🚀【Musk 再押中 AI 下一個瓶頸？｜GPU 再多，都要先解決「資料塞車」】

你可以喜歡 Elon Musk，也可以討厭他，但不能否認，他經常比市場早一步看到：下一個真正影響規模化的樽頸在哪裏。

美國聯邦貿易委員會（FTC）近日提前結束反壟斷等待期，批准 Musk 推進收購光通訊新創 Mesh Optical Technologies。申報文件列出的收購方是 Musk 本人，而不是 xAI；目前亦較適合形容為「取得監管許可」，未有足夠公開證據確認交易已正式完成。(TechCrunch⁠)

這宗交易最值得留意的，不是 Musk 又買了一家公司，而是 AI 軍備競賽的瓶頸可能正在轉移。

過去兩年，科技公司都在鬥買更多 GPU。但當 AI 叢集由數萬顆擴展至數十萬顆，問題已不只是「有幾多算力」，而是大量 GPU 之間的資料能否夠快流動。

GPU 就像工廠裏的工人。工人數量再多，如果運送原料的道路長期塞車，昂貴設備一樣只能停下來等。

xAI 官方資料顯示，Colossus 已把約 20 萬顆 H100 GPU 連接成同一個叢集。規模愈大，網絡頻寬、延遲、耗電和散熱便愈容易成為整個系統的限制。(SpaceXAI⁠)

而 Mesh Optical 正正瞄準這個問題。

它開發的 Alpha C1 光模組支援 800G及1.6T 網絡，採用 LPO，即 Linear Pluggable Optics「線性可插拔光學」路線。

簡單來說，傳統高速光模組通常要依靠一顆 DSP 晶片重新處理和修正訊號，但 DSP 本身會耗電、發熱，亦會增加成本。LPO 嘗試減少這層複雜處理，以更簡單的方式傳輸資料，從而降低延遲和能源消耗。

不過，Mesh 真正可能值錢的地方，並不只是模組有多快，而是它希望令光學設備變得更容易大量製造。

光通訊產品長期面對封裝複雜、組裝工序多、良率難提升等問題。Mesh 三名創辦人都曾參與 SpaceX／Starlink 的衛星雷射通訊工作，他們帶來的核心經驗，是如何把原本昂貴、精密的光學系統，推向規模化生產。

這亦很符合 Musk 一貫的垂直整合策略。

Tesla 發現晶片和軟件會影響汽車性能，便逐步自行設計；SpaceX 認為火箭成本受供應鏈限制，便把大量零件收回內部製造；Starlink 要建立衛星之間的高速通訊，亦自行發展太空雷射系統。

當某項核心零件開始影響產品速度、成本或供應，Musk 通常不只向供應商壓價，而是嘗試把關鍵能力收回自己的體系。

但今次仍然只是一張入場券，距離終局很遠。

Mesh 掌握的主要是光模組設計、封裝、測試和製造能力，不代表 Musk 已控制整條光通訊供應鏈。最上游的雷射晶粒、磷化銦材料及晶圓製造，仍需要深厚技術和長期產能累積。

另一個更現實的問題，是 Alpha C1 能否由工程樣品，走到高良率、穩定的大批量生產。光模組規格寫得漂亮是一回事，能否每日生產數以千計、同時保持可靠性，又是另一回事。

而且 LPO 亦不是唯一答案，未來仍要與 CPO「共封裝光學」等技術路線競爭。

所以，這宗交易真正值得關注的，不是哪一隻概念股，而是 AI 基建競爭的焦點正在改變。

下一代 AI 叢集的勝負，未必只看誰擁有最多 GPU，而是誰能夠用更低功耗、更低延遲，把龐大資料在晶片之間快速搬運。

你認為 AI 下一場軍備競賽，會由 GPU 轉向光通訊，還是這只是 Musk 另一次過早下注？

🚀 Follow 埋我哋，一齊把 AI 變成你嘅 marketing advantage。

========
內容由 Ai Marketer HK 提供

#AIMarketerHK #人工智能 #ElonMusk #光通訊 #LPO #GPU #DataCenter #科技趨勢