微软研究院开发了一项名为MOSAIC的MicroLED光学互连系统,该公司在博客中表示,预计该技术在部署后比主流激光光缆节约约50%的能耗。
微软表示,这一数据基于实验室测试结果结合部署评估得出。
MOSAIC系统由微软英国剑桥实验室与Azure Core、Azure硬件系统和基础设施团队以及Microsoft 365团队合作开发。与依赖少数高速激光驱动通道的传统光纤电缆不同,新系统使用数百个由更便宜、温度更稳定的MicroLED驱动的并行低速通道。信号通过市售成像光纤传输,这与医疗内窥镜使用的多核电缆相同。
团队已与联发科和其他供应商完成概念验证,将完整的MOSAIC系统微型化为拇指大小的收发器,兼容现有数据中心设备。微软表示,预计在2027年底与行业合作伙伴实现商业化。
根据IDC数据,电力占企业数据中心总支出的46%,在服务提供商设施中占60%。IDC预测AI数据中心能耗将以44.7%的年复合增长率增长,到2027年达到146太瓦时。
Counterpoint Research研究副总裁兼合伙人Neil Shah在接受采访时表示:"电力是当今AI数据中心面临的最大瓶颈。微软使用廉价MicroLED的方法很好,能够控制耗电巨大的AI数据中心内的热力瓶颈,从而降低超大规模厂商以及最终租用基础设施的CIO的总拥有成本。"
微软认为,功耗问题始于电缆本身。
铜互连在高数据速率下最长约两米,仅限于单个机架内使用。基于激光的光纤电缆传输距离更远,但耗电更多且对温度和灰尘敏感。微软表示,MOSAIC传输距离可达50米,同时功耗比两者都低。
项目首席研究员、微软合作研究经理Paolo Costa在博客中写道:"成像光纤看起来像标准光纤,但内部有数千个核心。这是缺失的部分。我们终于找到了在一根电缆中承载数千个并行通道的方法。"
MOSAIC并非微软唯一的光网络投资,也不是进展最快的项目。
MOSAIC伴随着空心光纤(HCF)技术推出,这是微软已在全球部署的补充技术。HCF通过空气而非玻璃传输光信号,根据微软引用的南安普顿大学发表研究,数据传输速度提高47%,延迟降低33%。
微软Azure超大规模网络总经理Frank Rey在博客中表示,两项技术互补——HCF用于长距离数据中心间连接,MOSAIC用于设施内GPU和服务器连接。
Rey表示:"使用MicroLED,您拥有LED相对激光的纯效率优势。这对任何数据中心的电力使用都有直接的底线影响。"
MOSAIC进入了一个竞争激烈的领域。英伟达和博通正在推进共封装光学器件(CPO)作为降低互连功耗的首选路径,英伟达基于CPO的交换机承诺比可插拔收发器功耗降低3.5倍,计划在2026年商业上市。
但CPO依赖激光,而激光供应短缺,Gartner高级总监分析师Naresh Singh在采访中表示,供应链缺口预计将持续到2027年。Singh说:"在这种情况下,微软的MicroLED技术可以成为很好的替代方案。"他还指出标准化是更广泛采用的障碍。传统光互连受益于定义收发器和模块行业标准的多源协议。Singh表示:"最新的互连产品必须争取标准化以推动更快和持续的采用。"他指出开放CPX MSA(标准化CPO光学引擎的倡议)是朝这个方向迈出的一步。
然而,Counterpoint的Shah表示MOSAIC面临自己的挑战:色散可能限制有效传输距离;专用布线和机架设计变更增加了MicroLED组件之外的成本;没有英伟达或AMD的支持,可扩展性仍不确定。带宽上限也是风险。MOSAIC目前的最佳性能区间是400G到800G,到2027-2028年部署窗口期,行业可能已转向1.6T或3.2T目标。
Shah说:"虽然MicroLED能带来卓越的功耗优势,但许多其他因素可能限制广泛采用。不过如果一两个主要厂商在其产品组合中采用,可能仍会有一些差异化,也许会替代铜线而非硅光子或CPO。"
Q&A
Q1:MOSAIC技术是什么?有什么优势?
A:MOSAIC是微软研发的基于MicroLED的光学互连系统,用于数据中心网络连接。它使用数百个并行低速通道,由便宜且温度稳定的MicroLED驱动,预计比激光光缆节约50%能耗,传输距离可达50米。
Q2:MOSAIC什么时候能商用?
A:微软表示已与联发科等供应商完成概念验证,将系统微型化为拇指大小的收发器,兼容现有数据中心设备。预计在2027年底与行业合作伙伴实现商业化。
Q3:MOSAIC面临哪些挑战?
A:主要挑战包括:色散可能限制传输距离;需要专用布线和机架设计变更增加成本;缺乏英伟达或AMD支持影响可扩展性;当前性能区间为400G-800G,到部署时行业可能已转向更高带宽目标。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。