从百美元到数千美元，AI互联为什么越卖越贵？

2026年的CIOE中国光博会，人潮如织。社交媒体上甚至有人开出2500元一场的讲解费，希望找到业内人士陪同参观。走进场馆后更直观的感受是，今年光博会几乎所有与AI相关的环节都在升温：从光模块、光器件，到高速互联和数据中心基础设施，AI需求正在把原本相对垂直的光通信产业链整体推向更高热度。Astera Labs也出现在今年光博会。这家2017年成立的美国半导体公司，最早从PCIe Retimer切入高速互联，如今产品已经延伸至铜互联、光互联和机架级连接；截至九月，这间公司市值已接近500亿美元。“算力需求越高，处理器之间的数据交换就越需要快速传输，互联这套‘神经系统’也必须跟上。”Astera Labs总裁兼COO Sanjay Gajendra对雷峰网表示。这股热度背后，是AI基础设施规模持续扩张带来的互联压力。当GPU从几颗扩展到几十颗甚至成百上千颗，处理器之间的数据传输效率，开始直接影响整套基础设施的性能。铜光之争，最后要算Token成本为什么早在2017年，大语言模型尚未得到广泛应用时，Astera就开始押注互联方向？“我们当时判断，那些为上一代处理器设计的连接架构，在单台服务器拥有10个乃至今天数十个处理单元时，将无法继续支撑系统需求。”Gajendra说。当时常规服务器通常围绕1至2颗CPU设计，存储、网络等设备更多作为外围I/O存在；但随着CPU、GPU、SmartNIC等越来越多处理器开始同时进入服务器，系统内部需要交换的数据量迅速上升。“就像一台机器里有了很多个‘大脑’，原本围绕少量处理器设计的互联架构，已经难以继续支撑它们之间的数据交换。”Gajendra解释。来到2026年，这一问题随着AI的发展进一步放大。Gajendra将今天互联架构面临的挑战概括为三个变量：速率、规模和功耗。Astera Labs成立前后，PCIe单通道速率还处在8 GT/s级别，如今已经提升到64 GT/s；AI系统也从早期4至8颗GPU，向数十、上百及更大规模扩展。“为了跟上当前AI部署的步伐，数据传输速度每年都在翻倍。”Gajendra说。规模扩张带来的同时，通信延迟必须尽可能低，同时还要维持内存一致性和处理器之间的同步；系统规模扩大后，互联本身的功耗也产生了约束。这种扩展带来的压力，已经对铜光边界带来了改变，打破了短距离更多使用铜、长距离转向光互联的惯性思维，距离