C114訊 9月17日消息（顏翊）9月11日，第26屆中國國際光電博覽會同期舉行的“超萬卡智算集群新型光技術發展論壇”上，海思光電子有限公司總監梁亦鉑發表題為《Copper or Fiber？AI DC的高速互聯方案選擇》的主題演講，探討了AI時代下數據中心互聯技術的發展方向。

梁亦鉑指出，當前大型智算中心必須依賴大量光互聯實現跨機柜、跨系統的高效連接，即便是目前采用電互聯方案的領先廠商，在構建更大規模集群時也必將轉向光方案。

數據中心互聯技術三大趨勢

梁亦鉑認為，當前，數據中心互聯技術存在三大趨勢。

首先，過去光通信行業主要由電信運營商驅動。當前，OTT成為了投資主力，運營商逐步掉隊。他引用LightCounting數據指出，當前全球頂級OTT企業的營收和資本支出已全面超越傳統通信運營商。無論是收入還是基礎設施投入，騰訊、阿里、Meta、Google等云廠商已成為光通信產業的核心驅動力。

第二，在AI驅動下，數據中心正從“以網絡為中心”向“以計算為中心”轉變。在AI智算中心，網絡的角色發生根本變化——不再只是連接工具，而是計算總線的延伸。其流量特征為持續滿帶寬、高吞吐、低時延，帶寬利用率普遍超過80%，且對誤碼和閃斷近乎零容忍。一次萬卡集群的訓練回滾，經濟損失可達300萬元。這種嚴苛要求決定了AI數據中心必須依賴更可靠、確定性的光互聯底座。

是光模塊廠商向中國聚集，但高端芯片仍受制于人。據LightCounting統計，2025年全球前十大光模塊廠商中，中國企業占據7席，彰顯封裝集成能力的全球領先地位。然而，多數國產廠商的底層核心芯片仍嚴重依賴進口，尤其是來自美國的Coherent、Cisco、Marvell等公司。值得欣慰的是，國內產業界已意識到這個問題。越來越多的光模塊企業開始向上游延伸，布局自研芯片。目前，國內已在56G及以下速率實現光電芯片自主可控。

在這樣的技術演進與產業變革背景下，光互聯已成為中美在全球AI競爭中角力的重要一環。

中美AI全鏈條呈“雙雄并立”

AI競爭的本質并非單一技術點的比拼，而是整個技術鏈條的系統性較量。梁亦鉑將其歸納為三大要素——算力、模型與應用。

算力方面，盡管受限于先進工藝獲取，我國在單芯片性能（如GPU制程、HBM帶寬等）上仍落后于美國，但通過系統級創新，尤其是光互聯技術的優勢，華為等企業已實現超大規模集群的系統能力反超。事實表明，AI集群無法僅靠“銅互連”擴展，大規模組網必須依賴光互聯，“光進銅退”是必然趨勢。

模型方面，中美差距正快速縮小。斯坦福數據顯示，美國大模型領先優勢從2023年的31.6%收窄至2024年的3.7%。以DeepSeek為代表的開源模型不僅性能強勁，且顯著降低訓練對算力的需求，推動行業“輕量化訓練、重化推理”轉型，削弱了對高端GPU的依賴，也促使部分企業放棄重復研發，轉向基于開源模型二次創新。

應用方面，中國在AI Agent領域展現出更強活力。MINIMAX、flowith等企業在人機交互、情感陪伴、任務執行等場景表現突出。相比美國主推B端SaaS模式，中國更擅長C端突破與垂直行業融合，依托龐大用戶數據和應用場景，在用戶體驗與商業模式上具備獨特優勢。

綜上，盡管底層算力存在短板，但憑借系統補強、模型開源與應用突圍，中國已在AI全鏈條形成與美國“雙雄并立”的競爭格局。

光不貴，也并非不可靠

針對業界長期存在的兩大誤解，梁亦鉑特別作出澄清：一是“光貴”是誤解。雖然光模塊單價高于銅纜，但在整個AI數據中心成本結構中，服務器占比超80%，光互聯整體成本不足10%。讓一個占比不到10%的部件承擔主要降本壓力，并不合理。

二是“光不可靠”實為運維問題。數據顯示，AI集群中29%的光鏈路故障中，64.7%由端面污染引起，僅9.3%為模塊本體失效。梁亦鉑表示，某些IT工程師把400G光模塊當網線插拔，揣口袋里再裝回去，但光纖端面極易污染，造成誤碼或中斷。這不是光模塊脆弱，而是操作不規范。一旦發生閃斷，排查耗時極長。

為應對超大規模集群挑戰，海思光電子推出兩大核心技術：一是StarSensor 星云智檢：支持分鐘級、厘米級全鏈路故障定位，可精準定位臟污、彎折、破損等問題，相較傳統壓測方案效率提升60倍，檢出率和準確率提高200%以上。

二是StarMatrix 星云光互聯解決方案：針對AI智算中心的特殊需求，海思光電子打造了專屬的光模塊產品體系：基于其自研芯片平臺，支持DSP直驅、去TC設計，在功耗、性能、傳輸距離上全面領先。目前，已在華為最新發布的384卡AI超節點系統中部署6912個基于該平臺的光模塊，全面支撐長周期、滿負載的大模型訓練任務。