Lambda 宣布全球首个大规模共封装光学部署:NVIDIA Photonics 液冷交换机连接逾 10,000 块 Blackwell Ultra GPU
2026 年 11 月 16 日,AI 云厂商 Lambda 宣布,已在其魁北克园区完成全球首个大规模共封装光学(co-packaged optics,CPO)部署:使用 NVIDIA Photonics 交换机连接 GB300 NVL72 机架,接入逾 10,000 块 NVIDIA Blackwell Ultra GPU;每台交换机有 144 个 800Gb/s 端口、采用液冷、配备 18 个可现场更换的外置光源。Lambda 与 NVIDIA 两家官方博客同日先后发布,相互印证了部署的规模与设备规格(Lambda 博客、NVIDIA 博客)。
Lambda 同日公布的对比基准称,这套 CPO 网络的吞吐与常规可插拔光模块持平,时延更低、光模块更凉,且规模越大差距越大;这些数字均为两家厂商自报口径。
液冷给芯片和光引擎散热,光源模块可现场更换
按 NVIDIA 博客的说明,液冷把交换芯片和光引擎的热量带走;外置光源向封装内的光引擎供光,技术员可以在现场更换光源模块,而传统可插拔光模块一旦激光器损坏,只能整块换掉。
NVIDIA 博客还称,这套网络为大规模 AI 工厂带来更低功耗、更高韧性和更长的平均无中断间隔(mean time between interruptions,MTBI)。按 Lambda 博客的说法,公司 2025 年 11 月已宣布早期采用 NVIDIA 共封装光学网络,本次部署是那次早期采用之后的规模化落地。
光引擎贴着交换芯片:电信号路径从英寸缩到毫米
两篇博客都解释了 CPO 与常规方案的结构差别。常规可插拔光模块在交换机面板上把电信号转成光;CPO 把光引擎放进交换机封装、与交换 ASIC(application-specific integrated circuit,专用集成电路)并排摆放,电信号路径从英寸级缩短到毫米级。路径变短,信号损耗随之减小;不再需要 retimer(信号重定时)芯片,NVIDIA 称这既省了功耗,也减少了信号路径上的零件数量;激光器数量只有常规可插拔方案的四分之一,可能失效的部件随之减少。
NVIDIA 博客还描述了光的路径:光引擎把电信号转成光信号,数据经光纤在集群各部分之间传输。
机架、可扩展单元、pod 三种配置上的对比测试
Lambda 的博客称,这套 CPO 网络在机架(rack)、可扩展单元(scalable unit)和 pod 三种配置上与常规可插拔光模块做了对比测试。其给出的数字:时延差距从机架级的 3.8% 扩大到 pod 级的 10.1%,信号完整性也更稳定。NVIDIA 博客转述同一组测试,表述为机架级约 4%、pod 级至多约 10%。
温度是另一组对比:CPO 光模块中位温度 36°C,可插拔方案为 51°C。两家公司称,更凉、更稳定的光模块带来至多 15 倍的可靠性提升;NVIDIA 另给出较常规可插拔方案最高 5 倍的能效提升。NVIDIA 博客用两个场景解释这些数字的意义:大型训练任务里,一条链路中断就能让成千上万块 GPU 停下来;代理式推理(agentic inference)场景里,一次网络中断会在许多 agent 之间引发级联延迟。Gilad Shainer(NVIDIA 网络业务高级副总裁)在声明中说:「在 AI 工厂里,网络就是业务加速器。每一次中断都会让任务停摆,每一瓦电都要算着用。NVIDIA Photonics 降低网络功耗、提升韧性、可靠性最高提升 15 倍,Lambda 的客户能从这笔投资里获得更多有效的 GPU 小时。」
两篇博客均未给出第三方测试结果。
142 MW、PUE 1.2:这次部署所在的魁北克园区
按 Lambda 博客的介绍,园区已锁定 142 MW 电力容量,能源接近 100% 来自可再生能源,全年至多 80% 的时间可免费冷却,PUE(电源使用效率,power usage effectiveness)保证值为 1.2,服务器冷却不消耗工艺用水。Dave Ward(Lambda 云服务总裁)说:「网络必须跟上越来越大的 AI 集群的需求。把共封装光学带进这种规模的部署,是构建下一代 AI 所需高效、有韧性基础设施的重要一步。」
这次部署还将在 NVIDIA SC26 特别演讲中亮相,Lambda 博客称届时会提供其大规模实施 CPO 网络的更多细节。