作者：Matthew Crowley，Scintil Photonics公司CEO

图1：密集波分复用共封装光学技术（DWDM CPO）的核心优势。（图片来源：Scintil Photonics）

数据中心设计领域流传着这样一句话：“能用铜缆的地方优先用铜缆，非光不可时再采用光学技术。”多年来，业界的务实做法一直是：在物理规律倒逼技术升级前，优先使用成本低廉的铜缆。但如今，人工智能（AI）计算集群正朝着部署百万级图形处理器的“算力工厂”规模迈进，数据中心的成本效益也面临巨大压力，人们发现，这一“非光不可”的技术节点，到来的速度远超所有人的预期。

网络架构师早已清楚，铜缆在高速传输场景下的传输距离存在明显短板，但从基础物理层面剖析其背后原因的人却不多。尽管网络工程师凭借精湛的技术，将铜缆的传输距离和带宽潜力挖掘到了极致，可物理规律的限制终究无法突破，再精妙的工程设计也难以克服铜缆的固有缺陷。理解了这一点，也就能理解为何行业正迫切转向共封装光学技术（CPO）。

铜缆中传输的电信号频率越高，符号率和带宽就越高，可承载的信息也更多。问题在于，信号频率提升的同时，传输距离会大幅缩短，而造成信号损耗的核心原因主要有两个：集肤效应和介质损耗。

集肤效应：电流的“表面聚集”特性

当交流信号在铜缆中传输时，变化的磁场会在导体内部感应出涡流。这些涡流产生的磁场，会与线缆中心的信号磁场相互抵消。信号磁场的变化速度越快，即频率越高，这种抵消效应就越强。

其直接结果是，电流会被“挤压”到导体极薄的表层，这一表层的厚度被称为集肤深度。当前AI数据中心的信号传输常用 53 GHz左右的频率，在这一频率下，铜缆的集肤深度仅为 0.3 µm。如此薄的传输层，仅利用了导体横截面积的不到 1%，导致线缆的电阻急剧飙升，甚至比直流电阻高出 100 倍以上。

介质损耗：绝缘层的“能量耗散”

铜缆信号衰减的另一大元凶是介质损耗。在吉赫级的高频场景下，线缆绝缘介质内的分子无法跟上电场的快速变化节奏。电场的快速波动与分子的滞后响应之间的延迟，会将信号的电磁能转化为热能，造成能量损耗。

双重损耗：铜缆的致命短板

集肤效应与介质损耗共同作用时，会让铜缆的信号损耗随频率升高呈指数级增长。举个直观的例子：在 50 GHz的频率下，即便使用高品质铜缆，在2 m传输距离内，这两种效应造成的损耗就会消耗掉 90% 以上的信号功率预算。铜缆的物理特性决定了其存在一个无法调和的核心矛盾：带宽与传输距离不可兼得。

共封装光学技术的核心优势

光传输的特性与铜缆有着本质区别：光信号不存在易受干扰的漂移电子，能量损耗的自由度极低，每米传输的熵增速度也慢得多。

光子的天然特性，使其能在远距离传输中保持信号的稳定性，这也是为何铜缆的传输距离以“米”为单位，光纤的传输距离以“千米”为单位，而自由空间光通信的传输距离甚至能以“光年”计量。

CPO技术的开发，正是为了将铜缆的应用限制在先进共封装外形尺寸内的超短距离、高带宽链路上，同时利用光学技术实现更长距离的传输。在CPO中，铜缆仅用于极短的电信号路径，通常是通过中介层实现芯片间的连接，而封装外部的通信则由光链路承担。从CPO组件输出的大部分通信信号，都会通过光纤传输，这些光纤能够以极低的损耗将数据传输数米到数公里。

密集波分复用共封装光学技术（DWDM CPO）

如今，AI训练集群的性能瓶颈，已从每秒浮点运算次数（FLOPS）转向带宽需求。在具备一致性内存的扩展网络中，需要新一代网络技术来满足多重要求：

l 随着功耗成为数据中心部署的制约因素，需实现每比特更低的能耗；

l 由于浮点运算不再是瓶颈，需为每个处理器提供更大带宽；

l 随着光纤部署的物理空间受限，需实现更高的集成密度；

l 为实现跨机架的横向扩展，需支持更长的传输距离；

l 为保持内存域一致性并提高GPU利用率，需要超低的尾部时延；

l 还需具备高可靠性和易维护性。

当尾部时延成为核心约束条件时，满足上述要求将大幅提升GPU的利用率（部分模型测算显示，利用率可提升一倍以上），显著降低网络功耗，并改善模型的端到端性能。目前来看，DWDM CPO是唯一能同时满足这些严苛要求的技术路径，其也将给超大规模数据中心运营商带来深远的成本效益变革。

DWDM CPO技术通过在每根光纤上传输多个波长的光，为每个GPU提供多条宽而慢的通道。通过将传输的波长数从 1 路提升至 8 路、16 路乃至更多，这种几何级的扩容规律有望彻底变革AI网络，正如25年前DWDM技术彻底变革了互联网骨干网一样。

DWDM的单信道传输速率约为 50~64 Gbit/s，属于低速传输范畴，这一特性让工程师可将数据编码方式从PAM4简化为NRZ。这一简化省去了多个成本高昂、功耗巨大的信号处理环节，通过精简信号传输路径，实现了功耗与时延的双重降低。

尾部时延，是侵蚀数据中心投资回报率的“隐形杀手”。GPU集群处理数据令牌时，需要持续、可预测的比特流输入。一旦单个比特出现传输延迟，整个集群的其余部分都将陷入闲置，大幅降低处理器利用率。随着集群内处理器数量的增加，出现 p999 级别尾部比特延迟的概率会显著上升，处理器利用率也会随之下降。

如果没有低时延、低功耗、长距离的DWDM CPO技术，网络的扩展规模将受到限制，大语言模型（LLM）的性能也会因此受限。更大规模、更扁平化、低时延的扩展网络，能支撑更大的键值缓存，直接提升模型的上下文窗口大小和内容相关性，有效扩大LLM的实际工作内存。低时延带宽的提升，还有望增加变换器层数，让模型具备更深度的思考和推理能力。简而言之：打破芯片间的通信限制，能让LLM在工作内存中存储更多信息，并在不出现卡顿的情况下完成更多推理步骤。

铜缆在其时代无疑是一项伟大的技术，但它的固有物理限制，让行业迫切需要更先进的网络技术，以此大幅提升超大规模数据中心的投资回报率，拓展LLM的能力边界。再过几年，全铜缆架构的AI数据中心，将会像全铜缆的长途互联网一样，变得难以想象。

超大规模数据中心运营商、投资者、LLM开发者，以及AI基础设施建设的其他参与者，必须重视这一技术趋势：它不仅将彻底重塑数据中心的成本效益格局，更将持续拓展AI的能力边界。率先采用DWDM CPO技术的企业，将在成本、功耗和性能上建立起架构优势；而这些优势，将会随着AI基础设施的规模化建设持续放大。