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。智算中心建設方案，一直牽動著國人的神經。

近期，OXC光交換技術在智算場景的應用，走進了大眾視野，這個技術及其解決方案，撐得起智算中心網絡嗎？

深入技術本質、落地實踐、產業(yè)進程來看，恐怕都要說一句，“OXC技術在智算場景其實沒有未來”。

技術上看，OXC光交換技術在智算場景中會面臨光電協(xié)同、不支持AI任務多對多傳輸等技術挑戰(zhàn)，很難有效解決。

實踐上看，當前業(yè)界僅谷歌一家商用MEMS-OXC設備，而谷歌TPU集群用OXC的核心目的是解決Torus拓撲的可用度問題，但網絡可用度的短板其實是在接入端口，OXC不解決網絡可用度問題，所以實際上跟自動配線架沒有本質區(qū)別。

產業(yè)上看，谷歌商用OXC全球僅此一家，根據LightCounting預測，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，不難得出結論，OXC技術在智算場景中只是配線架，無法真的規(guī)模化落地，也支撐不了超萬卡集群智算中心網絡。

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

簡單來說，OXC光交換技術就是在不同的光路徑之間進行光信號交換。技術路徑包括MEMS、DLC、和DLBS。其中，MEMS技術是目前最主流的方案，MEMS-OXC設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絡中，MEMS-OXC發(fā)揮的作用其實就是配線架。

我們先來看看，智算中心組網是怎么實現的。ODCC（開放數據中心委員會）發(fā)布的《AI數據中心網絡建網》報告提到，AI參數面網絡有兩層Spine—Leaf，以及三層CLOS架構組網，而在AI集群組網實踐中，通過三層組網達到十萬卡以上的組網規(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模式，去構建超大規(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。

可以看到，智算中心網絡如果采用兩層組網，不需要OXC；如果是三層組網，MEMS -OXC設備在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區(qū)別。

引入MEMS-OXC，不僅無法給網絡帶來增益，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，但數據中心網絡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，對整個數據中心網絡的沖擊是比較大的。

舉個例子，OXC技術有靈活切換的特征，但對于整網來說，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，都要隨之進行策略調整。

試想一下，智算場景下的大模型訓練大多采用并行訓練，業(yè)務流隨時變化，如果數據中心網絡隨時隨地在進行秒級調整，那訓練的可靠性就很難保證了。任何一個大模型研發(fā)團隊，恐怕都無法接受訓練的高頻中斷。

其次，OXC與AI業(yè)務的適配問題。

OXC光交換技術是不支持多對多通信的，只能進行純物理的轉發(fā)。而在智算場景中，AI任務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、多對多等多種轉發(fā)方式。這些算法的高效通信，OXC技術就很難滿足，導致相關智算業(yè)務無法開展。

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，這又會導致能耗上升。此外，插損問題，還會導致光模塊速率無法演進。

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

MEMS-OXC不如自動配線架的另一個關鍵因素，就是商用前景。

我們知道，一項新技術都必須在商業(yè)市場中完成閉環(huán)，能夠通過使用來回收投資，才能吸引基礎設施的進一步投入，形成良性循環(huán)。而OXC技術的產業(yè)化，良性商業(yè)閉環(huán)是很難的。

最首要的制約，是成本。

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

ODCC（開放數據中心委員會）在《AI網絡光交換機技術報告》中提出，考慮到網絡系統(tǒng)和OCS（光交換機）本身的挑戰(zhàn)，從端口數量需求、切換時間需求、低成本、高可靠性、拓撲易于管理等維度分析，光交換機還需要優(yōu)化設計以降低插損和回波損耗，以及探索與電交換機組網方案來降低成本等。

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

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

技術不是生存在真空之中的，是寄生在人才、資金、產業(yè)、實體經濟等多重因素的現實中。

中國智算產業(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，也要面對當下生存、商業(yè)的現實挑戰(zhàn)，甚至有的還要處理歷史遺留問題。

這種情況下，如果國內智算產業(yè)將寶貴的資源，投入并不適合用來組網的OXC身上，可能會導致一系列連鎖反應。

比如產業(yè)資源的分散，智算中心建設昂貴，而在組網規(guī)模、插損、功耗、成本等方面都沒有優(yōu)勢的OXC設備，意味著低效投資，降低科技企業(yè)的抗風險能力。

MEMS-OXC設備在智算集群中的落地效果并不顯著，解決不了網絡可用度問題，引入OXC會影響到AI算力的傳輸與供給，進而阻礙AI訓練、AI推理等業(yè)務的韌性開展。

更需要警惕的是，對OXC路線的炒作，可能導致國內智算錯過對其他技術路線的探索，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的選擇，在智算場景沒有未來。眼下，中國智算產業(yè)真正該做的，是把自身在成熟交換技術、現有寶貴資源、產業(yè)智能化機遇等方面的核心優(yōu)勢，進一步發(fā)揮好。

審核編輯 黃宇