铜线彻底守不住了，Kimi参数干到2.8万亿，AI机柜开始“拼多多”，光互联需求打开新增量域

【本文来自持牌证券机构，不代表平台观点，请独立判断和决策】

东方证券研报指出，以前一个机柜就能搞定AI计算，现在Kimi、GPT越做越大，模型“专家”太多，机柜内电线（铜缆）根本传不过来，必须把好几个机柜连在一起算。这一跨柜，铜线就不灵了（又慢又费电），必须用光互联。光模块不再只负责外部联网，开始钻进计算内部，NPO/CPO（光电共封装）和光引擎要迎来真金白银的增量了。

1）国内外模型开始新一轮迭代

国内外前沿模型进入新一轮密集迭代期，Scaling Law转向“更大基座、更长上下文、更强Agent与更多推理计算”共同扩张。

2026年7月16日，月之暗面发布Kimi K3，总参数规模达到2.8万亿，并支持100万Token上下文和原生视觉理解，成为国内大模型重新向超大规模基座演进的标志性事件。

海外模型方面，OpenAI于7月推出GPT-5.6，新增更高推理强度及多Agent并行模式；Anthropic先后发布Fable 5、Mythos 5及7月24日上线的Opus 5，持续强化复杂编程、科研和长程自主任务；Google最新Gemini 3系列也将百万Token上下文、原生多模态和Agent能力作为重要方向。

由此来看，模型竞争并未从Scaling转向“小模型替代大模型”，而是从单一预训练参数扩张，演变为总参数、激活参数、上下文长度、测试时计算和Agent并发数量的共同提升。

2）由单机柜走向多机柜GPU互联

模型有效工作集扩大和Agent任务复杂度的提升，正在系统性抬高大Scale Up域的价值，多机柜Scale Up将成为未来AI系统演进的核心方向。

对MoE模型而言，真正影响通信需求的不只是总参数规模，而是专家数量、激活参数、Expert Parallelism和模型并行组规模。Token需要在不同专家之间持续完成Dispatch和Combine，天然产生高频All-to-All通信；当专家并行组超过单机柜能够高效容纳的范围后，越来越多通信将跨越机柜边界。

扩大Scale Up域，可以将更多专家、张量并行组和KV Cache资源留在统一的低时延、高带宽计算域内，提高计算通信重叠效率和GPU利用率。而单机柜继续增加GPU数量，已经受到功耗、供电、液冷、空间、重量、布线及高速电连接距离的共同约束。

英伟达最新Vera Rubin平台已明确提出POD-scale up系统，使多个机架作为一个大型协同系统运行；NVLink 6也进一步面向MoE、专家并行和低时延All-to-All通信优化。东方证券认为，AI计算的基本单元正在由服务器升级至机柜，并进一步由单机柜走向多机柜GPU互联。

3）柜内以铜为主、柜间加速光化

多机柜Scale Up将确定性推动柜间链路光化，并为NPO、CPO及高密度光连接打开新的需求空间。单机柜内部距离较短，铜背板、DAC和AEC仍具备成本、功耗和维护优势；但当Scale Up域跨越多个机柜后，互联距离、端口数量及带宽密度明显提升，纯电连接将面临插损、均衡、Retimer功耗、散热和信号完整性等约束。而CPO通过将光电转换靠近交换芯片，可明显缩短高速电路径并降低每比特功耗。

由此来看，多机柜Scale Up带来的第一层确定性，是“柜内以铜为主、柜间加速光化”；第二层趋势，是光电转换位置持续向交换ASIC靠近，推动板载光学、NPO和CPO在高带宽密度节点逐步提高渗透率。具体方案仍可能呈现电连接、可插拔光模块、NPO与CPO长期并存，但光互联由传统Scale Out网络进一步进入Scale Up计算域内部的方向已经较为清晰。

4）相关标的

随着前沿模型参数规模、专家并行度和Agent推理复杂度持续提升，Scale Up域由单柜向多柜扩展的趋势有望加速，柜间高速互联光化将成为AI基础设施升级中的高确定性方向。

关注受益于NPO/CPO渗透率提升的光引擎、硅光芯片、FAU/MPC、高密度光连接器、保偏光纤及精密耦合封装等产业链环节。

标的：中际旭创、天孚通信、致尚科技、长盈通。

研报来源：东方证券，舒迪，S0860526040003，Scale Up跨柜扩展提速，光互联需求打开新增量域。2026年7月27日