对话Astera Labs：互联正在成为AI的隐形竞技场

21世纪经济报道记者 董静怡

买AI算力，曾经约等于买GPU。当成百上千颗GPU被连成一个集群，决定这些GPU实际能发挥出几成实力的，是它们之间搬运数据的能力——互联。

近日，Astera Labs联合创始人、总裁兼首席运营官Sanjay Gajendra在接受21世纪经济报道记者采访时表示，无论训练还是推理，AI对算力的需求都在同步膨胀，而算力膨胀的每一步，都要求数据在芯片之间移动得更快——这套“神经系统”必须以越来越高的速度运行，才能跟上算力的要求。

Astera Labs成立于2017年，做的是AI服务器中GPU与CPU、内存、网络、存储之间的互联芯片，深度卷入全球各大云厂商、AI实验室的算力基础设施建设，于2024年3月在纳斯达克上市。

最新财报数据显示，其今年二季度单季营收3.92亿美元，同比增长104%，一个季度就做到去年全年的近一半，其中PCIe 6产品已占总营收的50%以上。对三季度的指引是5.4亿至5.6亿美元，环比再增约四成。其业绩增长的背后，是行业对于高速互联的强劲需求。

行业普遍判断，AI负载已经从传统的“算力不足”转向通信瓶颈，超节点集群普遍遭遇“通信墙”制约。网络互联效率直接决定算力利用率与业务落地能力。

一千颗芯片，一个大脑

Sanjay Gajendra在采访中反复使用了一个比喻：如果把处理器比作大脑，那互联就是神经系统。

2017年Astera Labs成立时，数据中心服务器只有一两颗CPU，但创始团队看到了一个趋势：主板和服务器系统正在从单脑变成多脑。

“这就像同一个身体里开始出现很多个大脑。”Sanjay Gajendra向记者表示。当一台服务器从2颗处理器变成8颗、72颗，甚至上千颗时，为上一代架构设计的“神经系统”显然不够用。

这便是Astera看到的机会。他们的核心技术围绕三大产品线展开：Aries系列PCIe/CXL重定时器（Retimer）解决信号衰减问题，Leo系列CXL内存控制器为GPU扩展内存，Scorpio系列智能交换芯片实现GPU之间的高速互联。

AI的快速发展更是验证了他们的判断。Gajendra观察到，英伟达NVL72单机柜有72颗GPU，这还不是终点，下一代到144颗，并在未来三四年内奔向一千颗以上。PCIe协议也从他们创业时的8GT/s，到如今64GT/s，明年将达到128GT/s，基本每年翻倍。

AI把算力推向新量级，连接不再只是服务器内部的总线问题，而成为决定算力能否规模化、能否高效利用、能否商业化落地的核心瓶颈。

“无论是训练还是推理，两者都需要大量的算力，因为你是在试图模拟人脑。当你需要更多算力时，你就需要在处理器之间快速移动数据，”Gajendra在采访中解释道，“对互联来说，这套‘神经系统’必须以越来越高的速度运行。”

Astera Labs的产品线也在这种压力下生长。Gajendra介绍道，其第一代交换器件是较小的64通道设备，最多连接4台设备；第二代最多连接40台设备；当前一代产品最多可以连接80台设备。器件越来越大，解决的问题越来越复杂，创造的价值也越来越高。

公司在二季度财报中确认，针对AI集群设计的Scorpio提前一个季度成为营收最大的产品线。三季度的营收跳升，主要驱动力正是Scorpio新一代产品的量产爬坡，背后是AI数据中心对高速互联的强劲需求。

当AI训练和推理的瓶颈从算力本身转移到互联效率时，交换芯片的战略价值将向计算芯片看齐。

电力比算力更棘手

互联的故事讲到“更快”为止了吗？一个新的约束条件正在改写竞争。

“电力现在是一个巨大的瓶颈，至少在西方世界是这样。”Gajendra向记者表示。

美国数据中心的电力需求到2030年预计超过80吉瓦，而建一座电厂需要五到七年，环评和发电设备的交付周期都省不掉。一边是数据中心的狂奔，一边是电力基建的慢周期，缺口就摆在那里。

单机层面更直观：一台AI服务器的功耗，接近一台通用服务器的20倍，英伟达NVL72机柜的功率在130千瓦上下，下一代只高不低。而在万卡级的大模型算力集群中，数据在芯片间移动的能耗占系统总能耗的九成以上，真正用于计算的能量不足10%。

芯片行业的竞争规则也在随之改变。同样的供电额度下，谁的系统每瓦特换来的有效算力更多，谁就赢。算力的扩张节奏，开始由电力供给决定。

对Astera Labs来说，这也意味着生意性质的变化。“我们不是在等新电厂、新数据中心建起来，而是在今天这个电力额度之内，靠产品特性做到更高性能、更高效率。”Gajendra向记者表示，具体做法是降低自家组件的功耗，以及提高GPU的利用率。

当电力稀缺，GPU闲置就是烧钱，而数据搬运得越顺、GPU空闲越少，系统效率就越高。“神经系统”不再只对速度收费，也开始对效率收费。

同时，Gajendra也指出，电力约束存在明显的地域差异，中国的问题没有美国严重。

数据显示，2025年，中国已建成42个万卡级智算集群，全国算力中心总用电量达1700亿千瓦时，占全社会用电量的1.6%。八大枢纽节点的算力用电近三年年均增速约39.5%，但电力供给的弹性远好于美国。这个差别正在让两个市场走出完全不同的路径。

中国：推理先行，用例最杂，跑得最快

三年前，Astera Labs在中国面对的还是“少数玩家、少数机会”。现在这位高管用的词是“爆发”：字节跳动、阿里这样的超大规模客户，加上大量初创公司。

中国市场的第一个特点是推理先行。Gajendra把AI部署分为三个阶段：第一阶段造模型，第二阶段建基础设施，现在进入第三阶段——部署推理用例、让AI变现。他的判断是，中国在第三阶段跑在前面。

中国电信研究院发布的《智能体时代AI基础设施发展研究报告（2026）》显示，预计2026年中国Token年消耗量将达到10亿亿，到2030年将超过3500亿亿，年复合增长率接近12倍。从需求结构来看，推理算力需求将远远超过训练算力，预计2029年中国推理算力市场占比将达到80%。

第二个特点是结构分散。北美由四大云厂商主导，采购集中、节奏可预期；中国的玩家多得多，用例从电商、社交延伸到物理AI和自动化。“机会推进的速度非常惊人。”Gajendra向记者表示，客户对响应速度的期待也是如此。

竞争层面，中国的澜起科技等竞争对手正在快速追赶。澜起科技今年上半年营收33.35亿元、净利润同比增长七成，PCIe Retimer等AI互联产品正在放量。

Gajendra对竞争的态度颇为坦然：“如果你在一个市场里没有竞争对手，才需要担心——那说明根本没有市场。”

眼下，行业仍在快速发展中，标准未定、格局未定，唯一确定的是量级。Gajendra表示，其预测市场规模在1000亿到1500亿美元之间。

在战略层面，Astera表示正在“加倍投入”中国市场。按财报口径，中国目前占Astera Labs收入的38.9%，已经成为其最大的单一市场。Astera Labs正在上海设立硬件设计中心，招聘覆盖客户工程支持、生态系统合作等职能。

“我们的战略是确保技术不仅适用于北美市场，也适用于中国市场，因为用例不同、商业模式不同。我们也在扩大这里的团队。”Gajendra向记者表示。