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同、不支持AI任務多對多傳輸等技術挑戰，很難有效解決。

　　實踐上看，當前業界僅谷歌一家商用MEMS OXC設備，而谷歌TPU集群用OXC的核心目的是為了解決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別。

　　產業上看，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， 產業規模僅為電交換的20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的終點，全面掀開智算場景MEMS—OXC的面紗。

　　技術為起點：為什么說MEMS-OXC只是配線架

　　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層主要發揮的作用是靈活配線，與自動配線架沒有本質區別。

　　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同、通信、配合，對整個數據中心網絡，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團隊，恐怕都無法接受訓練的高頻中斷。

　　其次，OXC與AI業務的適配問題。

　　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。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，就會發現MEMS-OXC設備還不如自動配線架。

　　產業為終點，MEMS-OXC無法形成商業閉環

　　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市場中完成閉環，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。而OXC技術的產業化，良性商業閉環是很難的。

　　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，考慮到網絡系統和OCS(光交換機)本身的挑戰，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，都需要從產業用戶身上完成商業回報。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的商業不確定性強。

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

　　盲目引入OXC，可能是中國智算產業一段彎路

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

　　中國智算產業仍處于追趕階段，資源、人才等都相對不足，既要把握發展前景與機遇，也要面對當下生存、商業的現實挑戰，甚至有的還要處理歷史遺留問題。

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

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

　　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，中國智算產業真正該做的，是把自身在成熟交換技術、現有寶貴資源、產業智能化機遇等方面的核心優勢，進一步發揮好。

　　文章轉自：腦極體