2. 数据中心光互连需求分析

要理解 Lumentum 这类高速光互连产品的设计取舍，必须先回到需求源头：数据中心网络到底在为什么样的流量形态服务。超大规模数据中心（Hyperscale Data Center）通常由数万到数十万台服务器组成，内部网络被划分为若干层，最典型的是叶脊（Leaf-Spine）架构。叶交换机直接连接服务器（ToR），脊交换机只与叶交换机相连，任意两台服务器之间的通信最多经过“叶—脊—叶”三跳。这种设计的关键价值在于：任意叶交换机上行到所有脊交换机的链路带宽之和，决定了该叶下服务器可用的东西向带宽上限；只要脊层端口足够，网络就能提供近似无阻塞的转发能力。

叶脊架构对光互连提出的第一个硬约束是端口密度与链路数量。以一个典型规模为例：假设一个 Pod 有 32 台叶交换机，每台叶交换机有 32 个 400G 上行端口，则需要 32×32=1024 条 400G 上行链路，对应 1024 个光模块（或 AOC/DAC）。若脊层采用 64 端口 400G 交换机，则至少需要 1024/64=16 台脊交换机。这些数字直接决定了光模块的出货量级和单端口成本敏感度。Lumentum 在规划产品时，必须让光模块的封装尺寸、功耗和散热能力匹配交换机面板的端口密度，否则再高的单通道速率也无法落地。

第二个约束来自AI/ML 集群的流量特征。传统云业务的东西向流量相对均匀，而大模型训练集群的流量呈现明显的“集合通信”模式：All-Reduce、All-Gather、Broadcast 等操作会在短时间内产生大量同步的、突发性的数据交换。以 1024 张 GPU 训练一个千亿参数模型为例，一次 All-Reduce 可能需要在数百毫秒内交换数十 GB 的梯度数据。这意味着网络不仅要提供高带宽，还要提供低时延和低时延抖动。如果某条链路因为拥塞或重传产生额外 10 微秒的时延，在同步等待的集合通信中会被放大为整个集群的等待时间。因此，AI 集群对光互连的时延要求通常比通用云业务更严格，端到端时延预算往往被压缩到微秒级。

第三个约束是功耗与散热。在 400G 时代，一个可插拔光模块的功耗大约在 10～15W；到 800G，功耗可能上升到 15～20W；如果继续沿用可插拔形态，1.6T 模块的功耗可能超过 30W。对于一台 64 端口 800G 交换机，仅光模块功耗就可能达到 64×18W≈1150W，这已经接近甚至超过交换机芯片本身的功耗。数据中心机柜的供电和散热能力是有限的，因此光互连的“每比特功耗”（pJ/bit）成为核心指标。Lumentum 在硅光、EML、VCSEL 等不同技术路线上的选择，本质上是在速率、功耗、成本和传输距离之间做权衡。

第四个约束是传输距离与介质。叶脊架构中，叶到脊的距离通常在 50～500 米之间，属于多模光纤（OM4/OM5）或单模光纤的覆盖范围。多模短距可以用 VCSEL 方案，成本低但距离受限；单模中距则需要 EML 或硅光方案，成本更高但传输距离可达 500 米甚至 2 公里。AI 集群中 GPU 服务器之间的互连距离可能更短，但密度更高，因此对光模块的尺寸和散热提出更苛刻的要求。Lumentum 的产品组合需要覆盖从 100G 到 1.6T、从多模到单模、从可插拔到共封装光学（CPO）的完整谱系。

把上述约束放在一起，可以形成一个清晰的判断框架：带宽决定“能不能跑”，时延决定“跑得快不快”，功耗决定“能不能装”，密度决定“能装多少”。在叶脊架构中，带宽由脊层端口数和叶层上行链路数共同决定；时延由跳数、排队和重传决定；功耗由光模块的每比特能耗决定；密度由面板端口数和散热能力决定。Lumentum 在开发 800G/1.6T 产品时，通常需要同时满足以下示例性目标（以下为合理假设，用于说明设计方向）：单通道 100G/200G PAM4、每比特功耗低于 5pJ/bit、模块功耗控制在 15W 以内、支持 500 米单模传输、面板密度达到 32 端口/1U。这些目标之间往往互相冲突，例如降低功耗可能需要牺牲传输距离，提高密度可能需要缩小封装但影响散热。

在实际项目中，需求分析通常从流量模型开始。以 AI 训练集群为例，可以按以下方式估算光互连需求：假设 1024 张 GPU，每张 GPU 需要 400G 网络带宽，采用 1:1 收敛比（无阻塞），则接入层需要 1024 个 400G 端口；若每台叶交换机提供 32 个下行 400G 端口，则需要 32 台叶交换机；每台叶交换机上行 32 个 400G 端口，则脊层需要 32×32=1024 个 400G 端口，对应 16 台 64 端口脊交换机。整个集群需要约 1024+1024=2048 个 400G 光模块（不含冗余）。如果升级到 800G，端口数减半，但单模块功耗和成本上升，需要重新评估供电和散热预算。这个估算过程本身就是需求分析的核心动作：把业务规模翻译成端口数、模块数和功耗预算。

最后需要强调，需求分析不是一次性工作。随着 AI 模型规模从千亿向万亿参数演进，集合通信的数据量和频率会继续上升，光互连的速率和密度需求也会同步提高。Lumentum 的产品路线图必须与数据中心架构的演进节奏对齐：当脊交换机从 32×400G 升级到 64×800G 时，光模块的封装、功耗和散热方案都需要重新设计。只有把叶脊架构的端口逻辑、AI 流量的时延特征、机柜的功耗边界和光纤的传输距离放在同一张图上权衡，才能定义出真正可落地的光互连产品规格。