别盯着 H100 的算力看了，AI 集群扩容的真瓶颈其实是通信墙

现在大家聊 AI 算力，习惯性地盯着 H100 或 undefined 的单卡 TFLOPS 提升，觉得只要芯片算力够强，模型规模就能无限制扩张。但实际上，AI 训练的死穴早已从“计算能力”转移到了“互连带宽”上。最近美国政府通过 CHIPS 法案给 GlobalFoundries（格芯）拨款 3 亿美元专项研发硅光子（Silicon Photonics）技术，这其实释放了一个极其明确的信号：如果不能解决通信墙问题，单纯堆砌晶体管数量已经无法带来线性性能增长。

在动辄数万张 GPU 规模的超大规模集群中，单颗芯片的算力确实在飞速提升，但卡与卡、机柜与机柜之间的互联成了最致命的拖累。传统的电信号传输依赖铜线，这在物理上正接近极限。随着信号频率升高，电磁损耗和功耗呈指数级增长，且传输距离极短。这意味着在扩容 AI 集群时，网络延迟和功耗不仅成了最大的成本项，更直接限制了模型参数规模的进一步扩张。简单来说，计算速度跑得太快，但数据在芯片之间传输的速度跟不上，导致昂贵的 GPU 经常在等待数据传输，造成严重的算力浪费。

硅光子技术的逻辑其实非常简单粗暴：用光信号代替电信号。光在光纤中的传输带宽比电子在铜线中高出几个量级，且功耗大幅下降。格芯这次投入的核心目标，是在其 CMOS 平台上直接集成光学器件，包括激光器、调制器和波导。

这里有一个至关重要的技术细节：目前的工业方案大多依赖于昂贵且体积巨大的分立光模块，这种方案在封装层面产生了巨大的延迟。而格芯试图实现的是让光子芯片和电芯片在同一个 die 或同一个封装内共存。如果能将光互连器件像电阻、电容一样直接集成在芯片内部，就意味着数据传输不再需要经过繁琐的“电-光-电”转换过程。一旦节点间互连全部实现光路化，性能瓶颈将重新转移回计算本身，这才是 AI 基础设施的一次质变。

从战略布局来看，格芯这一招走得很精准。在先进制程的竞赛中，格芯在 3nm、2nm 领域已经很难与台积电或三星正面硬刚，但它在 FD-SOI（全耗尽硅超薄绝缘体）等特色工艺上积累深厚。它不再死磕晶体管的集成度，而是试图在 AI 供应链中卡住一个关键生态位：我不一定要制造最核心的 GPU，但我可以提供让所有 GPU 通信效率翻倍的光互连底座。

当然，硅光子从实验室走向量产的鸿沟依然巨大。最核心的挑战在于良率。光子器件对工艺缺陷的容忍度极低，哪怕是纳米级的形貌偏差，都可能导致光路失效，直接导致整颗芯片报废。在这种环境下，如何利用成熟的工艺节点实现大规模量产并把成本压下来，依然是一个巨大的问号。

但不可否认，这 3 亿美元的投入标志着工业界的一个共识：在追求更小晶体管的同时，必须同步解决互连瓶颈。如果不能突破硅光子技术，AI 集群的规模化扩展终将触碰到物理天花板。