16.8K，4天！400G LPO在阿里云CPN 1.0现网跑出“加速度”

　　误码率低两个量级、时延降低50ns、温度直降15℃……实测干货来了

　　大模型训练到底有多“烧”光模块？

　　功耗、时延、误码率、温度，样样都是坎。

　　过去大家都觉得，带DSP的传统光模块虽然“稳”，但功耗高、发热大、还不便宜。

　　而LPO(线性可插拔光模块)喊了好几年，到底能不能在现网大规模用？

　　阿里云和锐捷给出了实践答案：能，而且很好用。

　　16.8K模块，4天从上电到验收

　　双方这次合作基于阿里云飞天企业版CPN1.0智算网络，在某大规模集群中，累计交付了400G LPO模块16.8K(没错，1.68万个)。

　　最让人惊喜的是交付速度：

　　从上电，调测，验收完毕仅4天。

　　传统DSP方案搞这么大批量，少说得两周。4倍效率提升，客户业务上线直接快人一步。

　　误码率实测：比传统方案好两个量级

　　现网跑出来的数据最硬气。

　　锐捷在现网统计了海量链路误码率(BER)，结果LPO全面碾压：

　　 LPO全网平均误码率：E-10

　　传统DSP光模块平均误码率：E-8

　　整整低了两个数量级。

　　放张对比表更直观(样本数越大，说明该误码率下链路越多)：

　　误码率

　　二期LPO

　　二期VR4DSP

　　一期DR4DSP

　　 e-09

　　444

　　151

　　744

　　 e-10

　　2570

　　141

　　650

　　 e-11

　　3327

　　26

　　327

　　 e-12

　　2960

　　2

　　191

　　 LPO的样本在高量级(e-10以下)明显更集中，链路质量稳定可靠。

　　低误码率意味着更少丢包重传，大模型训练不容易“卡死”，这个价值算力集群都懂。

　　温度：LPO平均31.5℃，传统46.5℃

　　温度直接关系可靠性和寿命。

　　现网跑下来，LPO模块平均工作温度只有31.5℃，而传统DSP模块飙到46.5℃。

　　温度区间

　　 LPO样本

　　 DSP样本

　　29~32℃(大量)

　　5373

　　很少

　　35℃以上

　　极少量，且呈减少趋势

　　逐步上升

　　平均温度

　　31.5℃

　　46.5℃

　　低了15℃，什么概念？

　　光模块温度每降10℃，故障率大约减半。低故障率=少掉卡、少断连。

　　按典型512集群算，5年CTO周期内，低故障率可减少算力损失400万以上——这还没算训练中断的隐性成本。

　　时延：单端口降低50ns LPO去掉了DSP芯片，时延天然低。

　　实测端到端链路平均单端口延时：比传统方案降低约50纳秒。

　　别看50ns小，在万卡级All-Reduce通信里，差50ns可能让整个迭代慢一截。

　　更低的时延=训推跑得更快、同等算力能承载更大模型、更高并发。

　　功耗：单体降50%，一年省20万电费

　　 LPO功耗优势是“祖传技能”。

　　锐捷400G LPO比传统DSP模块单体功耗降50%。

　　别小看一个模块省几瓦，512集群堆到16.8K模块，一年节省电费约20万元。

　　这还没算散热省下来的空调钱。

　　为800G LPO铺路：从CPN1.0到2.0

　　这次16.8K大规模交付，不是终点，是起点。

　　阿里云已经明确，800G以太网智算集群2026年规模上线，并且重点储备LPO/LRO技术。

　　锐捷这边，400G/800G LPO都已具备量产能力，1.6T LPO原型也有了。

　　在OFC2026上，双方还联合发表了面向102.4T交换机的800G LPO适配成果。

　　这次CPN1.0上的成功，直接为CPN2.0向TH6+800G LPO演进复制了经验。

　　技术领先、迭代持续、收益可复制——10万卡800G时代，稳了。

　　一句话总结

　　16.8K模块，4天交付，误码率低两个量级，温度低15℃，时延降50ns，功耗砍一半。

　　阿里云×锐捷网络（301165），LPO已经从“实验室明星”变成了“现网实干家”。

　　下一站：800G LPO，十万卡集群见。