Relativity Networks 押注空芯光纤，试图扩大 AI 数据中心的地理边界

AI 数据中心的扩张，正在从单纯的算力问题变成地理问题。电力供应、土地、电网接入、审批流程以及地方政治，都可能让运营商无法把 GPU 集群全部塞进一个超大型园区。于是，一个更现实的方案是：把算力分散到多个地点，再设法让这些地点像一个紧密耦合的系统一样工作。

Relativity Networks 正押注一种更快的光传输介质。其 ChronoCore 平台采用空芯光纤，让光信号通过充满空气的中空结构，而不是传统光纤的实心玻璃芯。公司称，该技术可将传播时延降至每公里约 3.4 至 3.5 微秒，传统光纤则约为 5 微秒。1618

核心思路：让距离不再那么“昂贵”

光纤当然不会消除数据中心之间的物理距离，但它可以减少光信号在链路中传播所需的时间。对于需要在多个 GPU 池之间反复交换数据的分布式 AI 工作负载，这种差异可能变得重要。

Relativity 的主要应用场景是数据中心之间的互联。公司表示，其线缆可为 AI 设施提供 24 条低时延通道；在相近时延下，空芯光纤传输数据的距离约为传统光纤的 1.5 倍。1424

这意味着基础设施规划者可能拥有更多选址空间。过去，一个紧密连接的 AI 系统往往需要依托连续的大型园区；如果空芯光纤的性能达到公司所称水平，运营商理论上可以把多个地点的算力组合起来，优先选择电力和建设条件更可行的区域。

为什么 AI 让这笔“时延账”变得更重要

对于普通网络连接来说，增加几微秒的传播时间未必会带来明显影响。但当一个 AI 工作负载跨越多个设施，并且需要频繁协调时，距离累积造成的时延就可能影响同步。Relativity 的核心主张是，更低的光纤传播时延有助于让分布式训练和推理在更大的地理范围内保持协调。110

公司将这一趋势概括为“地理成为计算机的一部分”：网络不再只是连接彼此独立的设施，也开始决定这些设施相隔多远时，仍能像一座协同运行的“AI 工厂”。1718

但更快的光纤并不能自动把多个数据中心变成一个集群。端到端性能还取决于交换机、收发器、网络拓扑、软件、工作负载通信模式，以及链路中的其他延迟来源。空芯光纤解决的只是其中一层——光信号的传播时间。

“快 50%”到底该如何理解

部分报道将空芯光纤描述为比传统光纤快约 50%。2 Relativity 自己的材料则更接近 47%：ChronoCore 的传播时延约为每公里 3.4 微秒，在相同距离下时延降低约 32%。18

这些数字不能简单视为同一个指标。以每公里 5 微秒降至 3.5 微秒为例，单向传播时延减少约 30%；如果换算成传播速度提升，在这一简化比较下约为 43%。最终百分比取决于采用的基准和测量方式。

因此，更值得关注的并不是“50%”这个醒目标题，而是空芯设计能否通过替代实心玻璃传播介质，释放出足够的时间，让不同设施之间保持更远距离，同时仍满足 AI 工作负载的性能要求。

为什么融资和超大规模云厂商订单值得关注

Relativity 宣布获得 2200 万美元 SAFE 融资，并披露一笔来自未具名超大规模云厂商的 4000 万美元后续订单。23 SAFE，即“未来股权简单协议”，通常会在未来一轮定价融资中转换为股权。因此，这笔 2200 万美元更接近早期成长资本，而不是传统意义上的定价股权融资。2

4000 万美元订单传递的是另一种信号。相关报道显示，这家超大规模云厂商此前曾测试 ChronoCore 的数据中心间互联能力，之后才下达后续订单，说明至少有一家大型云运营商已经从初步评估走向了进一步采购。113

不过，这仍不能证明空芯光纤已经获得广泛采用。客户名称尚未公开，订单的部署时间表、技术测试结果以及最终支持的基础设施规模也没有披露。因此，4000 万美元更适合被理解为商业兴趣的证据，而不是传统光纤将被全面替代的保证。

产品背后的基础设施变化

Relativity 瞄准的是 GPU 之外的另一项关键约束：哪里能找到足够的电力，以及适合建设数据中心的土地和条件。公司材料及相关报道都提到，随着 AI 基础设施寻找可用电力，运营商可能不得不把算力分布在相互分离的园区。1627

这会改变网络在数据中心建设中的角色。在传统模式下，网络主要负责连接同一设施内的设备；在分布式 AI 模式下，园区之间的互联能力可能决定多个地点能否共同参与同一个系统。

空芯光纤因此被定位为一种“地理扩展层”。它或许能让运营商把多个电力条件可行的地点连接起来，而不必一直等待一个同时拥有足够电力、土地、电网接入和地方支持的超级园区。Optics.org 报道称，Relativity 将传统光纤约 60 公里的典型限制，与其光纤潜在达到的 90 公里范围作比较；但具体 AI 工作负载能使用多远，仍取决于完整的系统设计。24

这次公告说明了什么，又没有说明什么

这次公告反映出一个更广泛的行业方向：随着 AI 系统规模扩大，基础设施公司优化的对象已经不只是算力密度和机内网络，也包括整个系统应当分布在怎样的物理空间中。

2200 万美元融资为 Relativity 扩大生产提供了资金，4000 万美元后续订单则表明，至少有一家重要超大规模云厂商认真评估了其空芯光纤方案。34 技术命题也很直接：如果传播时延足够低，地理分散的 GPU 容量就可能更容易被组织成一个协同系统。

真正悬而未决的，是运营层面的验证。行业仍需要看到有关量产规模、成本、可靠性、部署复杂度，以及真实分布式 AI 工作负载端到端性能的公开证据。在这些细节出现之前，ChronoCore 更适合被看作一项针对新基础设施约束的重要押注，而不是已经解决 AI 数据中心地理难题的证明。