隨著人工智能（AI）模型規模的持續擴大，智算芯片間、算力節點間的通信帶寬不足的問題愈發突出。傳統電子互連方式已難以滿足GPU集群、超級計算中心和云計算平臺對高速、大容量、高效能數據交換的需求。尤其是在大模型訓練過程中，海量參數需要在計算節點之間頻繁傳輸，互連帶寬不足不僅降低系統響應速度，甚至可能導致宕機，嚴重影響計算效率與用戶體驗。

如何突破電子傳輸在帶寬與能耗方面的物理限制，構建以光子為信息載體的新型互連架構？

日前，復旦大學信息科學與工程學院張俊文研究員、遲楠教授與相關研究團隊開展合作，通過精確設計和優化，將多維復用技術引入片上光互連架構，不僅顯著提升了數據傳輸吞吐量，同時在功耗和延遲方面表現卓越，具備極強的擴展性和兼容性，適用于多種高性能計算場景。

(來源：科技日報)