CSP（云服务提供商）

提供云计算基础设施和服务的公司，是AI数据中心最大的需求方。

全球主要CSP

公司	代号	云品牌	AI布局
亚马逊	—	AWS	Bedrock / SageMaker / Trainium
微软	—	Azure	Azure OpenAI / Azure ML
谷歌	—	Google Cloud	Gemini / TPU / Vertex AI
Meta	—	—	自建AI基础设施
阿里巴巴	—	阿里云	通义千问 / 含光NPU
腾讯	—	腾讯云	混元大模型
字节跳动	—	火山引擎	豆包大模型

[!NOTE] 业界也称大型CSP为Hyperscaler（超大规模厂商）

CSP的AI基础设施需求

CSP采购清单：

AI服务器
  └── NVIDIA H100/H200/B100（DGX SuperPOD集群）
        └── 自研AI加速器（谷歌TPU、Meta Maat）

网络互联
  └── InfiniBand NDR 400G/800G（AI训练集群）
  └── Ethernet 400G/800G（推理/通用）
        └── 交换机（Arista/Mellanox）

光模块
  └── [800G](/wiki/800g/)可插拔光模块（当前主流）
  └── [1.6T](/wiki/1-6t/)可插拔（2025-2026年）
  └── [CPO](/wiki/cpo/)（2027年末后）

[液冷](/wiki/liquid-cooling/)散热（数据中心PUE优化）
[HVDC](/wiki/hvdc/)供电

CSP vs 光模块厂商的关系

CSP（需求方）
  └── 采购AI服务器 → 整机厂（Dell/HPE/浪潮）
        └── 采购交换模块/光模块
              └── 光模块厂商（中际旭创/新易盛）

光模块厂商定价权：
  ├── 100G以下：竞争激烈，价格低
  ├── 400G/800G：头部厂商集中，价格稳定
  └── 1.6T：技术壁垒高，定价权强

CSP议价压力 vs 技术壁垒：
  └── 800G可插拔：供需紧，议价能力在光模块厂

CSP对CPO态度（研报关键信息）

可插拔继续主导至2026-27年：
  └── CSP（超大规模厂）明确：客户路线图聚焦800G/1.6T可插拔

CSP为什么对CPO保守：
  ├── 可靠性验证周期长（不愿冒险）
  ├── 可维护性未解决（热插拔 vs 整机维护）
  ├── 生态系统未成熟
  └── 英伟达/AMD等AI加速器路线图配合度低

CPO规模落地时间：2027年末（晚于业界预期）

CSP的AI网络架构（叶脊）

数据中心内部：

Leaf交换机
  └── 光模块（服务器到Leaf）
        ├── 短距多模（VCSEL，≤100m）
        └── 800G SR8（100G×8）

Spine交换机（集群互联）
  └── 光模块（Leaf到Spine）
        ├── 中距单模（EML，500m-2km）
        └── 800G DR8/FR8

Spine到Spine（东西向流量）
  └── 带宽需求极高
        └── 需要[MEMS OCS](/wiki/mems-ocs/)（光路重构）

东西向流量增长：
  └── AI训练：多GPU协作需要大量服务器间通信
        └── OCS/光交换解决光纤资源利用率问题

CSP在中国

公司	云品牌	AI芯片	AI模型
阿里巴巴	阿里云	含光NPU	通义千问
腾讯	腾讯云	紫霄（自研）	混元
百度	百度云	昆仑芯	文心一言
华为	华为云	昇腾NPU	盘古大模型

核心关系

CSP（云服务提供商）
  ├── AI训练需求 → [AI服务器](/wiki/ai-server/)（NVIDIA GPU集群）
  ├── 网络互联 → [交换机](/wiki/network-switch/)（InfiniBand/Ethernet）
  ├── 光模块采购 → [800G](/wiki/800g/)/[1.6T](/wiki/1-6t/)可插拔（当前）
  │     └── 光模块厂商（中际旭创/新易盛）
  ├── 未来网络 → [CPO](/wiki/cpo/)（2027年后）
  ├── 散热需求 → [液冷](/wiki/liquid-cooling/)
  └── 电力需求 → [HVDC](/wiki/hvdc/)

CSP = 光模块行业最大的终端客户