PsiQuantum推出低损耗光开关，8x8原型机插损仅1.2dB，助力AI数据中心GPU互联升级

量子计算初创企业PsiQuantum近期宣布，已将其在低损耗硅光子领域的核心技术延伸至AI基础设施领域，成功开发出一款面向AI数据中心GPU集群互联的全光交换（Optical Circuit Switch, OCS）原型芯片。这一动向标志着光子技术正从实验室前沿加速走向高算力场景的工程落地。

该原型为8×8端口规模，即具备8个输入与8个输出通道，在实验室测试中信号插损（insertion loss）仅为1.2分贝（dB），相当于仅损失约25%的光功率。相比之下，当前主流数据中心光模块通常可容忍最高3dB插损（即光功率减半），而多数商用光开关实际表现接近或超过该阈值。PsiQuantum强调，其器件实现如此低损耗无需额外光放大器，完全依赖片上集成的无源光路设计。

传统数据中心网络依赖电-光-电（O-E-O）转换：数据包经路由器处理后，需先转为电信号进行交换与缓存，再调制为光信号发送至下一跳。这一过程不仅消耗大量电力，还引入微秒级延迟——在GPU集群内部频繁通信的场景下，累积效应显著制约训练效率。而OCS采用固定光路径直通架构：光信号从输入光纤直接耦合至目标输出光纤，全程保持光域传输，仅在需要重配置时通过热光或电光效应切换路径。其性能瓶颈几乎完全取决于光路中的固有损耗。

PsiQuantum的方案基于标准CMOS工艺制造的硅光芯片，核心结构为蚀刻于硅基底上的波导与耦合器阵列，无任何机械运动部件。这使其区别于Google、Lumentum等厂商采用的微机电系统（MEMS）镜面阵列方案——后者虽可扩展至数百端口，但存在响应速度慢、可靠性受振动影响等问题。PsiQuantum的纯固态设计在稳定性与寿命方面更具优势，尤其适合部署于高密度、高振动风险的AI机柜环境中。

值得注意的是，尽管当前原型仅支持8×8规模，远小于竞品常见的32×32乃至128×128规格，公司明确表示更大规模器件已在研发中。行业普遍认为，光交换在AI数据中心的价值并非单纯追求端口数量，而是聚焦“关键链路”的带宽优化：例如连接同一机架内多台GPU的NVLink或InfiniBand骨干，或跨机柜的All-to-All通信拓扑。在这些场景中，低延迟、低功耗的光互连比单纯堆叠端口更具实际效益。

AI训练对通信带宽的需求正呈指数级增长。以千卡级集群为例，单次迭代中GPU间需交换TB级梯度数据，若互连带宽不足或延迟过高，计算单元将长期处于等待状态，整体效率大幅下降。铜缆受限于距离与串扰，难以支撑百米以上高速互联；而传统光模块虽解决距离问题，却因O-E-O转换成为新的能效瓶颈。据业界估算，大型AI集群中网络能耗已占整机房总功耗的15%–20%，其中交换环节贡献显著。

PsiQuantum此次转向并非战略突变，而是技术能力的自然延展。该公司自成立以来专注构建基于硅光子的容错量子计算机，其核心能力包括：高精度纳米级波导加工、超低损耗耦合封装、以及大规模集成光路设计。这些能力恰好契合OCS对“低插损+高集成度+高良率”的严苛要求。事实上，光子集成电路（PIC）正成为继电子集成电路之后的又一关键平台，尤其在需要高带宽、低延迟、抗电磁干扰的场景中展现独特价值。

除PsiQuantum外，多家科技巨头也在推进类似方向。微软曾披露其Project Olympus项目中集成光交换的服务器架构；NVIDIA在Blackwell架构中强化了NVLink 5.0的光互联选项；Intel则持续推动其硅光产品线（如Silicon Photonics Transceiver）。但PsiQuantum的独特之处在于，其从量子硬件底层出发，反向赋能经典计算基础设施，形成“量子技术溢出效应”。

市场层面，光交换器件目前仍处早期阶段，尚未形成标准化产品形态。主要挑战包括：激光器成本高企导致光源配套困难；光芯片与光纤的耦合封装良率有待提升；以及与现有网络协议栈的协同适配。不过，随着AI数据中心建设持续升温，行业对“带宽墙”与“功耗墙”的焦虑日益加剧，光互连作为破局路径之一，正获得越来越多资本与工程资源倾斜。

值得补充的是，AI数据中心的升级是系统工程，光互连仅解决“传输层”瓶颈，还需与供电、散热、管理等环节协同。例如，鹏辉能源近期发布的α系列AIDC全域电池解决方案，即整合BESS（储能系统）、HVDC（高压直流）、BBU（后备电源单元）与CBU（计算单元电池），针对AI负载高瞬时功率、高波动特性提供毫秒级响应的电力保障。这反映出整个产业正从单一器件创新，转向“算力-传输-能源”三位一体的架构重构。

PsiQuantum未透露具体量产时间表，但表示已与部分云服务商开展联合验证。若其低插损优势能在更大规模器件上复现，并解决封装与成本问题，有望在未来2–3年内进入头部AI集群的预研采购清单。对于依赖大规模模型训练的企业而言，一次通信效率的微小提升，可能带来数百万美元的年度电费节省与训练周期压缩。

光子技术在AI时代的角色，正从“辅助传输介质”转变为“核心算力使能组件”。PsiQuantum的这次跨界尝试，或许只是硅光子技术全面渗透计算基础设施的开端。