问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
通信技术初创公司Relativity Networks近期完成2200万美元融资，核心技术为传输速度较传统光纤快30%的空芯光纤，将重点面向AI算力集群所在的数据中心场景部署，解决大模型训练、推理过程中跨节点数据传输时延过高的行业痛点，为超算级算力互联提供新的底层基础设施方案。
当前AI大模型的算力竞争中，外界普遍将注意力集中在GPU性能上，却往往忽略了互联环节的瓶颈：万亿参数级大模型的训练需要数千张GPU并行运算，跨节点数据传输的时延，往往会拖慢整体训练效率15%以上，不少厂商的算力集群实际性能远低于GPU标称的理论值，互联短板已经成为AI算力释放的核心阻碍。
随着大模型参数规模持续扩张，分布式训练、跨区域算力调度已经成为行业标配，传统单模光纤的传输速度已经逼近硅基材料的物理极限。据行业测算，一个拥有10000张H100 GPU的AI算力集群，跨机房数据传输时延每降低10%，整体训练效率可提升8%左右，对应每年可节省超千万元的算力成本，下游厂商对更高速度的互联方案需求十分迫切。
Relativity Networks本次主推的空芯光纤，打破了传统光纤依赖硅介质传输光信号的逻辑，通过在光纤内部制造中空通道承载光信号，数据传输速度较传统光纤提升30%，同时信号传输损耗降低25%。此前空芯光纤未大规模商用，主要受制于制造成本过高、部署难度大的问题，Relativity Networks自研的新型制备工艺，已经将空芯光纤的量产成本压缩到传统光纤的1.8倍，达到数据中心场景的商用阈值。本次2200万美元融资将主要用于产能扩张和头部AI厂商的场景测试，目前已有3家头部大模型企业与其达成试点合作意向。
空芯光纤的大规模落地，有望进一步释放AI算力集群的性能潜力。在训练端，更低的传输时延可以支撑更大规模的分布式训练集群，将万亿参数大模型的训练周期缩短近20%；在推理端，跨区域算力调度时延降低后，多中心联合推理的成本将进一步下降，也能为C端用户提供更低时延的AI服务响应。业内预计，到2028年，空芯光纤在AI数据中心的渗透率将突破15%，成为下一代算力互联的核心基础设施之一。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号