OCS即“光交换机”。在信号传输的路径里，算力设备处理产生的电信号转化为光信号在光纤中传输，中间需要交换机来重定向信号传向其他光纤端口。传统交换机在这个过程中需要进行“光-电-光（OEO）”信号转换，而OCS则无需进行OEO转换，它通过配置光交换矩阵，从而在任意的光纤输入和输出端口间建立光学路径，实现信号的交换。目前OCS技术一般可分为MEMS、数字液晶、直接光束偏转DLBS、硅光波导技术四类。其中MEMS是主流技术，市场份额超过70%，技术成熟度高，端口扩展能力强，具有性能与成本的均衡性。

简而言之，传统电交换：光信号进来→先变成电信号→电交换芯片处理→再变成光信号出去，每次都有O-E-O转换。而OCS则是：光信号进来，光信号出去，中间完全不经过电域。切换速度可以达到微秒甚至纳秒级，大幅降低功耗比。

OCS目前主要落地于高密度AI算力集群，支撑万卡级GPU分布式训练与大规模集合通信，满足算力节点之间高频、大流量的交互需求；同时广泛应用于超大规模云数据中心，承载机房内部海量东西向业务流量，适配潮汐化的流量波动特征。此外，在国家级智算中心、超算平台与东数西算枢纽节点中，OCS可实现跨机房、跨区域的高速互联；在传统通信领域，也可服务于运营商骨干网、城域网的波长级动态调度与政企专线传输，同时适配大容量存储集群、海量数据迁移等高性能业务场景。

随着AI大模型产业快速发展，万卡乃至十万卡级集群组网成为刚需，网络对低时延、低抖动、超高带宽的要求大幅提升，而传统电交换机（1）依赖O-E-O光电转换与电层查表转发，转发流程复杂，整体时延偏高、抖动明显，无法满足多卡训练的精密同步要求；（2）受电交换芯片工艺限制，设备存在天然带宽上限，向超高速率迭代时设计难度与成本会指数级增长；（3）设备内部电路结构复杂，整机功耗极高，高速组网场景下能耗与散热问题突出；（4）电交换架构拓扑固定，无法根据业务流量动态调整链路，面对潮汐流量极易出现局部拥塞；（5）设备存在协议与速率绑定问题，兼容性有限，网络迭代升级的成本高、周期长，难以适配未来超高密度算力集群的长期发展。与此同时，随着3DMEMS光开关、硅光器件与SDN光路调度技术逐步成熟，OCS设备的切换速度、端口密度、运行稳定性均达到商用标准，产业化条件完备。伴随800G、1.6T高速光互联普及，传统电设备成本、功耗、散热压力急剧攀升，机房供电与制冷成本持续走高，行业亟需全新组网方案降本增效，全光化也成为算力网络与下一代通信技术的明确演进方向。根据《GoogleApollo:TheChangerinDatacenterNetworking》的数据显示，ICI+OCS的自定义网络让“吞吐量提高30%，功耗降低40%，资本支出减少30%，FCT时间降低10%，整个网络的停机时间减少50倍”。

当AI模型需要数千甚至数万个TPU协同工作时，网络连接成为最大的瓶颈。传统电子分组交换（EPS）技术存在三大致命缺陷：光、电、光转换导致的高功耗、数据包解码带来的高延迟，以及需要频繁升级的高昂成本。谷歌给出的解决方案堪称颠覆性：用“镜子”取代电子，研发出光路交换机（OCS）。这套系统的核心是微型反射镜（MEMS）阵列，工作原理类似软件控制的“铁路道岔系统”——无需解码数据包，只需调整镜面角度，就能将输入的“光束列车”直接引导到指定输出“轨道”，全程无电信号参与，实现纯光学传输。更重要的是，OCS具备强大的故障绕行能力。在大规模训练中，即使0.5%的节点出现故障，没有OCS的系统有效吞吐率会急剧下降，而谷歌的系统能通过动态重路由，将性能损失降到最低。这种韧性，对于需要连续数周甚至数月的AI模型训练至关重要

谷歌的PalomarOCS采用3DMEMS微镜阵列技术，实现了136×136端口的非阻塞全光交换，插入损耗典型值低于2dB。系统层面，谷歌构建了OCS+SDN控制器（Orion）+流量工程（TE）/拓扑工程（ToE）算法的完整解决方案，实现了对数据中心潮汐流量的自适应调度。不过，此时OCS的应用仍有明确边界，OCS的光路重配置时延为毫秒级（1–10ms），远高于电交换机的纳秒级转发时延，因此OCS并非用于毫秒级突发流量交换，而是面向分钟级以上的大流调度场景。这一特性恰好匹配AI训练中All-toAll、参数同步等长时间占用的通信模式。

AI升级迭代所产生的对传输设备的高要求是OCS爆发的重要推手。AI大模型从千亿、万亿参数向十万亿级跃迁，万卡乃至十万卡级GPU/TPU分布式训练成为常态，集合通信、梯度同步、参数交换产生高频、海量、无阻塞的东西向流量，而传统的光电转换、电层转发带来高时延、高抖动、高功耗，无法满足AI集群微秒级同步、PB级带宽、低时延互联的刚性需求，在这种情况下，OCS以光层直连、无转换、纳秒级切换、超低功耗特性，完美适配AI算力网络的核心诉求，成为万卡级集群的必选架构。

据QYResearch，全球OCS（光路交换）交换机市场预计将从2025年的7.83亿美元增长至2031年的20.22亿美元，预测期内的复合年增长率（CAGR）为17.1%。从TPUv4至v7架构，单pod均稳定配置48台OCS交换机。我们认为，随着2026年GoogleTPU出货量向332.5万颗迈进，依据单SuperPod集成9,216颗芯片的架构测算，预计全年将部署约361个计算集群。仅考虑Pod内部的互联需求，OCS交换机的采购量便高达17317台；若叠加Jupiter网络架构下Pod间的互联需求，OCS的实际总需求将进一步上探。外部CSP布局，OCS步入标准化快车道。2025年7月，开放计算项目（OCP）宣布成立OCS子项目，该项目旨在推动开放式光交换技术协作，推动OCS向开放化、标准化发展，从而形成全球范围的行业规范。项目初始成员包括Lumentum、谷歌、微软、英伟达、Coherent、iPronics。

当下行业主要以MEMSOCS方案为主，在谷歌发表的Google《AMachineLearningSupercomputerWithAnOpticallyReconfigurableInterconnectandEmbeddingsSupport》一文中，其中详细拆解了该OCS方案，以4×4×43DTorus为Cube最小单元，SuperPod标准=64机架(Cube)+48台独立OCS，依托可动态重构全光网络实现拓扑软件切换、大模型最优并行，2020量产落地，PaLM540B基于该集群完成训练；TPUv4拆分v4i推理/TPUv4训练双芯架构，SparseCore专门优化推荐类Embedding算力。

硬件原理则是由2DMEMS微镜阵列（136个微镜）、光纤准直器阵列、二向色分光器、850nm监控激光源构成，主要是通过静电驱动MEMS微镜偏转角度，将输入光纤的光信号直接反射到目标输出光纤，全程无OEO光电转换、无数据包处理、无协议栈。核心关键参数为插入损耗1.5~3dB，切换时间<10ns，端口规模288×288，单台支持300×300端口无阻塞。与之配套的则是在光模块中引入环形器（主要由偏振分束器PBS、法拉第旋片FR、以及半波片HWP构成），以此实现一个光模块（主要由环形器、CWDM4波分复用、激光器+接收器阵列、DSP构成）能同时提供2条独立的400G单纤双向链路。整个OCS以及配套的光模块中，高价值量的构成主要在MEMS微镜阵列、环形器以及准直器层面。

德科立行业定位：国内唯一硅光波导OCS整机厂商，与欧洲硅光龙头iPronics达成合作；主攻海外云厂商与AI芯片厂，同时承接海外OCS整机代工。核心产品：32×32端口硅光OCS已商用；预计2027推出128×128端口高维度产品；重构时间＜300μs，时延＜30ns。硅基OCS产品目前正处于样品交付与客户验证阶段，尚未取得海外主流厂商的批量订单，公司在未来两至三年的营收规划并未考虑硅基OCS产品。

腾景科技行业定位：全球OCS光学元件供应商，同时覆盖MEMS+液晶双方案。在OCS全光交换机光学元组件领域的竞争优势体现在深厚的技术积淀与稳固的客户基础。OCS光交换技术对光学元组件的精度、稳定性及可靠性有着极高要求，公司产品能满足AI算力集群对核心光交换部件的高可靠性严苛标准。核心产品：精密光学元组件、光纤器件及光测试仪器，其中应用于OCS全光交换机的二维准直器阵列是其当前在AI算力领域的关键产品。

参考研报

• 20260607-浙商证券：计算机(2171)-OCS 开启智算网络全光新时代