光互连延伸至内存接口的技术架构及其对AI算力设施的影响是什么？

SK海力士提出的“以光为中心”架构，核心在于将光互连技术从传统的处理器之间、机架之间的数据传输，进一步延伸至内存接口。这一技术路径旨在构建一个可解耦、可池化的算存架构，通过光子中介层将处理器资源池与内存资源池直接相连。

在当前架构中，GPU与HBM高度绑定，每个GPU固定搭配一定容量和带宽的内存。这种物理绑定在大模型推理等场景下导致单卡内部显存碎片化、不同任务的算存配比不均衡等问题普遍存在，部分GPU内存紧张而其他GPU内存无法被有效共享和调度。随着AI集群规模扩大至数千甚至上万节点，机架间数据传输形成的“带宽墙”日益凸显，算力增长速度远超互联带宽增长速度。

“以光为中心”的架构通过光子中介层突破了计算芯片周围的物理限制，解除了对内存容量和电气连接数量的约束。这使得多颗GPU可以按需、灵活地共享大容量内存资源，实现了计算与存储的物理解耦。这种解耦不仅显著提升了内存利用效率，解决了显存碎片化和调度不均的问题，还使AI基础设施在模型规模持续增长时具备更灵活的扩展能力，为应对未来更大规模的AI训练和推理需求提供了基础架构支持。