人工智能热潮正面临铜资源短缺的问题
一句话看懂：AI 算力集群规模急剧膨胀，传统铜缆在信号距离、散热和功耗上遭遇物理瓶颈。光子学公司 Lightmatter 近期展示的新型互连技术，有望将模型训练速度提升至三倍，并已加入英伟达 NVLink Fusion 生态，标志着 AI 基础设施正从“电”转向“光”。
事件核心：发生了什么
2026 年 6 月 4 日，光子学初创公司 Lightmatter 联合创始人兼 CEO Nick Harris 在硅谷总部向媒体展示了其最新的 AI 数据中心光子硬件。Harris 透露，该技术可将 500 块 GPU 直接以光信号连接，而传统铜缆方案需要四台机柜才能实现同样规模。在训练 Claude 级别的前沿模型时，时间可以缩短至原来的三分之一。同日，Lightmatter 宣布加入英伟达 NVLink Fusion 生态系统，这有助于其硬件与英伟达主流 AI 芯片更好协同。
Lightmatter 已累计获得 8.5 亿美元融资，投资方包括谷歌、富达和 T. Rowe Price。其正在开发的 BiDi 双向通信技术，能将 AI 集群所需的约 300 英里线缆数量削减一半。
为什么重要
当前 AI 大模型的规模扩展瓶颈已从芯片算力转向芯片间互联。铜缆传输电信号的有效距离仅约一米，使得数万块 GPU 必须紧密堆叠，导致散热困难、功耗飙升。光通信方案不受距离限制，信号可传输至千米级别，同时大幅降低能耗。这意味着 AI 数据中心从设计到运营都会发生根本变化：机柜可分散布置，冷却成本更低，同等电力下有效算力可翻三倍。
英伟达主动吸纳光子学公司进入其 NVLink 生态，表明行业巨头已认可光互连是解决下一代万卡、十万卡集群物理问题的必经之路，而非仅是小众技术实验。
对用户/开发者/创作者的影响
如果光互连方案大规模落地，AI 模型训练和推理成本将显著下降。开发者和初创公司可能以更少的电力消耗、更短的训练时间，训练出参数量更大的模型。对普通用户而言，AI 应用的生成速度（如图像生成、代码补全）和实时性将得到改善，且云服务价格有下调空间。但短期内，任何新技术从展示到规模化部署都需数月乃至更久，用户可能不会立刻感受到变化。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
首先，Lightmatter 与英伟达 NVLink Fusion 的实际整合进度与兼容性测试结果值得跟踪，这决定了光互连能否进入主流训练集群。其次，其 BiDi 单向光缆方案是否能在 2026 年下半年实现量产并交付客户。最后，其他光子学初创公司或铜缆改良方案是否会跟进，形成与 Lightmatter 的竞合格局，从而影响整体采购成本。
