AI算力瓶颈催生“光代电”革命：Scale-out率先落地，Scale-up成战略高地
2026/10/19 19:13阅读量 5
AI算力集群的数据传输瓶颈正推动计算架构从电信号向光互连变革。目前Scale-out市场通过800G/1.6T光模块已实现规模化商用，而聚焦芯片间高带宽协同的Scale-up市场成为下一代竞争焦点。Lightmatter、Celestial AI等创业公司凭借光互连与光交换技术迅速崛起，巨头如NVIDIA、AMD纷纷通过投资布局该领域。
事件概述
随着AI算力集群规模扩大至数万乃至数十万颗GPU，传统电互连在远距离传输中的带宽、功耗和密度瓶颈日益凸显。光技术凭借高带宽、低损耗和能效优势，正从数据搬运环节切入AI计算体系，推动“以光代电”的计算架构变革。这一趋势促使光互连与光交换创业公司迅速崛起，产业生态快速成型。
核心信息
1. 技术路径：Scale-out与Scale-up的双轨并行
- Scale-out（横向扩展）：通过网络连接更多计算节点以扩展集群规模。目前主要依赖光模块和光纤互连，沿现有产业链升级，是光互连率先兑现商业价值的市场。
- Scale-up（纵向扩展）：通过超高带宽、低延迟互连让海量GPU像单台计算机一样协同工作。这是更具战略价值的下一战场，旨在突破高速电信号的传输损耗和布线密度限制。
2. 商业化现状：Scale-out率先落地
- 光模块进展：800G光模块已规模商用，1.6T产品进入放量阶段。
- 主要玩家：中际旭创、Coherent、Lumentum等公司已形成初步产业规模。
- OCS光交换：Optical Circuit Switching（光电路交换）有望进一步提高网络效率，避开部分芯片级光电集成挑战。Google已在TPU集群中大规模应用MEMS光交换，验证了其产业价值。
3. 光交换技术路线对比
目前OCS主要存在三条技术路径，各有优劣：
| 维度 | 传统MEMS | 固态SiPh（硅光） | NOEMS（纳米光机电系统） |
|---|---|---|---|
| 技术原理 | 微镜等机械结构改变光路 | 芯片集成光学器件改变光路 | 微纳机械结构调控集成光路 |
| 成熟度 | 高，已有规模商用 | 中，部分方案工程化 | 低，处于研发验证阶段 |
| 切换速度 | 毫秒级 | 纳秒至微秒级 | 微秒级或更快 |
| 核心挑战 | 体积、成本 | 损耗、串扰、制造复杂度 | 规模、良率、可靠性 |
- MEMS：依靠工业成熟度和低插入损耗赢得先机。
- SiPh：具备高集成度和高速切换潜力，但需克服损耗和串扰问题。
- NOEMS：试图兼得低损耗与高集成度，机理巧妙但尚待大规模验证。
4. Scale-up的战略挑战与CPO路径
- 瓶颈：随着GPU数量从数十颗扩展至数千颗，SerDes功耗、布线密度和交换芯片I/O带宽成为突出瓶颈。
- 关键路径：CPO（共封装光学）通过将光引擎靠近GPU或交换芯片，缩短高速电通道，是实现高带宽、低功耗互连的重要方向。
- 量产难点：激光光源效率与寿命、光纤耦合精度、散热管理及封装良率仍是当前主要挑战。
5. 产业生态与投资动态
- 创业公司：硅谷涌现出十余家快速成长的公司，如源自MIT的Lightmatter（累计融资超8亿美元，估值44亿美元）、Celestial AI（被Marvell收购）以及聚焦OCS的Salience Labs。中国曦智科技也已走向资本市场。
- 巨头布局：NVIDIA连续投资Coherent、Lumentum、iPronics、Ayar Labs等公司；AMD和Intel也通过基金参与投资，卡位未来技术入口。
- 驱动因素：这一轮技术进步并非单纯由产业推动，而是基础研究遇到产业场景后，应用需求快速起飞的结果。