光模块:AI时代的“神经网络”,为什么比GPU还稀缺?

一、一个被忽视的真相：AI的瓶颈不在算力，而在“连接”

如果说GPU是AI时代的“大脑”，那么光模块就是AI数据中心的“神经网络”。

没有它，再强大的GPU也只能各自为战，无法组成集群。

今天的大模型训练，竞争逻辑已经悄然改变：

算力竞争 → 网络竞争 → 光互联竞争

当OpenAI、Google、Meta在比拼谁的模型参数更大时，他们背后真正较劲的，是谁的数据中心能让10万块GPU“心有灵犀”地协同工作。

而这，全靠一个巴掌大的金属小盒子——光模块（Optical Transceiver）。

二、光模块到底是什么？

光模块本质上是一个电信号 ↔ 光信号转换器。

它的工作流程很简单：

GPU发出电信号 → 光模块转成光信号 → 光纤传输 → 另一端光模块转回电信号 → 到达另一块GPU

作用就一个：让数据以光速在数据中心里飞奔。

三、为什么铜线不行了？

你可能会问：用铜线不行吗？干嘛非要搞这么复杂？

因为AI集群的规模，已经大到铜线根本扛不住了。

看看GPU数量的膨胀速度：

1台服务器 → 8张GPU → 72张 → 576张 → 1万张 → 10万张

铜线在这种规模下，有三个致命问题：

❶ 发热严重

电流经过铜线会产生大量热量（P = I²R），数据中心空调电费都能让你破产。

❷ 距离太短

高速电信号衰减极快，PCIe铜缆、DAC铜缆通常只能传几米。

❸ 带宽瓶颈

当单端口速率达到100G、200G、400G、800G以后，铜线的损耗急剧增加，根本跑不动。

所以，AI集群必须用光纤。而光纤和GPU之间，就需要光模块来“翻译”。

四、光模块长什么样？

外观上看，光模块就是一个金属小盒子，插在交换机、路由器或AI服务器上。

常见封装形式： - SFP - QSFP - QSFP-DD - OSFP

拆开来看，内部结构堪称精密：

五、光互联：不只是器件，而是一整套“神经系统”

光模块只是单个器件，光互联（Optical Interconnect）则是一整套系统。

它利用光信号完成芯片、服务器、交换机之间的数据连接。

在AI数据中心里，光互联分为四个层级：

第一层：服务器内部

 GPU ↔ GPU 

 通过NVLink连接 

 短距离，一般仍用电连接

第二层：机柜内部

 服务器 ↔ 交换机

 开始大量使用光模块

 距离：几米

第三层：机房级

 交换机 ↔ 交换机

 几十米到几百米 

 光纤+光模块成为主力

第四层：园区级/数据中心间

 数据中心A ↔ 数据中心B 

 几公里到几十公里 

 全靠光纤骨干网

六、为什么AI突然离不开光互联了？

答案就一个字：规模。

训练大模型的GPU数量正在指数级爆炸：

1块 → 8块 → 72块 → 576块 → 10000+块GPU

这些GPU之间需要： - 同步参数 - 传输梯度 - 共享数据

一个万卡集群，每天的数据交换量可能达到数百PB（1PB = 1000TB）。

此时，真正的瓶颈已经不是“算得多快”，而是“搬得多快”。

GPU之间的数据搬运，决定了大模型训练的效率。而光互联，就是这个搬运工。

七、速率狂飙：从10G到3.2T

光模块的速率演进，堪称半导体行业的“摩尔定律”：

10G → 40G → 100G → 200G → 400G → 800G → 1.6T → 3.2T

当前AI数据中心主流：800G

下一代：1.6T、3.2T

每一次速率翻倍，都意味着技术难度的指数级上升。

八、光模块为什么那么难做？四大门槛

很多人以为光模块只是个小盒子，没什么技术含量。

实际上，它是光学+半导体+通信+封装的超级复杂产品，四大门槛拦住了绝大多数玩家：

门槛一：激光器

核心中的核心。要求高功率、长寿命、高稳定性，误差极小，一点点偏差就会导致信号失真。

门槛二：DSP芯片

负责信号补偿、纠错、均衡。先进800G模块里的DSP，复杂度已经接近小型SoC。

门槛三：光电封装（最难）

光纤直径约125微米，激光器光斑更小。需要±1微米甚至更高的精度对准，接近半导体封装水平。

门槛四：散热

•800G光模块功耗：15W~25W

•1.6T光模块功耗：30W+

一个交换机插几十个光模块，散热压力可想而知。

九、未来趋势：CPO，把光模块“焊”在芯片旁边

目前的架构：GPU → PCB → 交换机 → 光模块

数据要走很远，功耗很高，延迟也大。

未来的CPO（Co-Packaged Optics，共封装光学）：

把光模块直接贴到交换芯片旁边，变成：

交换芯片 + 光引擎 + 激光器 一体化

优势： - ✅ 功耗降低50%+ - ✅ 带宽进一步提升 - ✅ 延迟大幅下降

CPO被认为是下一代AI数据中心的核心技术，也是NVIDIA、Broadcom等巨头重点布局的方向。

十、全球格局：中国厂商站上C位

在全球AI光模块产业链中：

国际巨头： - NVIDIA（网络与CPO生态） - Broadcom - Marvell Technology - Coherent

中国力量： - 中际旭创 - 新易盛 - 天孚通信 - 华工科技

尤其在800G光模块领域，中国企业的出货量和制造能力已处于全球第一梯队。

这不是“低端制造”，而是AI基础设施的核心环节。

AI时代最重要的基础设施链条正在变成：

•GPU → 负责计算

•HBM → 负责存储

•交换机 → 负责调度

•光模块 → 负责连接

未来10年，随着万卡、十万卡、甚至百万卡AI集群的出现，光互联将像今天的GPU一样重要。

谁掌握了高速光模块、硅光技术和CPO，谁就掌握了下一代AI数据中心的“神经系统”。