AI数据中心的线缆瓶颈开始拖慢算力交付

数据中心基础设施服务商Onnec于9月10日公布调查结果，称英国、爱尔兰和北欧的部分AI项目正因连接GPU、交换机和机架的网络及线缆系统出现延误或性能损失。调查由Sapio在5月27日至6月12日进行，访问了300名参与设施设计、管理和运营的高级决策者，覆盖超大规模云服务商、企业和托管数据中心。当前结果不是某一座机房的故障通报，而是一批已投产或在建项目的共同反馈：机架位置和通道先被固定，网络需求随后才确定，运营团队不得不在狭窄路径内返工；部分设施已经上线，但AI训练仍出现延迟、拥塞或吞吐不足。

调查暴露设计失配

Onnec称，77%的受访运营商认为线缆正在成为支撑AI负载的关键瓶颈。41%的受访者表示，线缆总是或经常拖延AI容量项目；37%经历过由网络连接直接引起、并影响AI训练的延迟或瓶颈；31%则认为，高性能AI硬件投资曾因配套网络无法支撑而被浪费。这些比例来自运营商自报，不能直接换算成全球项目数量，却说明连接系统已经影响设备利用率，而不只是增加施工工作量。

问题首先形成于工期压缩阶段。同一批受访者中，92%称AI需求迫使其缩短建设周期，75%称项目在基础设施需求尚未充分明确时就必须作出设计决定；到线缆环节，78%承认曾为更快部署而在质量或规格上妥协。早期决定的不只是采购哪一种光纤或铜缆，还包括走线路径、弯曲半径、机架端口密度、配线空间以及测试方式。一旦计算和制冷布局先锁定，增加连接容量便可能涉及重新布线、停机窗口和在运行环境内施工。

这也解释了为什么项目“按时上线”并不等于AI容量已经可用。Onnec调查所描述的浪费，主要是GPU已经安装，却不能持续获得设计吞吐量；所谓线缆瓶颈则同时包含介质选型、端口和路径容量、安装质量及网络拓扑问题。调查并未披露受影响项目的具体规模、硬件型号或性能下降幅度，因此不足以证明整个市场已普遍缺少成品光缆，但能够确认，网络定型过晚已在样本范围内造成可见的延期和返工。

铜互连逼近物理边界

AI集群把这一设计缺陷放大，是因为“纵向扩展”网络需要把一组加速器连接成近似单个大型GPU的低延迟域。在Lightmatter给出的模型中，200 Gb/s每通道的被动铜互连距离约为1米，通常只能覆盖1至2个机架、72至144个GPU。跨机架扩展因而转向光纤，但传统单向光学连接会迅速增加物理数量：一个512 GPU集群需要超过130,000根光纤，经过负责重排路径的配线设施后超过260,000股，总长约400英里。BiDi用2个波长在1根光纤上分别传输收发方向；在该模型中，线缆和连接器数量减半，规模扩展网络总支出约降15%。

数量本身还会转化为施工和可靠性压力。高密度线束需要逐根标记、布放、清洁、端接和测试，任何污染、误接或连接器故障都可能成为被动光路中的失效点；交换机面板、配线盒和桥架也要为更多端口留出空间。Lightmatter提出BiDi方案的商业利益与其产品路线有关，因此减半和节省支出的数字不能视为所有架构的通用结果。不过，该模型把Onnec调查中的“路径太紧”和“上线后返工”还原成了具体工程机制。

光纤需求进入倍增阶段

线缆压力也正从机房内部传导至制造端。CRU估算，AI应用的光缆消费量在2024年增长138%。CRU同时预测，AI应用的光缆消费量在2025年增长80%。这两个口径都是AI应用光缆消费量的同比变化，而非整个光缆市场增速；其模型综合了光收发器出货、传输距离、纤芯数量和波长等因素。随着400G和800G连接部署增加，需求不只落在光纤长度，还覆盖收发器、连接器、配线组件和安装能力。

大客户正在用长期采购改变供应方式。Meta与Corning宣布一项多年期、最高60亿美元的协议，由Corning为Meta在美国建设的先进数据中心供应光纤、光缆和连接方案，并扩建北卡罗来纳州Hickory的光缆制造设施，Meta将成为锚定客户。协议金额是上限，公告没有披露实际采购量和交付节奏，但把连接部件从项目末端采购项提升为需要预留制造能力的长期投入，也显示超大规模运营商不再假定线缆能随建设进度即时取得。

连接系统提前进入设计

工程路线也在把光学连接推得更靠近计算设备。10月12日，Lumentum、Astera Labs和Corning宣布在OCP Global Summit展示机架级PCIe光互连概念验证。该系统把Astera Labs的Scorpio交换芯片、Lumentum的1060 nm VCSEL光平台与Corning多模光纤组合起来，以多条并行光通道延伸机架内PCIe连接；演示针对的正是电互连在距离、线缆密度、信号完整性、功耗和散热方面的限制。它仍是概念验证，不能据此认定已经解决量产成本、现场维护或供应问题，却说明光纤规划将进一步进入机架和系统架构阶段。

由此看，AI数据中心的“线缆瓶颈”包含两个相连但不同的约束：项目内部是网络设计、路径和安装能力落后于GPU部署，供应端则要为更密集的光连接准备材料、器件和制造产能。Onnec调查已经证明前一种约束会造成延期、性能损失和返工；CRU的需求模型、Meta的长期采购以及机架级光互连验证，则解释了后一种压力为何可能继续上升。现阶段最直接的变化不是某一种新光纤取代全部旧方案，而是网络、机架、供电和制冷必须在布局锁定前共同定型，连接系统由此成为决定AI算力何时真正可用的建设环节。