课程导入：光学互连的定义、发展背景、在数据中心与高性能计算中的价值，以及本课程的学习路径与目标
光学互连（Optical Interconnect）是指利用光子作为信息载体，通过光波导、光纤或自由空间光路，在芯片与芯片、板卡与板卡、机架与机架乃至数据中心之间实现高速数据传输的技术体系。与传统的铜缆电互连相比，光学互连在带宽密度、传输距离、功耗效率和抗电磁干扰等方面具有显著优势。随着人工智能大模型训练、分布式存储和高性能计算（HPC）对带宽需求的指数级增长，光学互连已从长距离骨干网的核心技术，逐步下沉到板级、封装级甚至芯片级互连场景，成为下一代计算架构的关键基础设施。
从技术演进视角看，光学互连并非全新概念。20世纪80年代，光纤通信开始取代铜缆成为电信骨干网的核心传输介质；21世纪初，数据中心内部开始采用光模块连接交换机与服务器；2010年代，随着100G、400G以太网标准的成熟，光互连在数据中心南北向与东西向流量中占据主导地位。当前，我们正处于从“可插拔光模块”向“共封装光学（CPO）”和“片上光互连”过渡的关键时期。这一转变的驱动力来自三个层面：其一是AI集群对超高带宽（单机柜吞吐量超过100Tbps）的刚性需求；其二是传统电互连在28Gbps以上速率时面临严重的信号完整性挑战，PCB走线损耗、串扰和功耗急剧上升；其三是硅光工艺的成熟使得光器件成本大幅下降，具备了大规模商用的经济性。
1.1 光学互连的核心原理与关键技术
光学互连系统的基本构成包括发射端（电光转换）、传输介质（光纤/波导）和接收端（光电转换）三个核心环节。发射端通常由激光器（VCSEL、FP、DFB或外置CW激光器）、调制器（直调或外调）和驱动电路组成；接收端则由光电探测器（PD）、跨阻放大器（TIA）和限幅放大器（LA）构成。在高速率场景下，还会加入DSP芯片进行时钟恢复、均衡和纠错编码。
当前主流的调制格式从NRZ（非归零码）向PAM4（四电平脉冲幅度调制）演进。以单通道100G为例，PAM4在相同波特率下将传输速率提升一倍，但对信噪比和线性度提出了更高要求。此外，相干光通信技术（使用IQ调制和相干检测）在长距离DCI场景中占据主导，而强度调制/直接检测（IM/DD）仍是数据中心内部短距互连的主流方案。
| 技术维度 | NRZ（传统） | PAM4（当前主流） | 相干（长距） |
|---|---|---|---|
| 每通道速率 | 25Gbps / 50Gbps | 50Gbps / 100Gbps | 400Gbps+（单波长） |
| 调制阶数 | 2电平 | 4电平 | QPSK/16QAM等 |
| 接收灵敏度 | 高（约-12dBm） | 中（约-8dBm） | 极高（约-20dBm） |
| 典型距离 | ≤100m（多模） | ≤2km（单模） | 80km+ |
| DSP需求 | 低 | 中（需均衡） | 高（需DSP） |
| 功耗（每通道） | 约1.5W | 约2.5W | 约8-12W |
在工程实践中，光学互连的设计需要同时关注光域和电域的性能指标。光域指标包括输出光功率、消光比、光调制幅度（OMA）、中心波长与谱宽、回波损耗等；电域指标包括眼图模板、抖动、误码率（BER）、灵敏度、过载功率等。这些指标相互关联，例如消光比过低会降低OMA，进而影响接收灵敏度；而DSP的均衡能力可以部分补偿信道损伤，但会增加功耗和延迟。
关键判断方法：评估一个光学互连方案是否可行，应遵循“三步验证法”。第一步，进行链路预算计算，确认发射功率、接收灵敏度、连接器损耗和光纤衰减之和满足系统裕量要求（通常≥3dB）；第二步，进行信号完整性仿真，包括S参数提取、眼图仿真和BER估计；第三步，搭建实际测试平台，用误码仪和高速示波器验证端到端性能。任何一步不通过，都需要回溯调整设计参数。
1.2 数据中心与高性能计算中的价值体现
在数据中心场景中，光学互连的价值可以从三个维度量化评估。第一是带宽密度：一根标准OS2单模光纤的可用带宽超过10Tbps，而同等直径的铜缆在100G速率下传输距离仅3-5米。这意味着光互连可以显著减少线缆数量，释放机房空间，改善气流组织。第二是功耗效率：以400G端口为例，采用传统可插拔光模块（如QSFP-DD）的系统功耗约为15-18W/端口，而采用CPO方案可降至8-10W/端口，降幅超过40%。对于拥有数万个端口的超大规模数据中心，这意味着每年可节省数百万度电。第三是可靠性：光缆不受电磁干扰影响，误码率更低，且光模块支持热插拔和数字诊断监控（DDM），运维人员可以实时监测光功率、温度、电压等关键参数，实现预测性维护。
在高性能计算领域，光学互连的价值更加突出。以大规模AI训练集群为例，其通信模式呈现“全对全”（All-to-All）特征，节点间需要频繁交换梯度数据。NVIDIA的NVLink和InfiniBand方案中，光互连已成为标配。例如，NVIDIA DGX H100超级计算机采用400G InfiniBand光互连，在数千个GPU之间构建无阻塞通信网络。相比电互连方案，光互连将通信延迟降低了30%以上，同时将有效带宽提升了5-10倍，直接缩短了大规模模型的训练时间。
实战经验：在规划数据中心光互连方案时，建议先做“流量矩阵分析”。统计南北向（用户到服务器）和东西向（服务器间）流量的比例、峰值带宽需求、时延敏感度等指标。对于东西向流量占比超过70%的AI集群，应优先考虑叶脊（Spine-Leaf）架构并采用400G/800G光互连；对于传统Web业务，100G光互连配合合理的网络分层即可满足需求，避免过度设计造成成本浪费。
1.3 案例拆解：某互联网公司AI集群光互连升级
某头部互联网公司计划部署一个包含1024张GPU的AI训练集群，用于大语言模型预训练。初始方案采用100G铜缆DAC连接GPU服务器与接入交换机，但实测发现存在以下问题：
- GPU间通信带宽不足，All-Reduce操作耗时占训练总时长的35%以上
- 铜缆在5米以上距离时误码率升高，触发重传机制，有效带宽仅为标称值的60%
- 线缆直径大、重量重，导致机柜布线困难，气流受阻，局部温度升高
针对上述问题，团队决定将GPU服务器到接入交换机的链路升级为400G光互连方案。具体实施过程如下：
- 方案选型：对比了QSFP-DD可插拔光模块和CPO方案。考虑到现有交换机的兼容性和维护便利性，最终选择QSFP-DD 400G SR8光模块（多模，传输距离100m），配合OM4光纤跳线。
- 链路预算验证：计算链路损耗：光模块发射功率典型值-2.4dBm，接收灵敏度-7.5dBm，连接器损耗（2个MPO连接器×0.5dB）+光纤损耗（50m×0.003dB/m）=1.015dB，系统裕量=(-2.4)-(-7.5)-1.015=4.085dB，满足≥3dB的设计要求。
- 部署与测试：完成布线后，使用误码仪进行24小时老化测试，实测BER<1E-15，光眼图模板余量>15%，链路稳定性良好。
- 性能对比：升级后，All-Reduce操作耗时降低42%，训练吞吐量提升28%，GPU利用率从61%提升至89%。
| 指标 | 升级前（100G DAC） | 升级后（400G SR8） | 提升幅度 |
|---|---|---|---|
| 有效带宽 | 60Gbps | 380Gbps | +533% |
| All-Reduce耗时 | 45ms | 26ms | -42% |
| 训练吞吐量 | 1250 samples/s | 1600 samples/s | +28% |
| GPU利用率 | 61% | 89% | +28pp |
| 每端口功耗 | 约3W | 约9W | 功耗增加但带宽提升更大 |
该案例的复盘经验表明：第一，光互连的收益不仅体现在带宽提升上，更体现在系统级效率的改善（GPU利用率、训练时间）；第二，链路预算验证是必须的工程步骤，不能仅凭经验估算；第三，光模块的功耗虽然高于DAC，但考虑到带宽提升带来的训练时间缩短，单位算力的总能耗反而下降约15%。
常见误区提醒：不要盲目追求最高速率的光模块。在实际项目中，需要综合评估交换芯片的SerDes能力、PCB走线损耗、光模块功耗预算和散热条件。例如，如果交换芯片仅支持50G PAM4 SerDes，那么选择800G光模块（8×100G）将无法发挥全部性能，反而造成浪费。正确的做法是先确定系统瓶颈，再选择匹配的光互连方案。
1.4 本课程的学习路径与目标
本课程共30章，按照“基础原理→关键器件→系统设计→测试验证→前沿趋势”的逻辑组织，帮助学员建立从理论到实践的完整知识体系。课程内容覆盖光学互连的物理基础（第2-4章）、光模块与光引擎的架构与选型（第5-9章）、高速电接口与信号完整性（第10-13章）、系统级设计与可靠性（第14-18章）、测试方法与故障排查（第19-23章）、以及CPO/硅光/相干等前沿技术（第24-30章）。
学员完成本课程后，应达到以下目标：
- 知识层面：理解光学互连的基本原理、关键器件的工作机制、主流标准与协议（如IEEE 802.3、InfiniBand、OIF-CEI），掌握链路预算、功耗计算和可靠性分析方法。
- 技能层面：能够独立完成光模块选型、光链路设计、信号完整性仿真和基本测试验证；能够阅读并理解光模块数据手册、应用笔记和测试报告。
- 工程层面：具备排查光互连系统常见故障的能力，包括光功率异常、误码率超标、连接器污染、ESD损伤等问题；能够参与数据中心光互连方案的规划与实施。
- 视野层面：了解CPO、LPO（线性驱动可插拔光学）、片上光互连等前沿技术的发展现状与产业趋势，为后续技术选型提供参考。
在学习过程中，建议学员结合实物进行观察和操作。如果条件允许，可以准备一套基本的光模块测试工具，包括光功率计、红光源、光纤清洁工具和基本的万用表。通过动手实践，将抽象的原理转化为直观的认知，是掌握光学互连技术最有效的途径。
课程学习建议：每章学习后，建议完成三个动作：一是绘制本章的知识结构图（手绘或使用思维导图工具），强化记忆；二是对照实际产品或数据手册，找到本章对应的技术细节；三是尝试用本章知识解释一个实际工程现象（如光模块温度过高导致光功率下降）。这种“输出式学习”方法能显著提升知识留存率。
光学互连技术正处于从“可选”到“必选”的转折点。随着AI算力需求的持续爆发和芯片互连密度的不断提升，掌握光学互连技术已成为数据中心工程师、硬件设计师和网络架构师的核心竞争力之一。本课程将系统性地帮助学员构建这一领域的知识体系与工程能力，为应对下一代计算架构的挑战做好准备。