1880年6月3日，亚历山大·格雷厄姆·贝尔，那位电话的发明者，完成了一项别具一格的通话实验。
贝尔让声音驱动镜面产生振动，从而使镜面反射的阳光随之起伏；这些变化的光信号穿越大气，被硒光电池接收并转化为电信号，最后通过听筒还原成语音。
尽管这台“光话机”（photophone）能够实现通信，但它极度依赖天气条件——一片云飘过，声音就可能消失。贝尔找到了利用光传递信息的方法，却仍缺少一条能约束并保护光信号的路径。后来，光纤弥补了这一缺失。
19世纪中后期，人们已经开始利用玻璃棒的全反射现象来引导光线。早期应用主要集中在照明和成像领域，但损耗和干扰较为明显，传输质量和距离都相对有限。
转折点出现在1966年。在英国标准电信实验室工作的物理学家高锟提出，光在玻璃中的高损耗主要源于杂质；只要玻璃足够纯净，光就有可能以较低的衰减实现长距离传输。这一理论为现代光纤通信奠定了基石，高锟也因此荣获2009年诺贝尔物理学奖。
1970年，美国康宁公司的研究人员制造出首根损耗低于20分贝每公里的光纤，使理论设想真正迈入工程实践。随着低损耗光纤走向商业化，光逐渐渗透进电话、有线电视和互联网，将世界各个角落连接起来。
物理学家高锟
康宁公司研究人员展示光纤
但归根结底，光纤只是一条传输路径。计算机和数据中心里的设备处理的是电信号，无法直接将数据送入光纤。要让电信号通过光纤传输，首先要将电转换为光；到达接收端后，再把光转换回电信号。
完成这两次“翻译”工作的，是一个仅有手指大小的小盒子——光模块。
光模块主要由光收发器件、信号处理与控制电路，以及光电接口构成。
发送数据时，电路先对电信号进行处理和放大，再驱动激光器产生随数据变化的光。随后，光通过透镜等光学器件，被精确地送入光纤。
接收数据时，过程则相反：探测器将光转换成微弱的电流，电路再从中恢复出完整的数据，并将其交回设备的芯片处理。一只光模块通常能同时完成发送和接收。
问题来了，光电之间究竟是如何实现信息“互通有无”的？
这个过程可以类比摩斯密码。摩斯密码通过长、短信号的组合来表示不同字母；光通信同样需要约定一套将信息映射到光信号上的规则，但更为复杂。
整个过程有一个基本前提：发送端和接收端必须遵循完全一致的编码规则。发送端以什么方式将数据写入光信号，接收端就要按照相同的方式将其读取出来。
计算机中的信息以二进制形式表示。举一个最简单的例子，光模块可以用不同的光强表示电信号的0和1：0对应较弱的光，1对应较强的光。接收端检测光强的变化，再按照相同的规则还原数据。
长距离光通信还可以利用光的相位和偏振变化来编码信息，也能通过不同波长并行传输数据，从而提升一条光纤的传输能力。
“光进铜退”是光通信行业一个颇为流行的说法。它很容易让人产生一种直观理解：光纤传得更快，迟早会一路取代铜缆，最终让铜退出通信网络。但真实情况更为有趣。
光在真空中的速度约为每秒30万公里，但进入玻璃后会变慢。电信号沿铜缆传播的速度，其实与光纤处于相近量级。
思科的一份工程资料给出了典型值：光纤和铜缆的传播延迟都在每公里5至5.5微秒左右。信号从一端抵达另一端所需时间，两者差距并没有想象中那么悬殊。
真正拉开差距的，是一条线路能够以多大的带宽传输多远，以及为此需要付出的功耗、空间和成本。
事实上，铜缆在短距离传输中很有优势。它价格较低，连接简单；在服务器内部、相邻设备之间以及一部分机架内连接中，铜缆依然是一种高效的选择。
麻烦会在速率更高、距离更远时出现。高速电信号沿铜线传输时，距离越长，信号越容易衰减和失真。增加信号处理可以进行一定补偿，但这会带来额外的功耗；此外，高速铜缆也会变得更粗、更重，进一步增加密集布线和散热的压力。
光通信在这些场景中更加从容。光信号在光纤中的损耗较低，不受电磁干扰，可以用更细、更轻的线缆跨越机柜和数据中心；同一根光纤还可以利用多个波长并行传输数据，更容易扩展带宽。
英伟达布线指南明确建议，机柜内部传输距离较短且对成本敏感，通常可以使用被动铜缆；跨机柜连接则更多采用光纤，因为光纤能够覆盖更远的距离，线径也更小。
因此，“光进铜退”描述的是通信行业中的一种结构性变化：随着数据量增长和传输速率提高，铜缆能够经济覆盖的距离不断缩短，光纤的综合优势随之显现。在距离足够短的情况下，铜缆依然便宜、可靠。
提到光模块，人们最常见到的是像U盘一样的可插拔形态。交换机面板上，紧凑的小模块十分显眼。
光模块并非从一开始就采用可插拔设计。早期光通信设备中的发射器和接收器，可以直接固定在设备内部。
随着网络规模扩大，问题随之出现：有些线路只连接楼内设备，有些需要跨越园区，还有一些要延伸数公里。传输距离不同，使用的光纤和光学器件也可能不同。
当网络需要变更传输距离、光纤类型、通信速率，或者光接口发生损坏时，固定式设计可能需要连同整块板卡，甚至整台设备一起更换。
于是，工程师把发送和接收功能装进同一个外壳，制成可插拔、可替换的标准化模块。如此一来，光模块便可以根据距离和速率灵活配置；模块损坏后也能够单独替换，无须淘汰整台设备。
20世纪90年代，GBIC（Gigabit Interface Converter，千兆接口转换器）诞生，成为较早得到广泛应用的独立可插拔模块。1995年，多家厂商围绕GBIC制定了相应的多源协议。
不过，早期GBIC的体积仍然较大。交换机面板空间有限，模块越大，能够安装的端口就越少。
进入21世纪，更小的SFP（Small Form-factor Pluggable，小型可插拔收发器）出现。它的体积大约只有GBIC的一半，提高了交换机的端口密度，让相同面积能够容纳更多端口。
此后，QSFP（四通道小型可插拔）、OSFP（八通道小型可插拔）等新封装也相继出现。它们都试图在有限的交换机面板上容纳更多、更快的连接，从而推动高速网络的规模化部署。
如今，快速发展的AI又把光模块推到了台前。这一次，过去习以为常的可插拔光模块，似乎开始变得不够用了。
AI大模型训练需要GPU，但一张GPU很难独自完成大型模型的训练。训练任务会被拆分，交给不同GPU同时计算。GPU每完成一轮计算，还要交换模型参数和中间结果，然后才能进入下一轮。
一旦某一段通信变慢，后续GPU就可能停下来等待。就像一场大型接力赛。每名选手都跑得很快，接力棒同样需要准时送达。任何一棒发生耽搁，都可能拖慢整支队伍。
而在超大规模生成式AI训练中，往往需要数万张GPU长时间协同工作。例如，Meta曾披露，其为生成式AI工作负载建设的两座集群各配备24576张H100 GPU。
这些GPU显然无法全部装进一台服务器或一个机柜。它们会先被装进服务器，服务器再分散到众多机柜中，通过一层层交换机连接起来。机架交换机与更高层级的集群交换机之间，就需要使用光模块。
但与以往相比，AI数据中心对光模块的要求出现了一个显著变化：单个端口每秒需要承载的数据量越来越大，传输速率正从400G、800G向1.6T甚至3.2T演进。
在传统可插拔方案中，数据从交换芯片输出后，需要以电信号的形式走过几厘米到十几厘米的电通道，才能变成光信号。
随着每秒传输的数据越来越多，这段距离会带来更加明显的信号损耗和失真。与此同时，为了让接收端准确识别数据，系统需要能力更强的高速电路进行驱动和均衡，由此增加功耗和散热压力。
随着AI集群的传输速率继续走高，持续攀升的功耗正迫使行业作出一个看似回到过去、实则面向未来的选择：改变光模块的封装和部署方式，让电少走一点、让光更早出现……
1976年，Cray-1超级计算机问世。它将长方形机柜弯成一个巨大的C形，外圈包着软垫，看起来像一组来自科幻电影的环形沙发。
这个造型服务于一个明确目标：提高速度。Cray-1内部的导线总长超过60英里，但C
