Bienvenue chez QSFPTEK Global     Livraison gratuite sur les commandes aux États-Unis et dans l’UE de plus de US$79.8     Entrepôt mondial

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

Panier

0
Free shipping on U.S. & EU orders over US$79.8
Devise : EUR €
Choose language
Back
  • USD $ - US Dollar
  • EUR € - Euro
  • JPY 円 - Japanese Yen
  • KRW ₩ - Korean Won

Comment les émetteurs-récepteurs optiques pourraient-ils évoluer à l’ère de l’IA ?

Auteur Aiyden

Date 01/17/2024

Découvrez le rôle essentiel des émetteurs-récepteurs optiques, qui stimulent les avancées technologiques et remodèlent les architectures à l’ère portée par l’IA.

Depuis la croissance rapide de ChatGPT en janvier 2023, l’application logicielle développée par OpenAI a suscité une attention et une faveur sans précédent de la part des utilisateurs du monde entier. Le lancement de ChatGPT a également stimulé le développement de produits concurrents, créant une vague dans laquelle des entreprises du monde entier rivalisent pour déployer l’intelligence artificielle. 

 

Nvidia a signalé la croissance des ventes de matériel d’intelligence artificielle (IA), comme les interconnexions à fibre optique. Google prévoit de promouvoir les investissements dans les clusters de serveurs d’IA. D’autres entreprises cloud, comme Amazon et Microsoft, peuvent mener le développement de nouvelles applications d’IA.  Le marché a constaté que les systèmes d’IA ont un besoin urgent d’émetteurs-récepteurs optiques pour fournir une transmission de données entre serveurs de calcul plus rapide et à plus grande bande passante que jamais. Cet article est une analyse du marché sur la façon dont les émetteurs-récepteurs peuvent évoluer à l’ère portée par l’IA.

 

Quel est le rapport entre un émetteur-récepteur optique et l’intelligence artificielle ?

Chatgpt a atteint cent millions d’utilisateurs actifs mensuels dans les deux mois suivant son lancement le 30 novembre 2022, devenant ainsi l’application logicielle grand public à la croissance la plus rapide de l’histoire. Environ 13 millions d’utilisateurs individuels consultent Chatgpt et y effectuent des recherches chaque jour, un nombre qui continue de croître. Le fonctionnement de ChatGPT doit s’appuyer sur de puissantes ressources de calcul dans le cloud pour répondre aux besoins massifs des utilisateurs. Sans cela, des incidents comme celui où ChatGPT s’est arrêté en raison d’une hausse soudaine du trafic dans la soirée du 7 février se produiront fréquemment.

 

 

L’IA générative est entraînée sur un jeu de données existant, ce que vous pouvez remarquer dans le champ d’invite lorsque vous posez des questions à Chatgpt : mes connaissances ont été mises à jour pour la dernière fois en janvier 2022. Le jeu de données comprend d’énormes paramètres pour une capacité robuste de calcul et d’apprentissage automatique, répartis sur des dizaines de milliers de contrôleurs. L’IA est le principal facteur qui stimule la demande en centres de données, et les centres de données nécessitent des émetteurs-récepteurs pour prendre en charge la transmission des données de liaison. Les centres de données actuels et futurs doivent ajouter une unité d’IA privée pour traiter des jeux de données massifs et effectuer des calculs complexes en temps réel.  

 

Refonte de l’architecture côté entraînement et prédiction - Passage au réseau CLOS : Fat-Tree, Spine-Leaf et quelle suite ?

L’application généralisée de l’IA et la demande accrue de haut débit qui en résulte pour les terminaux réseau et le matériel informatique, tels que les CPU/GPU, pourraient ouvrir la voie à de futurs changements dans l’architecture réseau des centres de données d’IA. 

 

La plateforme d’IA générative adopte des méthodes d’entraînement côté cloud et de prédiction côté terminal. La demande de modules émetteurs-récepteurs pour l’entraînement de l’IA est fortement liée aux expéditions de GPU. En revanche, la demande de modules du côté de la prédiction de l’IA est fortement associée au trafic de données requis par les utilisateurs finaux. L’architecture Fat-tree se caractérise par l’absence de congestion, elle pourrait donc dominer le réseau côté entraînement cloud afin de répondre aux exigences de réseau hautes performances. Comme le côté inférence de prédiction fait face aux utilisateurs finaux, la forte augmentation potentielle du nombre d’utilisateurs, stimulée par des applications d’IA vidéo ou image populaires, exige une puissance de calcul encore plus élevée que du côté de l’entraînement. Par conséquent, le côté prédiction privilégie l’architecture spine-leaf pour gérer la charge de données accrue propulsée par les applications d’IA. La refonte de l’architecture des centres de données d’IA devrait devenir un autre moteur de l’augmentation des émetteurs-récepteurs optiques et des commutateurs réseau.

 

L'architecture traditionnelle à trois niveaux cœur-agrégation-accès repose sur un mode de transmission nord-sud, qui a trouvé ses limites lorsque l'augmentation du trafic est-ouest a commencé à dominer dans les centres de données. La mise en réseau CLOS est devenue essentielle pour permettre aux centres de données de construire un réseau de commutation non bloquant et à plusieurs étages. 

 

L’architecture Fat-Tree marque l’entrée du modèle de réseau CLOS dans le domaine des centres de données et connaît le succès dans les centres de données Nvidia. Fat-Tree déploie un nombre considérable de commutateurs identiques, bon marché et peu performants, afin de construire un réseau à grande échelle sans congestion. Cependant, Fat-Tree présente également des inconvénients. Par exemple, l’échelle d’expansion est limitée par la densité de ports des commutateurs principaux, ce qui n’est pas favorable au développement durable des centres de données.

L’architecture spine-leaf à deux niveaux, un autre modèle de réseau CLOS, a pris de l’ampleur dans les connexions de centres de données. L’architecture spine-leaf est une structure plate adaptée à l’émergence du trafic est-ouest. Le commutateur Spine est similaire à un commutateur central, et les commutateurs Leaf sont directement connectés aux ordinateurs. Tous les commutateurs sont bidirectionnels pour l’entrée et la sortie des données. Un réseau spine-leaf présente les avantages d’une conception plate, d’une extension facile, d’une latence prévisible, d’une sécurité élevée et d’une forte utilisation de la bande passante. Cependant, les commutateurs spine-leaf exigent que les commutateurs de tous les points de liaison soient des commutateurs L3, ce qui coûte beaucoup plus cher que l’architecture traditionnelle à trois niveaux qui exige que le commutateur central soit de couche 3. C’est pourquoi la mise en réseau spine-leaf est devenue populaire dans les centres de données ces dernières années, lorsque le coût des dispositifs de commutation a commencé à baisser.

 

Comment les modules optiques affecteront-ils le changement technologique à l’ère de l’IA?

Les transceivers optiques devraient stimuler la révolution technologique de prochaine génération en tant que composant central de l’interconnexion des centres de données et de l’interconnexion interne. 

 

Alors que le 400G devient la norme dominante dans les interconnexions de centres de données pour gérer des volumes massifs de trafic de données entre serveurs et stockage, les produits de solutions breakout 4x 100G et 8x 100G ont prouvé leur popularité. Cependant, les grands modèles d’IA comme ChatGPT ont imposé des exigences plus élevées en matière de trafic de données à l’intérieur et à l’extérieur des centres de données, la mise à niveau de 400G vers 800G devenant une nouvelle tendance. Selon les données prévisionnelles de LightCounting, les expéditions de ports DWDM à des vitesses plus élevées, 600G, 800G et au-delà, devraient augmenter en 2024 et au cours des prochaines années. 

 

Les opérateurs de centres de données hyperscale souhaitent adopter des optiques de nouvelle génération afin de permettre un flux de données rapide et massif entre les serveurs et les dispositifs de stockage. Cette tendance répond également à la demande de technologies émergentes telles que l’Internet des objets (IoT), l’intelligence artificielle (AI) et l’apprentissage automatique (ML).

 

Source : LightCounting Optical Communications Market Forecast, avril 2022.

  

Nous pouvons nous attendre à ce que les modules optiques jouent un rôle essentiel dans les domaines suivants à l’ère de l’intelligence artificielle : 

• Développer de meilleurs systèmes d’IA : les systèmes d’IA devraient s’appuyer sur des émetteurs-récepteurs optiques pour assurer une transmission de données ultra-rapide et fiable.

• DCI et superordinateurs : l’interconnexion des centres de données et des superordinateurs qui hébergent des systèmes d’IA nécessite une vitesse élevée et une large bande passante pour l’analyse et le calcul de données massives.

• Favoriser le développement de l’Edge computing basé sur l’IA : les appareils IoT tels que les capteurs et les caméras doivent pouvoir traiter les données rapidement avec une latence minimale.

 

Quels problèmes les futurs émetteurs-récepteurs doivent-ils résoudre à l’ère de l’IA ?

 

Consommation d'énergie

La consommation d’énergie est essentielle, car il existe des milliers d’émetteurs-récepteurs dans un grand centre de données, voire des centaines de milliers dans un centre de données hyperscale. À mesure que la vitesse des modules optiques évolue vers le haut, la consommation d’énergie augmente également. En revenant sur la transition de 1G à 800G, nous pouvons confirmer ce point : 1W pour le module SFP 1G, 1.5W pour le module SFP+ 10G, 3.5W pour le module QSFP+ 40G, 4W pour le module QSFP28 100G, 12W pour le 400G QSFP-DD module et 17W pour l’émetteur-récepteur 800G QSFP-DD800.

 

Prenons comme exemple le commutateur Cisco Nexus 9232E 32 ports QSFP-DD800 800G. S’il est entièrement équipé de 32 émetteurs-récepteurs optiques 800G QSFP-DD800, la consommation électrique totale sera de 544W = 17W x 32. Dans une transmission réelle, les émetteurs-récepteurs sont utilisés par paires, ce qui portera la consommation électrique des modules optiques aux deux extrémités de la liaison à plus d’un kilowatt. Une telle valeur de consommation électrique est coûteuse rien que pour les modules optiques.

 
Remarque : La valeur de consommation électrique a été tirée de la Fiche technique du module émetteur-récepteur Cisco

 

Rentabilité

Les futurs émetteurs-récepteurs seront largement adoptés dès qu’ils deviendront rentables. Un exemple de ce point est que le 40GE a été largement utilisé jusqu’à ce que le 100GE devienne rentable. Une approche consiste à doubler le débit de données dans chaque voie sans augmenter le débit en bauds, ce qui a été réalisé avec succès dans la modulation PAM4 (modulation d’amplitude d’impulsion à 4 niveaux) avec FEC (correction d’erreurs directe) et égalisation afin de remédier à la forte sensibilité du PAM4 au bruit. Le 100G PAM4 est désormais mature pour les applications 100GE ou 400GE. La montée en puissance vers le 800G exerce une pression sur la disponibilité des routeurs et commutateurs de 25,6 Tbps dotés d’interfaces 100G PAM4. La solution 200G PAM4 récemment développée dans les optiques 800G QSFP-DD et 800G OSFP rend le 800G plus abordable. 

 

La photonique sur silicium pourrait être une autre technologie essentielle pour réduire les coûts des futures optiques, en particulier pour les émetteurs-récepteurs denses à huit voies ou plus et les émetteurs-récepteurs optiques cohérents alimentés par une capacité complexe de fibre optique. Elle consiste à intégrer des composants photoniques et des fonctionnalités d’émetteur-récepteur dans un substrat en silicium. En outre, les futurs émetteurs-récepteurs devraient être conditionnés avec un ASIC de commutation, ce qui signifie que des émetteurs-récepteurs optiques indépendants pourraient ne pas devoir être branchés sur des panneaux de commutation.

 

 

Intelligence

Les futurs réseaux dominés par les applications pilotées par l’IA stimuleront la demande en dispositifs et composants de réseaux optiques intelligents. Les réseaux basés sur l’IA peuvent comprendre une quantité incommensurable de dispositifs, de logiciels et de technologies complexes, ce qui deviendra un désastre si des systèmes réseau automatisés ne sont pas mis en place. Le système autogéré et automatique contrôlé par l’IA transmettra aux optiques intelligentes l’état de fonctionnement global de lui-même et de ses fibres connectées, ce qui est primordial pour anticiper les pannes avant qu’elles ne surviennent et garantir le bon fonctionnement des systèmes de calcul IA. 

 

En tant que solution économique et simple pour les réseaux de transmission à haut débit et longue distance, l’émetteur-récepteur cohérent est la norme dominante dans les réseaux Metro et assumera des responsabilités et des attentes plus élevées dans les applications actuelles et futures à forte intensité d’IA. Le FEC réalisé par DSP (le composant central de la technologie cohérente) permet au lien cohérent d’être plus résistant au bruit que la détection directe. Un futur émetteur-récepteur programmé intelligemment devrait contrôler son FEC afin de s’adapter à l’évolution des applications réseau.

 

Résumé

L’intelligence artificielle (IA) gagne du terrain et continue d’être développée afin d’optimiser ses limites, comme la génération de réponses absurdes. Des émetteurs-récepteurs optiques évolutifs et plus puissants sont essentiels pour prendre en charge la transmission de données ultra-rapide, à mesure que les exigences des centres de données augmentent sous l’effet de l’IA. Le passage de 400G à 800G répond à des demandes croissantes : 2024 pourrait devenir l’année de l’adoption du 800G dans les centres de données. Le remodelage de l’architecture des centres de données du côté de l’entraînement et de la prédiction devrait constituer un autre catalyseur et moteur de la demande d’émetteurs-récepteurs. Outre la poursuite constante de vitesses plus élevées, les défis incluent l’augmentation de la consommation d’énergie, la rentabilité et le besoin de systèmes intelligents et automatisés pour prendre en charge les réseaux pilotés par l’IA. Tirer parti des technologies précédentes qui ont réussi et réaliser des avancées dans la modulation PAM4, la correction d’erreurs directe (FEC) et la photonique sur silicium peuvent contribuer à rendre ces solutions plus abordables et plus efficaces pour répondre à ces demandes.

 

Partager

Étiquettes

#"AI
#Optics and Transceivers
#Market Insight"