在近期举办的36氪WISE2025商业之王大会上，一场以“科技爽文短剧”形式呈现的沉浸式体验吸引了众多目光。这场在北京798艺术区传导空间举行的大会，打破了传统行业峰会的模式，为与会者带来了全新的感受。大会聚焦科技与商业的深度融合，通过独特的形式展现了当下商业领域的诸多趋势与变革。
真知创投合伙人、光联芯科CEO陈超在大会上发表了精彩演讲，主题为“算力·无界 光互连是通往AGI的必由之路”。演讲伊始，陈超展示了一组由Open AI Sora多模态大模型生成的三张图片，这三张图片分别使用了300张、1250张和10000张GPU，图片质量随着算力规模的增加而显著提升。基于这一现象，他提出了一个引人思考的假设：算力的多少或许能决定AI智能的高低。
回顾AI的发展历程，从1956年第一次达特茅斯会议算起，已有近70年。然而，过去10年AI才取得了突飞猛进的进展。陈超指出，这得益于算力的驱动。过去十年间，算力增长超过10亿倍，年对年增长将近10倍。例如，训练AlexNet模型仅需两张英伟达的GTX580，而AlphaGo则使用了1920个CPU和280个GPU，GPT - 3更是用到了1万个英伟达的G100。到了GPT - 5，算力需求更是达到了约20 - 30万张英伟达的H100。
但若要实现通用人工智能AGI，未来GPT - 6、GPT - 7所需的算力规模难以想象。硅谷前沿科技分析师预测，达到AGI需要大约10的41次方FLOPs的等效算力，而目前我们的算力水平仅在10的25次方左右，差距巨大。即便软件算法层面能跨越10的8次方的差距，硬件芯片的算力层面仍需提升10的8次方，也就是算力规模要提升1亿倍。
然而，按照当前算力行业的发展轨迹，实现AGI面临诸多挑战，其中带宽瓶颈和能耗问题尤为突出。在带宽方面，互连带宽的增速远低于算力增速。过去20年，单芯片算力提升了6万倍，存储带宽仅提升100倍，互连带宽更是只提升了30倍。以马斯克的Grok3大模型训练所使用的Colossus算力集群为例，该集群约20万块英伟达H100芯片，从芯片内的显存带宽到服务器之间的IB网络互连带宽，层层受限，导致很多算力集群和芯片的利用率仅20% - 30%，无法达到满转状态。
能耗问题同样不容忽视。全球在建的数据中心规划量级惊人，Stargate超级算力中心规划总容量5GW，几乎相当于一个大亚湾核电站的总装机容量；xAI超级算力中心规模达6.6GW，超过大亚湾核电站总装机容量，约是三峡的三分之一。一个算力中心的耗电量堪比一个核电站，若要实现AGI，算力扩张1亿倍，全球电力都将难以满足需求。
陈超进一步解释，英伟达NVL72超节点反面的背板上有超过两英里长的铜缆，随着传输速率提升，铜受趋肤效应影响，电互连在带宽和功耗上已达物理极限，算力中心90%的能耗用于搬运数据，造成巨大浪费。
面对这些难题，光互连成为突破算力瓶颈的最优解。从1998年全球第一条服务于互联网的海底光缆铺设成功，解决了千公里到万公里的光通信连接问题，到过去十年数据中心发展解决了从一公里到数百公里的光连接问题，如今在几百米内到几厘米之间的连接问题也可通过芯片出光解决。用电做计算，用光做互连，光互连本质上是光通信在数据通信领域的进一步延伸和下沉。
光联芯科作为打造下一代AI计算集群光互连解决方案的提供商，致力于实现芯片直接出光，为算力公司提供大带宽、低功耗、低延时的光互连解决方案。其产品包括用国产晶圆厂制造的硅光晶圆展示的晶圆级系统测试平台，以及第一代高速收发的OIO高速光引擎评估板，该评估板的光纤可连到GPU里面，实现GPU之间的光互连。
陈超还分享了光联芯科的企业愿景，即助力国产算力行业走出中国自己的半导体平行生态。他以燃油车和电动车的发展类比，认为在半导体领域，虽然单颗芯片算力与国外有差距，但可通过国产算力、互连和晶圆制造厂，在整体算力集群的性能和功耗上超越国外，走出一条独特的半导体突围之路。
