Cignal AI研讨会：面向AI扩展和数据中心自动化的光交换OCS技术

本文档来自于2025年7月17日，Cignal AI组织的题目为Optical Circuit Switching

for Al Scaling and Datacenter Automation的在线研讨会，包括Lumentum、Telescent、iPronics、Coherent等企业参与了该研讨会，会议内容涵盖了OCS的基础定义、关键属性、发展历程、应用场景、市场规模、各企业技术方案(MEMS vs Robotic vs SiPho vs DLC)、技术挑战及未来趋势等。

一、OCS基础定义与核心信息

1. 定义

光交换（OCS）是一种无需光电/电光（O/E/O）转换，直接实现光信号在光纤端口间切换的技术，核心是“移动光信号而非电信号”，路径中无O/E/O再生环节。

2. 发展历程

并非新技术，90年代已有多家企业开发，最初应用目标是电信网络，通过光纤将光信号从一个端口切换到另一个端口，无O/E/O转换。早期以自动化布线面板形式存在，约25年前已出现，切换速度并非关键参数，成本需与技术人员人工成本竞争，部署有限，主要在电信和实验室场景。

3. 关键属性

- 光损耗：交换机光损耗会影响链路预算，长距离光链路对损耗敏感，需控制连接器损耗、减少接线面板。

- 交换速度：不同技术切换速度差异大，部分应用需毫秒级及以下（ms或更少），部分无严格要求（秒级及以上）。

- 可切换端口数量（radix）：不同应用需求不同，部分需最大可能的端口数，部分因高可靠性需求需更小端口数。

- 可靠性：对AI应用尤为关键，故障影响范围（blast radius）可能极大；需与电分组交换机可靠性相当或更优（如AI集群场景）。

- 其他属性：低延迟（速度和协议无关，网络升级时无需改变）、低功耗、低成本等，是其核心优势之一。

- 技术路线：包括MEMS（Google, Bright, Lumentum,Dicon），液晶（Coherent），机器人（Telescent），压电（Huber-suhner）以及硅光集成（iPronics, n-eye）等。

二、OCS应用场景

1. 谷歌公开场景

- 数据中心spine层替换/重排：用OCS替代电交换顶层，谷歌报告显示可降低40%功耗、30%成本，提升30%吞吐量；部署256x256交换机，且更大端口数为需求方向。

- AI集群重构

类似“智能patch面板”，深度嵌入AI架构，需48个128x128 OCS，支持4096 GPU超级集群（含6144个双向连接，每连接8个光通道），可灵活调整AI集群拓扑、绕开故障，提升效率；初期为手动触发，当前已实现自动化，端口数需求随超级集群规模增长。

2. 其他公开场景

资源池化/数据中心解聚、AI后端网络、虚拟汇接室、园区数据中心互联等，每种应用对OCS关键属性的优先级不同。

3. 应用价值

重构能力可使生产级大语言模型（LLMs）性能提升超3.3倍；对大规模机器学习（ML）部署，需大端口数支持数千计算节点扩。

三、OCS市场规模

- Cignal AI预计到2029年，光交换OCS的总潜在市场规模（TAM） 将超过16亿美元。 - 假设条件 ① 谷歌历史支出：根据有关部署规模的公开信息确定，约为每套2.5万美元 。 ② 谷歌内部支出转移：从2025年开始，谷歌的内部支出将向外部供应商转移 。 ③ 骨干层替换应用成本：2025年约为200万美元，从2025年的少量（非谷歌内部）部署起步，到2029年增长至高两位数规模 。 ④ 人工智能集群配置应用成本：2025年约为120万美元，从2025年不足100次部署起步，到2029年增长至近1000次部署 。 ⑤ 小型应用：每套部署成本在1万 - 2.5万美元区间，从2025年数千套部署起步，到2029年增长至超5万套部署 。

四、各企业OCS技术方案

（一）Lumentum：MEMS光开关

1. 技术路线

基于MEMS（微机电系统）技术，核心是MEMS镜面阵列实现光切换。

2. 产品与性能

- OCS R300平台

2025年OFC展会上发布，支持SONiC操作系统、gNMI管理接口，采用模块化控制和驱动电子设备；N+1冗余电源和风扇，活性元件可现场更换，减少故障影响范围。

- 技术优势

低损耗（典型<1.5dB）、无抖动噪声；支持O、C、L波段，性能良好；3G冲击（ETSI EN 300 019）下损耗变化<0.3dB，5-100Hz振动（GR-63/GR-1360）无 measurable 响应；可靠性经现场验证，镜面运行小时超1万亿。

（二）Telescent：机器人OCS

1. 机器人OCS的核心设计与特点

- 技术设计：采用全光纤锁存设计，基于专利算法实现光纤端口间的任意连接，机器人抓取器支持多种连接器类型。

- 模块化与扩展性：采用“按需扩展”模式，支持非对称M×N配置，单个机架可扩展至超过16,000根光纤，端口配置包括1008x1008（支持LC-Simplex、SN-Duplex或MPO16等）。

- 光学性能：具备优异的光学性能，典型插入损耗<0.3dB，最大不超过0.5dB。

2. 主要应用场景

① 数据中心内部网络管理：与MOX Networks合作，实现远程测试与配置、快速客户支持、电缆故障地理定位、光学性能历史记录等，提升服务交付质量与效率。

② 虚拟汇接室（Virtual Meet-Me-Room）：将传统3-7天的手动流程（包括确认工单、查找物理连接、手动输入记录等）优化为2小时的自动化流程，通过端口锁定/解锁、自动连接等操作缩短服务等级协议（SLA）时间。

③ AI训练与带宽优化：通过智能光纤重配置，根据工作负载调整GPU集群拓扑，使机器学习训练速度提升2-4倍，满足大规模AI训练对动态、高带宽数据交换的需求。

④ 混合解决方案：通过编排软件（支持OpenAPI）实现对多个交换机系统的简单控制，结合快速OCS模块，适用于快速且大规模的应用场景，支持故障路由绕行。

3. 性能优势与测试认证

- 可靠性：采用故障安全、低损耗的锁存连接，模块可现场维修，经测试使用寿命超过10年；自2019年起在多个生产网络部署，累计约130万系统小时和超过10亿端口小时的运行记录。

- 测试认证：通过NTS测试实验室的NEBS地震Zone-4（8.2级）和GR-63办公室振动测试，测试期间机器人持续进行连接操作，12个端口均无信号衰减；获得Telcordia NEBS Level 3、GR-63、GR-1089认证，通过多家一级客户的认证测试。

- 成本效益：大规模部署时，成本主要由光纤电缆主导，初始成本低，且支持“按需扩展”模式。

4. 总结

Telescent的机器人OCS以全光纤锁存设计、模块化扩展、高可靠性为核心，通过自动化流程优化数据中心网络管理、虚拟汇接室效率及AI训练性能，经严格测试认证，已在实际场景中验证其稳定性与适用性，适配大规模、动态化的网络需求。

（三）iPronics：硅光集成OCS

1. 核心技术与产品

- 技术方向：聚焦硅光子技术（SiN异质集成SOA），用于下一代AI网络，解决AI网络的扩展、可靠性等需求，需光交换重构。

- 产品系列：推出ONE系列光电路交换机，包括ONE32（2025年Q2开始向客户送样）、ONE64（2026年）、ONE128、ONE256，采用可编程硅光子芯片设计，32端口OCS包含2080个六边形调谐单元，4093路驱动器，约10,000个组件，波导长度为3cm。

(详细信息见：iPronics：应用于AI集群的无损光交换OCS技术)

- 设计特点：支持多平台和多格式，可连接不同网络，具备光I/O和可插拔光模块，基于1U机架产品。

2. 性能与优势

- 光学性能：ONE系列初步性能显示平坦响应，对BER影响小(FR/DR/LR的BER劣化＜1个数量级)，亚毫秒级重构，兼容全O波段操作，包括当前DR、LWDM和CWDM标准。

- 功耗：系统功耗30W，每个活动通道0.78W。

- 核心优势：成本效益高（最低$/端口）、可大规模生产、可靠、低功耗、高网络性能（增益控制链路、良好网络控制）、小尺寸（1U机架解决方案）、响应快（微秒级）。

3. 应用场景

- 主要应用于AI后端网络，支持AI训练和推理，为大规模机器学习系统提供高速、可靠的光互连。

（三）Coherent：数字液晶DLC技术

1. OCS的发展与新用例

- 最初用例：OCS最初用例是自动化patch panel，已有约25年历史，切换速度非关键参数，成本需与技术人员劳动力竞争，部署有限，主要在电信和实验室。

- 新兴用例：需要软件驱动的自动化和极高可靠性，包括替代O-E-O分组交换机（前端网络）、AI集群后端扩展交换机（连接GPU，需快速切换和软件控制）、AI集群间工作负载平衡，这些新用例将推动OCS规模部署并降低成本。

2. Coherent核心技术与产品

- 技术选择：采用数字液晶技术的光电路交换机，基于该技术成熟度、高可靠性等优势。

- 产品特点：全光交换结构，端口数64x64到512x512；高可靠性，包括低驱动电压（<10V）、无机械移动部件、极低静态和动态串扰（动态串扰-45dB，切换时直接从一个输出到另一个，无中间状态，减少链路波动避免AI集群中因串扰导致的长FEC尾和链路波动）、低功耗（<90W）、数据速率无关（面向未来）。

- 技术对比：与MEMS、Robotic、Piezo、SiPho等技术相比，数字液晶技术在切换时间、插入损耗、驱动电压、动态串扰、移动部件、控制环路等方面有优势。

3. 软件与系统架构

- 软件支持：SONiC作为开源软件，原定义为Layer-2/3标准，现OCS的SONiC子组项目将其扩展到包含Layer-1 OCS电路。

- 系统架构：早期OCS部署有网络管理API，系统架构需考虑冗余（风扇、控制器、电源等），采用可现场更换单元（FRUs）。

4. 应用场景与优势

- 应用场景：支持OCS优化的光模块（如2x400G LR4-6 OSFP、400G FR4 QSFP-DD），补偿OCS插入损耗，保持标准合规；适用于AI集群互联（多建筑园区集群组合、虚拟元集群、 负载调度）

- 性能优势：OCS优化的收发器可补偿插入损耗（如FR4补偿3dB），无需增益，保持标准合规；数字液晶技术经现场验证，如基于该技术的波长选择开关（WSS）部署超16万台，累计303亿小时，故障率低（仅<3%故障归因于液晶），适用于海底网络等对可靠性要求极高的场景；无移动部件、无热设计、控制简单（成熟ASIC技术）、低电压（<10V）、低功耗（<90W），无需复杂主动补偿反馈回路。

5. 总结

当前因新技术出现，OCS适用于AI/ML等场景，随着用例发展，OCS架构及与数据中心网络的集成也将演进。