智算中心是這一輪科技革命的算力“心臟”，更是國際科技博弈的長期焦點。智算中心建設(shè)方案，一直牽動著國人的神經(jīng)。

近期，OXC光交換技術(shù)在智算場景的應(yīng)用，走進(jìn)了大眾視野，這個技術(shù)及其解決方案，撐得起智算中心網(wǎng)絡(luò)嗎？

深入技術(shù)本質(zhì)、落地實踐、產(chǎn)業(yè)進(jìn)程來看，恐怕都要說一句，“OXC技術(shù)在智算場景其實沒有未來”。

技術(shù)上看，OXC光交換技術(shù)在智算場景中會面臨光電協(xié)同、不支持AI任務(wù)多對多傳輸?shù)燃夹g(shù)挑戰(zhàn)，很難有效解決。

實踐上看，當(dāng)前業(yè)界僅谷歌一家商用MEMS-OXC設(shè)備，而谷歌TPU集群用OXC的核心目的是解決Torus拓?fù)涞目捎枚葐栴}，但網(wǎng)絡(luò)可用度的短板其實是在接入端口，OXC不解決網(wǎng)絡(luò)可用度問題，所以實際上跟自動配線架沒有本質(zhì)區(qū)別。

產(chǎn)業(yè)上看，谷歌商用OXC全球僅此一家，根據(jù)LightCounting預(yù)測，到2029年OXC的全球市場空間約為5億美元，其中大部分是谷歌，產(chǎn)業(yè)規(guī)模僅為電交換的二十分之一。

綜合上述維度，不難得出結(jié)論，OXC技術(shù)在智算場景中只是配線架，無法真的規(guī)?；涞?，也支撐不了超萬卡集群智算中心網(wǎng)絡(luò)。

接下來咱們就從技術(shù)的起點到產(chǎn)業(yè)的終點，全面掀開智算場景MEMS-OXC的面紗。

簡單來說，OXC光交換技術(shù)就是在不同的光路徑之間進(jìn)行光信號交換。技術(shù)路徑包括MEMS、DLC、和DLBS。其中，MEMS技術(shù)是目前最主流的方案，MEMS-OXC設(shè)備也是目前唯一被谷歌這一家所商用的。

但在超萬卡集群的智算中心網(wǎng)絡(luò)中，MEMS-OXC發(fā)揮的作用其實就是配線架。

我們先來看看，智算中心組網(wǎng)是怎么實現(xiàn)的。ODCC（開放數(shù)據(jù)中心委員會）發(fā)布的《AI數(shù)據(jù)中心網(wǎng)絡(luò)建網(wǎng)》報告提到，AI參數(shù)面網(wǎng)絡(luò)有兩層Spine—Leaf，以及三層CLOS架構(gòu)組網(wǎng)，而在AI集群組網(wǎng)實踐中，通過三層組網(wǎng)達(dá)到十萬卡以上的組網(wǎng)規(guī)模。

目前，Meta、OpenAI、微軟等AI巨頭，都是通過從兩層向三層擴展的組網(wǎng)模式，去構(gòu)建超大規(guī)模集群的，也就是在Leaf層、Spine層之外增加Core層。其中，兩層組網(wǎng)使用的是電交換機。比如目前業(yè)界唯一的OXC商用實踐——谷歌也采用的是光電混合架構(gòu)。

可以看到，智算中心網(wǎng)絡(luò)如果采用兩層組網(wǎng)，不需要OXC；如果是三層組網(wǎng)，MEMS -OXC設(shè)備在Core層主要發(fā)揮的作用是靈活配線，與自動配線架沒有本質(zhì)區(qū)別。

引入MEMS-OXC，不僅無法給網(wǎng)絡(luò)帶來增益，還可能制造出額外的問題：

首先，光電協(xié)同問題。

如果在第三層引入OXC光交換機，但數(shù)據(jù)中心網(wǎng)絡(luò)底層用的還是電交換機，這就需要光電之間的協(xié)同、通信、配合，對整個數(shù)據(jù)中心網(wǎng)絡(luò)的沖擊是比較大的。

舉個例子，OXC技術(shù)有靈活切換的特征，但對于整網(wǎng)來說，光交換機一會兒連通、一會兒斷開，這就需要整個接入層和Spine層，都要隨之進(jìn)行策略調(diào)整。

試想一下，智算場景下的大模型訓(xùn)練大多采用并行訓(xùn)練，業(yè)務(wù)流隨時變化，如果數(shù)據(jù)中心網(wǎng)絡(luò)隨時隨地在進(jìn)行秒級調(diào)整，那訓(xùn)練的可靠性就很難保證了。任何一個大模型研發(fā)團(tuán)隊，恐怕都無法接受訓(xùn)練的高頻中斷。

其次，OXC與AI業(yè)務(wù)的適配問題。

OXC光交換技術(shù)是不支持多對多通信的，只能進(jìn)行純物理的轉(zhuǎn)發(fā)。而在智算場景中，AI任務(wù)是有很多算法和算子的，不同算法的通信模式都不太一樣，可能需要一對多、多對一、多對多等多種轉(zhuǎn)發(fā)方式。這些算法的高效通信，OXC技術(shù)就很難滿足，導(dǎo)致相關(guān)智算業(yè)務(wù)無法開展。

第三大問題，就是OXC的耗能問題。

OXC光交換機的插損很大，也就是信號在光折射的過程中產(chǎn)生了衰減。那么為了彌補OXC的插損，就不得不采用更大功率或更長距離的光模塊，這又會導(dǎo)致能耗上升。此外，插損問題，還會導(dǎo)致光模塊速率無法演進(jìn)。

由于上述問題的存在，智算中心結(jié)合插損、功耗等多方面進(jìn)行考量，算一筆綜合賬，就會發(fā)現(xiàn)MEMS-OXC設(shè)備還不如自動配線架。

MEMS-OXC不如自動配線架的另一個關(guān)鍵因素，就是商用前景。

我們知道，一項新技術(shù)都必須在商業(yè)市場中完成閉環(huán)，能夠通過使用來回收投資，才能吸引基礎(chǔ)設(shè)施的進(jìn)一步投入，形成良性循環(huán)。而OXC技術(shù)的產(chǎn)業(yè)化，良性商業(yè)閉環(huán)是很難的。

最首要的制約，是成本。

OXC技術(shù)的落地需要光交換機的大量使用，并且所有的相關(guān)器件如光模塊都需要進(jìn)行升級，這會導(dǎo)致前期投資巨大，綜合成本高。

ODCC（開放數(shù)據(jù)中心委員會）在《AI網(wǎng)絡(luò)光交換機技術(shù)報告》中提出，考慮到網(wǎng)絡(luò)系統(tǒng)和OCS（光交換機）本身的挑戰(zhàn)，從端口數(shù)量需求、切換時間需求、低成本、高可靠性、拓?fù)湟子诠芾淼染S度分析，光交換機還需要優(yōu)化設(shè)計以降低插損和回波損耗，以及探索與電交換機組網(wǎng)方案來降低成本等。

而上述投資，都需要從產(chǎn)業(yè)用戶身上完成商業(yè)回報。但如前所說，受限于光交換技術(shù)本身的瓶頸，許多AI任務(wù)及場景是短期內(nèi)難以落地的，這就導(dǎo)致OXC的商業(yè)不確定性強。

這樣綜合考慮下來，就導(dǎo)致業(yè)界落地OXC的步伐明顯冷靜，基本處于觀望狀態(tài)。

技術(shù)不是生存在真空之中的，是寄生在人才、資金、產(chǎn)業(yè)、實體經(jīng)濟等多重因素的現(xiàn)實中。

中國智算產(chǎn)業(yè)仍處于追趕階段，資源、人才等都相對不足，既要把握發(fā)展前景與機遇，也要面對當(dāng)下生存、商業(yè)的現(xiàn)實挑戰(zhàn)，甚至有的還要處理歷史遺留問題。

這種情況下，如果國內(nèi)智算產(chǎn)業(yè)將寶貴的資源，投入并不適合用來組網(wǎng)的OXC身上，可能會導(dǎo)致一系列連鎖反應(yīng)。

比如產(chǎn)業(yè)資源的分散，智算中心建設(shè)昂貴，而在組網(wǎng)規(guī)模、插損、功耗、成本等方面都沒有優(yōu)勢的OXC設(shè)備，意味著低效投資，降低科技企業(yè)的抗風(fēng)險能力。

MEMS-OXC設(shè)備在智算集群中的落地效果并不顯著，解決不了網(wǎng)絡(luò)可用度問題，引入OXC會影響到AI算力的傳輸與供給，進(jìn)而阻礙AI訓(xùn)練、AI推理等業(yè)務(wù)的韌性開展。

更需要警惕的是，對OXC路線的炒作，可能導(dǎo)致國內(nèi)智算錯過對其他技術(shù)路線的探索，由此帶來的機會成本，是無法估量的。

所以，只能作為自動配線架的OXC，并不適合成為智算中心組網(wǎng)的選擇，在智算場景沒有未來。眼下，中國智算產(chǎn)業(yè)真正該做的，是把自身在成熟交換技術(shù)、現(xiàn)有寶貴資源、產(chǎn)業(yè)智能化機遇等方面的核心優(yōu)勢，進(jìn)一步發(fā)揮好。

審核編輯 黃宇