做这行十年，见过太多老板因为光模块选型踩坑，最后算力闲置，钱打水漂。这篇不扯虚的，直接告诉你怎么配才省钱且跑得动。

先说个真事儿。上个月有个做量化交易的哥们找我，说他刚搭了一百张H100的集群，结果推理延迟高得离谱。排查半天，发现是光模块没跟上。他为了省成本，选了便宜的400G模块硬撑，结果在训练大模型时，通信成了瓶颈，GPU利用率连50%都不到。这就像给法拉利装了自行车的轮胎，引擎再好也跑不快。这就是典型的“木桶效应”，在AI集群里，光模块就是那个决定水能装多少的短板。

现在大家谈AI，都在卷算力，但往往忽略了连接。随着参数量的爆炸，集群内部的通信频率呈指数级增长。以前25G、100G的光模块还能凑合，现在大模型训练动不动就是万卡集群，这时候光模块的速率和稳定性直接决定了你的训练效率。目前市场上主流的是800G，未来两年肯定是1.6T的天下了。但这里有个巨大的误区，很多人以为只要插上800G模块就万事大吉，其实不然。

你得看你的交换机背板带宽够不够。如果你用的还是老款的400G交换机，强行插800G的光模块，要么降速运行，要么根本识别不了。这就好比你把V8引擎塞进了夏利车里，不仅跑不出速度，还容易把车搞散架。所以，选型的第一步，不是看光模块本身，而是看你的整个网络架构是否支持。

再来说说成本。很多人觉得光模块是耗材，买便宜的就行。大错特错。在7x24小时高负载运行下，便宜模块的故障率是贵模块的三到五倍。一旦出故障，停机维护的时间成本、算力闲置的损失，远远超过买模块省下的那点钱。我见过一个案例，为了省每只模块几十块钱，结果因为光衰不稳定，导致整个集群训练中断，修复花了两天，损失了上百万的算力资源。这笔账，怎么算都不划算。

还有，别忽视散热。AI集群密度越来越大，机房温度控制不好，光模块很容易过热降频甚至损坏。特别是现在流行的LPO（线性驱动可插拔光学）方案，虽然功耗低，但对信号完整性要求极高。如果你的布线工艺不过关，或者机柜风道设计不合理，LPO的优势反而会成为劣势。

至于1.6T，现在虽然还在早期阶段，但头部大厂已经开始部署了。如果你做的是前沿研究，或者业务增长极快，建议提前规划1.6T的兼容方案。毕竟技术迭代很快，今天买的设备，三年后可能就成了累赘。

最后给个建议：别只看参数表，要去实测。找几家靠谱的供应商，让他们提供样机，在你的实际业务场景下跑一周。看看在高峰期的丢包率、延迟波动，以及长期运行的稳定性。数据不会骗人，只有跑起来才知道行不行。

记住，光模块不是简单的配件，它是AI集群的血管。血管堵了，大脑再聪明也没用。选对光模块，才能让你的AI投资真正落地见效。别等出了问题再后悔，那时候黄花菜都凉了。

本文关键词：ai大模型光模块