中办国办发「人工智能+」行动，英伟达把封装产能翻到 2.5 倍：CPO 光引擎目标 30 倍

把「人工智能+」这四个字从技术文件挪进中央文件，是有分量的。2026 年 10 月 21 日，中共中央办公厅、国务院办公厅对外发布《关于推动科技创新和产业创新深度融合的意见》，其中明确提出「全面实施『人工智能+』行动，推动人工智能全方位赋能千行百业」。同一天，英伟达宣布联合供应链伙伴大规模扩产，硅品精密计划到 2027 年中把共封装光学（CPO）光引擎产能扩到当前的 15 倍、2028 年底再翻一番至约 30 倍；英伟达自身计划未来三年把封装基板产能提升到 2.5 倍，2026 至 2027 年半导体测试产能翻倍，2027 年 2 月在新加坡启动大规模测试生产。京元电子（KYEC）将拿到英伟达 11 亿美元预付款用于美国新建设施，安靠科技计划到 2028 年底把先进封装中介层晶圆产能提升逾 300%。

政策与订单在同一周落地，不是巧合。一边是需求侧要把 AI 从试点推到全产业链渗透，一边是供给侧把算力从芯片设计端往基板、封装、测试逐级传导。中间缺的那一环——先进封装和测试——正在从后道的成本项变成瓶颈。

算力焦虑换了个位置

过去两年的算力短缺，叙事主角是 GPU。但今年这一轮扩产清单里，最刺眼的数字都不在芯片厂：基板 2.5 倍、测试产能翻倍、CPO 光引擎 30 倍、英伟达给封测厂 11 亿美元预付款。这些动作指向同一个判断——真正的稀缺已经从「能不能拿到卡」变成「卡造出来之后能不能封装、能不能测、能不能把数据搬出去」。

CPO 这条线尤其值得单拎出来。传统方案里，光模块和交换芯片是分开的两颗芯片，电信号在芯片边缘来回走，功耗和信号损耗随集群规模线性上升。CPO 把光引擎和交换芯片封进同一个封装里，让光直接贴着交换芯片走。英伟达这一轮把光引擎产能目标定到 30 倍，说明它已经把这条路线当成主力架构在铺，而不是实验项。

对从业者的直接影响是：如果你在做 AI 基础设施，采购和产能谈判的重心要挪到封装、测试、光互连这三块，而不只是问「GPU 交期多长」。同时也别忽略 11 亿美元预付款这个信号——英伟达在用钱锁产能，谁能拿到预付款，谁在这轮扩产里的位置就更靠前。

「人工智能+」落到车间意味着什么

《意见》里另一段更具体：深入实施制造业重大技术改造升级和大规模设备更新工程，加速工业互联网创新发展，推动制造业智能化、绿色化、融合化发展。同一周，百度搭子在杭州开发布会，公布企业客户环比增长 83%、交付物需求环比增长 4.3 倍，并明确下一步重点放在企业生产经营场景——从帮个人写周报、做 PPT，转向跑进企业生产流程。

腾讯、阿里、字节也都在同期把办公智能体提到了战略入口的位置。四家头部公司全部完成企业级 AI 办公入口布局，共同点是把 AI 从单点插件升级成覆盖模型、协同、数据安全和行业技能的系统化能力。百度这次还与联想开天、麒麟软件、统信软件联合发布全栈国产通用智能体，并推出预置模型和运行环境的「百度搭子工作站」。

我把这两件事放在一起看，得到的判断是：政策解决了「谁来买」和「谁来推」，但没有解决「买了之后能不能用起来」。企业级 AI 落地的真实瓶颈正在从模型能力转向系统集成能力——能不能读懂没有开放 API 的老系统（百度搭子这次新增的电脑与手机操作能力就是干这个的），能不能按行业规范完成任务（30 多个专家套件，新上线的投标套件能解读招标要求、审查投标文件并输出风险清单），能不能满足合规要求（Agent 安全中心：高危操作须人工授权、任务沙箱隔离、过程可追溯，部署可选公有云、专属 VPC、私有化或混合云）。

站长观点

我的取舍很明确：政策红利是真的，但我不会因此改推「AI 落地方法论」这类内容。

理由是这类内容已经过剩。开源社区模型密集发布、价格一路往下、连国产开源模型都登上了全球第一的评测榜——能力侧的边际变化在变小，而系统集成侧的差异在变大。那么对从业者真正有用的信息，只有一类：别人踩过的具体坑，和可复用的具体做法。Agent 安全中心把「高危操作须人工授权 + 沙箱隔离 + 过程可追溯」列成三件套，这个组合是可以直接抄进自己方案的；而「企业客户环比增长 83%」这种数字，除了让人兴奋之外没有任何操作价值。

另外提醒一句易变信息：本文引用的产能倍增目标、CPO 产能数字、11 亿美元预付款、83% 客户增长，截至 2026-10-22 以各公司官方口径和公告为准，产能规划与实际落地之间通常有一到两年的差距，不要按计划值做采购预算。