光纤对dram的替代

Up­p­s­a­la Un­i­v­e­r­s­i­ty团队提出光纤内存架构，LLM权重传输能耗降超70%
论文《Who Ne­e­ds DR­AM? We Ha­ve Fi­b­er》
（论文编号：ar­X­iv:2607.08407v1 [cs.AR]，原文链接：网页链接，发布于2026年7月9日）。
该研究由瑞典Up­p­s­a­la Un­i­v­e­r­s­i­ty的Ha­n­n­ah At­m­er、Yu­an Yao、Th­i­e­mo Vo­i­gt与St­e­f­a­n­os Ka­x­i­r­as团队完成。
工作提出了光纤存储器（Fi­b­er Me­m­o­ry）架构，将超大规模数据中心内的光纤网络重构为有源循环延迟线存储介质，专门承载大语言模型等不可变权重数据，可在万级AI加速器集群中彻底消除权重冗余存储，相比传统HBM3e配置降低70%以上的权重传输能耗。
该研究提出两大核心洞察，构成架构设计的底层逻辑：
第一，数据中心内DR­AM的权重复制存在极致的效率浪费。同一大语言模型的注意力层、MLP层等参数会在所有服务节点上完整复制，且各节点对这些数据的访问请求与响应流程完全一致，大规模重复存储与读取带来了极高的能耗开销。
第二，光纤本身具备天然的存储属性。超大规模数据中心内部署的光纤总长度可达1万至10万公里，光信号在光纤中以约2/3光速传播，任意时刻光纤链路中都承载着海量在途比特。将光纤构造成环绕数据中心的闭合环路，即可形成容量达数TB的延迟线存储器——这是对早期电子计算机汞延迟线存储器的技术复刻，但在速度、容量与规模上实现了量级跃升。
基于上述洞察，架构的核心思路是：由单一中心光发射机将模型参数一次性注入共享光纤网络，推理节点通过无源抽头的方式直接获取环路中持续循环的权重数据，全程无需本地存储权重，也消除了集群范围内的冗余权重读取能耗。
这一设计依托共封装光学（CPO）技术的普及落地，硅光引擎与处理器同封装集成的模式，让光信号可直接送入计算单元，跳过了功耗高昂的电收发器与数字信号处理单元，也无需在内存中做缓冲。

作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。