CPO之后，AI算力又杀出一条新路线：OCS到底是什么？

如果说过去两年AI算力产业最大的关键词是GPU，那么到了2026年，真正值得关注的变化已经不只是“GPU还能有多快”，而是一个越来越现实的问题：当成千上万颗GPU、TPU被塞进同一个数据中心之后，它们之间究竟该怎么通信？

这也是为什么，继800G、1.6T光模块和CPO之后，一个过去相对冷门的技术开始频繁进入AI基础设施的讨论范围——OCS，Optical Circuit Switch，中文一般称为光电路交换或者光交换。

它听起来不像GPU那么性感，也不像光模块那样已经被资本市场充分认识，但它解决的问题却越来越重要：当AI集群大到一定程度，网络本身可能成为算力的瓶颈。

更有意思的是，OCS并不是简单地把光模块做得更快，而是开始改变数据中心“交换数据”的方式。

一、GPU越来越强，为什么反而越来越需要“光”？

过去的数据中心，服务器之间传输数据，主要依赖电交换机。

简单理解，就是服务器发出的数据先转换成电信号，由交换芯片进行识别、计算和转发，然后再转换成光信号继续传输。对于传统互联网业务来说，这套体系已经非常成熟。

但AI来了以后，情况发生了变化。

一个大型AI训练集群可能拥有数千、数万甚至更多加速器。GPU之间需要频繁交换大量数据，尤其是在分布式训练场景下，计算节点并不是各算各的，而是需要不断同步参数、梯度和中间结果。

于是，GPU越多，网络压力反而越大。

这就产生了一个很有意思的现象：

以前我们担心GPU算得不够快，现在开始担心GPU之间的数据跑得不够快。

因此，AI基础设施的竞争已经从单纯的“算力竞争”，逐渐扩展到了算力、存储、网络和能源的整体优化。

OCS，就是在这种背景下重新进入产业视野的。

二、OCS到底是什么？一句话就能解释

OCS的全称是Optical Circuit Switch，也就是光电路交换机。

如果一定要用最简单的方式解释，可以把传统电交换机理解成城市道路，而OCS更像是直接给两栋大楼之间修了一条“专用光纤”。

传统交换机的特点是数据包不断经过交换、判断和转发。

OCS则更加直接：在光域中建立一条端到端的连接，让数据沿着指定光路直接传输。

也就是说，它不是单纯提高“高速公路”的速度，而是在某些场景下，直接重新规划道路。

这也是OCS与普通光模块最大的区别。

光模块解决的是“怎么把数据变成光，然后传得更远、更快”。

CPO解决的是“如何把光互连进一步靠近芯片，降低高速电互连的损耗和功耗”。

而OCS解决的问题则是：

这么多设备之间，到底应该怎么建立连接？

因此，OCS更像是网络架构层面的变化。

三、它和CPO到底有什么区别？

这可能是很多人最容易搞混的地方。

CPO和OCS虽然都属于“光”的范畴，但并不是同一个东西。

CPO，即Co-Packaged Optics，共封装光学，核心思路是把光引擎和交换芯片等电子器件进行更紧密的集成，从而缩短高速电信号走线距离，降低功耗和信号损耗。

简单来说，CPO是在解决：

“交换芯片旁边的数据怎么更高效地进出？”

OCS则是在解决：

“这么多计算节点之间，应该怎么建立连接？”

所以两者甚至可以是互补关系，而不是谁取代谁。

如果把AI数据中心比作一个巨大的城市，那么CPO更像是在改造城市内部的道路和交通节点，而OCS更像是在重新设计城市之间的快速连接方式。

这也是为什么市场开始把CPO、NPO、OCS放在同一条AI光互联产业链上观察，但它们对应的技术层级并不完全相同。

四、为什么偏偏是现在，OCS突然火了？

核心原因还是两个字：规模。

如果只有几百颗GPU，传统网络架构完全可以应付。

但当AI集群不断向万卡、十万卡规模扩张之后，网络的功耗、带宽、端口密度和时延问题都会被放大。

这时候，传统电交换网络的问题开始越来越明显。

一方面，高速交换芯片本身功耗不断增加；另一方面，AI训练产生的流量具有非常明显的“潮汐”特征，不同计算节点之间的通信需求并不是完全固定的。

OCS提供了一种不同的思路：

既然某些AI计算任务需要大量节点之间持续通信，那为什么不直接给它们建立一条高速光路？

通信完成以后，再重新调整光路。

这实际上是一种“动态重构网络”。

2026年的产业讨论已经明显升温。中国国际光电博览会相关会议资料就将OCS定位为下一代AI集群互联的重要技术方向，并重点讨论了从静态互联向动态可重构光网络的演进。

五、谷歌为什么值得关注？

如果要寻找OCS真正的产业应用案例，谷歌是一个绕不开的名字。

谷歌在TPU集群中长期探索全光网络架构，其Ironwood系统就采用了Apollo OCS全光网络。TrendForce此前预计，2026年800G及以上高速光收发模块的全球出货占比将超过60%，而谷歌新一代TPU架构中的全光网络也是重要推动因素之一。

这件事情真正值得关注的地方，并不是“谷歌用了OCS”。

而是它说明了一种可能：

当AI计算集群足够大之后，光交换可能不再只是实验室里的技术，而会逐渐成为AI数据中心网络架构的一部分。

这也是资本市场开始重新审视OCS的原因。

过去大家关注的是“光模块还能做到800G、1.6T还是3.2T”。

如果要寻找OCS真正的产业应用案例，谷歌是一个绕不开的名字。

谷歌在TPU集群中长期探索全光网络架构，其Ironwood系统就采用了Apollo OCS全光网络。TrendForce此前预计，2026年800G及以上高速光收发模块的全球出货占比将超过60%，而谷歌新一代TPU架构中的全光网络也是重要推动因素之一。

这件事情真正值得关注的地方，并不是“谷歌用了OCS”。

而是它说明了一种可能：

当AI计算集群足够大之后，光交换可能不再只是实验室里的技术，而会逐渐成为AI数据中心网络架构的一部分。

这也是资本市场开始重新审视OCS的原因。

过去大家关注的是“光模块还能做到800G、1.6T还是3.2T”。

现在开始有人思考：

如果光最终不只是负责传输，而是开始参与整个数据中心网络的连接和调度，那么光通信产业链的天花板是不是又要被抬高？

现在开始有人思考：

如果光最终不只是负责传输，而是开始参与整个数据中心网络的连接和调度，那么光通信产业链的天花板是不是又要被抬高？

六、OCS最大的优势，并不是“更快”

很多文章讲OCS时喜欢直接强调低延迟、高带宽、低功耗，这些当然没错，但真正值得关注的其实是它背后的经济账。

AI数据中心最怕什么？

一个是GPU闲着。

另一个就是网络设备一直在耗电。

传统电交换网络需要大量交换芯片、SerDes以及相关电路参与数据处理。随着速率不断提升，网络设备的功耗和散热压力也随之增加。

而OCS在建立光路以后，数据可以直接沿光路传输，不需要像传统电交换那样频繁进行光电转换和电子交换处理。

这意味着，在适合的应用场景下，它有机会降低网络侧的功耗和时延。

注意这里有一个非常重要的前提：

OCS并不是万能的。

它更适合通信模式相对稳定、需要大量点对点带宽的AI集群，而互联网传统业务具有高度随机、复杂、多变的流量特征，并不是所有场景都适合用OCS替代电交换。

所以更准确的说法应该是：

未来的数据中心很可能不是“电交换或者OCS二选一”，而是电交换+光交换的混合架构。

七、真正值得关注的，是“光通信开始向网络内部渗透”

这可能才是这条产业链最值得想象的地方。

过去我们谈光通信，第一反应通常是光模块。

中际旭创、新易盛等公司受到市场关注，本质上也是因为AI数据中心高速光模块需求爆发。

从800G到1.6T，产业的核心逻辑一直是：

AI算力增加 → 数据量增加 → 网络带宽增加 → 光模块升级。

但现在这个逻辑正在向下一阶段延伸。

以前是：

GPU → 交换机 → 光模块 → 光纤

现在开始逐渐变成：

GPU → 高速互连 → CPO/NPO → OCS → 全光网络

也就是说，光正在从“通信链路中的一个器件”，逐渐向“数据中心网络架构的一部分”发展。

这才是OCS真正值得关注的地方。

八、OCS会不会成为下一个CPO？

我认为，这才是这个故事最值得讨论的问题。

答案可能既不是“会”，也不是“不会”。

因为OCS和CPO解决的根本问题不同。

CPO更像是高速光互连继续向芯片附近演进，而OCS则是在网络架构层面重新定义节点之间的连接方式。

未来甚至可能出现这样的组合：

CPO负责芯片附近的高速光互连，OCS负责更大规模的网络连接。

再往后，随着硅光、光交换、光计算等技术继续成熟，AI数据中心可能逐渐形成一个非常有意思的架构：

计算越来越靠近芯片，传输越来越依赖光，交换越来越走向光域。

这才是真正值得想象的未来。

当然，现在就说OCS一定会成为下一个万亿产业还为时过早。当前OCS仍处于产业化加速阶段，头部云厂商是主要应用推动者，技术路线、成本以及网络控制复杂度仍然需要进一步验证。相关产业研究也认为，OCS目前的商业化重点集中在AI训练集群的Scale-out和Scale-across等场景。

但从产业趋势来看，它至少已经值得被认真研究。

九、AI算力的下一场战争，可能根本不在GPU

回头看AI产业过去几年的发展，会发现一个非常有意思的变化。

最开始大家抢GPU。

后来开始抢HBM。

再后来开始抢先进封装、液冷、高速光模块。

现在，网络架构又成为新的战场。

所以AI基础设施真正的竞争，很可能不是某一颗芯片单打独斗，而是整个系统效率的竞争。

GPU决定你能算多少，HBM决定你能喂多少数据，光模块决定数据能传多快，而OCS可能决定这些算力究竟能不能高效地连接起来。

这也是为什么我认为，继中际旭创、新易盛代表的高速光模块之后，CPO、NPO、OCS以及更远期的光计算，都值得持续关注。

因为AI算力发展到今天，已经不是简单地“堆更多GPU”这么简单了。

当算力开始逼近网络的极限，下一场革命，可能就发生在GPU之外。

而OCS，或许只是这场“光网络革命”刚刚露出的一个小小入口。