AI 算力争夺转向 " 连接 "

作者／   IT 时报  林斐

编辑／   钱立富  孙妍  

过去几年，人工智能产业的竞争焦点一直集中在 GPU 算力上。大模型规模越做越大，单颗芯片性能够不够强，已不能完全决定 AI 系统的效率，芯片之间怎么传数据，反倒成了新的瓶颈。

在 2026 浦江创新论坛硅光创新发展专题论坛上，多位专家和企业代表作出类似判断：AI 算力基础设施已经进入 " 连接能力竞争 " 阶段。高速光互连、光电融合等原本服务于传统通信的技术，正被 " 搬 " 进 AI 数据中心；硅光也从技术验证阶段逐步走向产业应用阶段。

不过，实验室里的成果要变成大规模商用，中间还隔着制造平台、行业标准、量产能力等几道坎。

用 " 光 " 打破连接瓶颈

算力需求持续增长，推动 AI 数据中心从单机计算转向大规模集群。

在这场转变中，海量数据需要在 GPU 芯片、服务器、不同计算节点之间高速流动。互连接口如果跟不上，计算芯片再强也难以充分发挥性能。

于是，过去主要服务于长距离通信的光互连，开始 " 一路下沉 "，从机柜间、板间向芯片间延伸，推动 " 光 " 从通信基础设施变成算力基础设施的一部分。

这也成为全球巨头竞相布局的 " 新战场 "。英伟达在高速互连技术上继续加码，想用更高效的网络架构，提升大规模 GPU 集群的协同效率。除了推出面向 AI 计算的高速网络产品，它还在推动共封装光学（CPO）等光互连技术，把光通信能力引进 AI 基础设施。博通在面向数据中心的高速互连芯片和光电解决方案上继续布局。谷歌、微软等云巨头则在自研 AI 基础设施的过程中，摸索更高效的芯片互连架构。

国产硅光探路下一代算力

上海新微技术研发中心资深总监汪巍表示，应用场景变了，光互连产品在尺寸、功耗和成本上的约束也随之收紧。

硅光（Silicon Photonics）技术凭借高集成度、低功耗及与 CMOS 工艺兼容的规模化量产优势，可让光学器件做得小、做得便宜、可量产，从 " 备选方案 " 跃升为 " 主流刚需 "。

论坛现场，上海赛勒光电子科技有限公司发布了基于纯硅方案的单波 400G 硅光芯片，该项目同时拿下第二届 " 张江杯 " 硅光创新创业大赛企业组一等奖。赛勒光电子董事长甘甫烷介绍，这次发布的单波 400G 技术，主要面向下一代 AI 算力集群的高速光互连需求。

另一家企业上海澜昆微电子，展示了面向 AI 计算的 3.2T 单片光电集成芯片。该芯片采用光电集成方案，包含 64 路光电收发通道和 128 个微环谐振器，旨在提升 AI 计算场景里的互连密度，同时覆盖不同的光电融合应用形态。

高速互连之外，硅光的应用边界也在向计算领域延伸。

论坛现场，北京大学助理教授、博士生导师陶耀宇代表北大芯曜跃动团队，发布了基于三维空间光电异构架构的可编程 AI 处理系统，尝试用光子技术提升 AI 计算效率。

陶耀宇认为，大模型发展加速，AI 代码生成、视频生成、长上下文推理等应用对推理时延和吞吐能力的要求更高，传统电子计算架构在带宽和时延上已逼近极限。

" 光计算产业化并不是替代传统电子计算，而是寻找光电融合能够发挥优势的应用场景。" 陶耀宇说。

与此前一些追求全面替代电子计算架构的光计算探索不同，芯曜跃动选择了光电异构路线：三维短光路设计、成熟光电器件，加上软硬件协同优化，降低了产业化难度。

目前，团队已完成多轮样片流片验证，并搭建了编译部署框架，尝试适配图片、视频生成等大模型应用，产品方向聚焦边缘低延迟推理。

硅光产业已不满足于单一器件创新，开始向系统级应用迈进。

大规模应用仍隔几道坎

产业热度虽高，硅光要走入大规模应用，仍需跨过几道门槛。论坛圆桌讨论中，多位企业和投资机构代表提到，硅光产业眼下仍面临标准体系不完善、封装测试规范不足、量产能力薄弱等问题。

芯界光核 CTO 陆梁军认为，硅光领域封装、测试、器件适配等规范体系尚待完善，标准缺失正在拖累技术的规模化落地。上海燧原科技的技术专家则指出，硅光产业不能只靠单个企业突破，还需解决不同企业之间架构、协议、接口的协同问题。

产业链问题之外，AI 自身的快速变化也给芯片研发增添了压力。

北京大学研究员李萌表示，AI 模型的迭代周期可能只有 3 至 6 个月，而芯片研发、流片和量产往往要花好几年，两者的时间差明显。

于是，产业界不再等到某一种技术彻底成熟再上手，而是在具体场景里一步步验证、迭代。

上海加速硅光产业集聚

近年来，上海持续推进硅光产业，已发布硅光未来产业培育相关方案，并推动建设硅光未来产业集聚区。据《IT 时报》记者了解，目前张江已集聚硅光领域重点企业近 30 家。

对硅光产业来说，企业数量只是生态的一角，更关键的是能否串起设计、制造、封装、测试和应用这条完整链条。

上海硅光概念验证平台也在扮演科研与产业之间桥梁的角色，为企业提供流片、封装、测试等服务，帮助创新成果从实验室走向产业化。

从全球竞争格局看，硅光仍处于产业快速演进的阶段。未来几年，AI 数据中心规模还会扩大，光互连需求可能继续增长。对国内企业来说，真正的竞争不是推出一款硅光芯片那么简单，而是在全球 AI 基础设施加速演进的当口，能否建起从技术、制造到应用的完整产业生态。

AI 算力的下一场竞争，战场或许就在连接这些芯片的网络里。对国内硅光企业来说，能否抓住这个产业窗口，决定了这一技术方向能否真正变成竞争优势。

排版／ 季嘉颖

图片／ 浦江论坛

来源／《IT 时报》公众号 vittimes

E   N   D

大家都在看

IT 时报

怕被 AI 替代？

不如先学会用好它

「挨踢妹 @AI 茶水间」

每日投喂

扫码即可加入↓↓↓

请加「星标」不错过我们