共计 1193 个字符，预计需要花费 3 分钟才能阅读完成。
AI 时代的 ” 光进铜退 ”: 为什么光互连是算力爆炸的唯一出路?
AI 基础设施的竞争,正在从“算得快”延伸到“连得上”。随着大模型训练需要更多 GPU 协同工作, 数据在芯片、服务器和机架之间高速流动, 传统铜缆越来越难承担这一压力, 光互连因此被推到产业舞台中央。
📌 变化: 光模块不再只是数据中心配套件
过去, 光模块更多用于机架之间或数据中心之间的通信,属于网络建设中的基础部件。但在 AI 集群里,GPU 之间需要频繁交换梯度、参数等中间数据, 通信延迟一旦拉长, 算力利用率就会下降。连接能力因此不再是边缘问题, 而是影响整套 AI 系统效率的关键变量。
材料中提到,在 400Gbps 速率下, 铜缆有效传输距离只有数米; 当单通道速率提升到 112Gbps PAM4 甚至 224Gbps 时, 铜互连的可用范围进一步压缩。相较之下, 光纤在距离和带宽上的优势更加明显, 也解释了“光进铜退”成为行业热词的原因。
🔍 原因: 铜缆遇到衰减、串扰与功耗三重瓶颈
铜缆并非突然失效,而是在更高速率下被物理规律限制。高速电信号在铜介质中传输会出现明显衰减, 高频部分损耗更快; 线缆密集部署还会带来串扰; 为了维持信号质量, 驱动电流和功耗也会随之上升。
💡 核心信息:CPO 把光学器件推向芯片附近
传统可插拔光模块通常安装在交换机面板,电信号需要经过 PCB 走线、连接器和模块内部电路后再转为光信号 。CPO(共封装光学) 则把光学器件更靠近交换芯片或计算芯片, 缩短信号路径, 从而降低损耗和功耗。
原始材料提到,博通实测数据显示,CPO 方案功耗可降低 65% 至 73%。这一方向也被视为下一代 AI 网络的重要技术路线。与传统光模块相比,CPO 对硅光芯片、外置光源、封装工艺和系统设计提出更高要求, 产业链价值也随之向上游核心器件转移。
📊 看点:800G 上量,1.6T 开启新一轮竞赛
AI 数据中心正在推动光模块速率加快迭代。800G 产品已进入批量应用阶段,1.6T 光模块也开始出货, 行业进入 Tbps 级连接时代。速率提升背后, 是激光器、探测器、驱动芯片和封装能力的全面升级。
- EML 路线:信号质量好、适合长距场景, 但制造难度高、成本较高。
- 硅光路线:有望借助 CMOS 工艺提升集成度和规模化能力, 但仍依赖外置光源, 产业链还在成熟。
- 国产替代:CW 光源已有批量进展,100G EML 处于量产爬坡和客户验证阶段, 高端环节仍需突破。
从材料披露的信息看,2025 年至 2027 年被视为国产光芯片规模化替代的重要窗口期。若能在高端 EML、硅光芯片、InP 衬底等环节取得稳定量产能力, 将直接影响国内光通信产业链在 AI 时代的话语权。
🚀 总结: 连接能力成为 AI 基础设施新焦点
围绕“AI 时代的 ” 光进铜退 ”: 为什么光互连是算力爆炸的唯一出路”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
