夜雨聆风
引言
2026年6月，一则公告在资本市场引发广泛关注——罗博特科旗下全资子公司ficonTEC宣布，其与英伟达的合作持续取得进展，双方正携手开发面向下一代共封装光学（CPO）及AI驱动光互连基础设施的规模化制造与测试解决方案。这则消息的背后，是一家原本深耕光伏电池自动化设备的企业，通过一次历时数年的跨国并购，站上了AI算力基础设施的最前沿。
本文将从ficonTEC的公司背景、CPO技术的产业痛点、行业未来趋势三个维度，解析这场合作的意义与挑战。
一、ficonTEC：从德国小镇走出的光电子设备隐形冠军
1.1 历史沿革：25年的技术积累
ficonTEC的故事始于2001年，在德国埃姆登（Emden）的一座小镇上诞生。公司名称本身即揭示了其初心——FIber CONnecting TEChnologies（光纤连接技术），而首款产品正是光纤对准系统（Fibre alignment system）。
此后的二十余年里，ficonTEC逐步发展为全球光电子自动化组装与测试设备领域的市场领导者。公司核心团队主要由光学、光子学、电气、机械、机电一体化及软件工程领域的研发工程师组成。其业务版图覆盖电信与数据通信、大功率激光器组装、生物医疗传感、汽车传感、微光学等多个行业领域。
截至2022年，ficonTEC在全球的装机总量已超过1000台设备。
罗博特科旗下ficonTEC精密耦合设备，全球光模块量产制造中的高精度密封装配校准龙头
1.2 产品矩阵：从晶圆测试到模块封装的全流程覆盖
ficonTEC的产品线覆盖了光电子器件制造的全流程。据罗博特科披露，ficonTEC构建了覆盖硅光器件从晶圆测试到封装耦合、模块测试的全流程端到端解决方案。
具体而言，其产品可分为两大系列：
全自动测试设备：涵盖从晶圆、晶粒、芯片到后道模组等各个环节的测试设备。2025年OFC上，ficonTEC发布了业界首创的300mm双面光电晶圆测试设备，为硅光集成电路（PIC）等CPO光子引擎的核心器件提供晶圆级高通量测试解决方案。
全自动组装设备：主要包括全自动光电子器件耦合设备、高精度光纤耦合设备、光芯片贴装设备及芯片堆叠设备等。其耦合设备可提供纳米级精准定位及耦合技术，精度可达5-50纳米级别。
ficonTEC还提供独家的多通道测试技术，可实现16通道同步测试。这一技术能力在行业内具有显著的差异化优势。
1.3 客户版图：全球顶尖半导体企业的共同选择
ficonTEC的客户名单堪称“全明星阵容”——英特尔、英伟达、台积电、博通等全球AI芯片龙头企业均是其客户。台积电和英伟达均系ficonTEC核心客户，双方一直保持着紧密合作。
1.4 被罗博特科收购：从光伏到AI的跨越
2019年，罗博特科开始牵头财团对ficonTEC发起收购。2020年，斐控泰克以1亿欧元收购了ficonTEC 80%的股权。经历疫情中断、多次重启后，罗博特科最终于2025年4月完成对ficonTEC 100%股权的收购，交易作价约10.12亿元。2025年5月，ficonTEC正式并表。
这一收购使罗博特科从一家光伏自动化设备企业，摇身一变成为AI硅光设备供应商。根据灼识咨询资料，罗博特科成为目前唯一一家提供覆盖硅光器件全部制造流程的端到端解决方案供应商，在全球硅光智能制造设备市场排名第一。
业绩层面，2025年罗博特科光电子及半导体业务实现营收4.855亿元，同比暴增867.54%，有效对冲了光伏业务的下滑压力。截至报告期末，光电子及半导体业务在手订单达11.05亿元。
二、CPO的产业痛点：为什么制造和测试成为最大瓶颈？
2.1 什么是CPO？为什么它如此重要？
共封装光学（Co-Packaged Optics，CPO）技术，简而言之就是将光引擎与交换芯片（Switch ASIC）封装在同一基板上，以缩短光信号与电信号之间的传输距离，从而大幅降低功耗、提升带宽密度。
随着AI算力需求的指数级增长，传统可插拔光模块在带宽、功耗、延迟等方面已接近物理极限。英伟达CEO黄仁勳此前定调，当AI集群规模扩张至数十万乃至百万颗GPU后，机柜间、数据中心间的超高速数据传输将高度依赖硅光子与CPO技术。
2.2 核心痛点一：量产良率——从95%到19%的残酷数学
CPO从实验室走向规模化量产，最大的拦路虎是良率。
以英伟达6月初官宣全面量产的Spectrum 6 CPO交换机为例，每颗ASIC配置32个COUPE光引擎。若单个光引擎贴装良率为95%，整机系统良率仅约19%。这一算术题揭示了CPO规模化制造的根本困境——光电器件的精密耦合与封装涉及极高的精度要求，任何一个环节的偏差都可能导致整个系统失效。
当前主要挑战正是最后的光学封装、耦合以及测试环节，需要全新的供应链进行爬坡。
2.3 核心痛点二：光电异质整合的检测难度
将光子芯片与电子芯片集成至同一封装内，要求在封装终测阶段具备多维度测试能力。而行业年产量需要从百万级攀升至数千万级，进一步放大了测试难度。
2026年OFC期间，业界对技术展示的重视程度明显下降，多数业者讨论的核心议题已转向“量产能力能否跟上需求”。这一转变本身就说明了产业重心的迁移——技术可行性已不再是问题，制造可行性才是真正的瓶颈。
2.4 核心痛点三：上游供应链的卡脖子
多位产业人士指出，真正制约CPO乃至整个高速光通信产品量产的是上游的磷化铟激光芯片。光芯片产线建设加上客户验证的漫长周期，使其成为当前产能扩张的最短板。
此外，CPO的可靠性也是一大隐忧。黄仁勳在2025年GTC大会上强调：“共封装光学的可靠性仍不足以支撑GPU部署”。
2.5 核心痛点四：规模化量产的时序争议
CPO何时真正大规模商用，业界存在显著分歧。研究机构SemiAnalysis认为，CPO规模量产可能延至2028年乃至2029年，核心原因在于工程化挑战尚未完全克服。
但英伟达网络高级副总裁Gilad Shainer对此做出三点反驳：第一，Spectrum-X以太网CPO交换机将按计划在2026年下半年启动量产；第二，市场混淆了“小规模商用验证”与“全网大规模替换”两个概念；第三，CPO与传统可插拔光模块将长期共存，不存在技术路线夭折风险。
争议的本质并非“CPO是否会到来”，而是“何时实现大规模商用”。
三、未来趋势：光互连的“万亿美元”赛道
3.1 英伟达的CPO路线图：带宽的指数级跃迁
英伟达的CPO产品蓝图已清晰确立。从Blackwell到Rubin、Rubin Ultra再到Feynman时代，单一AI机柜带宽将从130 TB/s一路提升至突破1 PB/s。
具体而言：
2026年Rubin时代（NVLink 6） ：单一GPU双向带宽3.6 TB/s，Switch ASIC交换带宽28.8 TB/s
2027年Rubin Ultra（NVLink 7） ：单一GPU双向带宽7.2 TB/s，Switch ASIC带宽57.6 TB/s
2028年Feynman时代（NVLink 8） ：单一GPU双向带宽14.4 TB/s，机柜总带宽突破1 PB/s
短短4-5年间，单一AI机柜带宽需求暴增超过8倍。这一增速对光互连技术提出了前所未有的要求。
3.2 从“光铜并行”到“全光互联”
黄仁勳的判断是分阶段的：短期内AI数据中心将呈现“光铜并行”格局，短距传输仍以铜缆为主；但当AI集群规模持续扩张后，机柜间、数据中心间的超高速数据传输将高度依赖硅光子与CPO技术。
这一演进分为两步：首先，2026年Vera Rubin平台中部分机架顶交换机率先采用CPO；随后，2027年Rubin Ultra NVL576中，机架间全面引入CPO技术并搭载3.2T高速光互联，至此CPO将全面确立其在算力集群中的主流地位。
3.3 ficonTEC在其中扮演什么角色？
英伟达主动与ficonTEC合作开发CPO制造方案，本身就说明了一个关键事实：设备环节跟不上，CPO量产就是空谈。
ficonTEC的角色定位非常清晰——它不是CPO芯片的设计者，也不是最终产品的制造商，而是CPO规模化制造的“使能者” 。双方正携手推进制造与测试方法论的进步，旨在加速下一代硅光子器件及光引擎的工业化进程，以满足超大规模AI部署的需求。
此次合作结合了英伟达在AI基础设施和CPO架构领域的领先优势，以及ficonTEC在高精度光子器件对准、自动化组装和光学测试系统方面长达25年的技术积累。
值得强调的是，目前相关技术仍处于早期开发阶段，尚未形成商业化落地。罗博特科也表示，公司暂未就该产品取得在手订单，亦未形成相关销售收入。
3.4 中长期的产业格局
展望未来，CPO的产业化将经历几个阶段：
短期（2026-2027年） ：小批量验证与头部客户导入。英伟达Spectrum-X CPO交换机将在2026年下半年启动量产爬坡。
中期（2027-2028年） ：稳步扩产与技术迭代。CPO将首先在云厂商实现大规模商用。
长期（2028年以后） ：全面确立主流地位。CPO、NPO（近封装光学）、传统可插拔光模块可能形成多路并行格局，共同分担超高带宽算力需求。
结语
罗博特科收购ficonTEC的故事，是一个典型的“跨界卡位”案例——在AI算力爆发的黎明前夜，以约10亿元的成本拿下全球光电子封装测试设备的龙头，从而切入一条“万亿美元”级别的赛道。
但CPO的产业化之路远非坦途。从95%到19%的良率算术、光电异质整合的检测难度、上游磷化铟芯片的产能瓶颈，都是横亘在规模化量产面前的重重关卡。英伟达与ficonTEC的合作，本质上是算力巨头与设备龙头的双向奔赴——没有先进的制造与测试设备，CPO就只是一项停留在实验室里的美好技术；而没有CPO的规模化量产，AI算力的下一轮跃迁就无从谈起。
正如ficonTEC的企业信条所言——“From Lab to Fab”（从实验室到工厂）。这或许也正是整个CPO产业当下最真实的写照：技术已从实验室走出，但距离真正的“工厂级”规模化量产，仍有一段充满挑战的路要走。
