不只傳輸還當快取？程式大神提「光纖儲存」新構想，吸引馬斯克討論

Meta 前首席技術長、曾開發《毀滅戰士》（DOOM）引擎並被譽為「程式大神」的約翰‧卡馬克（John Carmack），近日在社群平台 X 上提出一個有趣的構想，利用一條超長的光纖迴路做為某種 L2 快取，可儲存 AI 模型權重，從而實現近乎零延遲與極高頻寬的資料存取。

Carmack 指出，在單模光纖上，已展示可在 200 公里距離下達到 256 Tb/s 的資料傳輸速率，換算下來，等於任何時刻都有約 32 GB 資料「正在傳輸中」、彷彿「儲存」在光纖裡，而整體頻寬則高達 32 TB/s。

Carmack 認為，由於類神經網路在推論與訓練時，權重的存取模式往往是可預測、具決定性的，不禁讓人聯想到一種沒有 DRAM 的系統，即透過循環的光纖迴路，將權重資料持續串流送入 L2 快取。

256 Tb/s data rates over 200 km distance have been demonstrated on single mode fiber optic, which works out to 32 GB of data in flight, “stored” in the fiber, with 32 TB/s bandwidth. Neural network inference and training can have deterministic weight reference patterns, so it is…

— John Carmack (@ID_AA_Carmack) February 6, 2026

考慮到現今動輒上兆參數的模型， Carmack 認為將需要多條這樣的光纖系統連結起來，而光纖傳輸技術的發展前景或許比目前的 DRAM 更具潛力，未來這樣的設計或許有望成為現實。

Carmack 也表示，更實際的做法是，只要採用「逐頁」（page）處理並預先建立完善的管線化設計，應該有望將大量低成本的快閃記憶體串接起來，以滿足幾乎任何讀取頻寬的需求。若快閃記憶體與加速器供應商能就高速介面達成共識，此方案對當今的推論服務應具可行性。

除了光纖做 AI 快取外，馬斯克提出真空當介質

人工智慧（AI）模型的權重可依序存取以進行推論，訓練過程亦是如此，因此 Carmack 設想將光纖迴路做為資料快取，使 AI 加速器持續獲得資料供應。他將傳統 RAM 視為固態硬碟（SSD）與資料處理器之間的緩衝層，進而思考如何改善甚至徹底消除這一存在。

該貼文引來大量專業人士討論，他們認為這個概念本質上類似於「延遲線記憶體」（delay-line memory），是早期電腦使用的一種主記憶體儲存媒體。在早期延遲線記憶體中，曾以水銀做為介質、以聲波來儲存資料。

從現實考量，使用光纖的最大優勢在於節能，因為 DRAM 需要消耗大量電力來維持資料，而光傳輸幾乎不耗能，且行為可預測、易於控制，但 200 公里的光纖成本仍相當高昂。不過部分人認為，光學放大器與數位訊號處理器（DSP）本身可能抵消部分節能效益，而 DRAM 價格終究也可能下降。

這個想法也引來特斯拉執行長馬斯克（Elon Musk）的回應，並表示「這個想法很有意思」，如果使用更高折射率的材料，可以進一步降低光速，並增加每公里儲存的資料量；或直接使用真空（vacuum）做為傳輸介質，因為不用花錢又可以傳輸到更遠的距離。

I did a little looking into vacuum laser comms when I wrote this, and my takeaway was that while you could get much longer distances (moon-bounce!), the data rates were more power limited because of diffraction, so not as tantalizingly-practical as just a pair of off the shelf…

— John Carmack (@ID_AA_Carmack) February 9, 2026