3月13日，国研記者從複旦大學獲悉，究团建光架构該校信息科學與工程學院張俊文研究員、队构遲楠教授與相關研究團隊開展合作，为信提出了基於多維光子複用的息载新型創新範式，實現了在時域、互连空域、国研頻域的究团建光架构多維並行信號傳輸，為後摩爾時代的队构算力發展提供了全新物理載體。相關研究成果發表在國際期刊《自然·通訊》上。为信

語音助手、息载新型智能搜索、互连圖像生成……人工智能正日益融入我們的国研日常生活，成為不可或缺的究团建光架构一部分。無論是队构通過DeepSeek進行精準檢索，借助ChatGPT進行智能交互，還是依托各類AI助手優化工作效率，人工智能（AI）技術極大地提升了我們的便捷性與生產力。然而，隨著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、超級計算中心和雲計算平台對高速、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係統響應速度，甚至可能導致宕機，嚴重影響計算效率與用戶體驗。這一“通信瓶頸”已成為智能計算發展的關鍵挑戰。

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

研究團隊通過精確設計和優化，將多維複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麵表現卓越，具備極強的擴展性和兼容性，適用於多種高性能計算場景。在此基礎上，團隊設計並研製了一款矽光集成高階模式複用器芯片，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，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係統提供了新的解決方案，也為人工智能、大規模並行計算及大模型訓練奠定了堅實的技術基礎。

研究團隊表示，未來將進一步優化該技術，並推動其在GPU加速計算、人工智能大模型訓練、大數據處理等領域的應用落地。隨著技術的不斷演進，該方案有望為下一代光互連通信係統和算力網絡升級提供更高效、低功耗的解決方案。