Kupferverbindungen lassen sich für KI-Rechenzentren nicht skalieren

KI-Workloads verändern Rechenzentrumsnetzwerke, wodurch höhere Bandbreiten und größere Skalierbarkeit wichtiger werden. Da die Geschwindigkeiten weiter steigen, stoßen Kupferverbindungen in groß angelegten KI-Umgebungen an ihre Grenzen.

KI-Rechenzentren definieren die Netzwerkinfrastruktur neu

Der Wandel von herkömmlichem Datenverkehr zu KI-Workloads 

Traditioneller Rechenzentrumsverkehr unterstützt hauptsächlich Anwendungen wie Cloud-Dienste, Datenbanken und Webplattformen. Diese Workloads umfassen in der Regel vorhersehbare Kommunikation zwischen Servern und Speicher. KI-Workloads sind anders. Das Training großer KI-Modelle erfordert, dass Tausende von GPUs kontinuierlich riesige Datenmengen austauschen, wodurch Hochgeschwindigkeitsnetzwerke mit niedriger Latenz für die Leistung entscheidend sind. Da KI-Modelle immer größer werden, bewegen sich Rechenzentren hin zu schnelleren Verbindungen wie 800G und 1.6T um Kommunikationsengpässe zu reduzieren und die GPU-Auslastung zu maximieren.

Warum verändert Scale-out-Architektur alles? 

Moderne KI-Rechenzentren setzen auf Scale-out-Architekturen, die Tausende von GPUs und Servern zu einem einzigen Computersystem verbinden. In diesem Modell spielt das Netzwerk eine entscheidende Rolle, um eine effiziente Kommunikation zwischen Rechenressourcen zu ermöglichen.

Größere KI-Cluster erfordern jedoch mehr Verbindungen und eine höhere Bandbreite. Herkömmliche Kupfer-Interconnect-Lösungen, die für kleinere Umgebungen funktionierten, lassen sich zunehmend schwerer skalieren. Dieser Wandel veranlasst Rechenzentren dazu, fortschrittliche Konnektivitätstechnologien einzusetzen, die eine höhere Dichte und größere KI-Workloads unterstützen können.

Warum Kupferverkabelung neu bewertet wird? 

Das Training von KI-Modellen wird nicht mehr von einer einzelnen GPU angetrieben. Stattdessen müssen Tausende von GPUs als verteiltes Rechensystem zusammenarbeiten und ständig enorme Datenmengen austauschen. Beim Training müssen GPUs sicherstellen, dass ihre Zwischenergebnisse synchron sind. Schon kleine Verzögerungen in der Kommunikation können verringern, wie stark die GPU ausgelastet wird, und beeinflussen, wie gut das Training insgesamt durchgeführt wird. Da KI-Modelle immer leistungsfähiger werden, erreicht die von ihnen genutzte Datenmenge das Tbps-Niveau, was herkömmliche Kupferkabel unter Druck setzt. Die Herausforderung ist nicht mehr nur die Rechenleistung — sondern wie effizient Daten zwischen GPUs übertragen werden können. Da KI-Cluster von Hunderten auf Tausende von Beschleunigern wachsen, ist Konnektivität zu einem kritischen Faktor geworden, der die Skalierbarkeit begrenzt.

Physikalische Grenzen von Kupferverkabelung in Hochgeschwindigkeitsnetzwerken 

Signaldämpfung

Elektrische Signale verlieren allmählich an Stärke; je länger die Übertragungsdistanz, desto schwächer wird das Signal, wodurch es schwieriger wird, eine zuverlässige Datenübertragung aufrechtzuerhalten.

Da die Netzwerkgeschwindigkeiten weiter steigen, wird die Signalstärke zu einer größeren Herausforderung. Höhere Geschwindigkeiten bedeuten höhere Frequenzen, die über Entfernungen mehr Signalstärke verlieren. Dies erschwert die Verwendung Kupferverbindungen in großen KI-Rechenzentren.

Übersprechen

Übersprechen stellt eine versteckte Herausforderung für Kupferverkabelung dar. Wenn große Mengen von Kupferdrähten dicht gepackt sind, stören sich elektrische Signale gegenseitig. Da KI-Rechenzentren weiter skalieren und eine zunehmende Anzahl von Hochgeschwindigkeitsverbindungen innerhalb von Racks benötigen, wird das Problem des Übersprechens noch deutlicher.

Elektromagnetische Störungen

Kupferkabel übertragen Daten über elektrische Signale. Dadurch sind sie anfällig für elektromagnetische Störungen (EMI) durch nahegelegene elektronische Geräte, Stromkabel und andere Netzwerkverbindungen. In Rechenzentren mit vielen KI-Daten arbeiten Tausende von Hochgeschwindigkeitsverbindungen gleichzeitig. Dies kann die potenziellen Auswirkungen von EMI erhöhen.

Stromverbrauch

Im Zeitalter der KI-Infrastruktur, in dem einzelne GPUs bereits mehr als 1.000 Watt verbrauchen können, stehen Rechenzentrumsbetreiber zunehmend unter Druck, jeden Teil des Leistungsbudgets zu optimieren. Die Zuweisung zusätzlicher Energie für die Hochgeschwindigkeitsübertragung über Kupfer wird weniger attraktiv, insbesondere da die Netzwerkgröße weiter zunimmt.

Kabeldichte und thermische Herausforderungen 

High-Speed-Kupferkabel sind dicker und schwerer als Glasfaserkabel. Dadurch sind sie in groß angelegten KI-Rechenzentren, in denen Platz und Luftstrom entscheidend sind, schwierig einzusetzen.

Da KI-Cluster weiter wachsen, steigt die Anzahl der Netzwerkverbindungen innerhalb jedes Racks stark an. Dichte Kupferverkabelung kann die Kabelverwaltung erschweren, mehr Platz im Rack beanspruchen und den Luftstrom einschränken, was das Wärmemanagement erschwert.

Die anhaltende Rolle von Kupfer in KI-Rechenzentren

Kupfer in der Intra-Rack-Konnektivität

Trotz der zunehmenden Verbreitung optischer Lösungen spielt Kupfer weiterhin eine wichtige Rolle bei KI-Rechenzentrumsverbindungen über kurze Distanzen. Innerhalb eines Racks, wo die Entfernungen in der Regel auf wenige Meter begrenzt sind, können Kupferkabel wie DACs eine Hochgeschwindigkeitsverbindung zwischen Servern, GPUs und Switches bei geringeren Kosten und einfacherer Bereitstellung bieten.

Kosteneffizienz in Szenarien mit kurzen Entfernungen  

Kupfer ist nach wie vor eine äußerst wirtschaftliche Option für Anwendungen mit kurzer Reichweite. Kupferkabel haben eine einfache Struktur und erfordern keine optischen Komponenten, wodurch sie sich im Vergleich zu optischen Modulen für Anwendungen eignen, die keine Übertragung über große Entfernungen erfordern.

Kupfer als lokale Optimierung statt als skalierbare Lösung

Kupfer ist jedoch keine dauerhafte Option für riesige KI-Netzwerke. Angesichts steigender Bandbreitenanforderungen stellen Signalverlust, Stromverbrauch und begrenzte Reichweite finanzielle Probleme dar. Daher wird Kupfer eine lokale Optimierung für kurze Verbindungen bleiben, und Glasfaser wird die skalierbare Infrastruktur für KI-Rechenzentren sein.

Wie Glasfaser die Skalierungsbeschränkungen von Kupfer löst

Geringer Signalverlust ermöglicht Konnektivität über große Entfernungen

Einer der größten Vorteile von Glasfaser ist, dass sie Signale über große Entfernungen sehr gut übertragen kann. Kupferkabel werden schwächer, wenn das Signal immer weiter übertragen werden muss, aber Glasfaser kann Daten über größere Entfernungen senden, ohne viel vom Signal zu verlieren. Dadurch eignet sie sich perfekt für den Einsatz in groß angelegten KI-Rechenzentrumsnetzwerken.

Hohe Bandbreitenskalierbarkeit für zukünftige Datenraten

Glasfaser bietet die massive Bandbreitenskalierbarkeit, die erforderlich ist, um die durch KI-Workloads der nächsten Generation verursachten Datenraten zu erreichen. Glasfaser ist eine entscheidende Technologie für die Skalierung der KI-Infrastruktur in der Zukunft, da sie 400G-, 800G- und Verbindungen mit höherer Geschwindigkeit unterstützt.

Störfestigkeit gegen elektromagnetische Interferenzen

Anders als elektrische Signale, die Elektrizität nutzen, überträgt Glasfaser Daten mittels Licht. Daher ist sie unempfindlich gegenüber EMI. Dies stellt sicher, dass die Kommunikation an Orten stabiler und zuverlässiger ist, an denen es viele KI-Rechenzentren gibt und Tausende von Hochleistungskomponenten gleichzeitig laufen.

Überlegene Skalierbarkeit auf Systemebene

Glasfaser eignet sich besser für Systeme, da sie größer ausgelegt werden können. Ihre geringere Größe, ihr niedrigeres Gewicht und ihre höhere Portdichte helfen Rechenzentren, Platz, Stromverbrauch und Kühleffizienz besser zu nutzen. Da KI-Cluster weiter wachsen, wird Glasfaser benötigt, um größere, schnellere und effizientere Netzwerke aufzubauen.

Hybride Netzwerkarchitektur in modernen KI-Rechenzentren

Trennung von Intra-Rack- und Inter-Rack-Konnektivität

Da KI-Rechenzentren weiter skalieren, entsteht eine hybride Netzwerkarchitektur, die die Stärken von Kupfer und Glasfaser kombiniert. Anstatt Kupfer vollständig zu ersetzen, bewegt sich moderne KI-Infrastruktur hin zu einem Ansatz „Glasfaser zuerst, kupferunterstützt“.

Kupfer ist nach wie vor für die Konnektivität innerhalb des Racks geeignet, da kurze Entfernungen, geringere Kosten und einfache Bereitstellung wichtige Faktoren sind. Andererseits wird Glasfaser bei Verbindungen zwischen Racks und über große Entfernungen häufig eingesetzt, wenn hohe Bandbreite, geringer Signalverlust und bessere Skalierbarkeit erforderlich sind.

Fazit

Obwohl KI-Rechenzentren weiter skalieren, ist die Skalierbarkeit von Kupferverbindungen an ihre Grenzen gestoßen. Obwohl Kupfer bei kurzen Verbindungen innerhalb von Racks weiterhin einen Zweck erfüllt, können die ständig steigenden Anforderungen an höhere Bandbreite, größere Reichweite und verbesserte Effizienz für KI-Workloads mit der aktuellen Kupfertechnologie nicht erfüllt werden. Die Glasfaser entwickelt sich zum Rückgrat der KI-Infrastruktur der nächsten Generation und versorgt Hyperscale-Rechenzentren schneller und stabiler, um anspruchsvollere KI-Systeme zu unterstützen.