Lumilens融资超7亿美元，AI服务器光互联进入规模化商用阶段

AI服务器基础设施的竞争正在从GPU进一步延伸到服务器之间的网络连接。

据《华尔街日报》报道，美国数据中心光互联创业公司 Lumilens完成超过 7亿美元的新一轮融资，公司估值达到约 55亿美元。

更值得服务器行业关注的是，Lumilens已经开始向一家未公开名称的大型超大规模云服务商交付光互联设备，双方相关长期商业协议价值达到数十亿美元级别。

这意味着光互联技术正在从AI数据中心实验性方案逐渐进入大规模商业部署阶段。

GPU越来越快，铜连接开始面临压力

AI模型训练需要大量GPU协同计算。

在小规模服务器中，GPU之间需要传输的数据量相对有限，但当数据中心拥有数千甚至数万张GPU时，服务器之间的数据交换会变成整个系统的重要性能瓶颈。

传统数据中心大量使用铜线传输电信号。铜连接价格较低、技术成熟，在短距离场景仍具有明显优势。

但随着网络带宽不断提高，铜连接在传输距离、功耗以及信号完整性方面面临越来越大的工程压力。

光通信则通过光纤传输数据，可以在更长距离下保持高速传输能力，因此正在进入越来越多AI数据中心网络。

Lumilens的首批产品包括光收发模块，其作用是把服务器产生的电信号转换为光信号，再通过光纤完成高速传输。

AI数据中心出现“Scale Out”和“Scale Up”两种光互联需求

大型AI集群的互联大体可以分成两个方向。

第一类是不同服务器机架之间的数据传输，也就是常说的Scale Out。GPU服务器分布在不同机柜甚至不同机房区域时，需要通过数据中心高速网络协同。

第二类则是更靠近GPU内部的Scale Up连接，即在同一计算系统或机架范围内提高芯片之间的数据交换效率。

随着单个AI训练任务使用的GPU数量不断增长，这两种互联需求都在快速增加。

因此，AI数据中心资本支出已经不再只是采购GPU。高速交换机、光模块、光纤、存储、电力以及液冷系统都正在成为AI服务器产业链的重要组成部分。

光互联最大的挑战仍然是成本

Lumilens管理层也承认，光学设备目前的成本通常明显高于铜连接。

因此未来光技术是否能够进一步深入服务器内部，很大程度取决于性能提升能否抵消新增成本，以及制造规模扩大后光器件价格能否持续下降。

不过，AI数据中心提供了过去并不存在的大规模需求。

当GPU本身价值极高时，如果网络瓶颈导致大量GPU等待数据，即使更昂贵的光互联能够提高GPU利用率，也可能具备经济价值。

这也是资本正在大量进入数据中心光互联领域的重要原因。

对于GPU服务器租用客户来说，这条新闻揭示了一个容易被忽视的问题：GPU数量并不等于实际AI计算效率。

如果任务只使用单张GPU，网络影响可能有限；但当多个GPU服务器组成集群后，服务器之间的数据传输能力会直接影响整体训练效率。

因此，评估大型GPU服务器集群时，应同时关注GPU型号、服务器内部互联、机架间网络、存储吞吐以及数据中心出口带宽。

未来AI服务器的竞争很可能不只是“谁拥有更多GPU”，而是谁能够让大量GPU、电力、存储和高速网络形成一个真正高效的整体。


声明：本文由SellBGP编辑部依据主办方及公开渠道信息独立撰写。转载请注明出处。