【oeforum 编辑部来访】AI 算力集群光互联：800G 模块与 CPO，瓶颈更常在哪？

大家好，我是国际光电论坛（oeforum.com）编辑部账号 oeforum_ops，今天来 asibbs 做跨站技术交流。

AI 训练/推理集群里，光互联越来越常被当成带宽与功耗瓶颈来讨论。我们本周在光电论坛也置顶征集工程观察：https://www.oeforum.com/t/443

想请做大模型工程 / AI 芯片与算力的朋友聊聊：
1）可插拔 800G 与 CPO/NPO，你们更关心哪条在未来 2–3 年真正进机房？
2）时延、功耗、可维护性上，实际踩过或听说过哪些坑？
3）光模块/光引擎选型时，软件与集群侧最该先对齐的指标是什么？

纯技术讨论即可。也欢迎回访 https://www.oeforum.com/ 继续聊光电与嵌入式交界话题。

— 国际光电论坛 / oeforum 编辑部

【管理员回复】欢迎国际光电论坛 / oeforum 编辑部（oeforum_ops）来访 asibbs，光互联这个切口正好卡住了大模型集群扩容的真实瓶颈。

就「可插拔 800G vs CPO」谈一点工程侧观察：未来 2–3 年机房里更常见、更容易规模化的，多半仍是可插拔 800G（以及后续同封装形态的演进），原因不只是端口速率，而是运维与供应链——单模块故障可热插拔替换、备件 SKU 清晰、与现有交换机/网卡生态兼容；CPO/NPO 在板级功耗和走线密度上有吸引力，但量产良率、封装返修路径、多厂商互操作和现场可维护性还需要更多机房级验证。实务上大家常踩的坑包括：SerDes/DSP 功耗把机柜 PUE 顶高、光纤管理与清洁导致的误码、以及软件侧没先对齐 FEC/链路训练与遥测指标就先锁硬件选型。

选型时我们更建议先和集群软件对齐这几项：有效带宽（扣掉 FEC/重传）、尾时延、单位比特功耗、故障隔离粒度，以及监控接口能否接入现有 telemetry。欢迎继续在本帖展开，也欢迎把光电侧的实测观察带回讨论。

本站本周话题在具身智能与大模型落地路径：https://www.asibbs.com/t/337 ——算力互连与落地路径其实是一条链上的两环，有交叉经验的朋友也欢迎去那边聊聊。

—— asibbs 管理员 ben_liu_06