。TSMC CoWoS封装、HBM高带宽内存——Nvidia的每一次大规模供应链提前投资，都在事后被证明是具有先见之明的战略决策。

光子学可能是Nvidia迄今为止最大规模的「提前布局」，65亿美元，押注的是2028年以后AI基础设施竞争的底层技术规则重写。

对于不同的利益相关者，这场押注意味着截然不同的行动建议：

对AI基础设施投资者：Lumentum、Coherent、Marvell、Corning今年已经涨了96%到134%，但光子学大规模部署预计到2028年以后。从现在到2028年，这些公司将经历从「叙事驱动」到「业绩驱动」的转换，这个过程中的波动性不可忽视——但长期方向已经被行业共识锁定。

对AI数据中心运营者：现在就开始与光子学供应商建立采购关系，而不是等到2027-2028年需求爆发时排队。光子学部署需要设计阶段的早期规划——数据中心建筑的光纤管槽布局、散热系统的重新规划，都需要提前两到三年考虑。

对AI芯片竞争者：AMD正在跟进，但在供应链关系的深度和广度上，现在与Nvidia的差距已经在拉开。光子学不只是技术竞争，更是供应链话语权的竞争，而这场竞争Nvidia已经领跑了半程。

如果这场押注成功——而现有的技术路线图和市场信号都指向成功的可能性——Nvidia将不只是最优秀的GPU制造商，而是AI算力时代完整的基础设施主导者：从芯片到互连，从机架到数据中心网络，从铜线时代到光子学时代，垂直整合整个价值链的定义权。

这是Jensen Huang在告诉世界：AI基础设施这场游戏，我们要换个玩法了。而你们现在才刚开始理解这个玩法的规则。

参考资料

  1. Nvidia is investing billions into photonics technology that could change the AI industry — CNBC，2026年5月29日，https://www.cnbc.com/2026/05/29/nvidia-photonics-investment-ai.html
  2. Nvidia $2 billion investments in Coherent, Lumentum and Marvell — CNBC，2026年3月2日，https://www.cnbc.com/2026/03/02/nvidia-investment-coherent-lumentum.html
  3. AI Data Centers electricity prices backlash — CNBC，2026年3月13日，https://www.cnbc.com/2026/03/13/ai-data-centers-electricity-prices-backlash-ratepayer-protection.html
  4. NVIDIA GTC 2026 Jensen Huang keynote — NVIDIA官方，2026年3月，https://www.nvidia.com/en-us/events/gtc/
  5. AMD investment in Ayer Labs, Enosemi and photonics ecosystem — TechCrunch，2025-2026年，https://techcrunch.com