社区

上一篇我们说，GPU 有两种死法：吃不饱（饿死），和跑不动（堵车）。

HBM 解决了第一种。而第二种——成千上万颗 GPU 之间"跑不动"的问题——要靠光互联。

但在讲光之前，得先搞清楚一件事：这些 GPU 到底是怎么连在一起的？

因为大多数人对"AI 算力"的想象是错的。

很多人以为，一个 AI 数据中心，就是"一大堆 GPU 堆在一起"。芯片越多，算力越强。

这个想象，少了最关键的一半。

真实的 AI 集群，不是一堆 GPU，而是一张网——一张让这些 GPU 互相传数据的"带宽网络"。

打个比方。一个万人工厂，光招一万个工人是没用的。如果工人之间没有通道、没有传送带、没法互相递东西，那这一万人不是一个工厂，只是一万个各干各的人。

GPU 也一样。把一万颗 GPU 摆在机房里，如果它们之间传不动数据，那它们就不是"一台超级计算机"，只是一万颗互相不说话的芯片。

让它们变成"一台机器"的，不是 GPU 本身，是连接它们的那张网。

那这张网长什么样？

它其实是四层，按"数据要传多远"一层层往外扩。距离越远，带宽越稀缺，也越贵。

第一层，芯片内——最短的距离，最高的带宽。

数据在一颗 GPU 内部流动，从计算单元到它自己的内存。这一层的带宽，主要靠 HBM 提供——就是上一篇说的，让 GPU 吃得饱的那条超宽传送带。这是带宽最充裕的一层，因为距离最短。

第二层，芯片间——GPU 和 GPU 之间。

同一台服务器里，几颗、几十颗 GPU 要互相交换数据。这一层靠的是高速互联（比如英伟达的 NVLink）。距离一拉远，带宽就开始变得金贵。

第三层，机柜间——一个机柜和另一个机柜之间。

成百上千颗 GPU，装在不同的机柜里，机柜之间要连起来。到这一层，电信号已经传不动了，必须开始用光——这就是光模块的主战场。

第四层，数据中心间——一栋楼和另一栋楼，甚至一个城市和另一个城市之间。

当一个数据中心装不下，就要把多个数据中心连成一个更大的系统。这是最长的距离，靠的是长距离的光传输。

看懂这四层，你就会发现一个反直觉的事实：

AI 工厂的本质，不是算力的堆叠，是带宽的组合。

从芯片内到数据中心间，每一层都是一种带宽。距离越往外，带宽越稀缺，也越贵。

而"光"这个东西，恰恰是从第三层（机柜间）开始登场，越往外越重要。这也是为什么，AI 越往大集群发展，光就越关键——因为集群越大，要跨越的距离就越远，而远距离的带宽，只有光做得到。

所以回到那句话：AI 集群不是一堆 GPU，而是一张带宽网络。

你买了多少颗 GPU，决定的是这个集群的"理论算力上限"。 但这些 GPU 之间的带宽够不够，决定的是这个上限能不能真正发挥出来。

很多时候，限制一个 AI 集群的，不是它有多少算力，而是它的"网"够不够宽。

下一篇，我们要钻进第三层和第四层之间，回答一个被很多人忽略、却正在发生的大事：

为什么用了几十年的铜线，突然就不行了？为什么 AI 集群非得把铜换成光不可？

这背后，是一堵谁也绕不开的物理墙。

实盘观察，不是投资建议。

$迈威尔科技(MRVL)$  $Lumentum Holdings Inc.(LITE)$  $COHERENT(COHR)$