全球知名程序员约翰·卡马克近日在社交平台提出一项突破性技术构想：用200公里长的光纤网络替代传统DRAM，构建AI系统的二级缓存层。这位因开创3D图形技术而被称为"游戏产业教父"的技术先锋，将目光投向了人工智能算力瓶颈的核心问题——内存墙。
卡马克的方案基于现代光纤通信的物理特性。当前单模光纤在200公里传输距离下可实现256Tb/s的惊人带宽，这意味着当光信号在光纤环路中循环传输时，任意时刻都有约32GB数据处于"飞行状态"。通过精确控制光信号的传输时延，这套系统理论上能提供32TB/s的等效带宽，形成独特的"传输即存储"架构。这种设计对神经网络特有的权重访问模式具有天然适配性，特别是处理确定性数据流时效率显著提升。
技术原理层面，该构想与上世纪50年代的延迟线存储器形成跨时空呼应。当年计算机先驱们利用水银介质中的声波延迟存储数据，如今卡马克将存储介质升级为光纤，信息载体从声波变为光子。这种变革带来两大优势：首先是能耗优势，光信号传输无需持续电力刷新，相比DRAM的动态刷新机制可降低数个数量级的能耗；其次是带宽潜力，现代光纤的传输容量远超电子存储介质。
但这项革命性技术面临多重现实挑战。首当其冲的是基础设施成本，200公里专用光纤网络的铺设费用高昂，即便采用盘绕方式部署也需要解决信号衰减问题。配套的光放大器和数字信号处理芯片会带来额外能耗，可能部分抵消节能优势。更关键的是时延控制精度，要实现稳定的数据缓存功能，需要纳米级的时间同步技术，这对现有光电集成系统提出严峻考验。
该构想已引发科技界热烈讨论。特斯拉创始人埃隆·马斯克参与技术论证时提出，采用高折射率材料可进一步降低光速，从而在相同物理长度下存储更多数据。这位科技巨头甚至提出更激进的真空存储设想，通过控制光子在真空中的传播路径实现数据存储。不过这些方案目前仍停留在理论推导阶段，距离工程实现尚有漫长道路。
卡马克的这次跨界尝试，再次证明顶尖技术专家的思维突破往往源于对基础物理原理的深度理解。当AI算力需求呈指数级增长，传统冯·诺依曼架构的瓶颈日益凸显时，这种跳出常规框架的技术探索，或许正孕育着下一代计算架构的雏形。
