首页 / 资讯详情
从百美元到数千美元，AI互联为什么越卖越贵？
摘要
2026年的CIOE中国光博会，人潮如织。社交媒体上甚至有人开出2500元一场的讲解费，希望找到业内人士陪同参观。走进场馆后更直观的感受是，今年光博会几乎所有与AI相关的环节都在升温：从光模块、光器件，到高速互联和数据中心基础设施，AI需求正在把原本相对垂直的光通信产业链整体推向更高热度。Astera Labs也出现在今年光博会。这家2017年成立的美国半导体公司，最早从PCIe Retimer切入高速互联，如今产品已经延伸至铜互联、光互联和机架级连接；截至九月，这间公司市值已接近500亿美元。“算力需求越高，处理器之间的数据交换就越需要快速传输，互联这套‘神经系统’也必须跟上。”Astera Labs总裁兼COO Sanjay Gajendra对雷峰网表示。这股热度背后，是AI基础设施规模持续扩张带来的互联压力。当GPU从几颗扩展到几十颗甚至成百上千颗，处理器之间的数据传输效率，开始直接影响整套基础设施的性能。铜光之争，最后要算Token成本为什么早在2017年，大语言模型尚未得到广泛应用时，Astera就开始押注互联方向？“我们当时判断，那些为上一代处理器设计的连接架构，在单台服务器拥有10个乃至今天数十个处理单元时，将无法继续支撑系统需求。”Gajendra说。当时常规服务器通常围绕1至2颗CPU设计，存储、网络等设备更多作为外围I/O存在；但随着CPU、GPU、SmartNIC等越来越多处理器开始同时进入服务器，系统内部需要交换的数据量迅速上升。“就像一台机器里有了很多个‘大脑’，原本围绕少量处理器设计的互联架构，已经难以继续支撑它们之间的数据交换。”Gajendra解释。来到2026年，这一问题随着AI的发展进一步放大。Gajendra将今天互联架构面临的挑战概括为三个变量：速率、规模和功耗。Astera Labs成立前后，PCIe单通道速率还处在8 GT/s级别，如今已经提升到64 GT/s；AI系统也从早期4至8颗GPU，向数十、上百及更大规模扩展。“为了跟上当前AI部署的步伐，数据传输速度每年都在翻倍。”Gajendra说。规模扩张带来的同时，通信延迟必须尽可能低，同时还要维持内存一致性和处理器之间的同步；系统规模扩大后，互联本身的功耗也产生了约束。这种扩展带来的压力，已经对铜光边界带来了改变，打破了短距离更多使用铜、长距离转向光互联的惯性思维，距离已经不再是决定使用光还是铜的主要变量。Gajendra认为，决定机架内部何时进一步从铜转向光，最核心的两个变量是传输速率和GPU规模。对于200G/lane级别的连接，铜互联依然可以胜任；进一步走向400G/lane之后，光将更多进入机架内部，GPU数量增加带来的连接密度和散热压力，将进一步影响客户选择铜互连还是光互联。除了以上两点，让铜光边界变得更复杂的，还有成本。所有厂商最终都要算一笔账：不同连接方式，对应的整套系统Token成本究竟是多少。光博会现场，Astera Labs的工程师告诉雷峰网，下一代AI系统中，铜和光不会简单形成替代关系。大量短距离连接仍然适合使用成本更低、技术更成熟的铜；而当系统扩大到数千张GPU、跨越多个机架时，衡量连接方案的指标会进一步变成整套系统的单位Token成本。工程师进一步提到，以英伟达NVL72的72-GPU scale-up域为参照，当计算需求继续扩大后，更大的scale-up域可能减少数据频繁经过scale-out网络。后者通常还需要经过网卡、以太网或InfiniBand交换机等多个子系统，引入额外延迟和系统复杂度。借助光互联扩大scale-u