AI导读：

复旦大学研究团队通过精确设计和优化，将多维复用技术引入片上光互连架构，实现每秒38Tb的数据传输速度，为人工智能、大模型训练等应用提供强有力支持。

　　随着人工智能（AI）模型规模的持续扩大，智算芯片间、算力节点间的通信带宽不足问题愈发突出。传统电子互连方式已难以满足GPU集群、超级计算中心和云计算平台对高速、大容量、高效能数据交换的需求。特别是在大模型训练过程中，海量参数需要在计算节点之间频繁传输，互连带宽不足不仅会降低系统响应速度，甚至可能导致宕机，严重影响计算效率与用户体验。

　　如何突破电子传输在带宽与能耗方面的物理限制，构建以光子为信息载体的新型互连架构？这一问题的解决对于AI发展至关重要。

　　日前，复旦大学信息科学与工程学院张俊文研究员、迟楠教授与相关研究团队开展合作，通过精确设计和优化，成功将多维复用技术引入片上光互连架构，不仅显著提升了数据传输吞吐量，同时在功耗和延迟方面表现卓越，具备极强的扩展性和兼容性，适用于多种高性能计算场景，如人工智能、大模型训练等。

　　在此基础上，团队设计并研制了一款硅光集成高阶模式复用器芯片，实现了超大容量的片上光数据传输。实验结果表明，该芯片可支持每秒38Tb的数据传输速度，意味着未来1秒可完成大模型4.75万亿的参数传递，这极大提升了大模型训练与计算集群间的通信性能和可靠性，为人工智能、大模型训练及GPU加速计算等应用提供了强有力的支持。

　　这一技术突破不仅为数据中心和高性能计算服务器的光互连系统提供了新的解决方案，也为人工智能、大规模并行计算及大模型训练奠定了坚实的技术基础，具有深远的行业影响。相关研究成果已发表在国际期刊《自然·通讯》上。

（文章来源：科技日报）