随着AI大模型训练集群规模突破万卡乃至十万卡量级，传统电交换网络架构正面临前所未有的“带宽墙”与“功耗墙”。在这一背景下，OCS技术凭借其在光域直接交换信号、摒弃“光-电-光”转换的革命性优势，已成为构建下一代AI基础设施的必选项。在CIOE中国光博会携手C114举办的“光交换系统（OCS）：重塑AI集群的超高速互联底座”线上研讨会上，广东三石园科技有限公司产品线经理梁嘉伦以《AI集群时代 OCS从实验室走向规模部署——国产OCS产品研发实践与思考》为题，以一台300×300 OCS系统“从0到1”的诞生历程，探讨OCS商用部署面临的挑战。梁嘉伦首先谈到，OCS的价值不在替代电交换，而在提供可重构的物理连接层。基于AI云厂商和产业链的探索，OCS的价值已经得到验证，当前随着AI推动算力集群不断扩张，场景需求近在眼前，业界对OCS的讨论重点，已从“有没有价值”转向“能不能工程化落地”。一台可部署的OCS，工程化到底难在哪里？梁嘉伦以一台300×300 OCS为例讲解，工程化不是单点突破，而是一条从定义、架构、样机、迭代到交付的完整链路。“真正的转折点不是第一束光通过，而是开始认识到功能实现只证明能工作，离成为产品还有很长距离。第一版样机之后，我们看到的不是终点，而是水面下真正的工程冰山。”以当前主流的MEMS方案为例，单个器件达到指标只是起点；大规模光路同时达到指标，才是OCS的真正挑战。“水面上容易看到的是微镜阵列，水面下真正占据研发工作量的是准直器一致性、光学装调自动校准、温漂补偿、长期可靠性和制造一致性。这些问题彼此耦合：装调误差会影响校准空间，温度漂移会改变光斑位置，制造公差又会改变每台设备的补偿参数。所以真正困难的不是把单独把某个器件做好，而是把每个环节组合成一个可以测量校准和复制的系统。”梁嘉伦说，“这座冰山给我们带来了许多问题，而在这个过程中我们也获取了不少经验。”第一条经验是从器件性能转向系统一致性；第二条经验是校准不仅要准确，还必须要足够快，而且必须自动化；第三条经验是长期稳定不等于把环境保持不变，而是系统能够应对变化。第四条经验是量产不是复制样机，而是控制分布。梁嘉伦指出，一台OCS真正包含的是一整套完整系统，光学器件建立可控光路光机系统，保证空间一致性；控制硬件负责稳定执行和状态反馈、算法收敛、校准和温调误差；软件接口支持系统集成和运维制造质量，保证结果可以复制。“任何一层成为短板，最终都会反映到性能一致性和可维护性上。因此OCS研发本质是跨光学机械、电子、算法、软件和制造的系统工程。”从300×300 OCS来说，其性能体现，必须在全矩阵、长时间和动态状态下被验证。而系统级验证的目标，是证明全矩阵、长时间、全状态都可测、可复现、可追溯。对于OCS向前发展，梁嘉伦提出了三个观点。一是端口数继续增长，未来将超过1000个；二是从硬件到软件，成为AI Fabric中的动态光层；三是生态协同决定落地速度，接口标准、网络控制器、运维体系和AI调度系统需要共同成熟。在他看来，OCS不会替代交换机，而是与电交换长期协同：电交换负责分组转发，OCS负责按需重构物理光连接。本质上，是让AI Fabric同时具备高速转发与拓扑可重构能力。作为深度布局AI光互联的厂商，三石园科技已经打造了64×64、128×128、256×256和300×300的产品组合，以平台化架构覆盖不同矩阵规模，并保持关键性能与管理能力的一致性。其中，300×300已实现典型插损1.6dB，并围绕最大插损与一致性持续优化。梁嘉伦最后表示，三石园科技的300×300 OCS已完成系统级验证，并具备规模制造和统一控制运维接口的基础。未来将面向1000×1000平台，更新设计架构，打造高密度光纤接口、研究低损与一致性设计、推进软件定义与统一管理。“下一代OCS的关键，不只是端口数，而是可验证、可管理和可规模制造。”
