在2025年OCP全球峰会上，三位技术大牛——王旭、马迪亚·维拉辛赫（Yuvin Madhaya Weerasinghe）和杨景涵（Jinghan Jeremy Yang）——带来了一场关于AI基础设施底层革命的重磅分享。他们没有谈那些被炒得火热的光互联，而是把聚光灯打在了一个看似“老派”却正在悄然崛起的关键技术上：铜缆背板（Copper Cable Backplanes）。
你可能觉得，AI系统不都是靠光纤高速传输吗？怎么又冒出个铜缆？别急，听我慢慢道来。其实，在AI集群内部，尤其是那些需要“scale-up”——也就是把多个AI芯片紧密集成在一个高性能系统里的场景中，铜缆背板正成为一种更高效、更经济、更可靠的连接方案。
相比传统印刷电路板（PCB）上的走线，铜缆能显著降低信号损耗；而比起昂贵又耗电的光学方案，它又在功耗和成本上占尽优势。
但问题来了：既然铜缆这么香，为啥还没全面铺开？答案是——技术门槛不低。要让铜缆在AI系统里真正“扛大旗”，整个行业还得跨过三座大山。
第一座山，叫“设计与验证”。现在的AI芯片动辄跑在200Gbps甚至更高带宽下，铜缆能不能稳稳扛住？不同厂商的接口标准能不能对齐？如果没有一套通用的高性能链路设计框架和验证方法，每个公司都自己搞一套，那结果就是碎片化严重、互操作性差、试错成本高。王旭他们强调，必须建立统一的性能评估体系，让铜缆背板从“能用”走向“好用”。
第二座山，是“诊断能力”。铜缆虽然被动、结构简单，但一旦信号出问题，排查起来可不简单。尤其是在大规模AI训练集群里，成千上万条链路同时工作，怎么快速定位哪根线出了问题？这就需要内置的遥测（telemetry）机制和智能筛查工具。比如，能不能在系统运行时实时监测插入损耗、回波损耗、抖动等关键参数？能不能在出厂前就通过自动化测试筛掉潜在的“坏线”？这些诊断能力，直接决定了铜缆背板的可靠性和运维效率。
第三座山，是“产业协同”。说白了，就是别再各自为战了。芯片厂商、连接器供应商、服务器制造商、AI系统集成商……大家得坐下来，制定一套共享的验证标准和接口规范。否则，今天A厂的铜缆插不进B厂的背板，明天C厂的诊断协议D厂根本不认，那再好的技术也难落地。OCP（开放计算项目）之所以被寄予厚望，正是因为它天然具备跨厂商协作的基因。
正因如此，三位专家在演讲结尾发出明确倡议：让我们在OCP内部成立一个专门的“铜缆背板工作组”！这个工作组要干三件事：
- 第一，定义统一的设计需求，比如最大传输距离、支持速率、阻抗匹配等；
- 第二，推动标准化的验证流程，确保不同厂商的产品能无缝对接；
- 第三，开发通用的诊断工具和数据接口，让运维人员“看得见、测得准、修得快”。
这可不是纸上谈兵。王旭来自Meta的硬件基础设施团队，长期深耕AI加速器互连架构；马迪亚·维拉辛赫是英特尔的高速互连专家，在信号完整性领域有深厚积累；而杨景涵（Jeremy Yang）则是NVIDIA的系统架构师，深度参与了多代AI服务器的设计。他们的联合发声，代表了从芯片到系统、从硬件到标准的全链条共识。
更关键的是，随着AI模型越来越大，训练集群越来越密集，系统对“内部连接”的要求早已不是“能通就行”。延迟、功耗、密度、成本——每一个指标都牵一发而动全身。铜缆背板之所以被重新重视，正是因为它在这些维度上找到了一个难得的平衡点。它不像光纤那样需要光电转换、耗电又贵；也不像PCB走线那样在高频下损耗剧增。
一根精心设计的铜缆，可以在1米甚至更短距离内，以极低功耗稳定传输800Gbps的数据流——这正是AI芯片“亲密无间”协作所需要的。
当然，铜缆也有物理极限。超过一定距离，信号衰减就难以避免。所以它最适合的是机箱内、机架内的“短距高速互联”，而不是跨机房的长距离传输。但恰恰是这些“最后一米”的连接，决定了整个AI系统的效率天花板。
可以预见，未来几年，铜缆背板将不再是“备选方案”，而是AI基础设施的“标配组件”。而OCP如果真能推动成立这个工作组，很可能加速整个生态的成熟，让下一代AI系统更快、更省、更稳。