突破物理瓶颈，在深圳光博会寻找AI算力持续增长的答案

飞象原创（魏德龄/文）根据相关机构预估，包括AI工厂、词元经济在内，市场对于AI的需求已呈现出爆发式增长，基本上每两年就会有100倍以上的增长。然而，受限于半导体工艺和物理规律的硬性限制，单体GPU本身的能力和算力，每两年大约只能提高几倍。

但现实情况是，即便是普通用户，几乎每半年就能在全球AI大厂的大模型迭代中，感受到AI突飞猛进的发展。在芯片算力呈现出受限态势的情况下，全球AI大脑的“运力”环节成为进一步发展的关键。

回顾过去12个月，行业和媒体关注的焦点已经不再是单体GPU的算力大小，而是GPU与GPU互联形成的超节点。这种互联的规模已经从过去的32卡、64卡，迅速扩大到了512卡、1024卡，使得GPU之间的互联变得愈发重要。

在2026深圳光博会现场，光连接技术一方面正在逼近GPU算力本身的物理规律极限，同时也在突破铜缆以及自身过往产品的物理极限，寻找AI持续增长的答案就在被大量专业观众所围观的一个个真实展示中。

新一轮的“光进铜退”

随着千卡万卡集群成为人工智能发展的口头禅，GPU们正在以纵向与横向的维度汇聚算力。目前，Scale-Up（纵向扩展）、Scale-Out（横向扩展）与Scale-Across（跨域扩展）三大架构分别对应了不同空间尺度与计算需求的互连场景，共同构成了“节点内—集群内—智算中心间”完整的三维算力互连体系。

Scale-Up网络属于服务器或超节点内部的专属总线网络，负责同一节点内多颗XPU/GPU芯片之间的高速通信。其本质是将节点内的所有GPU整合为一个一体化的算力与内存共享池。由于铜缆本身的物理限制，光互连在Scale-Up层的渗透不可逆转。通过光纤可轻松实现跨机柜扩展，提升带宽密度并大幅降低链路能耗。

在深圳光博会现场，“CPO”成为厂商们布展，以及产品展示中的聚焦点。其核心思想就是“用光进，用光出，把光电转换无限靠近计算核心”。放眼未来，随着3.2T时代及单通道200G/400G电信号逼近物理极限，CPO将成为AI时代下一代高速数据通信与算力互连的关键基础设施。

CPO主要解决了物理层传输的三大瓶颈：首先是功耗，传统可插拔光模块需要强劲的DSP芯片和Driver来驱动长距离的PCB电走线。CPO缩短了芯片与光引擎之间的电信号走线距离；其次是高密度与超大带宽，光引擎直接封装在芯片旁边，打破了传统交换机面板的物理尺寸限制，大幅提升了单位面积的端口密度与互连吞吐量；第三是降低传输时延与信号失真，减少了复杂的PCB多层走线和过孔，大幅提升了高频信号完整性，降低了时延。

CPO对配套的元器件也提出了更高要求。例如将保偏光纤从相对专业的特种光纤领域，推向更为广阔的算力基础设施市场。普通单模光纤在实际数据中心部署环境中，因受温度变化、机械振动、光纤弯曲等因素影响，光的偏振态将持续发生随机漂移。保偏光纤通过其内部的双折射结构，将光的偏振方向始终锁定在固定轴上，确保光信号以正确的偏振态到达硅光芯片。在CPO架构中，保偏光纤并非备选方案，而是实现系统正常工作的必要条件。

长飞公司是国内唯一实现保偏光纤量产认证、全场景覆盖的光纤企业，产品覆盖NPO、CPO、可插拔三大主流封装架构，连续五年保持国内市场份额第一。同时，长飞还正在前瞻布局空芯保偏光纤，让光在空气芯中高速传输，偏振方向始终保持稳定，被视作下一代超低时延、偏振稳定传输的前沿方向。

Semtech在深圳光博会期间推出的全新单波224G线性跨阻放大器（TIA）与驱动器解决方案系列，同样旨在加速NPO与CPO架构在人工智能/机器学习集群、超大规模数据中心和下一代网络平台中的部署。Semtech的TIA和驱动器解决方案专为NPO和CPO开发人员打造，提供扩展光I/O所需的方案，以便应对下一代AI系统在功耗与密度方面的挑战。

从集群到跨域，打开算力新边界

Scale-Out网络是跨服务器节点集群的互联骨干网络，依托网卡对接Leaf/Spine等多级交换机，负责将数万至数十万颗GPU节点连接成超大规模协同计算集群。这是目前高速光模块需求量最大、增长确定性最强的市场。

多芯光纤凭借在同等缆径内实现数倍容量提升，大幅降低光缆体积与重量，在智算中心互联中可显著缓解机房空间与运维压力，加速AI项目的落地步伐。

另外如Credo展出的涵盖了Scale-Out网络中关键连接场景的系统级产品线。除了服务器到交换机的连接外，Credo的AEC产品还可以用于Scale-Out网络中交换机与交换机之间的互联。对于跨距更长、带宽要求更高的Scale-Out链路，Credo提供的光模块不仅能传输数据，还能获取关键部件的深层信息并提前做出状态预判，大幅提升Scale-Out网络的可靠性。

Scale-Across面向异地多座智算中心建立长距离骨干互联链路，旨在将物理上分散在不同地域的智算中心整合为“单一逻辑算力单元”，以支撑超大模型的一体化分布式训练。

目前，G.654.E光纤凭借超低衰减和超大有效面积，可将无中继传输距离延长30%以上。面向未来，空芯光纤将进一步打破物理瓶颈，传输时延比传统石英光纤降低30%～33%，能显著提升跨域分布式训练中All-Reduce集合通信的效率。

从铜缆到光纤，从可插拔光模块到CPO，再到G.654.E、保偏光纤和空芯光纤，深圳光博会所展示的，或许正是AI突破物理瓶颈的一条清晰路径：当单颗GPU的增长越来越接近物理极限，唯有让更多算力高效连接起来，才能继续打开AI增长的想象空间。

AI的下一次跃迁，可能不只发生在芯片里，也发生在芯片与芯片之间。