AI 集群中的光模組

AI 訓練集群是有史以來對高速光模組需求最大的場景，它們在速率、功耗和數量上都把模組推向極限。真正重要的工程問題，不是某一條鏈路本身，而是如何讓成千上萬條鏈路穩定運行。

使用哪些光模組

單模 DR 光模組佔主導地位，因為它們的傳輸距離達到 500 m——足夠覆蓋任何機房——並且能在同一套光纖基礎設施上從 400G 平滑升級到 800G。必須使用斜面 APC 連接器。

功耗與發熱

一個 800G 模組的功耗約為 14–18 W；一台 64 端口交換機面板上的光模組總功耗達千瓦級。OSFP 自帶散熱片，因此更適合最熱的模組；QSFP-DD 依賴主機散熱。熱降速——模組過熱時自動降級——是間歇性 400G/800G 抖動的一個真實成因（CMIS 問題）。

線性驅動可插拔光模組（LPO）取消了模組內的 DSP 以降低功耗和延遲，將均衡功能移到交換機 ASIC 上；在主機支援的短距 DR 鏈路上已開始出現。

大規模下的可靠性

數量一旦上去，算法就完全變了：擁有 100 000 個光模組時，即便年故障率只有 0.5%，每週也要更換十個。由此帶來的後果：

• 在整個機群範圍內按通道監測 DDM 並跟蹤趨勢，在劣化模組拖慢訓練某一步之前將其更換（故障）。
• 按批次準備備件並做進料檢驗——故障往往按生產批次聚集出現。
• MPO 清潔紀律——每個連接器 16 根光纖，一粒塵埃就能使一個通道失效（鏈路抖動）。
• 一個慢通道會拖慢整個集合操作：尾延遲才是關鍵指標。

身份資訊與互操作性

大型集群通常只使用一份很短的已驗證模組清單，交換機平台會校驗身份資訊。在平台允許的場合使用第三方 400G/800G 光模組，在不允許的場合則按預期身份編碼——與其他場景相同的廠商鎖定 規則在這裏同樣適用，只是單價高得多。

未來走向

1.6T 端口（OSFP-XD，16 通道）和每通道 200G 電介面是下一步；對於最大規模的系統，共封裝光學會把光模組直接移入交換機封裝內部。

在 CodingBox 中

CodingBox 通過 CMIS 讀取 400G/800G OSFP 和 QSFP-DD 模組：模組狀態、應用能力聲明、身份資訊，以及在 DDM 介面顯示的每通道發射/接收光功率和偏置電流——這些正是營運方驗證進貨批次、建立新鏈路基線、以及在八個通道中定位單個故障通道所需的數據。

把這些選擇轉化為線纜數量、傳輸距離和安裝檢查清單：AI 集群佈線；安裝完成後維持鏈路正常運行：鏈路可靠性與監測。

1.6T 模組本身——通道、功耗、分組、兼容性：OSFP224、OSFP-XD。