英伟达（NVIDIA）率先推出基于硅光子学共封装光学的解决方案，并将其交付给Lambda AI。随着人工智能公司Lambda AI为其中一台首批英伟达（NVIDIA）Quantum-X InfiniBand平台完成拆箱，硅光子学与共封装光学（Co-Packaged Optics， CPO）的时代已经到来。网络已成为AI工厂的重要组成部分，能够以前所未有的速度实现互连。这些解决方案确保数据在庞大的GPU集群之间以光速传输，同时有助于降低交换机功耗、减少故障点，并带来更高的词元吞吐效率。
2026年6月10日，英伟达向Lambda AI等人工智能公司开始交付其全新的Quantum-X Infiniband解决方案。Lambda AI已将该平台拆箱并在其AI生态系统中部署。这款Quantum-X AI网络解决方案充分利用了硅光子学共封装光学技术，在GB300 NVL72规模机架中提供了800G的能力，增强了AI计算性能。Lambda AI表示，在三层集群中，后端网络现在占其网络功耗的86%。
Lambda AI是首批收到英伟达最新款由Q3450-LD交换机驱动的共封装光学解决方案的公司之一。通过这些交换机，交换层的功耗大幅降低，使得GPU在AI工厂中获得更多功耗空间。标准交换机方案的功耗约为7.0kW，而英伟达的硅光子学解决方案功耗为3.95kW，在GB300“Blackwell Ultra”平台上节省了约3.05kW。
GB300 NVL72集群规模为576个GPU时，采用共封装光学交换机可释放1237kW的网络功耗，相当于额外增加26个GPU
GB300 NVL72集群规模为4,608个GPU时，采用共封装光学交换机可释放100305kW的网络功耗，相当于额外增加217个GPU
GB300 NVL72集群规模为10,368个GPU时，采用共封装光学交换机可释放216658kW的网络功耗，相当于额外增加470个GPU
GB300 NVL72集群规模为41,472个GPU时，采用共封装光学交换机可释放1,4404392kW的网络功耗，相当于额外增加3137个GPU
共封装光学（CPO）还能减少故障点。Lambda AI指出，一个拥有128,000个GPU的数据中心在其交换架构中使用了655,000个分立收发器模块，每个模块都是一个潜在的故障点。采用共封装光学技术后，架构中的光学组件大幅减少，从而降低了故障率。
那么，英伟达Quantum-X Infiniband“Q3450-LD”长什么样呢？交付给Lambda AI的工程样品由18个可拆卸光源模块组成，这些模块为144个MPO端口提供馈入。与传统的OSFP笼不同，英伟达Quantum-X解决方案采用光纤阵列连接，直接馈入硅光子引擎。
在设备后部，英伟达配置了48V DC电源，并带有兼容DGX的母线连接器。CPO的冷却通过四个UDQ4液冷连接实现，内部有双循环回路。对于已经部署了GB300 NVL72机架的用户来说，很多设计选择都相当熟悉。
规格：外形尺寸为4U
ASIC：NVIDIA Quantum-X800
端口：144 x 800G InfiniBand
光学连接：144个MPO连接器
交换容量：115.2 Tb/s无阻塞
电源输入：48V DC母线
散热：液冷，双循环
光源：18个可拆卸外部模块（每八个端口一个）
随着代理式AI推动AI数据中心提供更高的词元吞吐量和高效计算能力，对弹性且稳健的数据移动的需求变得至关重要。这正是共封装光学（硅光子学）的用武之地，它能在相同的数据中心占地面积内实现更多计算。在这一竞赛中，英伟达处于领先地位，而其他公司正试图追赶这家AI巨头。
