夜雨聆风
【系列：AI 军备竞赛 · 第四篇 / 共五篇】
─────────────────────────────────
一个我们都忽略的问题
你有没有想过，当你发一条微信，这条信息是怎么从你的手机到达对方的手机的？
在某一段路程上，它一定变成了光。
从跨洋海底电缆到城市主干网络，光纤几乎承载了全球所有的长距离通信。因为光比电快，信号损耗更小，单位带宽的成本更低。
但在数据中心内部，设备和设备之间，还是在用铜线。
原因很简单：以前的数据量没那么大，铜线够用，而且便宜。
但现在，AI 改变了这一切。
─────────────────────────────────
铜线为什么接近极限
铜线传输靠的是电信号。电信号有两个天生的缺陷：
第一，信号会衰减。铜线越长，衰减越大，需要不断放大和补偿，耗能极高。
第二，频率越高，串扰越严重。多根铜线并排走，高频信号会相互干扰，限制了带宽的上限。
对于普通应用，这些问题都是工程上可以解决的。但 AI 数据中心的带宽需求，正在以每两三年翻几倍的速度增长。
2024 年，NVIDIA 最新的 NVLink 互联系统，已经需要每秒传输 1.8 TB 的数据——那大概是同时传输 450 部 4K 电影。
铜缆在这个量级上，已经开始力不从心。工程师们能做的优化，越来越接近物理边界。
💡 打个比方：铜线就像一条弯弯曲曲、越来越堵的老城区道路。不是修不好——而是这条路的上限，已经决定了，无论怎么修都拓不成八车道高速公路。
─────────────────────────────────
AI 为什么必须进入“光”时代
光传输信号靠的是光子，不是电子。光子有几个天然的优势：
速度快。光在光纤里的传播速度接近光速，延迟极低。
损耗小。光信号在光纤里传播，衰减远低于电信号在铜线里。
容量大。一根光纤可以同时承载几十甚至上百个不同波长的光，每个波长都是一条独立的数据通道——这叫波分复用。
功耗低。相同带宽下，光传输的能耗只有铜线的一小部分。
这些特性，让光成为 AI 数据中心下一代互联的唯一选项。
不是可选项——是唯一选项。
2023 年开始，微软、谷歌、Meta 都已经在新建数据中心里大幅提高光模块的使用比例。部分超大规模数据中心，已经开始要求机架内部也用光连接，彻底抛弃铜缆。
─────────────────────────────────
光模块：听起来不性感，但很重要
光模块是什么？
简单说，它是一个“翻译器”：把服务器或交换机发出的电信号，转换成光信号，通过光纤传输出去；在接收端，再把光信号转回电信号。
你家宽带猫里，就有一个简单版本的光模块。
但 AI 数据中心需要的光模块，完全是另一个量级——传输速率需要达到每秒 400G、800G，甚至 1.6T。集成度更高，功耗更低，要求极其苛刻。
光模块听起来不性感，但它是整个 AI 算力基础设施里，硅芯片之外，最重要的一环。
全球光模块市场规模，预计将从 2023 年的几十亿美元，在几年内突破几百亿美元。
这条赛道上，美国的 Coherent、Lumentum，中国的中际旭创、新易盛，都是不可忽视的玩家。
─────────────────────────────────
更激进的方向：CPO 共封装光学
光模块的问题在于：它是一个独立的器件，要插在交换机的接口上，信号在交换机内部还是走铜线，只有出了交换机才变成光。
AI 的终极需求，是把光学器件直接封装进芯片旁边——消灭那段“内部铜线”，让电信号一出芯片就立刻变成光信号。
这就是 CPO——共封装光学（Co-Packaged Optics）。
CPO 的好处很明显：功耗更低，延迟更短，带宽更大。理论上可以让数据中心的能效提升好几倍。
但技术难度也非常大——要把精密的光学器件和高速芯片封装在一起，热管理、制造良率、可靠性，每一关都是大挑战。
目前，英特尔、博通、Marvell 都在重金投入 CPO 研发。NVIDIA 也在探索。
预计在 2025 到 2027 年间，CPO 会开始从实验室走向规模化量产。
💡 机构开始大量研究光子学，不是因为时髦，而是因为无论 AI 走向何方，“光”都是它的必经之路。理解光学产业链，是理解未来五年 AI 资本地图的关键。
─────────────────────────────────
更远的未来：光计算
最后，讲一个更大胆的可能。
如果不只是用光来传输，而是用光来计算呢？
光计算的核心思路：用光的干涉、衍射等物理特性，来执行矩阵乘法——而矩阵乘法，正是 AI 训练和推理里最核心的运算。
理论上，光计算可以在接近光速下、以极低能耗完成传统 GPU 需要大量时间和电力才能完成的任务。
这个方向目前还处于早期阶段，有几家公司在深耕——比如 Lightmatter、Luminous Computing。离大规模商业化还有相当距离。
但如果它真的成立，那是一次比 GPU 时代更大的颠覆。
到那个时候，整个 AI 算力产业链的格局，会被重新洗牌。
先记住这个方向。后面的故事，还没写完。
─────────────────────────────────
这一切指向哪里
从 GPU 到 HBM，从电力到光通信，每一次瓶颈的出现，都是一次资本迁移的机会。
这就是这个系列想传递的核心逻辑：AI 的战场不是固定的，它会持续向新的瓶颈转移。
看懂瓶颈在哪里，就能看懂下一波机会在哪里。
下一篇，也是最后一篇，我们来聊一个更大的问题：AI 到底要把这个世界带向哪里？Agent、机器人、经济重构，以及我们每一个普通人，在这场变局里的位置。
─────────────────────────────────
【AI 军备竞赛系列持续更新，关注不迷路】
