OCS：AI數據中心里的“光學立交橋”，為什么MEMS Optical Core會成為新焦點？

過去幾年，AI芯片的故事講得最多的是GPU、HBM、先進封裝和光模塊。但當大模型越做越大，真正讓數據中心“跑起來”的，不只是單顆芯片有多強，而是成千上萬顆芯片能不能像一個整體一樣協同工作。

這就引出了一個正在升溫的新詞：OCS，Optical Circuit Switch，光電路交換機，也常被稱為全光交換機。

聽起來很“通信”，但它其實和半導體行業密切相關。因為OCS里面最核心的部件之一，是MEMS微鏡陣列；而決定OCS能不能真正進入AI數據中心的關鍵，也不只是“能不能把光切過去”，而是MEMS芯片、自由空間光路、準直封裝、閉環校準、熱穩定和量產一致性這一整套工程能力。

一、AI數據中心為什么突然需要OCS？

可以把AI數據中心想象成一個超級工廠。GPU、TPU、XPU是工人，每個工人都很強，但大模型訓練不是一個人悶頭干活，而是幾千、幾萬名工人同時分工、交換中間結果、再繼續計算。

問題來了：如果工人之間傳話太慢，工人就會等；如果傳話太耗電，電費和散熱就會爆；如果路線太繞，整體效率就會下降。AI集群越大，網絡就越像“算力工廠的道路系統”。

傳統電交換機EPS更像一個大型郵局。每個數據包進來后，交換芯片要讀取地址、判斷去向、排隊、轉發。這個過程非常靈活，適合互聯網業務里碎片化、隨機性的流量。但AI訓練有很多大顆粒、周期性、可預測的通信，比如不同GPU之間反復做參數同步、梯度交換和集合通信。對于這類流量，如果每次都進“郵局”拆包、看地址、排隊，效率并不高。

OCS的思路更像鐵路調度。它不打開車廂看里面裝了什么，而是直接把軌道切好：從A站到B站，形成一條專用光路，光信號沿著這條路直接過去。它不關心傳的是400G、800G還是未來1.6T，也不關心里面跑的是以太網、InfiniBand還是自定義協議。只要光功率夠、鏈路預算夠，它就是一條“透明的光纖高速路”。

所以，OCS不是要替代所有電交換機，而是在AI數據中心里增加一層“可編程的物理光連接層”。電交換機繼續負責靈活的包處理，OCS則負責把高帶寬、強規律、可調度的流量從電交換層中解放出來。

二、OCS到底改變了什么？

OCS最核心的變化，是把“網絡拓撲”從固定的布線，變成可以軟件定義的物理連接。

過去數據中心網絡通常采用多級Clos架構，服務器先連ToR，再連Leaf、Spine，規模越大，交換層級越多，光模塊、SerDes、交換ASIC、功耗和故障點都會增加。OCS引入后，可以在某些場景下替代部分Spine層，或者在GPU/TPU機柜之間建立動態直連光路，讓數據少走彎路。

這帶來三個直接價值。

第一是低功耗。OCS的數據路徑本質上是光路重定向，不需要每一跳都做光-電-光轉換，也不需要交換芯片逐包處理。對于功耗已經極高的AI數據中心來說，網絡每省下一瓦，背后都是電源、散熱和機房容量的改善。

第二是低時延。AI訓練中很多通信是同步的，一個節點慢，全局都要等。OCS不做復雜包處理，等于減少了中間環節。

第三是跨代復用。電交換機的生命周期往往跟交換ASIC和端口速率綁定，從400G到800G再到1.6T，設備更新壓力很大。OCS更像一套光纖基礎設施，對速率和協議透明，只要光鏈路預算滿足，就有機會跨代繼續使用。

這也是為什么OCS不能只被看作“交換設備”。在AI數據中心里，它更像“算力資源組織工具”：把GPU/TPU機柜、訓練Pod、備份資源池、不同任務切片，用光路重新組織起來。

三、Scale-Up、Scale-Out、Scale-Across，OCS分別能做什么？

AI集群擴展大致可以分三類。

Scale-Up，是單節點或單機柜內的縱向擴展，比如把更多GPU放進一個系統，讓它們像一臺更大的機器一樣工作。這里對帶寬和時延最敏感，OCS可以配合光互連，把機柜之間的邊界進一步打薄。

Scale-Out，是多節點、多機柜、多Pod的橫向擴展。現在大模型訓練往往不是幾十張卡的問題，而是幾千、幾萬張卡如何協同的問題。OCS的價值在于可以根據訓練任務，把某些機柜臨時組成一個更緊密的拓撲，任務結束后再釋放給其他作業。

Scale-Across，是跨數據中心擴展。它把地理上分散的數據中心連接成更大的AI工廠。這個階段不僅考驗帶寬，還考驗資源調度、故障恢復和成本控制。OCS雖然不是唯一方案，但它代表了一個方向：網絡不再只是“傳數據”，而是參與算力資源的編排。

以Google TPU集群為例，資料中提到TPU v4 SuperPOD由64個Rack構成，對應4096個TPU v4芯片；Cube內部通過PCB和銅纜互連，外部則通過光模塊和OCS連接。可以理解為：小范圍內用電連接追求極致密度，大范圍內用光連接追求距離、帶寬和靈活重構。

四、為什么MEMS是OCS的主流路線？

OCS有多種技術路線，包括MEMS、數字液晶/LCoS、直接光束偏轉、硅光波導等。它們各有特點，但在高端口、低插損、協議透明的數據中心OCS中，3D MEMS自由空間光路目前最受關注。

MEMS OCS可以想象成一個微型“光學反射大廳”。輸入端是一排排光纖準直器，把光纖里發散的光變成平行光束；中間是MEMS微鏡陣列，每個微鏡都可以在二維角度上精確偏轉；輸出端也是光纖準直器陣列。系統通過控制微鏡角度，把任意輸入端口的光束反射到目標輸出端口。

這里的MEMS微鏡不是普通鏡子，而是半導體工藝制造的微米級可動結構。它既有芯片屬性，又有機械屬性，還要和光學系統深度耦合。這也是半導體行業關注OCS的原因：它不是傳統通信設備的簡單升級，而是“MEMS芯片+精密光學+先進封裝+控制算法+自動化制造”的綜合體。

相比液晶方案，MEMS的切換速度和端口擴展能力更適合高性能場景；相比硅光波導方案，3D MEMS自由空間路徑在高端口下更容易保持較低插損和協議透明；相比機械式方案，MEMS更容易做到較高集成度和毫秒級切換。

當然，MEMS也不是萬能。它有運動部件，需要高精度驅動，需要長期保持光斑耦合，還要解決溫度漂移、振動、封裝應力和陣列一致性問題。這些才是產業化真正的難點。

五、OCS的壁壘，不是“光能不能切過去”

實驗室里讓一束光從A端口打到B端口，并不是最難的。真正困難的是：幾百個端口、幾萬種連接組合，每一條路徑都要低插損、低回損、低串擾，而且在數據中心長時間運行中不能明顯漂移。

插損可以理解為“路上損失了多少光”。OCS每多損失1dB，都會壓縮光模塊的鏈路預算，可能讓客戶不得不用更高功率、更貴的光模塊。回損則像“光的回聲”，反射太大，會干擾高速PAM4信號，影響誤碼率。溫漂則像高速鐵路軌道的熱脹冷縮，微小偏移就可能讓光斑沒有準確耦合進目標光纖。

因此，優秀的MEMS Optical Core必須具備幾項能力：一是高一致性的MEMS陣列芯片；二是高精度光纖準直器陣列和透鏡陣列；三是穩定的自由空間光路結構；四是溫度補償和閉環監控；五是自動化裝調和全連接標定；六是長期可靠性和可維護性。

換句話說，OCS的核心不是一面會動的小鏡子，而是一套能在數據中心環境中長期穩定工作的“光學發動機”。

六、什么是MEMS Optical Core？

如果把OCS整機比作一輛車，機箱、電源、風扇、控制軟件像底盤和車身，那么MEMS Optical Core就是發動機和變速箱。

它通常包括MEMS微鏡陣列、光纖準直器陣列、透鏡陣列、濾光片、監控光路、驅動控制、溫控結構和標定算法。產業鏈中，整機廠可以做系統集成、網絡管理、SDN接口和客戶交付；而Optical Core廠商負責最難的光學核心。

這也解釋了為什么很多具備MEMS、精密光學和自動化裝調能力的企業，更適合先從核心模塊切入，而不是一開始就直接做OCS整機。數據中心客戶對整機可靠性、運維接口、生態適配要求極高，初創公司直接挑戰整機并不容易。但如果能證明自己的Optical Core在插損、回損、溫漂、校準和可靠性上達標，就有機會進入網絡設備廠、云廠商自研平臺或光模塊/光器件產業鏈。

七、國產替代看什么？

OCS的國產替代，不應只看“有沒有樣機”，而要看能不能過工程化門檻。

第一，看參數分布。不是展示一條最佳光路，而是看所有端口組合的插損分布、最差值和溫循后的變化。

第二，看回損和高速鏈路驗證。真正的數據中心場景要接400G、800G甚至更高速光模塊跑誤碼率和FEC裕量。

第三，看自動化制造。手工調出來的樣機不等于可量產產品。OCS的裝調和標定需要自動化設備、工藝窗口和一致性控制。

第四，看長期可靠性。MEMS微鏡、鍍膜、膠水、封裝窗口、準直器陣列都會受到溫度、濕度、振動和時間影響。

第五，看客戶驗證。OCS不是孤立器件，它必須接入真實AI集群的網絡架構、調度系統和運維體系。

結語：OCS是AI算力網絡的“光學底座”

AI數據中心的競爭，表面上是芯片算力的競爭，深層次是系統工程的競爭。GPU再強，如果網絡跟不上，集群效率也會被拖住。OCS的意義就在于，它讓數據中心網絡從“固定道路”走向“可重構光路”，讓算力資源可以更靈活地組織。

對半導體產業來說，OCS打開的是一個交叉賽道：MEMS工藝、精密光學、光通信封裝、驅動IC、熱設計、自動化裝備和系統軟件都會被卷入其中。未來真正有價值的企業，未必是一開始就喊出“做整機”的企業，而是能把MEMS Optical Core做到低插損、低回損、低溫漂、可校準、可量產、可維護的企業。

AI時代，數據中心不只需要更強的芯片，也需要更聰明的“光路”。OCS，正是這條光路背后的關鍵基礎設施。

歡迎加入行業交流群，備注崗位+公司，請聯系老虎說芯（加V：tigerchip）