隨著人工智能（AI）模型規模的持續擴大，智算芯片間、算力節點間的通信帶寬不足的問題愈發突出。傳統電子互連方式已難以滿足GPU集群、超級計算中心和云計算平臺對高速、大容量、高效能數據交換的需求。尤其是在大模型訓練過程中，海量參數需要在計算節點之間頻繁傳輸，互連帶寬不足不僅降低系統響應速度，甚至可能導致宕機，嚴重影響計算效率與用戶體驗。

如何突破電子傳輸在帶寬與能耗方面的物理限制，構建以光子為信息載體的新型互連架構？

日前，復旦大學信息科學與工程學院張俊文研究員、遲楠教授與相關研究團隊開展合作，通過精確設計和優化，將多維復用技術引入片上光互連架構，不僅顯著提升了數據傳輸吞吐量，同時在功耗和延遲方面表現卓越，具備極強的擴展性和兼容性，適用于多種高性能計算場景。

在此基礎上，團隊設計并研制了一款硅光集成高階模式復用器芯片，實現了超大容量的片上光數據傳輸。實驗結果表明，該芯片可支持每秒38Tb的數據傳輸速度，意味著未來1秒可完成大模型4.75萬億的參數傳遞，這顯著提升了大模型訓練與計算集群間的通信性能和可靠性，為人工智能、大模型訓練及GPU加速計算等應用提供了強有力的支持。

這一技術突破不僅為數據中心和高性能計算服務器的光互連系統提供了新的解決方案，也為人工智能、大規模并行計算及大模型訓練奠定了堅實的技術基礎。相關研究成果發表在國際期刊《自然·通訊》上。