1. 课程导入与选型问题定义

为什么3.2T把“选型”变成了一道必答题

单端口3.2Tbps的传输需求，通常来自AI训练集群中GPU之间的高速互联：一台高密度交换机需要在上行与下行同时承载数十个高速端口，面板带宽与交换芯片容量同步抬升。以常见的64×800G可插拔方案为参照，若要在同样的1U机箱内实现3.2T单端口能力，可插拔模块在面板密度、前面板散热和电通道长度上都会迅速逼近物理极限。这正是CPO（Co-Packaged Optics，共封装光学）被反复讨论的现实背景：它把光引擎从面板移到交换芯片旁边，用更短的电通道换取更低的功耗与更高的集成度。

但“更先进”不等于“更适合”。可插拔架构经过多年生态积累，在可维护性、标准化、多厂商互操作和现场更换上具有明显优势；CPO则在功耗、时延和面板密度上占优，却把可维护性、散热设计和供应链绑定推到了新的复杂度上。因此本节的核心不是给出一个“标准答案”，而是建立一套可复用的选型判断框架：先明确业务约束，再量化关键指标，最后用可验证的样机数据做决策。

选型决策的五个核心要素

工程上真正影响结论的，通常集中在以下五个维度，它们之间存在明显的相互制约关系：

• 面板带宽密度与端口形态：机箱前面板可用面积、单端口速率、端口数量共同决定是否必须走CPO路线。若单端口3.2T且端口数超过一定规模，可插拔模块的笼子与散热器会挤占大量面板空间。
• 功耗预算：可插拔800G模块典型功耗在13～16W量级，3.2T若沿用可插拔形态，单端口功耗可能达到50W以上；CPO通过缩短电通道，通常可将光互联部分功耗降低约30%～50%（示例估算，需以实际样机为准）。
• 电通道损耗与信号完整性：从交换芯片到面板的PCB走线越长，224G PAM4信号所需的均衡与重定时越多，功耗和误码风险同步上升。CPO把这段距离从数十厘米缩短到数厘米。
• 可维护性与运维模式：可插拔支持现场热插拔、按端口更换；CPO一旦光引擎故障，往往需要整机或整板返修，运维窗口和备件策略必须重新设计。
• 生态成熟度与供应链：可插拔有成熟的MSA标准与多厂商互操作；CPO目前接口标准、封装良率、测试方法仍在收敛，选型时要评估供应商锁定风险。

一张图看清两条技术路线的结构差异

下面的结构关系图对比了两种架构在信号路径上的关键差异：可插拔方案中，电信号需要经过较长的PCB通道到达面板模块，再由模块内的DSP完成重定时与光电转换；CPO方案则把光引擎贴近交换芯片，电通道大幅缩短，但光引擎与芯片共同封装，维护边界随之上移。

把选型落到可执行的判断上

面对一个具体的3.2T项目，建议按“约束→指标→验证”的顺序推进，而不是先入为主地选定架构。第一步是锁定硬约束：机箱高度、可用面板面积、单机功耗上限、机房散热能力、运维更换窗口。例如某AI交换机项目要求1U机箱内实现64个3.2T端口，单机功耗不超过某一阈值，此时可插拔方案在面板和散热上很可能直接出局，CPO进入候选。第二步是把约束翻译成可量化指标：每端口功耗、电通道插损、误码率目标、平均修复时间（MTTR）、单端口成本。第三步是用样机或仿真数据验证，而不是只看规格书。

一个实用的做法是建立加权评分表。以下为示例结构，权重和分值需根据项目实际调整，表中数值仅作演示：

按上表加权，可插拔约为3.05分，CPO约为3.65分，说明在该假设场景下CPO略优，但差距并不悬殊，最终还要看运维团队能否接受光引擎故障时的整板返修流程。若把可维护性权重提高到35%，结论可能反转。这正是选型工作的价值所在：把模糊的“先进与否”转化为可讨论、可复核的量化判断。

本课程的学习路径与实战目标