【Cpo/Ocs板块】观点更新（65）：最大化用光=最大化Token利润
谷歌首次把训练与推理拆分至独立芯片：8t训练，Virgo结构；8i推理，是最大变化，用全新
证明Agentic Ai时代，不仅Gpu，还有Tpu，不仅训练，还有推理，都遵循Token经济学，用更多光提高单Token收益，即更高速度（=更高收入）、更低功耗（=更低成本）。
1️⃣
4个Tpu用Pcb板组成1个Tray，8个Tray用铜缆组成1个Group，36个Group（集群）。
2️⃣为什么8i从Torus环⾯拓扑，转向Boardfly？
本质是模型
LLM的通信像地铁（路线固定、班次密集、吞吐大），适合棋盘格一样的Torus架构；MoE的通信像网约车（每单随机、起点终点任意），token独立选择专家，数据瞬间需要芯片间“all to all”交流，对单次互连的时延要求极高。
（即增加直连光链路），把“多跳（需路过的路口数）”的路径“拍扁”成“少跳”。1024芯片，网络直径从16跳降低至7跳，网络直径-56%，推理场景 80%。
光的三个关键词：测试、耦合、连接，适用于各种光，Cpo/Ocs/Oio等等…。
标的：【（含测试和耦合设备）、【
By Txy