新加坡LightSpeed Photonics公司与美国德州Infraeo公司签署了谅解备忘录,将联合开发下一代互连技术,专门针对超大规模、AI和高性能计算数据中心。此次合作将优先在美国客户中进行试点部署,同时在印度建立区域生态系统和供应链。
核心问题在于AI系统内部日益严重的约束:数据传输速度无法跟上日益密集的计算需求,导致计算资源无法充分利用。
协同封装光学器件集成光学与芯片,可降低功耗和延迟,提升带宽。近封装光学器件将光学器件放置在硅封装外部,在追求协同封装光学器件性能提升的同时改善可维护性。PCIe光纤传输通过光链路扩展PCIe连接,实现跨机架的低延迟、高带宽连接,支持分解式AI基础架构。
瞄准商业化和部署
根据谅解备忘录,两家公司计划:
制定联合市场推广策略,扩大美国客户参与度
建立印度生态系统
与美国运营商开展试点部署
推进产品化
LightSpeed Photonics将负责光子学设计和高速互连设计。Infraeo将专注于部署、系统集成和生态系统开发,包括验证光学和铜缆环境的互操作性。
铜缆限制与协同封装光学器件复杂性的中间路径
这一合作正值运营商遭遇现有互连方案极限之际。
铜缆链路在更高速度下难以维持信号完整性和效率。与此同时,协同封装光学器件仍面临热管理、可维护性和制造挑战,阻碍了实际部署。
LightSpeed Photonics首席执行官Rohin Y在声明中表示:"AI基础架构正迫使互连设计发生根本性重新思考。近封装光学器件为传统可插拔器件与完全协同封装光学器件之间提供了可扩展的路径。"
分析师表示,这一定位反映了向务实、可部署解决方案的转变。
HyperFrame Research副总裁兼分析师Ron Westfall告诉Data Center Knowledge:"我认为LightSpeed-Infraeo合作巧妙地专注于近封装光学器件和PCIe光纤传输,作为传统铜缆和复杂协同封装光学器件的务实、可扩展替代方案。通过将近封装光学器件定位为模块化桥梁,这一合作绕过了协同封装光学器件的热管理和可维护性障碍,同时在快速扩张的AI数据中心市场中实现近期部署。"
LightSpeed正在开发可焊接的近封装光学器件技术,将光学器件移近计算单元而不嵌入ASIC封装内部,在提高带宽密度和功率效率的同时保持可维护性并降低集成风险。
PCIe光纤传输针对分解式AI架构
两家公司还在推动PCIe光纤传输,将高速连接扩展到电气接口无法触及的范围。这种方法在AI集群扩展和东西向流量增强时实现更灵活、可组合的架构。
Westfall说:"通过优先发展PCIe光纤传输,这一合作有望实现分解式、可组合架构。这使运营商能够解耦计算和内存资源,并解决关键扩展挑战,如涌入拥塞和尾延迟。"
印度作为试验场和供应链杠杆
合作以印度为中心,既作为需求引擎,也作为供应链机遇。
两家公司计划在印度建立区域光学生态系统,评估当地制造选择,建立部署合作伙伴关系,同时推进美国试点项目。Infraeo在部署800G和新兴1.6T互连技术方面经验丰富,包括线性可插拔光学器件和有源电缆。
Westfall表示,双市场策略强化了合作的定位。他说:"这一联盟通过将LightSpeed的设计专长与Infraeo的部署能力相结合,在印度建立区域供应链的同时捕获美国的高价值试点部署,从而获得优势。近封装光学器件实际上成为'恰到好处'的解决方案——提供协同封装光学器件的许多优势,而无需承担相关的制造和热风险。"
决定成败的因素
据Westfall分析,执行速度将是决定性因素。
"为了增强竞争力,合作伙伴需要将近封装光学器件和PCIe光纤传输从原型转向经过验证的超大规模部署,"Westfall说。"证明实际的功耗节省和低延迟性能将是关键,同时建立能够支持1.6T互连日益增长需求的成本优化供应链。"
DCK分析:可部署光学器件的竞赛
行业已有定论:光学器件将定义AI基础架构。唯一的问题是时机。
近封装光学器件正在成为可部署的中间地带——既足够接近以提供真正收益,又与协同封装光学器件保持足够距离以避免近期热管理和制造风险。其优势很简单:能够更快发货。
PCIe光纤传输推动更深层次的转变,打破机架级约束,实现超大规模厂商长期追求的分解式架构。
竞争正在加剧。英伟达和博通正在推进紧密集成的光学路线图;Ayar Labs等初创公司正在推动芯片到芯片光学I/O。与此同时,收发器厂商继续扩展可插拔器件和线性驱动光学器件。在这种背景下,LightSpeed和Infraeo将近封装光学器件和PCIe光纤传输定位为更快的部署路径。他们的策略是执行驱动:在美国超大规模试点中证明性能,同时在印度建立成本效益供应链。
但窗口期很窄。超大规模厂商和硅厂商行动迅速,无法达到生产阶段的技术将被落下——无论前景多么光明。近封装光学器件必须通过立即发货来获胜——否则就有被超越的风险。
Q&A
Q1:近封装光学器件是什么?有什么优势?
A:近封装光学器件将光学器件放置在硅封装外部,既能获得接近协同封装光学器件的性能提升,又保持良好的可维护性,避免热管理和制造风险。它是传统可插拔器件与完全协同封装光学器件之间的可扩展路径。
Q2:LightSpeed和Infraeo合作的核心目标是什么?
A:两家公司联合开发下一代互连技术,专门解决AI系统中数据传输速度无法跟上计算需求的瓶颈问题。合作将在美国进行试点部署,在印度建立区域生态系统和供应链。
Q3:PCIe光纤传输技术能解决什么问题?
A:PCIe光纤传输通过光链路扩展PCIe连接,实现跨机架的低延迟、高带宽连接,支持分解式AI基础架构。这使运营商能够解耦计算和内存资源,解决涌入拥塞和尾延迟等关键扩展挑战。
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。