OFC 2026 NVIDIA报告：面向AI工厂的光交换（OCS）技术使能、应用场景与落地挑战

本文来自于OFC 2026「Optical Networking for AI Datacenters: Technology Enablers and Key Applications」专题论坛中，来自NVIDIA的Giannis Patronas所作的题目为《Optical Switching for AI factories》的演讲报告内容。

一、行业背景：AI算力爆发带来的系统性网络核心挑战

当前AI产业的指数级发展，已将数据中心网络从配套支撑组件，推升至AI系统设计的核心一阶要素，光网络的性能、能效与可靠性，直接决定了AI超算集群的扩展性上限与运营成本。

1.1 AI算力与集群规模的指数级扩张

AI算力需求的爆发，来自三大核心趋势的叠加：

一是大语言模型规模保持每年10倍的增长速度，推理类任务的词元处理量以每年5倍的速度提升，同时词元成本以每年10倍的速度下降，进一步放大了全社会对AI算力的使用需求；

二是单芯片算力实现跨越式提升，从Pascal到Blackwell架构，NVIDIA在8年内实现了1000倍的AI算力飞跃，单芯片FP16算力从19 TFLOPS提升至4000 TFLOPS；

三是AI集群规模极速扩张，AI超算的AI芯片数量以每年1.6倍的速度增长，2019年主流训练集群的GPU规模仅为万级，2024年xAI发布的Colossus集群已上线10万片H100 GPU，并计划在数月内扩容至20万片，4年内集群规模实现了近100倍的提升。

1.2 功耗与可靠性的双重核心瓶颈

集群规模的指数级扩张，也带来了两大无法回避的系统性瓶颈：

其一是功耗压力持续攀升。根据IEA 2025年发布的《Energy and AI》报告，2025-2030年全球数据中心电力需求增长的70%将来自加速服务器；当前大规模AI集群中，约8%的整机功耗由光网络承担，随着集群规模扩大、传输距离增加，光网络的功耗占比还将进一步提升。

其二是可靠性风险被持续放大。集群规模越大，单次网络故障的影响范围越广，单个网络故障可能导致整个训练任务关联的大量GPU资源被闲置，同时单次可靠性事件的经济成本、运维成本也随集群规模同步增长。

基于上述行业痛点，本次演讲提出核心命题：OCS（光交换）能否成为高速扩张的AI集群所需的高可扩展性、高灵活性、高能效网络的核心使能技术？

二、OCS在AI数据中心的核心应用场景

OCS的核心价值，在于实现了物理层拓扑的可重构，可针对性解决传统电交换网络在AI场景下的功耗、延迟、灵活性瓶颈。演讲明确了OCS在AI数据中心的三类核心插入点，其中重点阐述了横向扩展（Scale-out）与纵向扩展（Scale-up）两大核心应用场景。

2.1 横向扩展（Scale-out）场景

Scale-out场景定位于数据中心建筑内，InfiniBand/以太网交换层之间的集群互联，OCS在此有两大核心落地用例。

第一个用例是提升网络弹性与故障恢复能力。在电交换层之间插入OCS，配套冗余硬件设计，当网络出现故障时，可通过OCS快速切换链路，剔除故障组件，替换为备用资源，有效缩小故障域，避免大量GPU资源因单点故障被闲置，提升集群整体可用性。

第二个用例是扁平化网络架构，降低功耗与转发延迟。AI训练业务的流量具备可预测、结构化的特征，基于这一特点，可用OCS替代1-2层电交换机，大幅减少电交换芯片与光模块的用量，同时缩短数据转发路径，降低网络延迟，实现更高效、更低功耗的Scale-out组网。

2.2 纵向扩展（Scale-up）场景

Scale-up场景是AI集群高带宽、高密度连接的核心场景，单个计算机架需支持数千条光纤链路，也是OCS最具潜力的新兴落地场景，核心解决静态直连与全电交换架构的固有缺陷。

第一个核心用例是构建灵活高效的大规模Scale-up域。在该场景下，全静态直连架构灵活性极差，无法适配动态变化的业务需求；全电交换架构则存在功耗高、延迟大、光模块用量大的问题。OCS提供了两者之间的最优折中方案，在保持低功耗、低光模块用量优势的同时，支持物理拓扑的动态调整，可灵活适配不同训练任务的流量需求。

第二个核心用例是提升资源利用率与系统可用性。通过OCS构建统一的GPU资源池，可按需分配算力资源，有效利用碎片化的算力；同时在机架运维、固件升级时，可通过OCS无缝下线目标机架，不影响业务的正常运行，大幅提升集群的整体运维效率与业务连续性。

2.3 跨园区扩展（Scale-across）场景

OCS可用于园区内不同楼宇、远程站点之间的集群互联，与当前本地城域网络的应用场景类似，可实现长距离、高带宽的灵活组网，适配多园区级别的超大规模AI集群建设需求。

三、OCS规模化部署的核心技术要求与现存缺口

演讲明确指出，当前OCS技术仍无法满足AI集群的规模化商用部署需求，核心需补齐链路预算、集成密度、可靠性、成本四大维度的工程化缺口。

在链路预算维度，AI场景对OCS提出了极为严苛的低损耗要求：全链路插入损耗需控制在4dB以内，需兼容现有DR、FR等标准光模块接口，不劣化链路的BER与FEC性能，同时链路路径中最少包含4个平行光纤连接器。当前的核心缺口是，现有OCS器件的插入损耗过高，无法适配现有标准光模块的链路预算，需开发更低损耗的OCS器件与连接器方案。

在集成密度维度，AI场景要求OCS设备在1RU空间内实现优于64×64的端口容量，同时配套高密度、低损耗的连接器，以适配单机架数千条光纤的部署需求。当前的核心缺口是，现有OCS设备的端口密度不足，连接器的密度与性能也无法匹配AI集群的高密度布线需求。

在可靠性维度，AI场景要求OCS设备不引入单点故障，需缩小故障域、控制故障影响范围，支持热插拔的小基数交换机，同时配套完善的冗余设计，不得显著降低光链路的整体可靠性。当前的核心缺口是，现有OCS设备的故障模式不明确，缺乏适配AI集群高可用要求的冗余设计与热插拔能力。

在成本维度，AI集群的规模化部署要求OCS技术可支撑万级端口的商用落地。当前的核心缺口是，OCS技术的整体成本过高，无法适配AI集群的规模化部署需求。

演讲同时指出，减少器件数量、提升芯片集成度，是同时解决成本、密度、可靠性三大缺口的核心方向；而光器件与AI系统的协同设计，是补齐所有技术缺口、实现OCS规模化落地的关键前提。

四、总结与展望

本次演讲的核心结论可归纳为三点：

第一，随着AI集群规模的指数级扩张，光网络已从传统的配套组件，升级为AI系统设计的一阶核心要素，直接决定集群的扩展性、能效与运营成本。

第二，OCS为AI数据中心网络打开了全新的设计空间，可针对性解决传统电交换网络的固有瓶颈，在Scale-out、Scale-up等核心场景具备明确的应用价值与落地潜力。

第三，要实现OCS在AI集群的规模化商用落地，必须补齐链路预算、集成密度、可靠性、成本四大维度的工程化缺口，而器件与系统的协同设计，是实现这一目标的核心前提。