Optiska moduler i AI-datacenter har skiftat från att vara passiva anslutningsdelar till att bli en kärnkomponent i datorprestanda. Anledningen är okomplicerad. Moderna AI-träningskluster flyttar enorma mängder data mellan GPU:er, switchar och lagringsnoder, och hastigheten på den rörelsen påverkar direkt hur effektivt dyra acceleratorer kan användas. Det är därför400G, 800G och 1,6T optiska modulerär nu centrala i nästan varje AI-infrastruktursamtal.
EnligtEthernet Alliance 2026 färdplan, distribuerar hyperskalare redan 100G till 800G sammankopplingar, med 1,6 Tb/s Ethernet som nästa stora steg för AI-skala tyger. De
IEEE 802.3 arbetsgrupphar avancerat P802.3dj-arbetsgruppen för att definiera 200G, 400G, 800G och 1,6T Ethernet över koppar och enkel-fiber, vilket ger branschen en tydlig väg för högre-distribution.
För nätverksteam är den praktiska frågan inte längre om hastigheterna kommer att öka. Det är hur man väljer rätt hastighet för varje lager i nätverket, hur man planerar kraft och kylning och hur man validerar kompatibilitet innan tusentals moduler distribueras i ett produktions-AI-kluster.
Varför AI-arbetsbelastningar kräver högre optiska modulhastigheter
AI-träning skiljer sig fundamentalt från traditionella moln-, företags- eller lagringsbelastningar. Stora språkmodeller och rekommendationssystem tränas i tusentals, och allt fler tiotusentals, GPU:er som arbetar som ett enda distribuerat system. Under varje träningssteg måste acceleratorer synkronisera gradienter, utbyta aktiveringar och skicka mellanliggande tensorer mellan noder. Detta genererar extremt tung öst-västtrafik, vilket innebär trafik som stannar inne i datacentret istället för att gå till internet.
I ett gränsträningskluster med 16 000 till 100 000 GPU:er har den interna strukturen mycket mer bandbredd än de externa länkarna. NVIDIA har rapporterat att dessSpectrum-X Ethernet-plattformupprätthåller cirka 95 procent effektiv genomströmning över driftsättningar som överstiger 100 000 GPU:er, medan standard Ethernet utan överbelastningskontroll vanligtvis levererar cirka 60 procent under samma belastning. Skillnaden är inte akademisk. En förlust på 35 procent i tygeffektivitet leder direkt till längre träningspass och minskat GPU-utnyttjande.
Detta är den verkliga anledningen till att de optiska hastigheterna fortsätter att stiga. Ett långsamt eller instabilt optiskt lager blir flaskhalsen för hela AI-fabriken.
Från 400G till 800G till 1,6T: Vad driver varje steg
Flytten genom 400G, 800G och 1.6T drivs av ett skalningsproblem som inte kan lösas genom att helt enkelt lägga till fler kablar. När ett AI-kluster fördubblas i storlek, växer antalet kommunikationsvägar mellan noder snabbare än linjärt. Att lägga till parallella länkar skulle förbruka switchportar, öka fiberantalet och skapa kabelstockningar som är svåra att hantera i en tät rackmiljö.
Högre hastigheter per-port ger en mer skalbar väg. En 800G-port har dubbelt så stor bandbredd som en 400G-port över samma fysiska gränssnitt. En 1,6T-port fördubblar det igen. Generationen 2025 till 2026 av switch-ASIC:er stöder radix- och bandbreddsnivåer som gör 800G till den praktiska huvudströmmen för nya AI-distributioner, medan 1.6T är planeringsmålet för nästa switchgeneration.
Interoperabilitet mellan flera-leverantörer i realtid över 400G, 800G och 1,6T Ethernet demonstrerades vid OFC 2026, somEthernet Alliance OFC 2026 showcasepresenteras som bevis på att ekosystemet är redo för AI--skalatyger. Den beredskapen är viktig eftersom AI-kluster inte kan vänta på en enda leverantörslösning. De behöver switchar, nätverkskort, optik och testplattformar som fungerar tillsammans i stor skala.
400G vs 800G vs 1.6T optiska moduler: En urvalsjämförelse
Rätt hastighet beror på klusterstorlek, nätverkslager, switch-färdplan, energibudget och fiberanläggningen som redan är på plats. Tabellen nedan visar var varje hastighet för närvarande är mest meningsfull.
| Hastighet | Typiska moduler | Bästa passform | Viktigt övervägande |
|---|---|---|---|
| 400G | 400G SR8, DR4, FR4, LR4 | Molndatacenter, företagsuppgraderingar, mindre AI-kluster, bladlager i medel-tyger | Moget ekosystem, bred switch och NIC-stöd, lägsta kostnad per Gb i detta skede |
| 800G | 800G SR8, DR8, 2xFR4, 2xDR4, LR8 | AI-träningstyger, HPC, GPU-rygg-blad, hyperskala blad och ryggrad | Högre bandbredd per port, starkare termisk belastning, kräver noggrann FEC och värdvalidering |
| 1.6T | 1.6T DR8, 2xDR4, OSFP-XD | Nästa-generations AI-ryggrad, ultra-tät backend-skala-ut, framtida switch-ASIC:er (51.2T och högre) | Kräver signalintegritet, avancerad FEC, flytande eller förbättrad luftkylning, planering för fiber- och kontaktstrategi |
400G är fortfarande relevant eftersom många datacenter är medel-uppgraderingar från 100G eller 200G, och 400G erbjuder en stark balans mellan kostnad, tillgänglighet och prestanda för icke-AI-arbetsbelastningar. Specifikt för AI-kluster har 800G blivit den fungerande baslinjen för nybyggen, och 1.6T är nu i seriös planering för backend-skala-ut tyger, särskilt där switchgenereringen redan är anpassad till 200G-per{12}}signalering. Om du utvärderar kablar med hög-densitet för dessa hastigheter, vår översikt överMPO och MTP fiberoptiska kablartäcker de kontakt- och trunkalternativ som oftast används vid 800G och högre.
När 400G fortfarande räcker
400G förblir det rätta valet när klusterstorleken är blygsam, när GPU:erna som används inte mättar 400G NIC eller när den befintliga switchflottan är byggd på tidigare-generations ASIC:er. Slutledningskluster, mindre träningsmoduler, avancerade AI-webbplatser och de flesta allmänna-datacenterstrukturerna fungerar fortfarande bekvämt på 400G. För dessa miljöer skulle hoppa direkt till 800G öka kostnaden och termiskt tryck utan att ge en mätbar förbättring av slutförandetiden för jobbet.
Ett praktiskt test är att titta på GPU-användning under träning. Om GPU:er väntar på data mer än fem till tio procent av tiden är nätverket redan en flaskhals. Om utnyttjandet är stabilt och högt gör 400G sitt jobb.
När 800G blir nödvändigt
800G blir nödvändigt när klustret når en skala där 400G-länkar tvingar fram för många parallella anslutningar, när switchraxisgränser börjar begränsa topologivalen eller när GPU-generationen introducerar NIC som kan mätta 800G-portar. I ett typiskt AI-träningstyg motsvarar detta vanligtvis kluster på flera tusen GPU:er och uppåt, där backend-nätverket bär huvuddelen av gradientutbytestrafiken.
800G-övergången medför också verkligt ingenjörsarbete. Effekten per-port på 800G-moduler är avsevärt högre än 400G, FEC-lägen skiftar och kabeltätheten fördubblas vid switchens yta. Burn-in testning och länkstabilitetsvalidering blir avgörande, eftersom i ett synkront träningsjobb kan en enda instabil optisk länk utlösa omförsök som saktar ner hela klustret.
När ska man planera för 1.6T
1.6T är för närvarande i tidig distribution för de mest aggressiva AI-backend-nätverken och är standardplaneringsmålet för nästa generation av switchar. De flesta företags- och molnteam behöver inte 1,6T-optik i produktionen idag, men alla som designar ett tyg med en horisont på tre- till fem-år bör ta hänsyn till det i kablage, fiberanläggningar och kraftplanering.
IEEE P802.3dj-arbetsgruppen har definierat specifikationerna för det fysiska lagret för 1.6T över enkel-fiber, och OFC 2026 visade fungerande interoperabilitet med flera-leverantörer vid denna hastighet. Den praktiska signalen är att 1.6T är verklig, men den omgivande infrastrukturen, inklusive switchtillgänglighet, kylning och operativa verktyg, har fortfarande lika stor betydelse som själva modulen.
QSFP-DD vs OSFP: Att välja rätt formfaktor
Vid 400G och 800G är de två dominerande formfaktorerna QSFP-DD och OSFP. Båda levererar samma hastigheter i vanliga switchplattformar, men de skiljer sig åt i mekanisk design och termiskt beteende. QSFP-DD är bakåtkompatibel med QSFP28- och QSFP56-burar, vilket gör det attraktivt för miljöer som vill återanvända befintliga switchplatser under en uppgradering. OSFP är något större, har mer intern volym och erbjuder generellt bättre termisk höjd, vilket blir viktigt vid 800G och speciellt vid 1,6T.
För 1.6T går branschen mot OSFP och OSFP-XD som de dominerande valen, främst på grund av termisk kapacitet. Om ett nätverksteam förväntar sig att uppgradera över 800G inom samma switchgeneration är OSFP vanligtvis det säkrare valet. Om prioriteringen är att återanvända 400G QSFP-DD-investeringar, är QSFP-DD fortfarande ett starkt alternativ.
Nyckelfaktorer vid val av optiska moduler för AI-nätverk
Avstånd, räckvidd och fibertyp
Kort-länkar inuti en rad med ställ kan använda parallella enkel-läges (DR) eller kort-multimodsmoduler (SR), medan inter-rad- eller inter-podlänkar kan behöva FR- eller LR-varianter. Innan du väljer en modul, bekräfta den faktiska fiberlängden, fiberkvaliteten, kontakttypen och länkbudgeten. En användbar primer om hur förluster ackumuleras över kopplingar och skarvar finns i vår guide ominsticksförlust i fibernät. För längre räckvidder är skillnaden mellan OS1 och OS2 enkel-fiber också viktig och tas upp i vår översikt över
enkel-fibertyper och applikationer.
Strömförbrukning och kyla
Optik med högre-hastighet producerar mer värme. Innan du uppgraderar från 400G till 800G eller planerar för 1,6T, kontrollera per-porteffekt, byta luftflödesriktning, burtemperatur, regler för termisk reduktion och kylmarginal på rack-nivå. I täta AI-rack som redan drar hög effekt för GPU:er är den extra termiska belastningen från tusentals höghastighetsoptik inte trivial och kan påverka drifttiden om den ignoreras.
Kompatibilitet är mer än matchande hastighet. En modul bör valideras på exakt switchplattform, firmwareversion, FEC-konfiguration, EEPROM-kodning och förväntad driftstemperatur innan bulkdistribution. Symtom på en dålig kompatibilitetsmatchning inkluderar länkklaff, förhöjda BER, DOM-larm och enstaka termiska avstängningar under ihållande belastning. Att fånga dessa i en liten labbbränning-är mycket billigare än att fånga dem i produktion.
Kablage och anslutningsstrategi med hög-densitet
Att flytta till 800G eller 1.6T innebär vanligtvis en annan kabelplan. Fler-fiberkontakter som MPO-12, MPO-16 och MPO-24 blir standard vid hög hastighet, och breakout-kablar används ofta för att fläkta ut en höghastighetsswitchport till flera lägre hastighetsanslutningar. För team som utvärderar denna övergång, vår guide påhur man väljer en MPO breakout-kabeltäcker de praktiska avvägningarna-och
MPO och MTP trunkkabelalternativvisa de vanligaste trunkkonfigurationerna i 800G-ryggradsinstallationer.
LPO, CPO och Silicon Photonics: Vad kommer efter 800G
Utöver råhastigheten är branschen nu fokuserad på effektivitet. Tre teknikriktningar betyder mest:
Linjär pluggbar optik (LPO)tar bort DSP från den optiska modulen och skjuter utjämning tillbaka till värd-ASIC. Detta sänker moduleffekten, ofta med 30 till 50 procent vid samma hastighet, men kräver tightare koordination mellan switchen och modulen. LPO är mest attraktivt för korta-länkar inom AI-kluster där värdplattformen stöder det.
Co-Packad Optics (CPO)flyttar de optiska motorerna till samma substrat som switch-ASIC, vilket förkortar den elektriska vägen och minskar energi per bit. Som beskrivs avOptical Internetworking Forum arbetar med 112G och 224G CEI och CPO ramverk, CPO är inte en droppe-ersättning för pluggbar optik utan är allt mer central för hur nästa-generations AI-skala-uppskalningstyger utformas. NVIDIA har redan tillkännagett Spectrum-X Photonics och Quantum-X silicon photonics-switchar med sam-paketerad optik, inriktade på 1,6 Tb/s per port och betydande energibesparingar.
Kiselfotonikligger bakom de flesta av dessa trender. Genom att integrera modulatorer, vågledare och detektorer direkt på kisel möjliggör det högre densitet, bättre termiskt beteende och tätare integration med switch-ASIC. De flesta större optikleverantörer har nu kiselfotonik i sin färdplan för AI-arbetsbelastningar.
För de flesta team 2026 förblir pluggbar 800G-optik arbetshästen, medan LPO, CPO och kiselfotonik utvärderas i labbmiljöer och utvalda pilottyger.
Vanliga misstag att undvika
Det vanligaste misstaget är att välja den högsta hastigheten utan att kontrollera att resten av nätverket kan stödja det. En 800G optisk modul på en switch som inte kan leverera det erforderliga elektriska gränssnittet eller det termiska utrymmet kommer inte att leverera 800G i produktionen. Det andra är att underskatta makt. Genom tusentals optik kan skillnaden mellan en-effektiv modul och en typisk växla ett rack från acceptabel till över-budget. Den tredje behandlar kompatibilitet som en kryssruta snarare än en process. Verklig kompatibilitet kommer från validering på den faktiska switchplattformen, firmware och operativmiljö. Den fjärde är dålig kabelplanering. Anslutningskvalitet, fiberantal och patchhantering blir mycket viktigare vid 800G och 1.6T, och genvägar här dyker ofta upp som länkflikar eller förhöjda förluster månader efter installationen.
FAQ
F: Är 800G nödvändigt för varje AI-datacenter?
S: Nej. 800G är den fungerande baslinjen för nya AI-utbildningstyger i stor skala, men slutledningskluster, mindre träningsmoduler och de flesta AI-distributioner för företag fungerar fortfarande bra på 400G. Rätt hastighet beror på klusterstorlek, GPU-generering, switch ASIC-kapacitet och observerad nätverksanvändning.
F: När bör ett datacenter uppgradera från 400G till 800G?
S: De starkaste signalerna är att GPU-användningen sjunker på grund av nätverkets väntetid, switch radix-gränser som tvingar fram besvärliga topologier, eller en ny GPU- och NIC-generation som inbyggt stöder 800G-portar. Om minst två av dessa finns är 800G vanligtvis rätt nästa steg.
F: Vad är den praktiska skillnaden mellan 800G och 1,6T optiska moduler?
S: Båda hastigheterna är baserade på liknande underliggande teknik, men 1.6T använder 200G-per-filsignalering, kräver mer avancerad FEC och ställer högre krav på kylning och signalintegritet. 1.6T är för närvarande i tidig implementering för de mest aggressiva AI-backend-nätverken, medan 800G är mainstream-tyget i new 20G.
F: Ska vi välja QSFP-DD eller OSFP för AI-nätverk?
S: QSFP-DD är attraktivt för att återanvända befintliga 400G QSFP-burar och stöds brett på 800G. OSFP har mer termisk höjd och är den dominerande formfaktorn för 1.6T. Lag som förväntar sig att gå över 800G inom samma switchgeneration föredrar vanligtvis OSFP.
F: Vilken roll spelar LPO och CPO i AI-datacenter?
S: LPO minskar moduleffekten genom att förenkla signalbehandlingskedjan och är användbar för korta-länkar i AI-kluster. CPO flyttar den optiska motorn till switchsubstratet för att förbättra bandbreddstätheten och energieffektiviteten, och blir central för nästa-generations AI uppskalning-tyger. Båda samexisterar med pluggbar optik snarare än att ersätta dem.
F: Kan vi återanvända befintlig fiberinfrastruktur när vi uppgraderar till 800G eller 1.6T?
S: Det beror på fibertyp, anslutningsstrategi och räckvidd. Många enkla-lägesanläggningar kan återanvändas för DR- och FR-varianter om anslutningskvalitet och länkförlust är acceptabla. Multimode-infrastruktur kan kräva omvalidering mot länkbudgeten vid den nya hastigheten. Att utföra en länkförlustrevision före uppgraderingen är vanligtvis snabbare och billigare än att upptäcka förlustproblem efter implementeringen.
Slutsats
Ökningen av 400G, 800G och 1,6T optiska moduler är inte ett teknikmode. Det är ett direkt svar på hur AI-arbetsbelastningar kommunicerar, synkroniserar och skalas över tusentals GPU:er. Ethernet Alliance, IEEE 802.3 och det bredare optiska ekosystemet har anpassats på en tydlig färdplan från 400G till 800G till 1.6T, med LPO, CPO och kiselfotonik som formar vad som kommer efter.
För de flesta nätverksteam är den rätta strategin att inte jaga den snabbaste modulen överallt. Det är för att matcha optisk hastighet med nätverksfunktion, validera kompatibilitet innan skalning, planera ström och kyla noggrant och designa en kabelanläggning som kan bära nätverket genom minst en uppgraderingscykel till. Ett väl-planerat optiskt lager är ett av de mest kostnadseffektiva-sätten för att hålla dyra GPU-investeringar fullt utnyttjade när AI-infrastrukturen fortsätter att växa.
