Willkommen bei QSFPTEK Global     Kostenloser Versand für Bestellungen aus den USA und der EU über US$79.8     Globales Lager

Währung: EUR €
USD $ - US Dollar
EUR € - Euro
JPY 円 - Japanese Yen
KRW ₩ - Korean Won
Suchen

Warenkorb

0
Kostenloser Versand für Bestellungen aus den USA und der EU über US$79.8
Währung: EUR €
Sprache auswählen
Zurück
  • USD $ - US Dollar
  • EUR € - Euro
  • JPY 円 - Japanese Yen
  • KRW ₩ - Korean Won

Wie könnten sich optische Transceiver im KI-Zeitalter entwickeln?

Autor Aiyden

Datum 01/17/2024

Tauchen Sie ein in die zentrale Rolle optischer Transceiver, die technologische Fortschritte vorantreiben und Architekturen im KI-getriebenen Zeitalter neu gestalten.

Seit dem rasanten Wachstum von ChatGPT bis Januar 2023 hat die von OpenAI entwickelte Softwareanwendung weltweit beispiellose Aufmerksamkeit und Beliebtheit bei Nutzern gewonnen. Die Veröffentlichung von ChatGPT hat außerdem die Entwicklung konkurrierender Produkte angeregt und eine Welle ausgelöst, in der globale Unternehmen darum konkurrieren, künstliche Intelligenz einzusetzen. 

 

Nvidia meldete ein Umsatzwachstum bei Hardware für künstliche Intelligenz (KI), wie z. B. Glasfaser-Interconnects. Google plant, Investitionen in KI-Servercluster zu fördern. Andere Cloud-Unternehmen wie Amazon und Microsoft können die Entwicklung neuer KI-Anwendungen vorantreiben.  Der Markt hat erkannt, dass KI-Systeme dringend optische Transceiver benötigen, um eine schnellere und bandbreitenstärkere Datenübertragung zwischen Computing-Servern als je zuvor bereitzustellen. Dieser Artikel bietet Markteinblicke dazu, wie sich Transceiver in der KI-getriebenen Ära entwickeln könnten.

 

Was hat ein optischer Transceiver mit künstlicher Intelligenz zu tun?

Chatgpt hat innerhalb von zwei Monaten nach seiner Einführung am 30. November 2022 hundert Millionen monatlich aktive Nutzer gewonnen und ist damit die am schnellsten wachsende Softwareanwendung für Verbraucher in der Geschichte. Die Zahl der einzelnen Nutzer, die Chatgpt täglich besuchen und Suchanfragen stellen, beträgt etwa 13 Millionen und wächst weiter. Der Betrieb von ChatGPT muss durch leistungsstarke Cloud-Computing-Ressourcen unterstützt werden, um den enormen Nutzeranforderungen gerecht zu werden. Andernfalls werden Vorfälle wie ChatGPT’s Ausfall aufgrund eines sprunghaften Anstiegs des Datenverkehrs am Abend des 7. Februar häufig auftreten.

 

 

Generative KI wird mit einem vorhandenen Datensatz trainiert, was Sie möglicherweise im Eingabefeld bemerken, wenn Sie Chatgpt Fragen stellen: Mein Wissen wurde zuletzt im Januar 2022 aktualisiert. Der Datensatz umfasst enorme Parameter für robuste Rechen- und Machine-Learning-Fähigkeiten, verteilt auf Zehntausende von Controllern. KI ist der Hauptfaktor, der die Nachfrage nach Rechenzentren antreibt, und Rechenzentren benötigen Transceiver, um die Datenübertragung über Verbindungen zu unterstützen. Aktuelle und zukünftige Rechenzentren müssen eine private KI-Einheit hinzufügen, um massive Datensätze zu verarbeiten und komplexe Berechnungen in Echtzeit durchzuführen.  

 

Architektur-Neugestaltung auf Trainings- und Vorhersageseite - Ein Wechsel zu CLOS-Netzwerken: Fat-Tree, Spine-Leaf und was kommt als Nächstes?

Die breite Anwendung von AI und der daraus resultierende höhere Breitbandbedarf für Netzwerkendgeräte und Rechenhardware wie CPU/GPU könnten künftige Veränderungen in der Netzwerkarchitektur von AI-Rechenzentren einleiten. 

 

Die Generative-AI-Plattform setzt auf cloudseitige Trainings- und terminalseitige Vorhersagemethoden. Die Nachfrage nach Transceiver-Modulen für das KI-Training steht in engem Zusammenhang mit GPU-Lieferungen. Im Gegensatz dazu ist die Nachfrage nach Modulen auf der KI-Vorhersageseite stark mit dem von den Endbenutzern benötigten Datenverkehr verbunden. Die Fat-Tree-Architektur zeichnet sich durch Nicht-Überlastung aus, sodass sie das cloudseitige Trainingsnetzwerk dominieren könnte, um die Anforderungen an Hochleistungsnetzwerke zu erfüllen. Da die Vorhersage-Inferenzseite den Endbenutzern zugewandt ist, erfordert der potenzielle Anstieg der Benutzerzahlen, der durch beliebte Video- oder Bild-KI-Anwendungen angetrieben wird, eine Rechenleistung, die noch höher ist als am Trainingsende. Daher bevorzugt die Vorhersageseite die Spine-Leaf-Architektur, um die durch KI-Anwendungen vorangetriebene erhöhte Datenlast zu bewältigen. Es wird erwartet, dass die Neugestaltung der KI-Rechenzentrumsarchitektur zu einem weiteren Wegbereiter für den Anstieg optischer Transceiver und Netzwerk-Switches wird.

 

Die traditionelle dreistufige Core-Aggregation-Access-Architektur basiert auf einem Nord-Süd-Übertragungsmodus, der an seine Grenzen stieß, als der Anstieg des Ost-West-Datenverkehrs in Rechenzentren zu dominieren begann. CLOS-Netzwerke sind für Rechenzentren unverzichtbar geworden, um ein nicht-blockierendes und mehrstufiges Switching-Netzwerk aufzubauen. 

 

Die Fat-Tree-Architektur kennzeichnet den Eintritt des CLOS-Netzwerkmodells in den Bereich der Rechenzentren und zeigt ihren Erfolg in Nvidia-Rechenzentren. Fat-Tree setzt eine beträchtliche Anzahl gleicher, günstiger Switches mit geringer Leistung ein, um ein groß angelegtes Netzwerk ohne Überlastung aufzubauen. Der Fat Tree hat jedoch auch seine Nachteile. Beispielsweise ist der Erweiterungsumfang durch die Portdichte der Core-Switches begrenzt, was der nachhaltigen Entwicklung von Rechenzentren nicht zuträglich ist.

Die zweistufige Spine-Leaf-Architektur, ein weiteres CLOS-Netzwerkmodell, gewann bei Rechenzentrumsverbindungen an Bedeutung. Die Spine-Leaf-Architektur ist eine flache Struktur, die für das Aufkommen von Ost-West-Datenverkehr geeignet ist. Der Spine-Switch ähnelt einem Core-Switch, und die Leaf-Switches sind direkt mit Computern verbunden. Alle Switches sind bidirektional für Dateneingabe und -ausgabe. Ein Spine-Leaf-Netzwerk bietet die Vorteile eines flachen Designs, einfacher Erweiterung, vorhersehbarer Latenz, hoher Sicherheit und hoher Bandbreitenauslastung. Spine-Leaf-Switches erfordern jedoch, dass die Switches an allen Verbindungspunkten L3-Switches sind, was deutlich mehr kostet als die traditionelle dreistufige Architektur, bei der nur der Core-Switch Layer 3 sein muss. Aus diesem Grund wurde Spine-Leaf-Networking in den letzten Jahren in Rechenzentren populär, als die Kosten für Switching-Geräte zu sinken begannen.

 

Wie werden optische Module den technologischen Wandel im KI-Zeitalter beeinflussen?

Optische Transceiver dürften als Kernkomponente der Rechenzentrumsvernetzung und internen Vernetzung die Technologierevolution der nächsten Generation vorantreiben. 

 

Da 400G zum dominierenden Standard bei Rechenzentrumsverbindungen wird, um enorme Mengen an Datenverkehr zwischen Servern und Speichern zu bewältigen, haben Produkte für 4x 100G- und 8x 100G-Breakout-Lösungen ihre Beliebtheit unter Beweis gestellt. Große KI-Modelle wie ChatGPT stellen jedoch höhere Anforderungen an den Datenverkehr innerhalb und außerhalb von Rechenzentren, wobei der Wechsel von 400G zu 800G zu einem neuen Trend wird. Laut Prognosedaten von LightCounting wird erwartet, dass die Auslieferung von DWDM-Ports mit höheren Geschwindigkeiten, 600G, 800G und mehr, im Jahr 2024 und in den nächsten Jahren zunimmt. 

 

Betreiber von Hyperscale-Rechenzentren freuen sich darauf, Optiken der nächsten Generation einzusetzen, um einen schnellen und massiven Datenfluss zwischen Servern und Speichergeräten zu ermöglichen. Dieser Trend trägt auch der Nachfrage nach neuen Technologien wie dem Internet of Things (IoT), Artificial Intelligence (AI) und Machine Learning (ML) Rechnung.

 

Quelle: LightCounting Optical Communications Market Forecast, April 2022.

  

Wir können davon ausgehen, dass optische Module im Zeitalter der künstlichen Intelligenz in den folgenden Bereichen eine entscheidende Rolle spielen werden: 

• Entwicklung besserer KI-Systeme: KI-Systeme sollten auf optische Transceiver setzen, um eine ultraschnelle und zuverlässige Datenübertragung zu erreichen.

• DCI und Supercomputer: Die Verbindung von Rechenzentren und Supercomputern, die KI-Systeme hosten, erfordert hohe Geschwindigkeit und hohe Bandbreite für massive Datenanalysen und Berechnungen.

• Motivation für die Entwicklung von KI-basiertem Edge-Computing: IoT-Geräte wie Sensoren und Kameras benötigen die Fähigkeit, Daten schnell und mit minimierter Latenz zu verarbeiten.

 

Welche Probleme müssen zukünftige Transceiver im KI-Zeitalter lösen?

 

Stromverbrauch

Der Stromverbrauch ist entscheidend, da es in einem großen Rechenzentrum Tausende von Transceivern oder in einem Hyperscale-Rechenzentrum sogar Hunderttausende gibt. Mit zunehmender Geschwindigkeit optischer Module steigt auch der Stromverbrauch. Wenn wir auf den Übergang von 1G zu 800G zurückblicken, können wir diesen Punkt bestätigen: 1W für das 1G-SFP-Modul, 1.5W für das 10G-SFP+-Modul, 3.5W für das 40G-QSFP+-Modul, 4W für das 100G-QSFP28-Modul, 12W für das 400G QSFP-DD Modul und 17W für den 800G QSFP-DD800-Transceiver.

 

Nehmen wir den Cisco Nexus 9232E 32-Port QSFP-DD800 800G Switch als Beispiel. Wenn er vollständig mit 32 Stk. 800G QSFP-DD800 optischen Transceivern bestückt ist, beträgt der Gesamtstromverbrauch 544W = 17W x 32. Bei der tatsächlichen Übertragung werden Transceiver paarweise verwendet, wodurch der Stromverbrauch der optischen Module an beiden Enden der Verbindung auf mehr als Kilowatt ansteigt. Ein solcher Stromverbrauchswert nur für die optischen Module ist kostspielig.

 
Hinweis: Der Wert des Stromverbrauchs wurde entnommen aus dem Datenblatt für Cisco-Transceiver-Modul

 

Kosteneffizienz

Zukünftige Transceiver werden weit verbreitet eingesetzt, sobald sie kosteneffizient werden. Ein Beispiel hierfür ist, dass 40GE weit verbreitet genutzt wurde, bis 100GE kosteneffizient wurde. Ein Ansatz besteht darin, die Datenrate in jeder Lane zu verdoppeln, ohne die Baudrate zu erhöhen; dies wurde erfolgreich bei der PAM4-Modulation (Pulse Amplitude Modulation 4-level) mit FEC (Forward Error Correction) und Entzerrung umgesetzt, um der hohen Rauschempfindlichkeit von PAM4 zu begegnen. 100G PAM4 ist inzwischen ausgereift für 100GE- oder 400GE-Anwendungen. Der Hochlauf auf 800G erhöht den Druck auf die Verfügbarkeit von 25.6 Tbps Routern und Switches mit 100G PAM4-Schnittstellen. Die neu entwickelte 200G PAM4-Lösung in der 800G QSFP-DD- und 800G OSFP-Optik macht 800G erschwinglicher. 

 

Silizium-Photonik kann eine weitere entscheidende Technologie sein, um die Kosten zukünftiger Optiken zu senken, insbesondere für dichte Transceiver mit acht oder mehr Lanes und kohärente optische Transceiver, die durch komplexe Glasfaserfähigkeiten unterstützt werden. Dabei werden photonische Komponenten und Transceiver-Funktionalität in ein Siliziumsubstrat integriert. Zudem wird erwartet, dass zukünftige Transceiver zusammen mit Switch-ASICs verpackt werden, was bedeutet, dass unabhängige optische Transceiver möglicherweise nicht mehr in Switch-Panels eingesteckt werden müssen.

 

 

Intelligenz

Die künftigen Netzwerke, die von KI-gesteuerten Anwendungen dominiert werden, werden die Nachfrage nach intelligenten optischen Netzwerkgeräten und -komponenten vorantreiben. KI-basierte Netzwerke können eine unermessliche Anzahl von Geräten, Software und komplexen Technologien umfassen, was zu einem Problem wird, sofern keine automatisierten Netzwerksysteme erreicht werden. Das selbstverwaltete und automatische KI-gesteuerte System wird intelligente Optiken nutzen, um einen gesamten Betriebszustand seiner selbst und der angeschlossenen Fasern weiterzuleiten, was entscheidend ist, um Ausfälle vorherzusehen, bevor sie auftreten, und den reibungslosen Betrieb der KI-Computing-Systeme sicherzustellen. 

 

Als kosteneffiziente und einfache Lösung für Hochgeschwindigkeits- und Langstrecken-Übertragungsnetze ist der kohärente Transceiver der dominierende Standard in Metro-Netzwerken und wird in heutigen und zukünftigen KI-intensiven Anwendungen höhere Verantwortlichkeiten und Erwartungen tragen. Durch DSP (die Kernkomponente der kohärenten Technologie) realisierte FEC ermöglicht es, dass die kohärente Verbindung störungsresistenter ist als direkte Detektion. Von einem zukünftigen intelligent programmierten Transceiver wird erwartet, dass er seine FEC steuert, um sich an die sich ändernden Netzwerkanwendungen anzupassen.

 

Zusammenfassung

Künstliche Intelligenz (KI) gewinnt an Dynamik und wird weiterhin entwickelt, um ihre Einschränkungen zu optimieren, etwa die Erzeugung unsinniger Antworten. Zukunftssichere, leistungsfähigere optische Transceiver sind entscheidend, um ultraschnelle Datenübertragung zu unterstützen, da die Anforderungen von Rechenzentren, angetrieben durch KI, steigen. Der Wechsel von 400G zu 800G adressiert wachsende Anforderungen: 2024 könnte das Jahr von 800G für die Einführung in Rechenzentren werden. Die Umgestaltung der Rechenzentrumsarchitektur auf der Trainings- und Vorhersageseite dürfte ein weiterer Ermöglicher und Treiber für die Nachfrage nach Transceivern sein. Neben dem ständigen Streben nach höherer Geschwindigkeit umfassen die Herausforderungen steigenden Stromverbrauch, Kosteneffizienz und den Bedarf an intelligenten, automatisierten Systemen zur Unterstützung KI-gesteuerter Netzwerke. Das Lernen aus früheren erfolgreichen Technologien und Fortschritte bei PAM4-Modulation, Vorwärtsfehlerkorrektur (FEC) und Silicon Photonics können dazu beitragen, diese Anforderungen erschwinglich und effizient zu erfüllen.

 

Teilen

Tags

#"AI
#Optics and Transceivers
#Market Insight"