2026年7月，一条看似与AI芯片无关的消息在全球科技产业引起了巨大波澜。据投行Wolfe Research披露，英伟达正全力推进全美暗光纤资源收购计划，将豪掷百亿级别资金搭建专属高速光纤网络。所谓暗光纤，是指已完成铺设但尚未通电启用的闲置光缆资源。英伟达直接收购暗光纤而非向运营商租赁，可以自主配置传输设备，全盘掌控网络带宽、传输延迟及扩容节奏。据行业测算英伟达已累计锁定100对共计200根独立光纤线路，搭配先进的密集波分复用技术，可使单光纤传输速率达到800Gbps甚至1.6Tbps。这一举动标志着英伟达正在加速从AI芯片公司向AI基础设施全栈供应商转型，也将AI产业的竞争从芯片层面延伸到了算力基础设施的完整供应链。
随着AI大模型规模的持续增长，数据中心之间的高速互联正在成为AI算力体系中的关键瓶颈。当前一个大型AI模型的训练任务通常需要数千甚至数万张GPU协同工作，这些GPU分布在同一个数据中心内部的不同服务器上。未来随着模型规模和训练数据量的持续增长，单个数据中心的算力和存储将难以满足需求，需要将训练任务分散到多个地理上分离的数据中心中协同完成。这种情况下数据中心之间的网络传输速度和稳定性直接决定了大规模分布式训练的效率和可行性。传统的运营商网络虽然可以满足普通的数据传输需求，但在大规模AI计算场景中暴露出带宽不足、延迟过高和扩容周期长等问题。更关键的是，运营商网络的使用成本随着数据传输量的增长而线性上升。对于每天处理PB级别数据的AI公司来说，网络费用正在成为一项不可忽视的成本。英伟达自建光纤网络的核心动机在于解决这一瓶颈。通过拥有专属的物理层网络资源，英伟达可以确保AI训练任务的跨数据中心通信满足极低延迟和高带宽的要求。在敏感数据的安全性方面，独占的光纤链路比公共互联网提供了更高的安全性保障。英伟达的暗光纤收购计划在全球范围内具有示范效应，可能引发其他AI基础设施供应商的效仿，推动AI算力基础设施从租赁模式向自有模式转变。
英伟达自建光纤网络是其全栈AI基础设施战略的重要组成部分。英伟达的野心不止于制造最好的GPU，而是构建从芯片到网络再到平台软件的完整AI基础设施栈。过去几年英伟达已经完成了一系列关键战略布局。在芯片层面，英伟达推出了从H100到B200再到Rubin系列的GPU持续迭代，同时通过NVLink和NVSwitch构建了高速GPU互联方案。在网络层面，英伟达在2019年收购了网络设备商Mellanox，获得了高性能网络交换机技术。在平台软件层面，英伟达通过CUDA生态和AI Enterprise平台构建了从训练到部署的完整软件栈。自建光纤网络是对这一战略拼图的重要补充。拥有了自有的传输网络后，英伟达可以从GPU销售扩展到AI基础设施的整体解决方案输出：客户购买英伟达的GPU不必再自己解决数据中心互联的网络问题，英伟达可以提供包括GPU、网络交换机和光纤传输在内的一站式解决方案。日本方面英伟达CEO黄仁勋在7月15日抵达东京后迅速签署一项重大合作协议，集结日本主要工业巨头共同打造英伟达物理AI数据中心。英伟达的黄氏五层蛋糕理论将AI产业从底层能源到上层应用划分为五个层次，英伟达正在这五个层次上同时布局。自建光纤网络正是其中基础设施层的核心一环。
与英伟达自建光纤网络的战略同步，中国AI算力基础设施的自主替代也在加速推进。华为昇腾开发了自有高速互联技术CANN和HCCS，实现了GPU间的低延迟通信。摩尔线程也在开发支持多卡互联的MTLink技术。在国家级层面，多条算力大通道的建设正在贯穿全国算力枢纽节点，目的就是为了降低跨区域数据传输的延迟和成本。中国的算力基础设施建设采取了政府主导和市场参与相结合的模式。工信部在2026年7月发布的最新数据中显示，截至6月底全国智能算力规模已达2185 EFLOPS，同比增长177%。配合算力规模的快速增长，配套的网络基础设施也在同步升级。近两年围绕国家算力枢纽节点已经建设了超过70条算力大通道，相关算力枢纽节点间的网络性能提升了约10%。工信部信息通信管理局局长谢存提出的点链网面四维推进框架中，网上升级被列为重要一环，目标是推动建设高速宽带网络，打造高效畅通的算力传输通道。在实际的技术路径方面，国内在光模块和光互联技术上取得了重要的进展。中际旭创和新易盛等光模块企业已经实现了800G光模块的量产，正在向1.6T乃至3.2T的下一代产品迈进。虽然在光纤网络的自有建设方面中国还没有出现类似英伟达体量的企业自建计划，但在全国算力大通道的推动下，数据传输瓶颈正在快速缓解。英伟达的自建光纤计划给中国AI产业带来的启示在于：领先的AI基础设施供应商必须对整个技术栈拥有深度理解和控制力。在AI算力日益成为战略资源的背景下，中国AI产业不仅需要在芯片层面实现自主替代，还需要在网络、存储和平台软件等层面建立起完整的自研能力体系。