AI基础设施扩张加速光网络升级，DCI迎来新一轮增长

AI基础设施扩张加速光网络升级，DCI迎来新一轮增长

• 数据中心内部需要更高端口速率和更大的交换容量；
• 数据中心之间需要更多高速光纤链路和更高效的传输系统；
• AI集群之间需要低延迟、高可靠的互联；
• 跨园区、跨区域的计算资源需要更加灵活的网络调度能力。

因此，AI正在推动光网络从传统的“连接数据中心”进一步向“连接计算资源”演进。

DCI正在从单点互联走向跨数据中心协同

传统DCI主要解决两个或多个数据中心之间的数据传输问题，其核心目标是实现业务互备、数据同步、云服务访问和资源共享。

AI基础设施则进一步扩大了DCI的作用。

为了提高GPU资源利用率，企业和云服务商可能将计算、存储以及AI加速资源部署在不同的数据中心。一个AI任务所需要的数据和计算资源因此可能跨越多个物理站点。

这种趋势正在推动一种更加复杂的跨数据中心互联模式。

在这种架构中，网络不仅需要连接数据中心，还需要连接分布在不同地点的AI计算集群。随着AI集群规模不断扩大，网络需要提供更高的连接密度、更大的带宽以及更加稳定的性能。

因此，DCI正在从传统的数据中心互联基础设施，逐渐演变为AI计算基础设施的重要组成部分。

光纤需求从数百根走向数千根

AI集群规模扩大后，光纤数量也正在快速增加。

传统数据中心互联通常可以通过数百根光纤完成站点之间的连接，而大型AI基础设施可能需要数千根光纤，部分大型部署甚至涉及超过万根光纤的站点间连接。

光纤数量增加会直接影响机房空间、光纤配线、连接器密度、运维管理以及网络扩容方式。

这意味着网络设计不能再单纯追求单根光纤的最高传输速率。

例如，在某些场景下，将单根光纤的容量提升至更高水平，可以减少光纤数量；但与此同时，更高速率的光模块、线路系统和相关设备通常会带来更高的功耗、成本以及部署复杂度。

因此，未来光网络需要在多个指标之间进行综合平衡：

带宽、光纤数量、功耗、设备成本、机房空间和扩展能力。

这也是AI时代光网络架构发生变化的重要原因之一。

光网络设计开始更加关注能效与总体成本

AI数据中心的一个突出特点是功耗快速增长。GPU服务器、交换机、光模块以及冷却系统都需要消耗大量能源。

随着网络规模扩大，光传输系统本身的功耗也开始成为基础设施规划的重要因素。

因此，网络运营商和数据中心运营者正在重新评估高速光网络的部署方式。

过去，网络升级往往以提高单链路容量为核心目标。现在则需要从整个网络生命周期考虑效率，包括设备功耗、端口利用率、光纤数量、机架空间、维护成本以及后续扩容能力。

这也意味着未来的网络架构并不一定单纯追求最高单通道速率，而是需要寻找带宽、成本和能效之间更加合理的平衡。

对于大规模AI基础设施而言，一种能够在满足带宽需求的同时降低单位比特传输成本和功耗的架构，可能比单纯提高峰值速率更加具有实际价值。

解耦WDM成为重要技术方向

随着DCI规模扩大，光网络系统也在向更加灵活的架构发展。

解耦波分复用（WDM）技术受到更多关注，其核心思路是将传统高度集成的光传输系统拆分为不同功能模块，使光电设备能够更加灵活地组合和升级。

典型组成包括：

• 透传器单元；
• 光线路系统；
• 相干光模块；
• 波分复用设备；
• 光纤和连接系统。

这种架构可以根据实际网络需求分别升级不同组件，而不必整体替换传输系统。

对于快速扩张的AI网络而言，这种灵活性尤其重要。AI基础设施的建设周期和带宽需求变化速度往往快于传统电信网络，因此网络系统需要具备更加灵活的扩展能力。

相关市场预测显示，到2028年，透传器、光线路系统和相干可插拔光模块等相关细分市场的支出规模有望接近目前水平的两倍。

相干可插拔光模块的重要性提升

随着高速DCI持续发展，相干可插拔光模块也正在成为光网络设备演进的重要方向。

传统相干光系统通常采用专用传输设备，而可插拔相干光模块则可以直接部署在交换机、路由器等网络设备中，从而降低系统复杂度，并提高网络部署的灵活性。

对于AI数据中心而言，这种方式能够帮助网络架构更好地适应不同距离、不同带宽和不同连接规模的需求。

特别是在400G、800G乃至更高速率持续发展的情况下，相干光技术与可插拔架构的结合，有望进一步扩大高速光连接在数据中心互联场景中的应用范围。

光网络正在从“更高速”转向“更高效”

AI对光网络带来的最大变化，并不是简单地将网络速率从100G提升到400G、800G甚至更高。

真正的变化在于网络建设目标正在发生转变。

过去，光网络的核心任务是满足不断增长的数据传输需求；未来，它还需要承担大规模AI计算资源之间的高效协同。

这要求网络同时解决几个问题：

第一，如何提供足够的带宽。

AI集群规模持续扩大，需要网络具备更高的端口速率和更大的总体交换容量。

第二，如何降低网络功耗。

当数据中心整体功耗快速增长后，每个网络端口、每个光模块以及每个传输设备的能耗都会影响基础设施的运营成本。

第三，如何控制光纤数量。

当站点之间的光纤从数百根增加到数千甚至上万根时，布线空间、管理难度和运维成本都会明显增加。

第四，如何提高扩展灵活性。

AI基础设施建设速度较快，网络必须支持更加快速的带宽扩展和设备升级。

第五，如何降低总体拥有成本。

网络建设不能只关注设备采购价格，还需要考虑功耗、机房空间、光纤资源、运维以及后续升级成本。

AI将重新定义光网络的增长逻辑

从市场结构来看，人工智能正在成为推动光网络需求增长的重要因素之一。

超大规模云服务商持续增加AI基础设施投入，带动数据中心数量、AI集群规模以及跨数据中心连接需求同步增长。DCI因此成为光网络市场中增长较快的领域之一。

与此同时，AI流量的增长也在推动网络架构发生变化。从单纯增加单链路容量，到增加光纤规模、优化WDM系统，再到部署相干可插拔光模块，光网络正在形成一条新的技术演进路径。

未来几年，光网络市场的竞争重点可能不再只是“谁能提供最高速率”，而将更多集中在高带宽、低功耗、高密度、灵活扩展和低总体成本之间的综合平衡。

随着AI计算从单一数据中心向多数据中心、跨园区和跨区域协同发展，光网络也将从传统的数据传输基础设施进一步演变为AI计算基础设施的重要底层支撑。

换句话说，AI正在改变的不只是数据中心的服务器和交换机，也正在重新定义数据中心之间应该如何连接。对于光网络行业而言，这一变化可能成为未来数年市场增长和技术升级的重要主线。