在大模型训练需求爆炸式增长的今天，算力集群规模已从万卡向十万卡甚至百万卡级别迈进，理论算力规模持续飙升。然而，越来越多的实践表明：单纯增加GPU数量并不能实现算力投入与训练效率的线性提升。真正的瓶颈，隐藏在GPU之间的“对话效率”——即互联技术之中。

| 算力集群的效能瓶颈：低效互联吞噬计算能力

传统电互联在短距离、低带宽场景下尚可应对，但在超大规模算力集群中，带宽、延时、信号衰减已触及物理极限。随着传输频率提升，趋肤效应和导体损耗加剧，导致其速率难以突破，传输延迟高达数百微秒。数据显示，在大模型训练过程中，超过30%–40%的时间消耗在GPU等待数据同步上。这意味着，即便拥有海量GPU，若互联不畅，系统整体效率仍将严重受限。

▲网络传输能力与算力需求不匹配，资料来源：Lightmatter

| 光互联的破局之道：以光传输重构性能边界

相较于电互联，光互联优势根植于底层传输原理，在延迟、带宽、功耗等关键指标上实现代际跨越。

降低延迟：光在光纤中的传播速度约20万公里/秒，接近真空中光速的2/3，远高于信号在铜缆中的传播速度。此外，光电集成技术将光引擎与GPU芯片集成在同一基板上，电链路长度缩短至厘米至毫米级，路径缩短直接带来40%以上的延迟降低。

▲光互联连接示意图，资料来源：ASE

提升带宽：光波频率高达百THz量级，频谱资源远超电信号（通常<100GHz）。借助波分复用技术，单根光纤可同时传输多个波长的光信号，实现带宽的成倍扩展。

抗干扰与低功耗：光子传输不受电磁干扰影响，且光纤损耗极低，能够有效避免电阻热损耗，显著降低整体功耗。

▲光互联技术演进（从LPO到CPO），资料来源：Marvell

| 光互联技术应用：光直连GPU超节点系统

超节点通过高速光互联将数百至上千颗GPU整合为单一逻辑单元，是实现算力密度飞跃的关键架构。其对互联网络提出极致要求：微秒级时延、TB/s级无阻塞带宽。光互联技术通过光芯片与GPU芯片的集成、网络拓扑优化等手段，为超节点提供底层支撑，但其在算力建设和生态兼容性方面仍需系统级优化。

在光互联技术落地方面，以光子算数为代表的国内企业通过自研光互联与硅光集成技术，推出光直连GPU超节点系统，在大模型推理和训练应用中，该系统显著降低通信延迟与功耗，极大提升了训练效率，推动光互联从“可选项”发展为算力集群的“生存刚需”。

算力竞争的下半场，不仅是芯片的比拼，更是互联能力的较量。光互联技术以其固有优势，推动算力架构向更加高效、稳定、绿色的方向演进。