光互联如何突破算力瓶颈

AI 算力瓶颈正在从芯片本身转向芯片之间的连接。当集群规模从千卡扩展到万卡甚至十万卡,芯片算力的提升会被互联带宽的天花板死死压住:GPU 再强,数据送不出去,集群整体利用率就上不去。这正是光互联技术受到重视的根本原因——用光信号替代电信号完成芯片间与机柜间通信,从而在带宽、延迟和功耗三个维度上同时突破电互联的物理极限。

光互联如何突破算力瓶颈

传统电互联的瓶颈是物理性的。信号在铜线上的衰减随速率提升急剧加剧,距离稍远就必须增加中继和功耗,而芯片引脚数量和封装面积又限制了并行通道的扩展。光互联的优势在于,光信号几乎不受距离带来的衰减困扰,单根光纤的带宽潜力远超铜缆,且传输功耗显著更低。对 AI 集群而言,这意味着两点:一是机柜内芯片间的数据交换不再成为瓶颈,二是机柜之间的长距离互联可以做到高带宽与低延迟兼得。当模型规模持续膨胀、分布式训练和推理成为常态,这两点直接决定集群的扩展效率。

光互联的价值在推理侧同样不可忽视。推理阶段对延迟极为敏感,用户等待响应的耐心以毫秒计,而大规模推理服务需要把请求分发到多块芯片上并行处理。如果互联延迟过高、带宽不足,推理吞吐就会被拖垮。这也是本次亚马逊与高通合作中,光互联解决方案与定制推理芯片被并列提出的原因:推理芯片解决单点算力的成本效率,光互联解决多芯片协同时的通信效率,两者共同决定整个集群的推理性能上限。

从产业格局看,光互联正在成为算力供应链中的关键卡位点。过去云厂商的竞争焦点集中在芯片采购与自研,如今互联方案开始进入战略视野。高通在通信技术上的积累,使其在光互联领域具备差异化能力,这也是云厂商愿意以大规模采购承诺换取技术合作的原因之一。可以预见,随着万卡集群成为标配,光互联市场的扩张将与 AI 算力投资同步,成为基础设施层不可回避的竞争维度。

对云厂商而言,判断光互联方案优劣的核心指标,不应只看单点带宽数字,而要放在实际集群规模下评估:在目标卡数下能否保持线性扩展、端到端延迟是否稳定、功耗预算是否可控,以及是否与自研芯片的互联协议深度适配。算力瓶颈的突破从来不是单一芯片的胜利,而是计算与通信协同进化的结果。光互联的价值,正在于把被连接拖住的那部分算力真正释放出来。

文章版权归作者所有,未经允许请勿转载。

本文链接:https://www.chatcpt.com.cn/thread/optical-interconnect/

参与讨论

0 条评论