一个真正卡住AI数据中心脖子的“隐形战场”——AI集群内部互连技术。你可能没听说过，但这场技术战，正在决定未来NVIDIA、AMD、Marvell、Broadcom这些巨头谁能在万亿瓦特级AI算力时代笑到最后。
为什么这么说？因为现在的AI集群，动不动就是上万张H100，甚至B200；每张卡之间的数据交换，就像春运高峰期全国高铁同时发车，流量爆炸，延迟必须拉满。而连接这些GPU的“血管”——高速互连电缆，正在成为整个AI基建里最脆弱的一环。
今天要讲的主角，是一家叫Point2 Technologies的硅谷创业公司，它搞出了一种用塑料管传射频信号的黑科技，名字叫e-Tube。这玩意儿真的有可能在铜缆和光模块之间，撕开一道新裂缝。
先说现状：铜缆快到极限了，光模块又太费电
现在AI数据中心里，主流互连方案还是无源铜缆（Passive Copper Cables）。这玩意儿好在哪？几乎不耗电，延迟接近零，成本低，插上就能跑。但问题是——距离短得可怜。
在50G PAM4信号速率下，铜缆还能撑3到5米；但当你把速率拉到200G PAM4——也就是现在NVLink、InfiniBand 400X用的级别——铜缆的有效传输距离直接跌破1米。啥概念？你连一个机架都跨不过去！
怎么办？工程师们搞出了主动铜缆（Active Copper Cables, ACC），在电缆两端加红驱动器和均衡器，勉强把距离拉回3米左右。但代价是每端多耗1~2瓦电，延迟加1~2纳秒。听起来不多？但一个AI机架有2英里（约3.2公里）的铜缆！光是布线就密得像蜘蛛网，维修换线时工程师恨不得哭出来。
再往上走，还有高级主动电电缆（AEC），用DSP做重定时、前向纠错（FEC）、完整时钟数据恢复（CDR）。Marvell的Alaska A重定时芯片，用5nm工艺做到单通道100G PAM4，8通道1.6Tb/s，传输距离3米。但代价呢？每端功耗10瓦，延迟飙到20~100纳秒，能效约6皮焦/比特（pJ/bit）。
这还没完。照这个趋势，到2030年前，单通道速率很可能冲到400G PAM4。到了那一步，铜缆哪怕加一堆芯片，也基本无能为力了——信号衰减太狠，连DSP都救不回来。
那换光模块不就行了？毕竟光纤能跨太平洋，区区机架内几米不是小菜一碟？
错！光模块在AI数据中心里，是“杀鸡用牛刀”。
英伟达CEO黄仁勋在2024年GTC大会上亲口吐槽：“如果用光模块，光是收发器和重定时器就得耗掉20千瓦电——就为了驱动NVLink脊柱！” 20千瓦是什么概念？差不多够一个小工厂全厂照明了。
为什么光模块这么费电？我们拆开看：一个OSFP光模块里，有外调制激光器（EML），单个就吃10瓦；再加上3nm工艺的DSP芯片（比如Broadcom的Siam3），干串并转换、数模转换、信号驱动，再加接收端的跨阻放大器——整套下来30瓦起步，能效约20 pJ/bit，是AEC的三倍以上。
而且，光模块还有延迟。虽然光纤本身延迟低，但DSP处理带来额外开销，在AI训练这种对时序极度敏感的场景里，多几十纳秒都可能拖慢收敛速度。
所以，在1~5米这个“中程距离”上，铜缆够不着，光模块又太狠——这就是所谓的“灰色地带”。而Point2的e-Tube，就是专为这个灰色地带而生的“第三条路”。
Point2是谁？背后站着Molex和富士康
Point2 Technologies，2016年在硅谷湾区成立，核心目标就一个：用混合信号SoC扩展互连距离。它不光做e-Tube，也做AEC重定时芯片，但真正让它出圈的，是那个“塑料管传信号”的e-Tube方案。
CEO叫肖恩·朴（Sean Park），前Marvell射频IC设计总监，后来还当过TeraSquare的CEO——那家公司2015年被Gigpeak收购。换句话说，这人是射频芯片老炮儿，对毫米波、高速SerDes、封装电磁学门儿清。
投资方更硬核：Molex Ventures（全球顶级连接器厂商，AI数据中心里一半铜缆插头都它家的）、博世创投（Bosch Ventures）（看中车用高速互连潜力），2024年刚领投了2260万美元B轮融资。最近，富士康旗下FIT（鸿腾精密） 也下场合作，目标直指1.6Tb/s甚至3.2Tb/s的AI集群互连。
这阵容，说明什么？说明e-Tube不是实验室玩具，而是已经进入工程化落地前夜。
e-Tube怎么工作的？毫米波+塑料波导=低损传输
2020年，Point2和韩国KAIST（韩国科学技术院）在《自然·科学报告》发了一篇开源论文，首次公开e-Tube技术细节。咱们用大白话翻译一下：
第一步：数字信号变毫米波
GPU输出的数字数据，先送进一个叫UltraWave的毫米波射频SoC（Point2自研）。这个芯片把信号调制到V波段（约70GHz），然后通过焊球输出。
第二步：射频信号进“塑料管”
射频信号从芯片出来后，经过一个微带线到波导的过渡结构，耦合进一根叫e-Tube的塑料波导管里。这根管子不是普通塑料，而是低损耗介电材料（比如聚四氟乙烯PTFE），上下两面夹着金属板，形成平行板波导。
注意！它不是2015年那种圆管状“塑料吸管”，而是2020年升级版：宽3.5毫米，厚0.6毫米，扁平轻薄，布线灵活。更重要的是，这种结构支持TEM（横电磁波）模式——没有低频截止，从直流到100GHz以上都能传，不像传统矩形波导只能当高通滤波器用。
第三步：接收端还原数字信号
信号穿过e-Tube后，在另一端通过同样的过渡结构转回微带线，送进毫米波接收SoC，解调还原成数字数据。
整个过程全模拟，无DSP，所以延迟极低（估计<5纳秒），功耗也远低于AEC或光模块。
关键优势：轻、省电、低延迟、还能插标准接口
首先，重量和体积。e-Tube只有3.5mm宽、0.6mm厚，比铜缆细得多，布线密度高，散热压力小。Meta的Catalina Pod里那些“手臂粗”的铜缆，以后可能被一排“信用卡厚度”的e-Tube取代。
其次，功耗。因为不用DSP，只用成熟的28nm甚至22nm RF CMOS工艺（比光模块用的3nm便宜多了），UltraWave SoC能效轻松做到<5 pJ/bit，甚至可能压到3 pJ/bit以下。比AEC省一半电，比光模块省80%以上。
第三，延迟。全模拟链路，没有重定时、没有FEC处理，端到端延迟预计在2~5纳秒，接近无源铜缆水平，远优于AEC（20~100ns）和光模块（10~30ns）。
第四，兼容性。Point2已经把整套方案封装成OSFP插头，叫ARC（Active RF Cable），可以直接插进现有交换机和GPU服务器，无需改动机架结构或主板设计。
别被“塑料免疫趋肤效应”忽悠了，真实损耗在哪？
网上有人说：“e-Tube用塑料，所以没趋肤效应，损耗超低！”——这是误读。
论文里明确写了：金属板的材质（铝或铜）、表面粗糙度，都直接影响损耗。因为虽然电磁场主要在塑料里传播，但金属边界仍有电流，趋肤效应依然存在，只是比实心铜线弱很多。
实测数据显示，e-Tube在50~70GHz频段的插入损耗很低（约0.3 dB/cm），但带宽似乎被卡在这个区间。为啥不能冲到100GHz以上？
真正的瓶颈，可能是那个“微带线到波导的过渡结构”。这个过渡如果设计不好，会导致模式失配、反射、辐射损耗，严重限制高频性能。这也是为什么论文里虽然理论支持TEM到100GHz，但实测只做到70GHz。
换句话说：e-Tube的天花板，不在波导本身，而在芯片与波导的接口。这恰恰是Point2的核心壁垒——他们能不能把过渡损耗压到极致，决定了e-Tube能否支撑400G甚至800G PAM4。
和CPO比，e-Tube是“轻骑兵”，CPO是“重装军团”
说到这里，你可能听过另一个热门技术：共封装光学（Co-Packaged Optics, CPO）。CPO把光引擎直接封装在GPU或交换芯片旁边，用硅光波导短距传输，再接光纤出机架。英特尔、思科、NVIDIA都在押注。
但CPO的问题是什么？太复杂、太贵、良率低、散热难。光引擎和逻辑芯片热膨胀系数不同，封装应力大；硅光波导对制造精度要求极高；而且一旦出问题，整颗芯片报废。
e-Tube呢？它走的是“分立但标准”路线：射频SoC单独封装，e-Tube是可插拔线缆。坏了换线就行，维修成本低，供应链也简单。
所以，CPO适合超大规模、超长生命周期的AI集群（比如谷歌TPU v6）；而e-Tube更适合灵活部署、快速迭代的商业AI集群（比如云厂商的H100集群）。
三大方案终极对比：e-Tube、AEC、CPO谁赢？
我们拉个表，从四个维度PK：
| 指标 | 无源铜缆 | AEC | 光模块 | e-Tube | CPO | |
结论很明显：e-Tube在1~5米这个黄金距离上，完美填补了AEC和光模块之间的空白。它比AEC更省电、延迟更低；比光模块便宜得多、部署更灵活。
最后说点现实的：e-Tube要火，还得过三关
第一关：芯片量产与过渡结构优化。UltraWave SoC能不能在22nm RF CMOS上稳定量产？微带-波导过渡损耗能不能压到0.1 dB以下？这是技术生死线。
第二关：生态支持。Marvell、Broadcom、NVIDIA愿不愿意在下一代交换芯片里集成e-Tube接口？没有巨头站台，再好的技术也难上规模。
第三关：标准制定。如果e-Tube变成Point2私有协议，那永远只是小众方案。必须推动OSFP或COBO联盟纳入标准，才能成为行业基础设施。
但好消息是：富士康FIT已经下场。作为全球最大的连接器和线缆制造商，FIT的加入意味着e-Tube有望快速进入量产供应链。再加上Molex的渠道，一旦技术验证通过，2026年就可能出现在阿里云、AWS或Meta的新一代AI机架里。
结语：塑料管里，藏着AI未来的“血管革命”
别小看这根3.5毫米宽的塑料管。在AI算力军备竞赛进入“每瓦特必争”的时代，任何能省电、降延迟、减重量的技术，都是战略级武器。
e-Tube不是要取代光模块，也不是要干掉铜缆，而是在最尴尬的“中程互连”地带，杀出一条高性价比的血路。如果Point2能搞定芯片与过渡结构，它很可能成为下一代AI集群的“标配互连”。
而对我们这些关注AI基建的人来说，这又是一个提醒：真正的技术革命，往往不在芯片内部，而在连接芯片的那根“线”里。
毕竟，再强的GPU，如果“说不上话”，也是废铁一堆。