当算力集群从单机扩展到万卡级规模，瓶颈往往不再只是计算芯片本身，而是芯片、服务器、交换设备与数据中心之间的互联能力。传统电互联在带宽提升、传输距离、信号完整性、时延和功耗之间面临越来越尖锐的物理约束：速率越高，损耗、串扰与散热压力越难控制，网络通信也更容易成为加速器等待数据的原因。光互联的价值，正是把高容量数据传输从“以电为主”转向光电协同。
光互联突破的核心路径
光互联并非简单替换线缆，而是重构算力集群的传输链路。光模块完成电信号与光信号转换，光芯片、激光器、探测器、DSP以及封装共同决定链路的速率、稳定性和能效。相较于长距离高速电传输，光信号在带宽扩展、传输损耗和抗电磁干扰方面更具优势，能够缓解服务器之间、交换机之间以及机柜之间的数据搬运压力。
当前产业关注的重点，已从单一光模块升级为系统级光算融合。800G、1.6T乃至3.2T高速光模块面向更高密度的数据交换需求；硅光集成试图提升器件集成度与制造效率；CPO、LPO、NPO等技术则分别从封装位置、信号处理方式和光电协同架构切入，缩短高速链路、降低互联功耗，并改善大规模部署中的散热与可靠性问题。
真正的物理瓶颈在系统协同
光互联不能孤立解决算力网络问题。光芯片、光器件、模块、交换设备、高速光纤、综合布线、供能与制冷必须协同设计。若只提升模块速率，却忽视连接密度、封装散热、链路管理和故障维护，集群整体性能仍会受到限制。
因此，评价光互联方案不能只看峰值速率，还应考察单位带宽功耗、端到端时延、链路可靠性、部署密度与维护复杂度。面向AI算力集群，未来竞争的关键不是某个单点器件的参数，而是从光芯片到数据中心的全链路工程能力。光互联最终突破的，是算力规模继续扩张时，数据移动对系统性能、能耗和空间的综合约束。