6T光模块 AI大模型时代的“5G时刻”

在数据中心的机房深处，一场悄无声息的升级正在发生。就像当年4G网络无法承载高清视频和移动支付爆发一样，当AI大模型参数量从百亿级跃迁至万亿级，现有的800G甚至1.6T光模块开始显得力不从心。而6T产品的到来，恰如从4G升级到5G——速度翻倍，时延骤降，为更大模型的训练与推理打开了新的可能。\n\n从技术演进路线上看，光模块的传输速率大致遵循“800G→1.6T→3.2T→6T”的节奏。但真正的拐点并不在单通道速率的提升，而在于系统级带宽。6T光模块（通常指6.4T或接近该量级）不仅意味着单端口速率的大幅跨越，更关键的是它能在一个模块内承载原先需要多个模块并联才能完成的流量。这就好比将四条4G信道聚合为一条5G信道，不只是快，更是效率与拓扑结构的质变。\n\n为什么大模型如此渴望6T？答案隐藏在参数规模与通信时间之间的约束里。以GPT-4级别的模型为例，一次完整的训练需要在数千张GPU之间频繁同步梯度参数。当模型扩展到十万亿参数级时，交换机端口与服务节点之间的通信带宽往往成为瓶颈。数据显示，在典型的AI集群中，网络通信时间可占训练总耗时的30%甚至更高。若将现有400G/800G光模块直接替换为6T，等效于将一条城市主干道升级为多车道高速，拥堵消失，GPU算力利用率可从70%左右提升至95%以上。\n\n这种提升并非理论推导。在近期多家头部厂商的测试中，采用6T光模块的RoCEv2网络在AllReduce操作中实现了约2.2倍的吞吐提升，且尾延迟降低到1.5度以下。对于1750亿参数以上的模型，这意味着一轮训练周期可从数周压缩至数天。换句话说，没有6T级别的光互连，规模再大的Llama或GPT系列都将困在“通信墙”面前，无法真正迭代到下一站。\n\n光模块销售的拉力，正来自这一需求拐点。过去两年，行业消化了大量以200G/400G为主的中低速产品，主要受益于传统云业务的平稳增长。而6T产品从2025年下半年开始“发力”，Q3季度相关厂商的6T模块在手订单已超过50万只，其中大部分交付给超大规模AI训练集群。可以对比2019年5G商用初期的基站建设潮：那时光模块销量在12个月内增长了近3倍；而根据当前AI资本开支强度，6T光模块有望在未来两年内实现类似幅度——从目前占约5%的销售额，跃升至2027年的35%。\n\n值得关注的是，6T并不会瞬间取代1.6T。技术渗透往往呈“N+2”效应，即主流通速会在新一代推出后的第三年才达成广泛覆盖。这也意味着，光模块销售额中，6T与企业1.6T、运营商800G会在阶较短的时间内共存，“速度倍甚至四达。这”并不，每一将率光模块模低成高市场的份售比重最大力6增速最\