Georgia Tech大学の研究者らは、Mixture-of-Experts型LLM訓練向けウェハースケール光インターコネクトをモデル化し、繰り返される熱チューニング停止が通信フェーズを阻害していることを発見、強誘電体ベースの解決策により2.7倍の高速化を実現したと報告している。

ここでの戦略的シグナルは一つの論文を超えた意味を持つ。最先端モデルがMoEアーキテクチャへとスケールする中、制約は生の計算能力から、エキスパート間の通信速度へとシフトしている。光インターコネクトは帯域幅を約束するが、光をルーティングするシリコンフォトニクスマイクロリングは熱で変動し、継続的な熱再較正を必要とする。毎回の再較正は、週あたり数百万ドルのコストがかかるクラスター上でのデッドタイムとなる。強誘電体チューニングが重要なのは、不揮発性であるためだ。状態を設定すれば、連続的な電力を消費するヒーターループなしに保持される。これが一般化すれば、ハイパースケーラーが既に賭けているコパッケージ光学の経済性を再定義することになる。

これはAI設備投資が実際にどこに向かうかという議論の中核に位置する。ネオクラウド事業者はアクセラレータを購入するために数十億ドルの負債を負っているが、インターコネクトの非効率性がそれらのチップ一つ一つに静かに課税している。2.7倍の停止オーバーヘッド削減は事実上の無償容量であり、データセンターアーキテクトがGPUロードマップと同じくらい注意深く材料レベルの進歩を見守る理由がここにある。

日本にとって、これは追いつくのではなく、真の影響力を持つ稀有な最先端ストーリーである。NTTのIOWN構想はフォトニクス・エレクトロニクス融合への複数年の賭けであり、日本企業は上流の材料・部品層を支配している。古河電工と住友電工が光ファイバーとモジュール、そして村田製作所、TDK、ロームに深い強誘電体・誘電体の専門知識がある。強誘電体チューニングフォトニクスは、まさにその材料遺産がシステム上の優位性となる交点である。

日本の企業やSIerへの注意点は、部品を所有することとアーキテクチャを所有することは同じではないということだ。参照設計と検証は米国の学術機関やハイパースケーラー研究所で書かれている。銀行や製造業向けAIインフラを構築する国内SIerは、インターコネクトトポロジーをGPU数だけでなく調達変数として扱うべきであり、日本の材料メーカーは誰かが定義した仕様に部品を送り込むのではなく、モデル構築者と共同設計を進めるべきである。