爱德泰专稿：从800G到1.6T——AI数据中心为何走向超高密度光连接？

当人们谈论AI基础设施时，焦点往往集中在GPU、算力和大模型。然而，支撑这些算力高效运行的，不仅是计算能力本身，还有庞大的连接网络。从千卡集群到万卡集群，从800G到1.6T，AI正在推动数据中心进入一个全新的时代——不仅需要更快的连接，更需要更多的连接。而“高密度”，正逐渐成为下一代AI数据中心的重要关键词。

一、AI集群持续扩容
过去，传统云计算数据中心通常由数百台服务器组成，网络规模相对可控。而随着大模型训练需求持续增长，AI训练集群的规模正在发生根本性变化。如今，数千张GPU已经成为大型训练集群的常见配置，未来数万张甚至十万张GPU协同计算，也正逐步成为行业发展的方向。

对于AI训练而言，单个GPU的性能固然重要，但真正决定训练效率的，是整个集群的数据交换能力。模型训练过程中，每一次参数同步、每一次梯度更新、每一次任务调度，都需要海量数据在不同GPU之间高速传输。GPU数量越多，网络规模越大；网络规模越大，对互连基础设施的要求也越高。AI带来的变化，不只是算力增长，更是连接规模的持续扩张。

二、光纤数量快速增长
GPU数量的增长，并非简单的设备堆叠，而是连接规模的持续扩张。每增加一个计算节点，就意味着更多服务器连接、更多交换机端口以及更多光链路部署需求。这些连接不仅存在于服务器与交换机之间，还存在于交换机与交换机之间，以及不同计算域和网络层级之间。

如果说GPU是AI集群的“计算单元”，那么光纤就是支撑整个系统运行的“神经网络”。随着AI集群规模从千卡迈向万卡，数据中心内部部署的光纤数量也在快速增长。越来越多的GPU，需要越来越多的光链路；越来越多的光链路，又意味着越来越复杂的布线系统。因此，AI带来的最大变化之一，不是网络变得更快，而是连接变得更多。而当连接数量持续增长时，新的挑战也随之出现。

三、带宽升级持续加速
近年来，数据中心网络速率持续升级。从400G到800G，再到正在加速发展的1.6T，以太网和AI网络正不断向更高带宽演进。对于AI训练集群而言，更高带宽意味着更大的数据吞吐能力，也意味着更多GPU能够实现高效协同计算。但带宽升级带来的变化，并不仅仅是传输速度提升。更高的网络速率背后，往往对应着更庞大的网络规模、更复杂的互连架构以及更多的光连接需求。