规模AI所依赖的现代数据中心，正遭遇一场慢性的架构过载。忙碌的GPU集群在吞吐海量训练数据时，不断攀升的电力、冷却和带宽需求，让传统电子互连方式日渐吃力。而一种用光波替代电流进行数据搬运的技术——硅光子学，正被视为那个被低估已久的破局者。

麦肯锡近期估算，全球数据中心支出到2030年可能冲到7万亿美元。比庞大的资金缺口更紧迫的，是配套设施在物理上的承受力：AI模型每大一轮，芯片间的数据搬移量就涨一轮，发热和功耗也随之陡增。Soitec首席产品官指出，这种压力源自企业不断涌起的期待——AI越是展现自动化和效率提升的本领，市场要求它做的事就越多。为匹配日益复杂的模型和数据集，数据中心里的GPU密度和互联带宽不得不一再拉高。

打开网易新闻 查看精彩图片

对计算资源的渴求反过来压缩了现有基础设施的运营窗口。训练更快、延迟更低的背面，是惊人的电力、净水和稀有材料消耗，靠纯电子方案来维持芯片间海量数据流转，能效天花板已经触手可及。

硅光子学的解法是把光子传输和电子计算融合到同一块硅片上。用光来搬数据不仅比电更快，而且大幅度减少了发热。简单说，它能一边继续发挥电子在计算上的长处，一边用光子实现高能效、低延迟的数据通信，恰好打在AI集群互连的痛点上。这项技术并非凭空出世，从20世纪80年代科研人员发现可以把光子和电器件集成到单芯片开始，四十多年的积累已把它推进到实用阶段。如今，数据中心里量产的光通信收发模块，正是硅光子学的典型落地形态。

就在生成式AI将电互连功耗推到临界点之际，原本服务于光纤通信的硅光子技术，正在被重新打量。它可以支撑更大规模的GPU集群，同时把系统能耗和冷却压力往下拉一截。对于卡在“用电驱动机器”路径上的AI数据中心而言，这项用光来搬运数据的改造，或许意味着下一段跑道的起点。