大家在讨论AI算力时，目光通常落在GPU的制程和参数规模上。但有一个更隐蔽的瓶颈正在浮出水面：芯片和芯片之间，数据怎么走。

训练一个大型AI模型，往往需要数千颗GPU同时协作。单块芯片的性能再强，如果芯片之间的数据传输跟不上，整个系统就像一条公路中间堵了一个收费站，再多车道也没用。电信号在铜导线里跑，有带宽上限，有信号衰减，有能耗损耗，这些问题在规模较小时还能接受，但当GPU集群扩展到数万颗时，"电互连"的局限就成了系统级的天花板。

解法正在变得越来越清晰：用光。

光替代铜线，不只是提速那么简单

光互连的基本逻辑并不复杂，光在光纤里跑比电在铜线里跑快得多，损耗更低，带宽更大。这个原理早就用在了跨洋海底光缆和城市骨干网上，现在科学界和产业界正在把同样的逻辑压缩进芯片封装尺度。

目前这条路主要走两个方向。

第一个叫共封装光学（CPO），思路是把光收发模块和计算芯片封装在一起，让光信号在离开芯片后几乎立刻就进入光路，不再经过长距离的电路板传输。这个方案对现有工艺改动幅度相对可控，是当下产业界投入最密集的方向。英伟达已经宣布将在2026年下半年推出基于硅光子技术的交换机产品，专门为百万GPU规模的AI集群设计，主打能效与带宽密度。

第二个方向走得更激进，叫光学输入输出（OIO），目标是把光互连接口直接嵌入芯片封装层，让光路成为芯片架构本身的一部分，而不只是外接模块。这对集成工艺的要求极高，但一旦实现，GPU集群之间的协同效率将发生本质性的跃升。英伟达在2024年底的IEDM大会上展示了相关架构设计，显示这一方向已进入严肃的工程化探索阶段。

根据IDTechEx的研究，基于光子集成电路的收发器市场规模预计到2036年将达到480亿美元，这个数字背后是整个数据中心和AI基础设施正在进行的一次底层迁移。

中国能不能在这场迁移中占住位置

这是一个现实而敏感的问题。

在传统高端芯片制造领域，中国受到出口管制的约束，无法获取最先进的光刻机，导致在最先进制程上存在明显差距。但光子芯片的制造逻辑和传统半导体不完全相同，硅光子工艺对极紫外光刻（EUV）的依赖度低于传统逻辑芯片，部分关键制造环节对成熟制程有更高的兼容性。

这给中国留下了一个相对公平的窗口期。

北京大学团队近期公开的研究结果显示，他们在硅光子芯片上实现了60Tbps的高相干光互连链路，利用多波长光源技术在单芯片上构建出超过百个并行信道。这套方案同时降低了对数字信号处理器（DSP）芯片的依赖，而DSP芯片恰恰是国内供应链中受制程限制最明显的环节之一。这个技术路径选择本身，就带有明显的现实针对性。

当然，从实验室成果到量产部署，中间还有相当长的路要走。光子芯片面临的工程挑战不少：光电转换效率、封装热管理、与现有电子系统的兼容性，每一项都不是小问题。国内产业链在光源器件、高速调制器等核心部件上与国际顶尖水平仍有差距，而这些部件的性能直接决定了整个系统的天花板。

但2026年正在成为这个领域公认的拐点。从实验室验证到工程量产，从单点突破到系统整合，各方力量正在同时加速。用光传数据这件事，已经不是"能不能做到"的问题，而是"谁先做到、做到什么规模"的竞赛。

AI的下一场军备竞赛，跑道上铺的不是硅，是光。