Marvell на Computex 2026 показала, как могут выглядеть оптические дата-центры: не отдельные площадки с жесткими границами, а распределенная инфраструктура, где вычисления, память и сеть связываются оптикой на сотни и даже тысячи километров. Для русскоязычной IT-аудитории здесь важен не футуризм сам по себе, а практический сдвиг: если такой подход взлетит, архитектуру AI-кластеров придется проектировать уже не вокруг длины медного кабеля, а вокруг профиля нагрузки.
Идею, как пишет Tom's Hardware, на сцене озвучил гендиректор Marvell Мэтт Мерфи. Его тезис простой: нынешние дата-центры слишком тесно привязаны к физике медных соединений. CPU держат рядом с памятью из-за задержек, GPU тоже привязаны к памяти из-за пропускной способности, поэтому вся система собирается в довольно жесткую конструкцию еще на этапе закупки. Для эпохи, когда один AI-кластер уже не помещается в один зал, а иногда и в один дата-центр, это становится не просто неудобством, а дорогим ограничением.
Marvell говорит об этом не в режиме красивого рендера на слайде. У компании уже есть набор железа, которое должно подвести рынок к этой модели. Во-первых, это Colorz 1600 — когерентное оптическое решение на 1,6 Тбит/с на базе 2-нм DSP для соединения дата-центров; его образцы компания собирается начать поставлять позже в 2026 году. Во-вторых, семейство интерконнектов Ara на 1,6 Тбит/с с 3-нм DSP. В-третьих, Ethernet-коммутатор Teralynx T100 на 102,4 Тбит/с, который поддерживает либо 512 портов по 200 Гбит/с, либо 64 порта по 1,6 Тбит/с. Это уже язык не концептов, а конкретных компонентов для сетевой сборки больших AI-систем.
Почему рынок уходит в оптику
Контекст здесь вполне читаемый. Гиперскейлеры наращивают AI-мощности такими темпами, что один дата-центр все чаще оказывается слишком маленькой логической единицей. Поэтому в ход идут кампусы из нескольких площадок, соединенных высокоскоростными линками. На коротких и средних дистанциях оптика уже давно прописалась в scale-out-сетях, то есть там, где нужно объединять множество узлов в крупный кластер. Но внутри scale-up-систем, где критичны сверхнизкие задержки и плотная связь ускорителей, до сих пор доминирует медь. Классический пример — Nvidia NVL72, где соединение внутри системы по-прежнему строится на медных линиях.
Marvell ставит на то, что этот компромисс долго не протянет. По мере роста плотности AI-систем даже scale-up-сегмент упрется в ограничения меди по длине, энергопотреблению и компоновке. И тогда оптика начнет заходить туда, где раньше ее считали слишком сложной или слишком дорогой. Мерфи рисует следующий этап так: сначала оптические связи расширят домены scale-up с 72 или 144 ускорителей до 1000 и более, а затем начнут проникать уже внутрь серверной архитектуры. После этого CPU, ускорители и память можно будет выносить в отдельные пулы и собирать нужную конфигурацию под конкретную задачу, а не жить с тем, что однажды купили в составе фиксированной стойки.
Для разработчиков платформ и инфраструктурных команд мысль неприятно здравая. Сейчас соотношение CPU, GPU и памяти часто задается в момент заказа системы. Но рабочие нагрузки не обязаны уважать прайс-лист вендора. Одной модели нужно больше HBM, другой — больше вычислительных блоков, третьей — иной баланс CPU и ускорителей для препроцессинга, инференса и оркестрации. В результате компании нередко покупают лишние GPU только ради памяти или ради нужной конфигурации шасси. Если же вычисления, память и сеть становятся составными ресурсами, их можно комбинировать под задачу на лету. Для облаков это означает более высокую утилизацию, для корпоративных заказчиков — шанс платить меньше за архитектурную негибкость.
Где заканчивается красивая идея и начинается физика
При этом у всей истории есть важная сноска, и именно она делает новость интереснее обычной презентации про светлое завтра. Marvell фактически говорит о двух разных уровнях оптической связности. Первый — это быстрые и плотные соединения внутри кампуса или между относительно близкими площадками, где еще можно всерьез обсуждать компоновку ресурсов в почти единую машину. Второй — связи между дата-центрами на тысячи километров. И вот здесь магия быстро упирается в задержку: если взять расстояние в 1000 км, один только круговой проход сигнала дает около 10 мс. Для интерактивного совместного использования памяти или ускорителей это плохие новости. Свет, как известно, не читает маркетинговые слайды.
Поэтому обещание «дата-центр без расстояния» лучше читать без лишней романтики. На межконтинентальных дистанциях речь скорее о синхронизации AI-кампусов, репликации данных, доступе к распределенному хранилищу и переносе больших массивов вычислительных результатов, чем о том, что один GPU в Европе будет в реальном времени работать как локальное расширение сервера в Азии. Но даже в таком, более приземленном варианте, сценарий выглядит мощно: гиперскейлеры смогут быстрее выравнивать загрузку между площадками, тиражировать модели и датасеты, а также строить отказоустойчивость без тяжелых ручных схем. Для рынка, который уже меряет AI-инфраструктуру не стойками, а кампусами, этого более чем достаточно.
Бизнес-смысл тоже прозрачен. Когда речь идет о парках оборудования стоимостью в миллиарды долларов, даже рост утилизации на 10% перестает быть «оптимизацией» и превращается в аргумент на уровне совета директоров. Именно поэтому идеи дезагрегированной AI-инфраструктуры сейчас крутятся не только у сетевых вендоров, но и у производителей ускорителей, коммутаторов и оптики. Если Marvell права, следующая гонка пойдет уже не только за количеством GPU, а за тем, кто лучше умеет превращать разрозненное железо в переиспользуемый ресурсный пул.
Открытый вопрос не в том, возможны ли оптические дата-центры технически: первые кирпичи для этого Marvell уже показывает. Вопрос в том, где экономика и задержки позволят этой модели стать массовой, а где она останется дорогим инструментом для гиперскейлеров. Но сама траектория рынка читается все отчетливее: AI-инфраструктура уходит от монолитных коробок к композиции ресурсов, и оптика становится для этого не украшением, а несущей конструкцией. Подробности и прямые цитаты Мэтта Мерфи можно проверить в материале .