传奇程序员约翰 · 卡马克（John Carmack）于 2 月 7 日在 X 平台发布推文，提出一项颠覆性构想：利用长达 200 公里的光纤线路替代传统的 DRAM，充当 AI 数据的二级缓存（L2 Cache）。

卡马克认为，在 AI 模型训练与推理过程中，为了追求极致的带宽和极低的延迟，传统的 DRAM（动态随机存取存储器）可能并非唯一解。他设想构建一个物理上长达 200 公里的光纤环路，利用光信号在纤维中传输的时间差来暂时「存储」数据。

卡马克指出，目前的单模光纤技术已能在 200 公里的距离上实现 256 Tb/s 的传输速率。根据计算，在这个长度的光纤内部，任意时刻都有约 32GB 的数据处于「飞行传输」状态。

这意味着，这根光纤本质上变成了一个拥有 32 TB/s 超高带宽、容量为 32GB 的存储器。这种「在传输中存储」的方式，特别适合处理具有确定性权重参考模式的神经网络数据。

这一前卫设计让不少资深技术专家联想到了计算机发展初期的「延迟线存储器」（Delay-line memory）。计算机先驱们早在上世纪中叶，曾利用水银管或加金酒（Gin）混合液作为介质，通过声波的传播延迟来存储数据。

卡马克的方案在原理上与其异曲同工，只是将介质换成了光纤，载体换成了光子。相比需要持续供电刷新才能保存数据的 DRAM，光传输的能耗极低，这在 AI 能耗日益庞大的今天具有巨大的理论吸引力。

不过这项技术也面临巨大的技术挑战，尽管光传输节能，但铺设或盘绕 200 公里长的光纤本身成本极高，且配套的光放大器和数字信号处理器（DSP）也会消耗额外能源，可能抵消部分节能优势。

埃隆 · 马斯克（Elon Musk）认同这个颠覆性构想，认为这是有趣的想法，使用高折射率材料，可以进一步减慢光速，增加每公里存储的数据量，甚至在讨论中提出了更为激进的「真空存储」设想，但这些目前更多停留在物理思维实验阶段。（来源: IT 之家）