---
格式版本: 2
标题: "ODCC技术 | 模块化，小型化，高端口密度：从谷歌 TPU 8i 的网络架构看硅光OCS的发展线路"
原文链接: "http://mp.weixin.qq.com/s?__biz=MzkzMDMwNzY2NA==&mid=2247504900&idx=1&sn=cdb4747b9f1242ffc8e959c5436134ae&chksm=c3181b8030164a6fcf937cbc032d0a9c48e3b1337e6183772a9de4fa83cf4aaa9c83b188cffb&scene=126&sessionid=0#rd"
发布日期: "2026-07-31"
发布时间校准状态: "found"
发布时间需复核: "否"
发布时间来源: "llm:local:wechat_script_publish_field"
发布时间证据: "create_time: 2026-07-31"
发布时间校准原因: "候选日期来自微信脚本字段create_time，通常为文章实际发布时间，无其他冲突线索。"
发布时间校准置信度: "1"
发布时间候选数量: 1
发布时间严格候选数量: 0
发布时间原页读取状态: "原页面已读取"
发布时间未找到原因: ""
发布时间校准时间: "2026-08-01T01:09:50+08:00"
发布时间仲裁状态: "confirmed"
发布时间仲裁尝试次数: 1
发布时间仲裁耗时毫秒: 2884
发现时间: "2026-08-01T01:09:33+08:00"
入库时间: "2026-07-31T17:09:53.825Z"
来源平台: "次幂公众号"
搜索渠道: "cimidata_wechat"
搜索词: "ODCC动态"
匹配关键词:
  - "光"
  - "超节点"
  - "光互连"
  - "计算"
  - "量产"
  - "部署"
  - "性能"
  - "带宽"
  - "吞吐"
相关厂家:
  - "华为"
  - "Google"
相关专家:
  []
内容类型: "公众号"
抓取工具: "次幂公众号详情"
清洗工具: "次幂 HTML 转 Markdown + Defuddle/Readability 正文提取"
原始附件:
  []
AI优质: "是"
AI打分: 76
AI分档: "高置信优质"
AI质检状态: "通过"
AI打分理由: "正文从谷歌TPU 8i推理网络架构切入，深入分析OCS光互连在超节点中的应用与演进，技术细节丰富（拓扑、跳数、端口数），有明确产品规划（孛璞硅光OCS），与AI Rack网络互连高度相关，但商业信号偏弱。"
AI质检模型: "deepseek-v4-flash"
AI质检时间: "2026-08-01T01:24:54+08:00"
AI主题相关性: 15
AI来源权威性: 10
AI新颖性: 16
AI技术细节: 18
AI商业部署信号: 8
AI完整性: 9
采集批次: "2026年8月1日0点30分08秒"
采集批次ID: "20260801-003008-526"
去重键: "http://mp.weixin.qq.com/s?__biz=MzkzMDMwNzY2NA%3D%3D&idx=1&mid=2247504900&sn=cdb4747b9f1242ffc8e959c5436134ae"
---

引言

今年四月谷歌发布了最新的第八代TPU以及配套的网络架构。除了单颗芯片性能提升，让人眼前一亮的是谷歌为训练和推理分别采用了两种芯片、两套网络：TPU 8t 搭配 Virgo 网络，服务大规模训练；TPU 8i 搭配 Boardfly 网络，面向高并发、低延迟推理，也意味着 AI 基础设施正在进入“训推分离、各自收敛”的新阶段。

其中最具信号意义的变化，是来自 TPU 8i 推理芯片配套的专用网络架构。这个可由中小端口数 OCS 参与构建的平面化直连网络，将任意两颗芯片之间的最大通信跳数限制在 7 跳。这个看似简单的数字，指向了推理时代核心的网络命题：当模型开始“思考”得更长、更复杂，计算单元之间的距离必须变得更短。也正是在这里，OCS 的价值开始出现新的衡量方式：它不再只依赖超大端口数覆盖全局网络，也可以通过更靠近计算节点的中小规模模块，服务低延迟、高并发的推理互连。

今天我们从OCS的使用角度看谷歌网络架构的演变，先回顾 TPU v4 和 Jupiter 中的大端口 OCS 用法，再看 TPU 8t 与 Virgo 如何延续训练网络路线，最后重点讨论 TPU 8i、Boardfly 与中小端口数 OCS 的新需求，并进一步讨论硅光OCS在下一代数据中心网络中的发展方向。

![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/o5O9IQVnBqRIzc0ZAD28a2IdiaIOEffUhTanMVMaOsRlbBbia4fZxDLctUojwibXkUCQLcYKHZsU0HmxrkiclqX4xlumTN5gdP6vvXZrBVAiabYI/640?wx_fmt=png&from=appmsg)

从TPU v4至TPU v8：大端口OCS的关键支撑与阶段性节点

TPUv4：面向三维计算立方体的全局光互连

从 TPU v4 开始，Google 将 OCS 引入 TPU 超级计算机的内部互连。一个 TPU v4 机架由 64 颗芯片组成，可理解为一个三维计算立方体；立方体内部连接相对固定，立方体之间的连接则由 OCS 按任务需求重新编排。训练任务启动时，系统可以选择健康、空闲的计算立方体，再通过 OCS 建立三维环面或扭转环面光路。这样，原本被静态布线限制的计算资源，可以在更大范围内重新组合，硬件故障、资源碎片和不同模型的拓扑需求也更容易被系统吸收。

对于 4096 颗 TPU v4 芯片组成的系统，Google 使用 48 台 136×136 MEMS OCS，把 64 个计算立方体连接成可重构的大规模三维网络。

大端口 OCS 在这里承担全局光互连平面的角色，端口覆盖范围越大，系统调度和拓扑重构的自由度也越高。

![图片](https://mmbiz.qpic.cn/mmbiz_png/o5O9IQVnBqT3D2LbYickF1PZ7ubzGKgH6BRpoUu63IcSHUew4kFgrrxK0Ak3VA8X54pHlAksZ5aahSq6YJKTicZeSkRXXDtZAINStuDI6eDjk/640?wx_fmt=png&from=appmsg)

Jupiter：CLOS网络脊交换层结构的新探索

在 Jupiter 数据中心网络中，OCS 被用于更高层级的骨干互连。Google 在多个汇聚模块之间引入可重构光互连层，用光路直连削减传统 CLOS 网络对脊交换层的依赖，使网络能够随流量变化和设备代际升级动态调整。

这个场景同样依赖大端口 OCS：单台设备覆盖的汇聚模块越多，光层可调度的网络范围越大。Google 在 SIGCOMM 2022 的 Jupiter 论文中总结，这一架构演进支撑了 5 倍速度和容量提升，并降低了 30% 资本开支和 41% 功耗。

![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/o5O9IQVnBqTIM6QX6icDxnz8523TzqCZ3ds7JNeKkGHee35M22ROUm0zFIDFJCJ6SmXqWpdg7ufgIWOkT7kNkdAdbXfeEf1A4ZP1I3sDv6SQ/640?wx_fmt=png&from=appmsg)

因此，在 TPU v4 到 TPU v8 之前，Google 的 OCS 应用可以概括为两条路线：一条服务 TPU 内部互连，用大端口 OCS 拼接可重构的 3D 计算网络；另一条服务数据中心骨干网络，用大端口 OCS 改造汇聚模块之间的连接关系。两条路线共同指向早期 OCS 的核心特征：大端口、集中式、全局可重构。

TPU 8t训练端，大端口数OCS路线的阶段性节点

到了 TPU 8t，Google 仍然沿着这条大端口、可重构互连的路线继续前进。面向大规模预训练，TPU 8t 继续采用三维环面网络，OCS 仍然承担着把大量芯片组织成适合高吞吐训练的超级计算系统的角色。

与此同时，Google 又推出 Virgo 网络，把 AI 集群的规模外互连进一步独立出来：它减少网络层级，用更扁平、更高带宽的结构连接大量 TPU 机架，并通过多平面设计提升可靠性。这样，TPU 8t 在内部保持三维环面带来的大规模吞吐能力，在外部则用 Virgo 网络通过 OCS 把更多训练资源连接成更大的计算域。

![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/o5O9IQVnBqTZibrCv3TBVwuG7E6dFFH5bP6t1dBZV2a4iaqODCmzmMPvQdgKanf4heAD0JhDfwqjKIE0rvibyHQ9BOo3CyAA4l7I4SBjquQguM/640?wx_fmt=png&from=appmsg)

从 OCS 的演进角度看，TPU 8t 和 Virgo 很像传统大端口OCS路线的一个阶段性节点。它把 TPU v4 以来的核心思想继续放大：用更大的光互连平面、更高的端口覆盖能力和更强的软件调度，把分散的计算资源组织成一个巨大的训练机器。

对于预训练来说，这条路线非常自然，因为训练更看重吞吐、带宽和大规模同步效率。但当任务重心转向推理，尤其是多智能体、长上下文和 MoE 模型带来的频繁小粒度通信时，新的网络需求开始变得重要：“怎样让任意两颗芯片之间更快到达”。这正是 TPU 8i 引入全新 Boardfly 网络，以及小端口 OCS 获得关注的背景。

TPU 8i 的推理时代，中小端口规模OCS需求凸显

“等候室效应“逐渐产生

进入 TPU 8i，将 AI 网络的重点转向高并发，低延迟推理。推理时代的挑战更贴近用户体验：请求涌入之后，系统既要快速响应，又要同时服务大量智能体。长上下文、多步推理和 MoE 模型让一次回答变成连续的数据读取、专家路由、同步和生成过程；任何一步等待数据，都会让后续计算单元停顿。Google 将这种现象称为“等候室效应”，也是推理网络必须被重新设计的直接原因。

![图片](https://mmbiz.qpic.cn/mmbiz_png/o5O9IQVnBqQdRHKzNPXPDiaJLCPMLsNKz9KgaYG5Z4BRgMg6jpOgLgoYGGFUFric4WnULYaic1pR1MYguwzyZTAAEWukI3tickovtDukEWt0ATE/640?wx_fmt=png&from=appmsg)

Boardfly：面向推理的拓扑结构

为此，Google 在第八代 TPU 中将训练与推理拆成两套架构：TPU 8t 继续采用面向大规模训练的三维环面网络，TPU 8i 则采用 Boardfly 拓扑压缩通信跳数。Boardfly 以 4 颗 TPU 形成基础单元，8 块板卡组成局部组，最终由 36 个组通过 OCS 连接成推理 Pod；在 1024 颗活跃芯片规模下，任意两颗芯片之间的最大跳数从三维环面的 16 跳降至 7 跳，网络直径降低 56%。这类结构尤其适合 MoE 路由、推理链同步和多智能体协作，因为它直接压低了跨芯片通信的尾延迟。

![图片](https://mmbiz.qpic.cn/mmbiz_png/o5O9IQVnBqQyylgnPCwV300WAOMHJ6WKY3GqwWQDNIyIRZCc8XQicS4l4rnG7AzF2MSv5CEeXCBzl8hBRKU7N8ZmNLj0CFmtsPOfKVDnZdEk/640?wx_fmt=png&from=appmsg)

TPU 8i：小端口数OCS的需求涌现

Boardfly 也改变了 OCS 的产品需求。过去，大端口 OCS 主要服务于训练集群和数据中心骨干网络，强调覆盖范围和全局重构能力；在 TPU 8i 这类推理超节点中，OCS 进入更细的网络层级，承担多个局部组之间的快速互连。多个几十端口级 OCS 组合，成为平面化推理网络中的关键部件。

因此，TPU 8i 标志着 Google OCS 路线的一次转向。早期 OCS 解决的是“大规模训练机器如何被灵活拼接”的问题；推理时代的 OCS 开始面对“任意两个计算单元如何更快互通”的问题。前者需要大端口、集中式、覆盖全局的光交换平面，后者更需要贴近计算节点、可模块化部署的中小端口光交换能力。这个变化也为下一代 AI 数据中心提出了新的产品方向：OCS 不只属于大型骨干网络，也会进入高密度推理超节点，成为低延迟 AI 网络的一部分。

![图片](https://mmbiz.qpic.cn/mmbiz_png/o5O9IQVnBqQYuicN2P8LKaOBiaoEHYhD15G7IicjibHywkgXGC0k577gwcOHCKWEpac6Nzomhn6fsGPyREhOqXGribgADtsib5OsHLGZQMlEuE2xU/640?wx_fmt=png&from=appmsg)

小型化，模块化，硅光OCS带来高稳定性，超高端口密度的密集平面化网络

Google 从 TPU v4 到 TPU 8i 的演进，已经证明了 OCS 在 AI 网络中的架构价值。接下来更关键的问题，是 OCS 如何走出少数超大规模厂商的定制系统，进入更广泛的数据中心。随着推理集群持续加密，网络正在走向更扁平的互连形态，光纤、端口和交换能力也会更靠近机架和计算节点。OCS 要真正融入这种环境，产品形态必须有所演变。

![图片](https://mmbiz.qpic.cn/mmbiz_png/o5O9IQVnBqSQV4wtfT8yQ4q7XeyjK5yMJViaAm7NreIEY7My1dgV2EzsIjjm684tibxziaLgm1sJTAFKBribBvI8m5GdLZ10ibt1xzibCVFujfl8Y/640?wx_fmt=png&from=appmsg)

从产业界讨论看，OCS 在 AI 系统中大规模部署，主要受四个因素影响：链路预算、机架密度、可靠性和成本。

链路预算：AI 互连链路速率越来越高，留给额外器件的光功率余量非常有限，因此 OCS 不能给系统增加太多损耗。连接器、光纤管理和交换芯片本身都必须围绕低损耗设计。

机架密度：推理网络强调贴近计算节点的高速互连，OCS 不能再占用庞大的机架面积，而需要在有限空间里提供更高端口密度，并配合高密度低损耗连接器完成工程部署。

可靠性：推理集群会部署大量中小端口规模 OCS，设备数量增加后，任何单点故障都可能放大成系统问题。因此，未来的 OCS 需要具备模块化、可维护和可替换的设计思路。一个模块出现问题，可以快速替换；一个平面发生故障，网络仍能通过其他平面继续运行。

成本：OCS 要作为走向基础网络部件，就必须降低制造、装配、校准和运维成本。更少的分立器件、更高的集成度、更标准化的模块形态，会成为产品成熟的关键。

![图片](https://mmbiz.qpic.cn/mmbiz_png/o5O9IQVnBqS3WiaqHG8xAjJhONVLT6b9WXahibthaicyc0trcpm338WZ8eZAE2JltfP5I5YSib5kKpMVeET47EWo4hPwliaoNTdnbeG68zKrORZM/640?wx_fmt=png&from=appmsg)

这些要求共同指向了硅光 OCS 的机会。硅光工艺能够把交换单元、光波导、监测结构和控制接口集成到更紧凑的平台中，使 OCS 更容易走向小型化、模块化和高端口密度部署。面向 TPU 8i 所代表的推理超节点，网络需要大量靠近计算节点的局部光交换能力，把通信距离压短，把等待时间压低。下一代 AI 数据中心对 OCS 的期待也因此发生变化：早期的大端口 OCS 验证了训练集群和数据中心骨干网络的可重构价值；推理时代则需要更小、更密、更可靠、更易部署的光交换模块。硅光 OCS 正是在这一方向上展现优势，它有机会把可重构光网络带入机架级、平面化、高并发的 AI 推理系统。

孛璞半导体OCS

在这样的产业转向中，孛璞半导体选择了一条面向量产级硅光 OCS 的技术路线。公司今年推出了 8×8 和 32×32 硅光 OCS 产品，并规划在未来两年陆续发布 64x64 和 128×128 硅光 OCS。与传统MEMS的方案相比，硅光 OCS 的核心优势在于把光路交换能力集成到芯片平台上，从一开始就面向小型化、模块化和高密度部署设计。这与下一代 AI 数据中心的需求高度一致：OCS 需要更靠近计算节点，更容易嵌入机架，更适合以多个模块组成平面化网络。

![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/o5O9IQVnBqSiaiaVav40fpJ7ZOibUOM97sKLJNIKibzYUIOCu4B8R25ISqicGKZmf72icm81TH28SU71mlnrR14RWyqU7kHOaTMUR5icPx58VPbAjE/640?wx_fmt=png&from=appmsg)

在关键指标上，孛璞半导体已经取得了具有竞争力的进展。现阶段产品在插入损耗、串扰和偏振无关等关键指标上达到国际先进水平。低插损意味着 OCS 可以更自然地进入高速光链路，不会过多消耗系统本就紧张的链路预算；低串扰和偏振无关能力，则决定了它能否在真实数据中心环境中长期稳定运行。与此同时，公司在无损化 OCS 方向上也取得了技术突破，为未来更大端口数、更复杂光交换系统提供了重要支撑。

结语

从 TPU v4 的大端口光互连，到 TPU 8i 所代表的推理超节点，OCS 的价值正在从“连接更大的系统”进一步走向“构建更近、更密、更灵活的网络”。孛璞半导体的硅光 OCS 正是面向这一趋势展开：以芯片化提升端口密度，以模块化降低部署难度，以低损耗和高稳定性支撑高密度 AI 数据中心网络。随着训练与推理网络逐步分离，OCS 将不再只是少数超大规模系统中的特殊设备，而有机会成为下一代 AI 网络中的基础的交换模块。

作者

![图片](https://mmbiz.qpic.cn/sz_mmbiz_gif/o5O9IQVnBqStBTcIYOS0Ex30KqBEVCTbzo8TEGqX2TGt2IWNiaCopaTIHmjdr6gJ3dllxAc1Thp7ibY39WosRjRPUKzRd2ZLkx3M7j0ICCWnM/640?wx_fmt=gif&from=appmsg)

邢宇飞 xingyufei@bpstc.com

马崇怀 machonghuai@bpstc.com

王欣禾 wangxinhe@beepluxsemi.com

![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/o5O9IQVnBqTU2fKiaGiaI18Jbo4t3YgCQSbYn0A8rGMshXqwxr0Via6FhNR4yRha5iar4bNZsFMeSqy8sUrCa8Vnibx8v9y9YHxWUKibk4r4CxJ6k/640?wx_fmt=png&from=appmsg)

往期回顾

[1、ODCC算网底座 |【在网计算】算子卸载与融合，全面开启“计算型网络”新纪元](https://mp.weixin.qq.com/s?__biz=MzkzMDMwNzY2NA==&mid=2247504884&idx=1&sn=6fe8b1f16d2b5294409ce6d2307953de&scene=21#wechat_redirect)

[2、ODCC技术 | 开放生态、极致密度：UPO开启AI大带宽时代新篇章](https://mp.weixin.qq.com/s?__biz=MzkzMDMwNzY2NA==&mid=2247504873&idx=1&sn=102f0f0a5473f6b5945c88dd68a2763d&scene=21#wechat_redirect)

[3、36日倒数! 2026开放数据中心大会暨首届算博会静待启幕](https://mp.weixin.qq.com/s?__biz=MzkzMDMwNzY2NA==&mid=2247504807&idx=1&sn=05f8dc01a2698df9c32a2d054ea4573f&scene=21#wechat_redirect)

[4、ODCC技术 | QLC SSD大块原子写支持揭秘](https://mp.weixin.qq.com/s?__biz=MzkzMDMwNzY2NA==&mid=2247504779&idx=1&sn=7df827233272e336547ef65ab576824d&scene=21#wechat_redirect)

[5、ODCC分享 | 华为严可荣：OCS全光超节点集群技术研究分析](https://mp.weixin.qq.com/s?__biz=MzkzMDMwNzY2NA==&mid=2247504764&idx=1&sn=24dd23852fe3fb5bf06ac412678e1f63&scene=21#wechat_redirect)