OFC 2026深度：Scale Across重构AI数据中心网络，千兆瓦级集群的光互联革命

◆ Meta：千兆瓦级集群驱动骨干网重构，光技术的通用性优先

Meta骨干网架构团队的Jeff Rahn首先分享了Meta全球基础设施的演进逻辑。Meta目前在全球拥有数十个数据中心，覆盖北美、欧洲、新加坡等地区，其全球骨干网最初的核心使命是连接数据中心与终端用户，随后逐步承担起数据中心间的数据同步任务——确保各站点的关键数据本地可用，实现数据中心的自治运行。

而AI训练的爆发彻底改变了这一格局。为支撑千兆瓦级AI集群，Meta的网络正在新增第三重使命：实现跨站点的非本地数据访问，让地理上分离的多个集群能够协同工作，这正是Meta定义的"Scale Across"网络，其所需的网络容量已经超过了传统的全球骨干网。

在光技术选择上，Meta遵循"距离优先+通用性优先"的原则：

- 3公里以内的建筑间互联，采用成本最低的IMDD光模块；

- 3-10公里范围，继续使用灰光模块，但这一方案需要部署大量光纤，面临巨大的土建工程挑战；

- 10公里以上的互联，全面转向800ZR+与DWDM技术，通过波分复用大幅降低光纤需求。

Jeff Rahn特别强调了支撑Scale Across的五大光生态核心要求：一是标准化、可互操作的接口，Meta在800G世代放弃了私有bookend方案，全面转向开放标准；二是开放线路系统，实现不同厂商光模块的无缝对接；三是代际互操作性，支持分站点逐步升级，目前Meta正在从400G向800G升级，未来800G向1600G升级时无需重新布线；四是C+L波段的满配利用，在部署首日就填满所有可用信道，最大化光纤效率；五是光模块的跨应用通用性，Meta统一采用800ZR+作为标准，避免因项目波动导致的供应链管理混乱。此外，Meta还大规模部署光保护机制，通过光交换实现光纤故障的快速重路由，避免在IP层过度冗余带来的成本与功耗问题。

对于未来，Jeff Rahn明确提出，Meta的长期目标是在未来3-5年内，构建大陆级别的统一计算集群，这需要光互联技术在距离、能效和成本上实现进一步突破。

◆微软：分布式AI的四大核心挑战与技术破局方向

OFC 2026 Workshop：分布式AI训练长距互联边界——多远才算太远？（二）

微软Azure网络与AI团队的Yin随后分享了微软对Scale Across的思考。他指出，AI带来的带宽增长已经远超疫情时期的峰值，而摩尔定律的放缓使得单芯片算力无法满足大模型训练需求，必须通过分布式系统将数万乃至数十万颗XPU连接在一起，这正是Scale Across的核心驱动力。同时，能源分布的不均衡进一步加剧了这一需求：传统云数据中心的功率通常为50-300兆瓦，而新一代AI集群需要1-5吉瓦的电力，单一地区的电网容量无法支撑如此大规模的算力集中，必须将算力分散部署在能源丰富的地区。

Yin重点分析了实现Scale Across面临的四大核心挑战：

第一是可靠性问题。外部光纤面临着枪击、鼠咬、施工挖掘、山体滑坡等各种不可控风险，传统长距离光纤的可用性仅为97.7%，远低于AI训练所需的标准。而同步训练任务对故障极其敏感，任何链路中断都会导致整个训练任务回滚到检查点，造成巨大的算力浪费。

第二是能效问题。传输距离越远，单位比特的能耗越高，长距离相干传输的能效比数据中心内部传输低3个数量级，超过1000皮焦每比特，这成为跨大陆Scale Across的主要瓶颈。

第三是延迟与抖动问题。延迟意味着XPU在等待数据时空转耗电，而All-Reduce、All-Gather等同步操作对抖动极其敏感，任何节点的延迟都会拖慢整个集群的进度。

第四是带宽缺口问题。计算能力的增长速度远超网络带宽的增长速度，两者之间存在三个数量级的差距，这一"内存墙"与"网络墙"问题亟待解决。

针对这些挑战，微软提出了四大技术方向：一是媒介转换器架构，将相干DSP与IMDD DSP集成在一起，省去高功耗的retimer芯片，提升长距离传输的能效；二是空芯光纤技术，其光在空气中传输的特性可降低33%的延迟，同时拥有更宽的低损耗窗口，支持O波段、C波段、L波段乃至T波段的传输，且不存在光纤非线性效应；三是光交换（OCS）技术，用于扩展交换容量，解决电交换芯片带宽增长不足的问题；四是共封装光学（CPO）技术，微软研究团队的microLED方案有望将能效提升至亚皮焦每比特级别。Yin同时强调，行业标准的统一是实现这些技术大规模落地的关键，包括400ZR、1.6T CL以及新兴的XPO、OCI等MSA联盟都在推动这一进程。

◆ 谷歌：园区内Scale Across的特殊需求与1.6T Coherent-Lite技术

谷歌平台基础设施工程团队的Tad Hofmeister分享了谷歌在AI集群互联上的实践与思考。他首先区分了谷歌两类AI集群的Scale-Up架构：基于英伟达GPU的集群采用NVLink交换机实现Scale-Up，目前单个Scale-Up域可支持72个节点，未来将向144、288节点演进；而谷歌自研的TPU集群则采用3D Torus拓扑，以64节点为一个立方体单元，通过光交换连接144个立方体，单个Ironwood TPU Superpod可支持9216个节点。

无论是GPU还是TPU集群，都呈现出"单节点带宽提升+集群节点数增加"的双重趋势，这驱动了Scale-Out网络的需求。而单栋数据中心建筑的电力与空间容量存在物理极限，因此必须将大型AI集群分散部署在同一园区的多栋建筑中，这就产生了谷歌定义的"园区内Scale Across"——即跨楼的点对点Scale-Out互联。

这种互联有着极其严苛的要求：跨楼带宽需要达到数十到数百Pbps级别，对应数万乃至数十万个1.6T光模块端口；平均光纤距离小于2公里，但需要支持部分更长的链路；必须尽可能减少中间交换层，以降低延迟、功耗和成本。传统的IMDD技术在400G以上速率时传输距离受限，无法满足需求；而标准的ZR/ZR+光模块功耗过高，无法满配在Scale-Out交换机端口上，且其高增益FEC会引入额外延迟。

为此，谷歌提出1.6T Coherent-Lite（CL）技术作为园区内Scale Across的理想解决方案。与标准相干技术相比，1.6T CL采用低延迟FEC，O波段传输以降低色散，功耗大幅降低，可实现Scale-Out交换机端口的满配；同时其频谱效率是IMDD的4倍，可通过无源复用器实现8、16乃至更多信道的复用，大幅减少光纤和OCS端口的数量。

Tad Hofmeister指出，2nm CMOS工艺的低功耗DSP以及薄膜铌酸锂（TFLN）、硅有机聚合物等低损耗、低驱动电压的新型调制器，是实现1.6T CL的关键技术基础。此外，光交换（OCS）在多楼互联中也发挥着重要作用，可实现动态带宽分配，支持园区的分阶段建设与扩容。

◆ 思科：重新定义Scale Across，与传统DCI的本质区别

思科硬件架构高级副总裁兼院士Rakesh Chopra从系统架构的角度，首次清晰界定了Scale Across与传统数据中心互联（DCI）的区别。他首先量化了AI时代的网络带宽层级：传统DCI的带宽基准为1，前端网络是其7倍，Scale-Up网络是其504倍，Scale-Out网络是其56倍，而Scale-Across网络是其14倍。

Rakesh Chopra指出，传统DCI与Scale Across虽然都用于连接数据中心，且通常采用10公里以上的相干光技术，但两者在本质上是完全不同的网络：

- 连接对象不同：传统DCI连接的是前端网络中的CPU、存储和终端用户，而Scale Across连接的是后端Scale-Out网络中的GPU/XPU；

- 流量特征不同：传统DCI承载大量低带宽、异步、对丢包相对容忍的流量，而Scale Across承载少量高带宽、同步、对丢包极其敏感的长生命周期流量；

- 增长模式不同：传统DCI的带宽呈线性增长，而Scale Across的带宽呈指数级增长。

基于这些差异，Scale Across面临着传统DCI从未遇到过的技术挑战。首先是拥塞控制问题：长距离传输的带宽延迟积使得传统的反应式拥塞控制完全失效，100公里链路的在途流量约为100MB，相当于现代交换机单个端口一半的缓冲容量。因此，Scale Across需要采用针对AI工作负载优化的主动式拥塞控制，在流量发送前就预判并规避拥塞；同时必须配备深度缓冲路由器，以应对不可避免的链路故障，避免训练任务大规模回滚。

其次是带宽与端口密度问题。传统DCI每个数据中心的出口端口数约为1000-2000个，而Scale Across需要12000-32000个端口，这将带来相干光模块的爆发式需求。同时，为了降低功耗和成本，Scale Across网络不能采用传统的大型模块化机箱，而应采用与数据中心内部类似的分布式固定盒架构。

最后，Rakesh Chopra特别强调了可靠性的极端重要性。Meta的数据显示，单个GPU或网络链路的故障，可能导致整个集群的性能下降40%。因此，光模块和网络设备的可靠性必须从设计阶段就作为核心指标，而非事后考虑的因素。

◆ Arista：XPO超密度光模块，Scale Across的硬件基石

Arista负责超大规模客户工程的VJ Vusriala最后分享了Arista对Scale Across网络的系统设计思考，并重点介绍了论坛前刚刚发布的XPO（eXtra-Dense Pluggable）超密度可插拔光模块标准。

VJ Vusriala首先提出了AI时代的四大网络层级：第一层级是Scale-Up，实现机箱内约1000颗XPU的互联；第二层级是前端Scale-Out，连接CPU、存储和终端用户；第三层级是后端Scale-Out，实现机架间约10万颗XPU的互联；第四层级就是Scale-Across，实现跨站点超过100万颗XPU的互联。

他进一步对比了Scale Across与传统DCI的核心差异：Scale Across的端口需求量是传统DCI的10倍，因此对成本和部署效率的要求更高；由于功耗密度极高，Scale Across将比传统DCI更早采用液冷技术；对系统级可靠性的要求大幅提升，因为它本质上是GPU集群的互联 fabric；光技术覆盖范围更广，包括园区内的Coherent-Lite、城域的ZR以及长距离的ZR+；同时采用多轨架构，光纤成为新的"波长"资源。

为了满足这些需求，Arista联合行业伙伴推出了XPO MSA标准。XPO光模块拥有64个通道，每个通道支持200G速率，总容量达到12.8T，是当前主流OSFP模块的8倍。在面板密度上，XPO实现了4倍的提升：原来需要40U机架空间部署的128个1.6T OSFP端口，现在仅需10U即可实现，单个ORv3机架可支持32个1U AI交换机，总容量达到6.4Pbps。

XPO最核心的优势在于其原生液冷设计，可支持最高400W的热功耗，能够无妥协地承载任何相干光模块。同时，液冷带来的20-25℃工作温度降低，加上组件数量的大幅减少，使得XPO模块的可靠性比OSFP提升了6-8倍。此外，XPO的大尺寸设计支持多通道集成，可实现固定激光的半带转发器，仅需2个SKU即可覆盖整个C波段，4个SKU覆盖C+L波段，大幅降低了供应链复杂度和成本。VJ Vusriala展示了Ciena的12.8T Coherent-Lite XPO和12.8T ZR/ZR+ XPO概念设计，证明了XPO作为统一光模块平台的可行性。

◆ 论坛Q&A：行业共识与未来展望

在随后的问答环节，五位嘉宾就行业关心的问题进行了深入讨论，达成了多项重要共识：

1. 术语定义：行业正在逐步形成统一认知，Scale Across本质上是跨地理区域的Scale-Out网络互联，用于连接多个分布式AI集群，突破单数据中心的算力极限。

2. 未来架构：不会出现完全统一的全局互联架构，而是会继续保持分层优化的模式，不同层级的网络根据距离、带宽、延迟和成本的需求，采用不同的技术路线。

3. 技术路线：光交换（OCS）将在Scale Across中发挥重要作用，用于扩展交换容量和实现动态带宽分配，但不会完全取代电交换，两者将长期共存互补。

4. 供应链与标准：统一的行业标准是Scale Across大规模落地的前提，XPO、1.6T CL等新兴标准需要产业链上下游的共同参与和推动，才能实现成本的快速下降。

本次论坛清晰地展现了AI算力从单数据中心向分布式集群演进的必然趋势，而Scale Across网络正是这一演进的核心支撑。光互联技术作为Scale Across的基石，正在经历从速率提升到架构创新的全面变革，Coherent-Lite、XPO、空芯光纤等新技术的成熟，将推动人类向百万级GPU的超大规模AI训练时代迈进。