iPronics获1.25亿美元B轮融资：硅光子光路交换能否突破AI数据中心的功耗与带宽极限？

当一家AI数据中心的GPU集群规模从几千张卡扩展到十万张卡以上，网络层就不再只是一个“连接问题”，而是一个“物理极限问题”。铜缆的传输距离和功耗天花板已经写死在材料特性里，电交换芯片的SerDes功耗在每代工艺升级中吃掉越来越多的系统预算，而训练任务的通信模式却在向更频繁的全互联、更长的突发流量和更复杂的拓扑切换演进。于是，一个看似保守的结论开始被越来越多基础设施团队接受：继续用传统分组交换架构去硬扛scale-up网络的增长，边际成本正在失控。

这正是光路交换（Optical Circuit Switching, OCS）从学术讨论进入数据中心采购清单的背景。2026年9月2日，总部位于西班牙瓦伦西亚的iPronics宣布完成1.25亿美元B轮融资，由Maverick Silicon和Light Street Capital联合领投，NVIDIA参投。这轮融资将公司累计融资额推至1.77亿美元。对一家2019年从瓦伦西亚理工大学衍生出来的硅光子创业公司而言，这个数字本身就是一个信号：AI基础设施的瓶颈，正在从计算芯片向互连层转移。

一块硅光芯片如何替代一整层电交换机

iPronics的旗舰产品iPronics ONE是一台机架式光路交换机。据公司披露，该平台基于硅光子技术构建固态光交换结构，集成了控制、遥测和API，允许基础设施运营方对Layer 1连接进行实时重配置。与传统的电分组交换机不同，OCS在光域内建立输入光纤与输出光纤之间的专用光路，数据包不需要在光交换机内部进行包头解析和缓存转发。这意味着光路本身不处理数据，只负责“接通”和“切换”。

这种架构的潜在优势在物理层面是清晰的。公司称，iPronics ONE的延迟低于30纳秒，网络路径重配置时间小于300微秒，并且可将交换结构功耗降低高达50%。这些数字如果成立，意味着光路交换在延迟和能耗上对电交换具有数量级优势。但需要明确的是，这些性能指标来自公司披露，来源材料中未提及独立第三方测试机构对这些数据的验证。在光交换领域，延迟和重配置时间的测量口径——是否包含控制平面处理、是否包含光功率稳定时间、是否在满配端口下测得——会显著影响结果的可比性。

更关键的问题在于，OCS的“快”是相对于什么而言的。300微秒的重配置时间，对于毫秒级甚至秒级的训练任务拓扑调整来说足够快；但对于需要逐包转发的数据中心流量来说，这个速度慢了几个数量级。因此，iPronics ONE的定位并非替代所有电交换机，而是切入那些流量模式相对稳定、但拓扑需要周期性变化的场景：训练集群的scale-up互连、GPU故障切换、集群扩展时的重布线。Converge Digest的报道明确指出，iPronics正在追求一个与大型300×300 MEMS光开关不同的设计点——后者主要瞄准spine层替换，而ONE目前强调更低端口数、机架式形态、固态光子交换和更快的重配置。这个定位差异，是理解iPronics商业逻辑的关键。

从“光子交换引擎”到“可重复制造的机架产品”，中间隔着一条产线

硅光子技术在过去十年里完成了从实验室到量产的跨越，但这个跨越的完成度因公司而异。对iPronics而言，真正的商业化考验不在于能否做出一个光子交换引擎的演示样品，而在于能否在封装良率、光损耗、串扰、热稳定性、控制平面集成和长期可靠性等维度上达到数据中心客户要求的可重复性。这些指标中的任何一项出现偏差，都可能在部署规模放大后变成系统性故障。

2026年3月，iPronics宣布了一条专门的Fabrinet生产线，用于封装、组装、测试和鉴定，并称已获得十家超大规模和AI集群OEM客户的初步订单。这是公告之外的一个重要信息增量：它意味着iPronics已经开始从“技术验证”向“制造爬坡”过渡，并且选择了一家外部制造合作伙伴来承担封装和测试环节。Fabrinet在光通信代工领域有长期积累，这一选择降低了iPronics自建产线的资本开支，但也把部分关键工艺控制权交给了外部伙伴。对于一家以硅光子为核心技术的公司来说，封装环节恰恰是决定光损耗和长期可靠性的关键步骤之一。

公司还披露，过去一年已向主要AI基础设施提供商发货ONE平台。但“发货”和“规模部署”之间仍有距离。来源材料未披露这些发货的数量、部署规模、客户是否已将其纳入生产环境，以及是否存在回头订单。十家初步订单客户的具体名称同样未披露。这意味着外界目前无法独立判断这些订单的商业质量——是付费试点、评估单元，还是带有明确量产承诺的采购协议。

NVIDIA的钱进来了，但NVIDIA的订单没有出现

本轮融资最引人注目的参与者是NVIDIA。作为AI加速器市场的主导者，NVIDIA对互连层的战略兴趣早已不是秘密——其NVLink、InfiniBand和Spectrum-X产品线都在试图定义GPU之间以及GPU与网络之间的通信方式。NVIDIA以投资方身份进入iPronics的股东名单，被广泛解读为对光路交换技术方向的认可。

但需要严格区分的是：NVIDIA参投和NVIDIA采用iPronics产品是两件完全不同的事。本轮融资公告中没有披露任何供应协议、产品集成或涉及NVIDIA的客户部署。Light Street Capital合伙人Shef Osborn称iPronics提供了“互连层最具可扩展性和成本效益的固态光交换方案”，这是投资方的判断，不是NVIDIA的产品路线图声明。从已披露信息看，NVIDIA的参与可以被理解为一种战略期权——在光互连成为AI集群刚需时，确保自己对这个赛道的关键技术路径有直接观察和影响力。但期权不等于行权。

这个区分之所以重要，是因为AI基础设施领域充斥着“战略投资方背书等于技术路线胜出”的叙事跳跃。NVIDIA投资了多家互连技术公司，包括Ayar Labs——本轮加入iPronics董事会的Geoffrey Tate同时也在Ayar Labs董事会任职。NVIDIA的资本布局覆盖了多种互连技术路线，这恰恰说明它尚未在光交换领域押注单一赢家。对iPronics而言，NVIDIA的钱提供了资金和信号价值，但它不能替代一个独立的商业验证过程。

与MEMS光开关的竞争，不是性能参数的简单对比

光路交换并不是一个新概念。在iPronics之前，基于MEMS微镜的光开关已经在电信网络和数据中心中使用了二十多年。大型MEMS OCS系统——例如300×300端口规模的产品——已经在一些超大规模数据中心的spine层得到部署。这些系统的优势在于端口数高、光损耗低、技术成熟度高；劣势在于重配置速度较慢，通常在毫秒到几十毫秒量级，且机械结构在长期可靠性上存在磨损风险。

iPronics的固态硅光子方案在理论上解决了MEMS的机械磨损问题，并将重配置时间压缩到亚毫秒级。但代价是：硅光子波导的光损耗通常高于MEMS微镜的反射式光路，端口规模也受限于芯片面积和封装复杂度。Converge Digest的报道指出，iPronics ONE目前强调“较低端口数”的机架式平台，这意味着它暂时避开了与大型MEMS系统在spine层的正面竞争，转而切入更靠近计算节点的scale-up互连场景。

这个选择有其合理性：AI训练集群的scale-up网络对延迟和重配置速度更敏感，而对端口数的要求相对低于spine层。但这也意味着iPronics的市场空间取决于一个尚未被完全验证的假设——AI集群的scale-up互连确实需要一种介于电交换和大型MEMS OCS之间的“快速、低端口数、固态”光交换层。如果这个需求被证伪，或者被其他技术路径（如更激进的光电共封装、更高效的电交换芯片）满足，iPronics的差异化优势就会被压缩。

1.25亿美元能买到什么，买不到什么

根据公司披露，本轮资金将用于扩大运营、加速商业部署、满足iPronics ONE的市场需求、扩大制造、招聘，以及加强美国业务——具体包括在圣克拉拉办公室扩充产品战略、客户部署和AI基础设施合作团队。从资本结构看，1.25亿美元的B轮规模在光互连硬件领域属于较大体量，足以支撑一条外部产线的爬坡和一支面向超大规模客户的部署团队。

但硬件创业公司的资金消耗速度往往被低估。光模块和光交换设备的制造涉及晶圆流片、封装测试、可靠性验证和客户认证等多个环节，每个环节都需要时间和现金。iPronics选择Fabrinet作为制造伙伴，降低了固定资产投入，但代工模式下的单位成本控制和良率管理仍然需要大量工程资源。此外，超大规模数据中心的采购周期通常以季度甚至年度计，从初步订单到规模部署之间的时间差，会持续考验公司的现金流管理能力。

从投资方构成看，本轮既有Maverick Silicon和Light Street Capital这样的专业半导体和科技投资机构，也有Bosch Ventures和European Innovation Council Fund这样的产业和公共资本。Manish Muthal加入董事会，Geoffrey Tate和Young Sohn分别以董事会成员和顾问身份进入，带来了AMD、Rambus、Samsung、Inphi和Arm的背景。这些人脉和产业经验对于一家试图进入超大规模数据中心供应链的欧洲创业公司来说，可能比资金本身更有价值——尤其是在美国市场的客户拓展和生态合作方面。

商业化路径上的三个待验证假设

把iPronics的故事放在AI基础设施的真实采购逻辑中，至少有三个假设需要被逐一验证。

第一个假设是：AI集群的scale-up网络确实需要光路交换。目前，GPU之间的scale-up互连主要由铜缆和电交换芯片承担，NVIDIA的NVLink和NVSwitch是这个领域的标杆方案。铜缆在短距离内具有成本优势，电交换在端口密度和成熟度上领先。光路交换要在这个场景中赢得份额，必须证明其在功耗和延迟上的优势足以抵消成本和集成复杂度的增加。公司称可将交换结构功耗降低高达50%，但这个数字的基准是什么——是与同端口数的电交换机对比，还是与更大规模的MEMS OCS对比——来源材料未披露。

第二个假设是：固态硅光子交换的制造良率和长期可靠性能够达到数据中心标准。硅光子器件的热敏感性是一个已知挑战：光波导的折射率随温度变化，可能导致光路偏移和损耗增加。iPronics声称其平台具有“主动光性能控制”能力，但这一能力在多大程度上解决了热稳定性问题，以及在大规模部署中的长期漂移表现如何，目前没有公开数据支持。Fabrinet产线的建立是必要的一步，但它不能自动证明良率和可靠性达标。

第三个假设是：客户愿意为可编程光层支付溢价。iPronics ONE的价值主张不仅在于硬件本身，还在于其集成的控制、遥测和API能力——让数据中心运营方无需光子学专业知识就能对光层进行编程。这个“软件定义光层”的思路在概念上很有吸引力，但在实际采购中，超大规模客户往往更倾向于自己掌控控制平面，而不是依赖供应商的专有软件栈。iPronics与Lumentum共同领导OCP的光路交换子项目，推动开放接口和互操作架构，这可以理解为对这一风险的主动应对。但开放标准能否转化为商业订单，仍然需要时间验证。

从瓦伦西亚到圣克拉拉，一家欧洲硬科技公司的美国化进程

iPronics的起源故事带有典型的欧洲硬科技色彩：2019年从瓦伦西亚理工大学的光子学实验室衍生，创始人Daniel Pérez-López以CTO身份主导技术方向，CEO Christian Dupont负责商业化和资本运作。这种“技术创始人+商业CEO”的组合在欧洲深科技创业公司中并不罕见，但真正决定公司能走多远的，往往是它能否在最重要的市场建立起本地化的客户触达和交付能力。

圣克拉拉办公室的开设，以及围绕产品战略、客户部署和AI基础设施合作的招聘动作，表明iPronics已经意识到：AI数据中心的采购决策中心在硅谷，而不是瓦伦西亚。对于一家欧洲公司来说，这意味着要同时管理两个大陆的工程、制造和客户支持体系，运营复杂度显著上升。从已披露信息看，公司选择将制造放在Fabrinet——后者在泰国和美国都有生产基地——而将客户部署和产品战略放在圣克拉拉，瓦伦西亚则保留核心研发职能。这种地理分布是合理的，但它对管理团队的执行力提出了更高要求。

从投资方背景看，Maverick Silicon的Manish Muthal和Light Street Capital引入的Geoffrey Tate，都在美国半导体产业有深厚的人脉网络。Young Sohn的加入则带来了三星和Arm的生态视角。这些人脉能否转化为实际的客户引入和供应链协同，是iPronics在美国市场站稳脚跟的关键变量。但人脉本身不是订单，董事会席位也不能替代产品在客户环境中的实际表现。

iPronics的1.25亿美元B轮融资，在AI基础设施的互连层投下了一枚清晰的信号弹：光路交换正在从边缘技术走向主流讨论。固态硅光子方案在延迟、重配置速度和功耗上的理论优势，与AI集群对scale-up网络的新需求之间，确实存在一个值得押注的交集。但理论优势到商业部署之间的距离，恰恰是硬科技创业公司死亡率最高的区间。Fabrinet产线的建立、十家初步订单的获取和NVIDIA的战略参投，都是真实的进展；但它们尚不足以证明iPronics ONE能够在超大规模数据中心的采购清单中，从“评估对象”变成“标准配置”。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

• 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
• 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
• 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：光路交换的真正对手从来不是另一台光交换机，而是电交换生态用二十年时间建立起来的成本曲线和运维惯性。iPronics用1.25亿美元买到了一张进入牌桌的门票，但牌桌上的赌注是：它能否在电交换的性价比优势被耗尽之前，证明光层的可编程性值得数据中心为此重构一整层网络架构。NVIDIA的钱已经投了，NVIDIA的订单才是真正的裁判。