AI训练集群的瓶颈正在从算力转向互联。在Build 2026上，微软Azure CTO Mark Russinovich公布了Project Mosaic——一项来自微软剑桥研究院的实验性光学互连技术，采用micro-LED作为核心光电器件，旨在实现极低功耗下的高速数据传输。这个项目虽仍处于研究阶段，却指向了一个关键问题：现有铜线互连的能效与带宽天花板，或许需要光子学来突破。

Project Mosaic的技术路线并不复杂：利用micro-LED阵列替代传统VCSEL或硅光调制器，通过直接调制每个微米级LED单元来实现信号编码。高级研究员Kaoutar Benyahya在台上用单个LED调制出字母形状的实时投影，以此证明该方案的响应速度与稳定性。与传统激光光源相比，micro-LED的优势在于天然的低功耗制造工艺可兼容CMOS后端集成，且无需复杂的温控和准直光学组件，理论上能大幅降低每比特能耗。

当前数据中心内部普遍采用的有源光缆（AOC）或共封装光学（CPO）方案，虽已引入光子，但核心光源仍依赖III-V族材料晶圆，成本与良率制约规模化。Project Mosaic试图用更成熟的LED制造链（如GaN-on-Si）来替代，从而将光学互连的部署门槛降低一个数量级。不过，micro-LED的调制带宽目前远低于VCSEL（仅数百MHz vs 数十GHz），离实际数据中心的SerDes速率（25G/56G per lane）尚有差距。微软研究员承认该技术短期对AI训练无直接帮助，但强调低功耗特性对未来的全域带宽密度提升至关重要。

从行业背景看，谷歌、英伟达、英特尔均在探索光学互连的异构集成方案，但微软选择了micro-LED这一差异化路径。其背后的逻辑在于：当AI集群规模膨胀到万卡级别，电互连的功率占比已超过总功耗的20%，任何能效提升都会直接反映在训练成本和散热压力上。Project Mosaic若能在2028年前将调制带宽提升至1GHz以上，并结合波分复用技术，就可能成为下一代AI加速器背板互连的候选方案——毕竟，微软的Maia AI芯片也正需要配套的低功耗互联网络。

对于云服务采购者和AI基础设施规划者，建议关注两点：一是Project Mosaic的工程验证进度，尤其是能否在保持低功耗的同时跨越带宽门槛；二是微软是否会将其与自有芯片生态（Maia、Cobalt）捆绑，形成全栈光子互联。短中期内，传统铜缆和VCSEL方案仍占主导，但micro-LED的低复杂度集成路线，可能让光学互连从“数据中心核心”走向“每颗芯片边缘”。这一点，值得所有关注AI基础设施进阶的团队持续追踪。