Q：英伟达在 OCS 领域的布局和未来规划是怎样的？

A：英伟达计划在2028 年推出的下一代 Feynman 产品中，采用Dragonfly 网络架构与 OCS 相结合的全新网络架构，替代当前的分层网络，实现网络拓扑的可重构配置，该架构思路接近谷歌目前在用的 3D Torus 架构，主要用于解决当前 Clos 层级网络在超大规模 AI 集群中连接复杂、成本高昂的问题。如果 Dragonfly 架构在 2028 年实现普及，将为 OCS 打开巨大的市场空间。英伟达已多次通过研究报告阐述 OCS+Dragonfly 架构对未来 AI 网络的显著提升作用，近期发布的 OCS 相关报告也体现出其长期技术积累，正等待合适的产品代际落地应用。

Q：针对 OCS（光交换系统）的不同技术路线，目前市场主流厂商的布局策略是怎样的？

A：当前 OCS 主流技术路线主要分为MEMS、硅基液晶、光波导三类。英伟达明确主推光波导方案，该方案切换速度更快，更适配未来 AI Scale-up、内存池化等核心场景，长期增长潜力巨大。而 Lumentum、Coherent 等厂商则聚焦 MEMS 或硅基液晶成熟方案，优先把现有路线的性能与产能做扎实，先满足当前数据中心里对切换速度要求不高的存量替换场景，例如 PCI 互联、网络重排、故障恢复等。Lumentum、Coherent 目前并未启动光波导技术研发，而是选择深耕自身优势领域。

Q：内存池化技术对 OCS 的需求将产生何种影响？该技术的落地进度和技术挑战是什么？

A：内存池化技术会大幅拉升 OCS 的需求，其对 OCS 的配比需求甚至可能比 AI Scale-up 场景高出1–2 倍，因为存储数据的交换频次更高、带宽需求也更大。内存池化对 OCS 提出了超高切换速度、超低时延的要求，同时对系统架构、配套软件以及 OCS 硬件都有极高标准，整体开发与测试工作量巨大，落地进度仍高度依赖技术成熟度与实际场景验证。

LPU需求快速成长主要来自两项因素：
(1)与Nvidia生态系(如CUDA)高度整合，大幅降低应用开发与部署门槛。
(2)超低延迟推理需求快速增加，包括AI agents(如coding agents)以及正在兴起的real-time、consumer-facing与physical-AI等类型应用。

为维持推论decode阶段的超低延迟优势，并因应长文本推理带动的KV cache需求快速成长，Nvidia预计将每机柜LPU数量由目前64颗提升至256颗，以扩大内存容量并维持超低延迟效能。新架构机柜预计于4Q26-1Q27量产，2026与2027年机柜出货量分别约300-500与15,000-20,000个。

Nvidia生态整合LPU的三个关键观察重点：
(1)网络架构：NVLink Fusion与RealScale的机柜互联。
(2)开发者接口：Nvidia NIM是否让开发者在部署时无需区分GPU与LPU。
(3)编译整合：TensorRT-LLM是否支持LPU的compile-first架构。

LPU/LPX机柜量产亦对PCB产业有重要意义，关键PCB供应商沪电股份扮演核心角色。LPU/LPX机柜是首度大规模采用CCL M9材料的应用。若顺利量产，不仅意味着LPU方案的数量级成长将在2027年为沪电股份*带来显著贡献，也代表该公司突破高层板石英布加工技术门槛，有望带动PCB产业展开新一轮成长周期。

*不构成投资建议。