智算中心，到底需要多少光纖？

國內光纖價格持續上漲。2026年1月，最新的G.652.D散纖價格已超過40元/芯公里，近一年的漲幅超過50%。

漲價的原因，有專家認為主要是由于智算中心建設需求激增導致的。那么，智算中心建設，對光纖的需求到底有多大呢？

本文先分析智算中心樓內的光纖需求。

根據網絡功能的不同，智算中心AI組網通常分為參數面、樣本面、業務/帶內管理面、帶外管理面多個邏輯/物理隔離的子網（不同廠商對各子網的稱謂可能不一致）。

AI組網的總體架構如圖1所示：

圖1  AI組網物理架構

——參數面，又稱訓練面、AI計算面，實現智算集群內GPU的高速互聯。

——樣本面，又稱存儲面，實現智算集群與存儲區的高速互聯。

——業務面，用于互聯網用戶訪問智算/通算等資源。

——管理面，分為帶內管理面和帶外管理面，類似于通信設備的帶內管理和帶外管理，其中帶內管理走的是和業務共用的網絡。

業務面和管理面的組網與傳統數據中心基本相同，但參數面和樣本面的組網則有很大區別。這也是智算中心光纖互聯需求極大的主要原因。

參數面網絡通過高速無損互聯，將多臺AI服務器中的GPU組成一個低時延、高帶寬的分布式訓練集群，以支持大規模模型的協同訓練。

通常，一臺AI服務器包含8張GPU，每張GPU通過一塊高速網卡與參數面網絡互聯。

2.1 參數面網絡架構

參數面的網絡可采用Leaf-Spine二層或Leaf-Spine-Core三層架構。Leaf、Spin、Core可理解成接入、匯聚、核心交換機，收斂比為1:1，交換機的上聯和下聯端口數通常一樣，如圖2所示。

圖2  AI組網中的交換機

采用Leaf-Spine二層架構時的網絡拓撲如圖3所示。

每臺AI服務器的8張GPU通過網卡連接到8臺Leaf相同序號的端口，每臺Leaf的下聯端口分別連接到不同服務器中相同序號的GPU，Leaf的上聯端口與Spine的端口全mesh互聯。

圖3  Leaf-Spine二層架構的拓撲

通常，單臺Spine和Leaf的端口數一樣，假設均為P個。Spine的數量等于單臺Leaf的上行端口數（P/2），Leaf的數量等于單臺Spine的端口數（P）。由于交換機的收斂比為1:1，所以，Leaf-Spine二層架構接入的GPU數量為P×P/2 = P²/2，與Spine交換機總的端口數一致。

采用Leaf-Spine-Core架構時的網絡拓撲比較復雜，可簡單理解為：圖3中的所有Spine（臺數為P/2）組成一個上聯端口為P²/4的組，每個端口連接到不同的Core，如圖4所示。所以，Leaf-Spine-Core架構接入的GPU數量為P×P²/2 = P³/4。

圖4  Leaf-Spine-Core架構示意圖

交換機端口數不同時，二層、三層架構可接入的GPU最大數量見表1。

表1  不同網絡架構容納的GPU數量

2.2 互聯光纖需求的影響因素

互聯光纖需求通常以光纖總的芯公里數來衡量，主要與互聯的光信道（指交換機—交換機、交換機—網卡間的光纖傳輸通道）條數、每條光信道的光纖數及每條光信道的長度相關。

無論采用二層還是三層架構組網，由于各層均無收斂，所以，各個層面互聯的光信道數均一樣，等于GPU的數量。

每條光信道的光纖數與光模塊的速率和光信道的長度有關。AI服務器-Leaf-Spine段，光模塊速率為25Gbit/s和50Gbit/s時，通常采用2芯多模光纖；為100Gbit/s、200Gbit/s或400Gbit/s時，通常采用8芯多模光纖；為800Gbit/s或1.6Tbit/s時，通常采用16芯多模光纖。

Spine-Core段由于光信道的長度較長，通常采用雙芯單模光纖。光信道的光纖數與兩端光模塊的通道數相適配，圖5所示為一個4通道（8芯）多模光模塊內部結構示意圖。

圖5  4通道光模塊的組成結構 

不同層面互聯光信道的長度與下列因素有關：

（1）如圖3所示的每8臺Leaf及其下聯的服務器組成一個Pool（也稱單元，Unit或Group），每個機架可安裝2～4臺服務器，Leaf通常設置于機架的頂部。從AI服務器-Leaf的光信道長度與一個Pool的機架數有關，每條長度可為3m～30m。

（2）通常每個樓層會設置一至多個集群（二層架構時）或POD（三層架構時）。POD通常是P/2×P/2架構，容量為二層架構的一個集群的一半，如圖6所示（圖中SS代表Super-Spine，等同于Core）。從Leaf-Spine的光信道長度與集群或POD內的機架數有關，約為10m～50m。

    SSG：Super Spine Group，LSG：Leaf-Spine Group

圖6  三層架構組網示意圖

（3）一棟建筑內往往包含一至多個算力集群，只有GPU數量較大的集群（三層架構）才需設置Core。從Spine-Core的光纖長度主要與建筑的長、寬尺寸相關，約為30m～90m。

2.3 參數面互聯光纖需求估算

以下以GPU最大容量3萬張的單體建筑為例，估算參數面樓內的光纖需求。

假設3萬卡分成了多個算力集群，其中最大的集群1.5萬卡，采用三層組網架構，其余集群均采用二層架構；AI服務器-Leaf的光信道平均長度按10米估算，Leaf-Spine、Spine-Core的光信道平均長度分別按25米和60米估算。

估算結果如表2所示：

表2  參數面互聯光纖需求估算表 

樣本面的網絡架構與參數面相似，各層的收斂比也為1:1，分為AI側和存儲側兩個部分，組網架構如圖1右下部分所示。樣本面的纖芯需求可根據互聯光信道的數量與參數面的占比進行大致估算。

以某算力集群光信道的實際配置為例，參數面AI服務器通過8條200G信道上聯，樣本面AI側和存儲側每臺服務器均通過兩條光信道上聯到Leaf，AI側光信道的速率為25G，存儲側光信道的速率為100G。

據此，可估算樣本面的纖芯需求與參數面的大致占比，如表3所示：

表3 樣本面互聯光纖需求占比

業務面、管理面網絡通常有一定收斂比，纖芯需求一般不足樣本面的一半，估算樣本面纖芯需求時取一定余量即可。

樣本面、業務面、管理面的互聯纖芯與參數面的占比與具體業務模型有較大關系（如訓練和推理GPU張數比、數據集大小、存儲類型等），一般情況下可按參數面的20%估算，即智算中心AI組網的互聯纖芯總需求可按參數面的纖芯需求（見表2）乘以1.2系數估算。

在數據中心建設階段，我們無法知道數據中心內部各子網今后的建設需求。但可以根據電力供給情況和建筑的面積，估算出每棟建筑可容納的GPU數量。根據GPU的數量，可估算出光信道的條數。根據建筑的尺寸和布局，可估算出每條光信道的長度。從而估算出整個數據中心的纖芯需求。

從上文的分析可以看出，智算中心AI組網對多模光纖（主要是OM4）的需求較傳統數據中心要大10倍以上，但樓內互聯對單模光纖（G.652.D和G.657A）的需求與通信網比顯得微不足道。樓間互聯部分對單模光纖的需求，有待進一步分析。

參考文獻

[1] 光纖荒席卷全產業鏈, 信息安全風險凸顯. 談纖說纜.

[2] 華為. 星河AI高算效數據中心網絡解決方案.

[3] 百度智能云. 智算中心網絡架構白皮書.

[4] AI大模型訓練與智算中心網絡架構及可擴展性設計.西貝吹風.

圖/文：老丁頭     審閱：趙孫俊 王猛 陳鳳霞