核心观察：AI 算力拓扑从 3D 走向 6D，并不是简单增加链路数量，而是在推理延迟、训练带宽、机架内布线和光模块成本之间重新做系统级权衡。6D 的理论收益清晰，但能否落地取决于光互联降本与 AI 应用商业回报是否同时达到临界点。
核心要点：在卡数保持四千多张不变的示例中，6D 可将对分带宽理论上提高至 3D 的四倍、将最远网络跳数减半，但单芯片光端口可能从 3D 的约 1.5 个提高到 4—5 个甚至更高；SerDes、OCS、机架内铜缆或光模块的配置，将决定这笔性能与成本交易能否成立。
01｜从 4×4×4 立方体看懂 3D 算力拓扑
当前主流的 3D torus 可以先用一个 4×4×4、共 64 张卡的立方体理解。一个完整算力集群通常包含四千多张卡，本质上是把这个基础立方体在横向、纵向和立向不断延展。机架内部的链路主要使用 PCB 走线、DAC 高速线缆或其他铜介质，机架之间因为距离和调度要求，通常使用光模块或 OCS。
判断拓扑性能时有三个容易混淆的术语。维度代表拓扑方向，度是每个方向上链路数量的总和；直径指最差情况下数据从一个节点到另一个节点需要经过的跳数，直接影响延迟；对分带宽则是把拓扑从中间切开后，切面上所有链路的总带宽。推理业务更敏感于直径，因为多个专家模型被调度到不同节点时，最长路径会直接抬高响应延迟；训练业务则更依赖对分带宽，因为梯度同步会产生大规模通信。
在 4×4×4 立方体中，六个面各有 16 条向外链路，总计 96 条光链路，对应 64 张卡，单卡光模块配比约为 96÷64=1.5。这个口径只计算单端，不需要把对端设备再次计入。与产业链代际演进相关的光互联背景，可结合 高速光模块交付验证 回看。
02｜6D 的核心不是多一层概念，而是机架内先闭环
行业讨论的 6D torus 并不改变卡的总数，变化在于链路组织方式：单机架的 64 张卡先在内部完成首尾相连，形成局部闭合的 3D 环面，再把这些机架作为独立单元与其他机架连接。3D 架构中，机架内链路往往直接指向隔壁机架；6D 则把机架内部的自闭环新增出来，因此既保留全局跨机架链路，又增加局部环路。
这与富士通曾经的“3D 全局+3D 局部”豆腐架构有相似之处，但工程逻辑并不相同。富士通方案把 3×2、12 张卡的小立方体嵌套进更大的三维结构，软件和模型仍按三维拓扑编程，主要增加冗余；传言中的 6D 则是把机架内部连接完成后，再作为独立单位参与全局连接，属于嵌套与延展兼具的结构。
在 6D 中，每颗芯片从六个方向扩展到十二条链路。全局三维环面的六条跨机架链路必然使用光模块；机架内部折返链路则存在铜缆和光模块两种方案。若机架内采用铜缆，光模块端口约为 384 个/机架；若折返链路也采用光，单芯片光端口估算还会进一步提高。
这种拓扑对 OCS 的依赖也更强。跨机架使用光模块的关键并非只有传输距离，而是 OCS 能够进行动态拓扑重构：集群可以维持 4×4 配置，也可以切换到蜻蜓类拓扑并扩展到九千多张卡。铜缆布线更便宜但固定，光模块加 OCS 则换取了更细粒度的调度灵活性。关于 AI 光互联产业背景，可参见 AI 光互联产业观察。
03｜性能收益如何换算成光模块与 OCS 成本
对分带宽可以用 16×16×16 集群做直观比较。3D 结构切开一个维度后，截面为 16×16=256；6D 结构切开一个方向后，剩余五个维度对应 4^5=1024。因此理论上 6D 的对分带宽是 3D 的四倍，若采用双向口径还需再乘以 2。与此同时，示例中的最远跳数由 3D 的 24 跳降至 6D 的 12 跳，推理场景的延迟下限因此有改善空间。
性能收益并不是无成本的。3D 单卡光模块配比约为 1.5；6D 在机架内使用铜缆时，跨机架的六个全局维度已经需要更多光端口，叠加机架内互连后，单芯片平均光模块需求可按 4—5 个估算；若所有折返链路都走光，原文给出的光端口估算为 6—7.5 个。换言之，6D 是用数倍光模块及 OCS 成本，换取四倍对分带宽和约一半的网络直径。
真正的落地条件有两类：业务侧的训练与推理性能收益必须足以覆盖新增硬件成本，供应侧则需要光模块和光芯片持续降本。若光模块持续涨价，拓扑创新的经济性会恶化；若良率提升、产能扩张带来明显降价，拓扑结构和单卡光模块配比才可能出现跃迁。相关光通信上游器件验证可结合 光通信上游器件验证 交叉回看。
04｜SerDes 是 6D 落地最硬的工程约束
6D 让一颗芯片需要从六组收发 SerDes 扩展到十二组。以现有一代硬件的双向总带宽 9.6TB/s 为例，如果总带宽不变并平均分到十二条链路，单链路带宽会减半，大报文传输性能可能下降；如果维持单链路带宽，就必须增加 SerDes 电路数量，芯片面积、引脚和功耗同步抬升。
芯片面积是硬约束，SerDes 电路占比提高后，会挤压矩阵运算 MXU 等计算单元的面积，形成互联和算力之间的零和博弈。因此，6D 并不是把拓扑图画出来就结束，还要等待芯片设计、封装、板级布线、光模块端口和 OCS 共同满足工程约束。
可跟踪的产业信号有三类。第一，观察博通 SerDes 配置是否从六通道升级到十二通道，这是较难隐藏的硬件信号；第二，跟踪 2027—2028 年谷歌光模块订单增长斜率，若配比由 1.5 跳升至 4—5，采购增速可能明显高于行业平均，但该信号会滞后于芯片方案定型；第三，观察谷歌机柜内部折返铜缆、特殊背板等传统 3D 架构并不需要的物料是否出现新增需求。
05｜从产业算账看技术路线与需求兑现
这套架构能否推进，核心仍是一笔系统工程账。光模块单位成本下降、AI 应用商业变现增强，会同时提高拓扑改造的性价比；单纯依靠极高的业务 ROI 并不稳妥，因为大模型应用仍处在试错迭代阶段。互联的性能提升可能显著高于单纯增加 GPU 内部计算单元，但前提是互联成本和系统复杂度可控。
产业判断还需要区分短期事件和长期趋势。DSP 故障可能带来临时转单，但不自动意味着长期替换；内存池化对光通信长期可能有利，但仍要经过商业可行性、交付能力和生态适配验证；谷歌与 Marvell 的绑定主要围绕 ASIC 合作，不能直接解释为 6D 已经落地；Anthropic 资本开支超预期说明行业变量变化很快，但也不能替代客户订单与量产证据。
因此，6D 更适合作为观察 AI 基础设施演进的压力测试案例：它把拓扑、光模块、OCS、SerDes、铜缆和应用商业化放在同一张账本上。后续应围绕硬件配置、订单斜率、内部布线物料和成本曲线逐项验证，而不能只根据单一传闻推导确定的产业结论。