大模型训练三成电费用在非算力环节

很多人以为，AI数据中心最烧钱的是GPU H100，一颗功耗高达700瓦，几万颗并行运转，电费数字看上去确实令人咋舌。但如果你了解过真实超大规模数据中心的能耗结构，会发现一个更反常识的结论：

大约30%的IT电力消耗，并没有用在算力计算上，而是消耗在“算力之间的互联通信”中。你以为电费用在了“计算模型”，实际上有三分之一用在“让模型互相交换数据”上。

一、AI真正的瓶颈，早已不再是算力

过去大家比拼的是：GPU更快、算力更强、集群更大。但如今AI训练进入全新阶段：从万卡集群迈向十万卡级别，关键问题已经改变。不再纠结“能不能算”，而是：这些GPU之间，能否及时完成数据传输。

在大模型训练过程中，通信量的增长速度甚至超过了算力提升速度。于是出现了一个现实困境：GPU性能还在攀升，而网络与光互联却率先扛不住了。交换机、路由器、光模块，开始成为新一代的“电耗大户”。

二、光模块逼近极限，CPO顺势登台

传统数据中心的结构链路是：GPU → PCIe → 交换机 → 光模块 → 光纤。瓶颈恰恰出在“光模块”这一环节。

因为高速信号需要在PCB上传输一段距离：频率越高 → 信号损耗越大；功耗越高 → 发热越严重；速率越快 → 稳定性越差。结果就是：不是算力不够用，而是电信号传不动，于是CPO（共封装光学）应运而生。

它的思路非常直接：把光模块的“外壳去掉”，直接集成到芯片封装内部。让电信号仅走几毫米，随即转化为光信号向外传输。

从工程角度来说，CPO不是简单升级光模块，而是把“外接显卡”直接焊接进主板芯片里。在理想状态下，单位带宽功耗可以降低30%～50%。对数据中心而言，这已不再是优化问题，而是关乎生存——因为电费正在成为扩张的核心掣肘。

三、CPO真正的难题，不在光学，而在“热量”与“时序”

很多人以为CPO的难点在于光器件，其实并非如此。真正的挑战有两个方面：

1）散热难题：传统光模块是“可插拔式”的，坏了直接更换即可。但CPO是“焊死在封装内”的：光引擎、ASIC芯片、封装基板全部挤在一起发热。带来的后果是：一旦出现温度漂移，就可能影响整个链路的稳定性。

2）时序同步：这一点常被忽略。传统系统中，光模块拥有独立时钟，交换芯片也拥有独立时钟，各自“分头运行”。但CPO之后，所有组件处于同一封装内，共用同一个时间基准，问题瞬间变得复杂。

因为任何微小的抖动（jitter）、相位噪声或时钟漂移，都会直接对光信号输出产生干扰。过去“不同步还可以调整”，如今“不同步就会直接出错”。这也是为什么业界开始意识到：传统单端晶振在CPO架构下已经难以满足需求。

四、时钟器件从“辅助配件”，升级为系统基石

进入800G光模块时代后，时钟要求已经明显更加严苛：必须支持差分输出（LVDS / HCSL / LVPECL），抖动要控制在皮秒级别，温漂需限制在±10ppm甚至更严格，并且全温区不能出现漂移。

而到了CPO阶段，问题进一步升级：光引擎数量成倍增加，时钟节点随之翻倍，封装空间却反而更小。于是现实矛盾出现：系统越先进，留给时钟的空间越少，但性能要求却越高。

在这种架构下，像晶科鑫SJK这类晶振厂商的角色变得非常关键：它不再仅仅是“提供频率”，而是决定了系统能否在该频率下稳定运行。

五、一个常被忽视的事实：AI系统本质上是一个“时间系统”

回顾整个技术链路：GPU负责算力，光互联负责传输，CPO负责缩短路径，而晶振与时钟负责一件更底层的事——让所有计算发生在同一个时间坐标系内。

许多AI系统故障，归根结底不是算力不足，也不是带宽不够，而是：同步出现漂移，时钟产生抖动，时间误差不断累积。

六、真正的瓶颈，不在于“更快”，而在于“是否同频”

AI算力仍在持续增长，但增长逻辑已经改变。从追求“单点更强”，转向构建“系统更密”。而系统一旦变得更密集，有一个问题就会被急剧放大：所有组件必须在同一个时间基准下协同工作。

CPO解决的是“距离问题”，光互联解决的是“带宽问题”，而真正底层的问题始终是：时间是否保持一致。

所以，再回头看那句容易被忽略的数据：电费里30%没花在算力，而是花在了通信上。它背后真正的含义是：AI竞争早已不只是算力的比拼，更是一场“互联能力 + 时间系统”的综合较量。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：大模型训练三成电费用在非算力环节要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题