“摩尔定律死得透透的，简直是彻底完蛋。”光子公司Lightmatter的首席执行官尼克·哈里斯在接受采访时甩出这句断言时，语气中没有半点哀悼，反而像在宣布一个旧时代的终结。过去几十年，处理器变快的公式简单粗暴——往芯片里塞入更多硅。但单个芯片的物理尺寸已经撞墙，再想靠“长胖”来提速已无路可走。于是，性能竞赛的画风突变：不再是单颗GPU的FLOPS、显存、时钟频率之争，而是谁能把几十个、几百个芯片像搭乐高一样高效地拼在一起，让它们亲密无间地对话。
哈里斯直接点出要害：“计算的未来，就是网络。”他解释，AI系统的真实性能早已不是由芯片上的晶体管数量决定，而是完完全全被“低延迟、超高带宽”掐住了脖子。一台AI训练任务的瓶颈，不在某一个加速器算力不够，而在于数据在芯片之间穿梭的速度和通畅度。这就把聚光灯打到了互连技术上——一旦芯片间的沟通管道变成细窄的毛细血管，再强的心脏也泵不出汹涌的数据流。
把这个逻辑放大到数据中心，就引出了三条尺度线：scale‑up、scale‑out，还有一个scale‑across。Scale‑up指的是单台服务器、单个机架或一个紧凑的Pod内部，用一种超低延迟的互连，把多个加速器捏合成一个看起来像巨型芯片的怪兽。Scale‑out则是更外围的网络，负责把这样一群小怪兽连成庞大的集群。Scale‑across更进一步，把整个数据中心跨距离地编织在一起。伦敦大学学院的光通信与网络教授波琳娜·贝维尔形容，超大规模厂商像是“嗑了一种药，认定塞进越多的东西，得到的答案就越好”。如今，在一个scale‑up机架内塞下72块乃至144块GPU已经是家常便饭，再往外扩展，机架间的通信就成了新的战场。
多年来，铜缆在机架内部足够称职，但现在它同时碰上了物理极限和供应短缺两面墙。哈里斯比划道：“你我的臂展大概两米，铜缆的有效距离比这还短上一截，而我们已经踩到了这条死线。”铜缆的信号衰减和功率消耗随长度飙升，让它再也无力支撑越来越密集的芯片群聊。于是，光互连从备选方案变成了必选项，而且它正在快速从机架之间的长距离线缆，向加速器封装内部不断逼近。
光的脚步是如何一步步逼近芯片的？今天，光信号通常先抵达可插拔收发器，这些标准模块安稳地坐在距离交换机约18英寸（约46厘米）的位置。下一步是近封装光学，把光收发器件拉到距离芯片大约6英寸（约15厘米）的地方。再往后，就是共封装光学，简称CPO，光学芯粒直接围绕在GPU或者交换机芯片四周，像贴身侍卫一样。更激进的路线，是把光学器件做到芯片正下方的转接板里。哈里斯强调，每一次这样的跃迁，都在同时提升传输速度、压低能耗——光离硅片越近，信号走失的能量就越少。
产业的用脚投票也在印证这一趋势。就在这个月，埃隆·马斯克着手收购Mesh Optical，作为TeraFab和SpaceX不断膨胀的AI蓝图的一部分。当连航天和脑机接口狂人都开始囤积光子互连团队，整个行业对“光进铜退”的押注已毫无遮掩。贝维尔教授口中的那种“塞进去就有好结果”的瘾，恰好催生出一个光速迭代的赛道：谁能把光带得更靠近芯片，谁就能在下一波集群规模的扩张中少耗一度电、多省一微秒的延迟。而这一微秒，在千亿参数模型的训练里，会被复读成天差地别的成本与速度。
眼下的现实是，AI硬件的叙事已经从单纯的算力堆砌，转到对互连架构的掌控力上。铜的时代结束得并不体面，但光接管的速度正在不断超预期。从可插拔模块到共封装，再到可能出现的板上光子全集成，每一步都在重新定义什么叫“一个芯片”——未来，一片硅晶上或许同时刻着电子电路和光子通路，而把几十片这样的晶粒连成一台计算机的方式，才是真正的性能倍增器。在这个新游戏里，谁让光跑得离晶体管最近，谁就可能拿到下一张摩尔定律的委任状。
热门跟贴