马斯克旗下xAI打造的Colossus数据中心，配备了高达55万张顶级GPU。然而，业内一个广为人知的秘密是，这些昂贵的算力资源在训练阶段的平均利用率往往仅徘徊在10%左右。剩下的90%算力去了哪里？答案可能让许多人感到意外——它们并非在“计算”，而是在“等待”。数据在GPU之间的搬运速度，已成为拖慢整个系统性能的关键瓶颈。

那么，这一瓶颈能否被彻底突破？一项刚刚发表于《科学》杂志的突破性研究，似乎给出了肯定的答案。

全光信号处理芯片：让GPU不再“空等”

6月11日，《科学》杂志刊登了香港中文大学黄超然教授团队的研究成果——一款名为“全光信号处理芯片”的新型处理器。该论文的共同第一作者为博士生王本善和肖洽荣，通讯作者为黄超然教授。
这款芯片的核心任务，是解决数据中心内部GPU间数据光互连的“最后一公里”延迟问题，将被“等数据”浪费的算力彻底释放。实验数据显示，该芯片的总吞吐量达到惊人的1.6Tbps，而延迟仅有60皮秒。这是什么概念？1.6Tbps意味着每秒可传输上百部蓝光电影；60皮秒则比大多数现代计算机的一个时钟周期还要短暂。

（来源：《科学》）

光信号无需转电，直接在半路修复

要理解这项技术的创新之处，得先看看当前数据中心是如何运作的。

目前，大规模AI集群中，GPU之间主要依赖光互连进行高速通信。流程大致是：发送端GPU的电信号由光模块转换为光信号，通过光纤传输；接收端再将光信号转换回电信号，交给GPU处理。问题就出在这个“光-电-光”的转换过程，以及光信号在光纤中传输时的自然损耗——色散会让光脉冲展宽、器件带宽不足会使信号模糊、非线性效应则会引入额外噪声。

传统解决方案，是在光电转换后，使用数字信号处理（DSP）芯片来修复这些损伤。DSP芯片固然成熟可靠，但其工作依赖于电时钟频率，处理延迟通常在微秒甚至毫秒级。当数万张GPU同时协作时，这些微小延迟不断累积，最终成为制约系统效率的致命短板。

黄超然教授团队的思路颇为巧妙：既然损伤发生在光路上，为何不直接在光路上修复？他们设计的全光信号处理芯片，被放置在光电探测器之前。这意味着信号在还是“光”的时候，就已经完成了损伤补偿。处理过程无需等待电时钟周期，光速有多快，处理就能有多快。

具体实现上，他们在芯片上设计了三层级联的“光学储备池”结构，每一层都配有反馈回路。这三层结构与一个8分支的全光读出层结合，共同形成了一个等效的“无限脉冲响应滤波器”。

这颗微型光子芯片，在功能上等效于一个拥有7个反馈通道和64个前馈通道的复杂滤波器。结合光电探测器的平方律探测特性，整个系统可被视为一个二阶Volterra非线性均衡器。研究团队还巧妙地采用了“游标卡尺”原理，通过微调各层的采样周期，将系统的有效采样分辨率提升至1皮秒——这仅仅是光穿越一根头发丝直径所需时间的几分之一。

（来源：《科学》）

共同第一作者王本善博士解释道，电芯片在处理高速信号时发热严重，就像笔记本电脑GPU过热会降频导致卡顿一样，数据中心里成千上万的DSP芯片发热会进一步降低系统能效。而全光处理方案，从根本上绕过了这个问题，实现了近乎零发热、超低延迟的信号修复，这对于追求极致能效的AI数据中心而言，意义重大。

色散、带宽、非线性，三种损伤一起修

光纤通信的三大经典难题——色散、带宽限制和非线性效应，一直困扰着行业。色散导致信号脉冲展宽、码间干扰；收发机带宽不足会过滤掉信号高频成分；非线性效应则在光功率较高时引发信号畸变。

传统DSP在处理色散时存在先天不足：光电转换后，光信号的相位信息已经丢失，补偿效果有限且容易放大噪声。业内著名的B²DL公式揭示了色散对系统的限制。以100GBaud信号为例，在C波段传输时，DSP能无损补偿的色散上限约为25皮秒每纳米。

王本善展示的对比实验极具说服力：在累积色散高达85皮秒每纳米的5公里光纤上，未使用OSP芯片时，信号“眼图”一片模糊。而接入OSP芯片后，“眼图”立刻变得清晰开阔。他们甚至在不依赖任何接收端DSP辅助的情况下，成功实现在5公里光纤上实时修复100GBaud的PAM4信号。仿真结果进一步表明，OSP芯片理论上可支持在170皮秒每纳米的色散下进行100GBaud传输，将可用波分复用窗口拓宽了6.8倍以上，同时支持高达200GBaud的超高速信号处理。

（来源：《科学》）

低成本、可编程，一个芯片处理八个通道

更令人印象深刻的是，这款OSP芯片并非功能固化的“黑盒子”。通过调节片上集成的微加热器驱动的移相器，它可以动态重新配置光场处理过程，从而灵活适应不同的信号调制格式、数据速率和工作波长。

研究团队在5公里光纤上分别测试了OOK和PAM4两种调制格式，符号率从56GBaud到112GBaud，波长从1540纳米到1565纳米连续可调，OSP芯片均表现出优异的适应性。他们还利用粒子群优化算法对芯片进行原位训练，使其能够针对不同的链路状态自动优化参数，确保误码率始终低于硬件前向纠错的门限。

（来源：《科学》）

成本与功耗的优势同样显著。这款OSP芯片基于成熟的商用硅光平台制造，65纳米及以上制程即可满足需求。相比之下，处理1.6T信号的传统电DSP芯片，往往需要追逐3纳米这样的尖端制程。二者在流片成本上的差距，可能高达几十甚至上百倍。

功耗对比更为悬殊：传统DSP处理1.6T信号功耗约10瓦，而OSP芯片的实测功耗仅约100毫瓦，理论上还有望降至10毫瓦量级，能效提升可达百倍甚至千倍。这清晰地揭示了一个趋势：当电芯片沿着摩尔定律艰难前行，面临制程微缩越来难、成本越来越高、功耗墙日益严峻的挑战时，光芯片正凭借其物理特性，在成熟制程上实现“弯道超车”。

光芯片还有一个电芯片难以比拟的天然优势：强大的并行处理能力。对于波分复用系统，传统方案需要为每一个波长通道配备一个独立的DSP模块，通道数增加，功耗和芯片面积便线性增长。而OSP芯片利用了光波的并行性，单个芯片即可同步处理多个波长通道，无需额外增加能耗和面积。

为展示其性能，团队搭建了一个1.6Tbps的数据中心互连演示系统：使用C波段8个波长通道，每个通道承载200Gbps的PAM4信号，经由5公里光纤传输。一个OSP芯片即可同步处理所有8个通道的信号。对于不同波长剩余的部分差异，仅需一个极简的电处理芯片辅助即可。在这种混合方案中，每个通道平均仅需25抽头的前馈均衡器或15抽头的判决反馈均衡器，抽头数量比传统纯DSP方案少了一个数量级，性能却更加优异。

（来源：《科学》）

谈及技术路线的选择，王本善指出了一个关键点：以往将光计算用于通用计算时常陷入一个怪圈——输入输出都是电信号，不得不反复进行光电/电光转换，其潜在的速度和能效优势在转换中被消耗殆尽。而他们选择的GPU光互连场景则截然不同：信号从始至终都是光形态，天然适合光计算介入。“我们相当于把光计算芯片，精准地嵌入到了它最能发挥价值的环节。”王本善总结道。

从实验室到产业化：将光计算用在刀刃上

这项突破性研究的背后，是一支年轻而富有活力的团队。王本善2020年从武汉大学电子信息工程专业本科毕业，早在本科期间就参与空间光通信项目并获得全国奖项。武汉作为中国光电子产业重镇，产业氛围的熏陶让他对光电领域产生了浓厚兴趣。随后，他加入香港中文大学黄超然教授课题组，成为团队最早的博士生之一。

项目自2024年启动，历经五次以上的流片迭代，每次数月的等待周期对团队而言都是耐心的考验。与此同时，光通信与光计算领域也在飞速发展，团队的目标也随之不断调高——从最初的单通道50G，逐步瞄准200G乃至400G级别。

2024年，团队迎来了激动人心的时刻：他们首次在纯光链路中，不借助任何DSP芯片或算法，成功将经过5公里光纤传输后损伤严重的200G光信号，完整清晰地修复还原。这个结果在当时的学术界和产业界都未见先例。要知道，目前商用的主流1.6T光模块，在O波段的传输距离通常仅为2公里左右。

香港中文大学在光学领域有着深厚传承，被誉为“光纤之父”的高锟教授曾担任校长。从高锟教授让光“跑腿”通信，到今天黄超然团队让光“动脑”处理信号，这所大学用了几代人的时间，在光科技领域完成了又一次重要跨越。对于作为黄教授首位博士生并亲身参与这项工作的王本善而言，这段经历无疑意义非凡。

眼下，即将博士毕业的王本善，正与团队一同积极推动这项技术的产业化，筹备创立初创公司。他们已在去年的中国国际大学生创新大赛中夺得全国第三名，并获得了投资机构的关注。

展望未来，王本善相信，一旦光互连的延迟从微秒级降至皮秒级，整个AI训练的成本结构将发生变革。训练一个万亿参数的大模型，时间可能从一个月缩短到几天，而那被低效数据传输耽搁的90%算力，也将被真正释放出来，最终让每个人使用AI服务的成本变得更低。

参考资料：
相关论文 https://www.science.org/doi/10.1126/science.ady5344