QSFPTEK Global에 오신 것을 환영합니다     미국 및 EU 주문 US$79.8 초과 시 무료 배송     글로벌 창고

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

장바구니

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

AI 시대에 광 트랜시버는 어떻게 진화할 수 있을까요?

작성자 Aiyden

날짜 01/17/2024

AI 주도 시대에 기술 발전을 이끌고 아키텍처를 재편하는 광 트랜시버의 핵심적인 역할을 살펴보세요.

2023년 1월까지 ChatGPT가 빠르게 성장한 이후, OpenAI가 개발한 소프트웨어 애플리케이션은 전 세계 사용자들로부터 전례 없는 관심과 호응을 얻었습니다. ChatGPT의 출시는 경쟁 제품의 개발도 촉진하여, 전 세계 기업들이 인공지능 배포를 위해 경쟁하는 확산 국면을 형성했습니다. 

 

Nvidia는 광섬유 인터커넥트와 같은 인공지능(AI) 하드웨어의 매출 성장을 보고했습니다. Google은 AI 서버 클러스터에 대한 투자를 촉진할 계획입니다. Amazon 및 Microsoft와 같은 다른 클라우드 기업들도 새로운 AI 애플리케이션 개발을 주도할 수 있습니다.  시장에서는 AI 시스템이 컴퓨팅 서버 간에 그 어느 때보다 초고속 및 고대역폭 데이터 전송을 제공하기 위해 광 트랜시버를 긴급히 필요로 한다는 점을 확인했습니다. 이 글은 AI 주도 시대에 트랜시버가 어떻게 발전할 수 있는지에 대한 시장 인사이트입니다.

 

광 트랜시버는 인공지능과 어떤 관련이 있습니까?

Chatgpt는 November 30, 2022 출시 후 두 달 만에 월간 활성 사용자 일억 명을 확보하여 역사상 가장 빠르게 성장한 소비자용 소프트웨어 애플리케이션이 되었습니다. 매일 Chatgpt를 방문하고 검색하는 개별 사용자는 약 13백만 명이며, 여전히 증가하고 있습니다. ChatGPT를 운영하려면 방대한 사용자 수요를 충족할 수 있도록 강력한 클라우드 컴퓨팅 리소스가 뒷받침되어야 합니다. 그렇지 않으면 February 7 저녁 트래픽 급증으로 인한 ChatGPT’s 서비스 중단과 같은 사고가 빈번하게 발생할 것입니다.

 

 

생성형 AI는 기존 데이터 세트로 훈련되며, Chatgpt에 질문할 때 프롬프트 필드에서 다음과 같은 내용을 볼 수 있습니다: 내 지식은 2022년 1월에 마지막으로 업데이트되었습니다. 데이터 세트는 강력한 컴퓨팅 및 머신 러닝 능력을 위한 방대한 매개변수로 구성되어 있으며, 수만 개의 컨트롤러에 분산되어 있습니다. AI는 데이터 센터 수요를 주도하는 주요 요인이며, 데이터 센터는 링크 데이터 전송을 지원하기 위해 트랜시버가 필요합니다. 현재와 미래의 데이터 센터는 방대한 데이터 세트를 처리하고 복잡한 컴퓨팅을 실시간으로 수행하기 위해 전용 AI 유닛을 추가해야 합니다.  

 

훈련 및 예측 측면의 아키텍처 재구성 - CLOS 네트워킹으로의 전환: Fat-Tree, Spine-Leaf 그리고 다음은 무엇인가?

AI의 광범위한 적용과 그로 인한 CPU/GPU와 같은 네트워크 단말 및 컴퓨팅 하드웨어의 더 큰 광대역 수요는 향후 AI 데이터 센터의 네트워크 아키텍처 변화를 이끌 수 있습니다. 

 

생성형 AI 플랫폼은 클라우드 측 학습과 터미널 측 예측 방식을 채택합니다. AI 학습용 트랜시버 모듈 수요는 GPU 출하량과 강하게 관련되어 있습니다. 반면, AI 예측 측 모듈 수요는 최종 사용자에게 필요한 데이터 트래픽과 강하게 연관되어 있습니다. 팻트리 아키텍처는 비혼잡 특성을 갖추고 있어, 고성능 네트워크 요구사항을 충족하기 위해 클라우드 학습 측 네트워크를 지배할 수 있습니다. 예측 추론 측은 최종 사용자를 대상으로 하므로, 인기 동영상 또는 이미지 AI 애플리케이션에 의해 촉발되는 사용자 수의 잠재적 급증은 학습 측보다 훨씬 더 높은 연산 능력을 필요로 합니다. 따라서 예측 측은 AI 애플리케이션이 추진하는 증가된 데이터 부하를 처리하기 위해 스파인-리프 아키텍처를 선호합니다. AI 데이터 센터 아키텍처의 재편은 광 트랜시버와 네트워크 스위치 증가의 또 다른 촉진 요인이 될 것으로 예상됩니다.

 

전통적인 3계층 Core-Aggregation-Access 아키텍처는 남북 방향 전송 모드를 기반으로 하며, 데이터 센터에서 동서 방향 트래픽 급증이 지배적이기 시작하면서 한계가 드러났습니다. CLOS 네트워킹은 데이터 센터가 논블로킹 다단계 스위칭 네트워크를 구축하는 데 필수적이 되었습니다. 

 

Fat-Tree 아키텍처는 CLOS 네트워크 모델이 데이터 센터 분야에 진입했음을 보여주며 Nvidia 데이터 센터에서의 성공을 확인할 수 있습니다. Fat-Tree는 혼잡 없는 대규모 네트워크를 구축하기 위해 상당한 수의 동일한 저성능 저가 스위치를 배치합니다. 그러나 Fat Tree에도 단점이 있습니다. 예를 들어, 확장 규모는 코어 스위치의 포트 밀도에 의해 제한되며, 이는 데이터 센터의 지속 가능한 발전에 도움이 되지 않습니다.

또 다른 CLOS 네트워크 모델인 2계층 스파인-리프 아키텍처는 데이터 센터 연결에서 탄력을 얻었습니다. 스파인-리프 아키텍처는 동서 트래픽 발생에 적합한 플랫 구조입니다. Spine 스위치는 코어 스위치와 유사하며, Leaf 스위치는 컴퓨터에 직접 연결됩니다. 모든 스위치는 데이터 입력과 출력을 위해 양방향입니다. 스파인-리프 네트워크는 플랫 설계, 쉬운 확장, 예측 가능한 지연 시간, 높은 보안성, 높은 대역폭 활용률이라는 장점이 있습니다. 그러나 스파인-리프 스위치는 모든 링크 지점의 스위치가 L3 스위치여야 하므로, 코어 스위치만 레이어 3이면 되는 기존 3계층 아키텍처보다 비용이 훨씬 더 많이 듭니다. 이것이 스위칭 장치 비용이 낮아지기 시작한 최근 몇 년 전까지 스파인-리프 네트워킹이 데이터 센터에서 인기를 얻게 된 이유입니다.

 

AI 시대에 광 모듈은 기술 변화에 어떤 영향을 미칠까요?

광 트랜시버는 데이터 센터 상호 연결 및 내부 상호 연결의 핵심 구성 요소로서 차세대 기술 혁명을 주도할 것으로 예상됩니다. 

 

400G가 서버와 스토리지 간의 방대한 데이터 트래픽을 처리하기 위한 데이터 센터 상호 연결에서 지배적인 표준이 되고 있으므로, 4x 100G 및 8x 100G 브레이크아웃 솔루션 제품은 그 인기를 입증했습니다. 그러나 ChatGPT와 같은 대규모 AI 모델은 데이터 센터 내부 및 외부의 데이터 트래픽에 더 높은 요구 사항을 제기했으며, 400G에서 800G로의 업그레이드가 새로운 트렌드가 되고 있습니다. LightCounting 예측 데이터에 따르면, 600G, 800G 이상과 같은 더 높은 속도의 DWDM 포트 출하량은 2024년과 향후 몇 년 동안 증가할 것으로 예상됩니다. 

 

하이퍼스케일 데이터 센터 운영자는 서버와 스토리지 장치 간의 빠르고 대규모 데이터 흐름을 가능하게 하기 위해 차세대 광학 기술 도입을 기대하고 있습니다. 이러한 추세는 사물 인터넷(IoT), 인공 지능(AI), 머신 러닝(ML)과 같은 신흥 기술에 대한 수요에도 대응합니다.

 

출처: LightCounting Optical Communications Market Forecast, 2022년 4월.

  

인공지능 시대에 광 모듈은 다음 분야에서 중요한 역할을 할 것으로 기대할 수 있습니다: 

• 더 나은 AI 시스템 개발: AI 시스템은 초고속의 안정적인 데이터 전송을 달성하기 위해 광 트랜시버에 의존해야 합니다.

• DCI 및 슈퍼컴퓨터: AI 시스템을 호스팅하는 데이터 센터와 슈퍼컴퓨터를 상호 연결하려면 대규모 데이터 분석 및 컴퓨팅을 위해 고속 및 높은 대역폭이 필요합니다.

• AI 기반 엣지 컴퓨팅 개발 촉진: 센서 및 카메라와 같은 IoT 장치는 지연 시간을 최소화하면서 데이터를 빠르게 처리할 수 있는 기능이 필요합니다.

 

AI 시대에 미래 트랜시버가 해결해야 할 과제는 무엇입니까?

 

전력 소비

대규모 데이터 센터에는 수천 개의 트랜시버가 있으며, 하이퍼스케일 데이터 센터에는 수십만 개의 트랜시버가 있을 수도 있으므로 전력 소비는 매우 중요합니다. 광 모듈의 속도가 상향 발전함에 따라 전력 소비도 증가합니다. 1G에서 800G로의 전환을 되돌아보면 이 점을 확인할 수 있습니다: 1G SFP 모듈은 1W, 10G SFP+ 모듈은 1.5W, 40G QSFP+ 모듈은 3.5W, 100G QSFP28 모듈은 4W, 그리고 400G QSFP-DD 모듈의 경우 17W, 800G QSFP-DD800 트랜시버의 경우 17W입니다.

 

Cisco Nexus 9232E 32-port QSFP-DD800 800G Switch를 예로 들어 보겠습니다. 32 pcs 800G QSFP-DD800 광 트랜시버로 완전히 장착된 경우 전체 전력 소비량은 544W = 17W x 32가 됩니다. 실제 전송에서는 트랜시버가 쌍으로 사용되므로 링크 양단의 광 모듈 전력 소비가 킬로와트 이상에 달하게 됩니다. 광 모듈만으로 이러한 전력 소비 값은 비용이 많이 듭니다.

 
참고: 전력 소비 값은 다음에서 가져왔습니다 Cisco 트랜시버 모듈 데이터시트

 

비용 효율성

향후 트랜시버는 비용 효율적이 되면 널리 채택될 것입니다. 이 점의 한 예로, 100GE가 비용 효율적이 되기 전까지 40GE가 널리 사용되었습니다. 한 가지 접근 방식은 보드 레이트를 높이지 않으면서 각 레인의 데이터 전송률을 두 배로 높이는 것으로, 이는 FEC (Forward Error Correction) 및 이퀄라이제이션과 함께 PAM4 변조(Pulse Amplitude Modulation 4-level)에서 성공적으로 수행되어 PAM4의 높은 노이즈 민감도를 해결했습니다. 100G PAM4는 이제 100GE 또는 400GE 애플리케이션용으로 성숙해졌습니다. 800G로의 증가 추세는 100G PAM4 인터페이스를 갖춘 25.6 Tbps 라우터 및 스위치의 가용성에 압박을 가합니다. 800G QSFP-DD 및 800G OSFP 광 모듈의 새로 개발된 200G PAM4 솔루션은 800G를 더 경제적으로 만듭니다. 

 

실리콘 포토닉스는 특히 8개 이상의 레인과 복잡한 광섬유 기능으로 구동되는 코히어런트 광 트랜시버를 갖춘 고밀도 트랜시버의 경우 미래 광학 장치의 비용을 낮추는 또 다른 핵심 기술이 될 수 있습니다. 이는 광자 부품과 트랜시버 기능을 실리콘 기판에 통합하는 것입니다. 또한, 미래의 트랜시버는 스위치 ASIC과 함께 패키징될 것으로 예상되며, 이는 독립형 광 트랜시버를 스위치 패널에 꽂을 필요가 없을 수도 있음을 의미합니다.

 

 

스마트성

AI 기반 애플리케이션이 주도하는 미래 네트워크는 지능형 광 네트워킹 장치와 구성 요소에 대한 수요를 촉진할 것입니다. AI 기반 네트워크는 헤아릴 수 없이 많은 장치, 소프트웨어, 복잡한 기술로 구성될 수 있으며, 자동화된 네트워크 시스템이 구현되지 않으면 재앙이 될 것입니다. 자체 관리형 자동 AI 제어 시스템은 스마트 옵틱스를 중계하여 자체와 연결된 광섬유의 전반적인 작동 상태를 전달하며, 이는 장애가 발생하기 전에 예측하고 AI 컴퓨팅 시스템의 원활한 작동을 보장하는 데 매우 중요합니다. 

 

고속 및 장거리 전송 네트워크를 위한 비용 효율적이고 쉬운 솔루션으로서, 코히어런트 트랜시버는 Metro 네트워크에서 지배적인 표준이며, 현재와 미래의 AI 집약적 애플리케이션에서 더 높은 책임과 기대를 담당하게 될 것입니다. DSP(코히어런트 기술의 핵심 구성 요소)를 통해 구현되는 FEC는 코히어런트 링크가 직접 검출보다 잡음에 더 강하도록 합니다. 미래의 지능적으로 프로그래밍된 트랜시버는 변화하는 네트워킹 애플리케이션에 적응하도록 FEC를 제어할 것으로 예상됩니다.

 

요약

인공지능(AI)은 추진력을 얻고 있으며, 무의미한 답변 생성과 같은 한계를 최적화하기 위해 계속 개발되고 있습니다. AI로 인해 데이터 센터 수요가 증가함에 따라 초고속 데이터 전송을 지원하려면 미래에 대비한 더 강력한 광 트랜시버가 중요합니다. 400G에서 800G로의 전환은 증가하는 수요에 대응합니다. 2024년은 데이터 센터 도입에서 800G의 해가 될 수 있습니다. 훈련 및 예측 측면에서 데이터 센터 아키텍처의 재편은 트랜시버 수요를 촉진하는 또 다른 요인이자 동력이 될 것으로 예상됩니다. 항상 더 높은 속도를 추구하는 것 외에도, 과제로는 전력 소비 증가, 비용 효율성, AI 기반 네트워크를 지원하기 위한 스마트 자동화 시스템의 필요성이 있습니다. 이전의 성공적인 기술을 학습하고 PAM4 변조, 순방향 오류 정정(FEC), Silicon Photonics의 발전을 이루는 것은 이러한 수요를 충족하는 데 있어 경제성과 효율성에 기여할 수 있습니다.

 

공유

Tags

#"AI
#Optics and Transceivers
#Market Insight"