Добро пожаловать в QSFPTEK Global     Бесплатная доставка для заказов в США и ЕС на сумму свыше US$79.8     Глобальный склад

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

Корзина

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

Как могут развиваться оптические трансиверы в эпоху ИИ?

Автор Aiyden

Дата 01/17/2024

Погрузитесь в изучение ключевой роли оптических трансиверов, стимулирующих технологический прогресс и преобразующих архитектуры в эпоху развития ИИ.

После стремительного роста популярности ChatGPT к январю 2023 года это программное приложение, разработанное OpenAI, получило беспрецедентное внимание и признание пользователей по всему миру. Выпуск ChatGPT также стимулировал разработку конкурирующих продуктов, вызвав волну, в рамках которой компании по всему миру начали активно внедрять искусственный интеллект. 

 

Nvidia сообщила о росте продаж оборудования для искусственного интеллекта (AI), например оптоволоконных соединений. Google планирует увеличить инвестиции в кластеры AI-серверов. Другие облачные компании, такие как Amazon и Microsoft, могут возглавить разработку новых приложений AI.  Рынок показал, что системам AI срочно требуются оптические трансиверы для обеспечения более быстрой и высокоскоростной передачи данных между вычислительными серверами, чем когда-либо прежде. В этой статье рассматриваются рыночные перспективы развития трансиверов в эпоху, обусловленную AI.

 

Что должен делать оптический трансивер Ha с искусственным интеллектом?

Chatgpt привлек сто миллионов ежемесячно активных пользователей в течение двух месяцев после запуска 30 ноября 2022 года, став самым быстрорастущим потребительским программным приложением в истории. Ежедневно Chatgpt посещают и используют для поиска около 13 миллионов отдельных пользователей, и это число продолжает расти. Для работы ChatGPT необходимы мощные ресурсы облачных вычислений, способные удовлетворить огромные потребности пользователей. В противном случае такие инциденты, как сбой ChatGPT’а из-за резкого увеличения трафика вечером 7 февраля, будут происходить часто.

 

 

Генеративный AI обучается на существующем наборе данных, что можно заметить в поле prompt при задании вопросов Chatgpt: my knowledge was last updated in January 2022. Набор данных включает огромное количество параметров для эффективных вычислений и возможностей машинного обучения, распределенных по десяткам тысяч контроллеров. AI является основным фактором, стимулирующим спрос на центры обработки данных, а центрам обработки данных требуются трансиверы для поддержки передачи данных по каналам. Современные и будущие центры обработки данных должны добавить частный AI-модуль для обработки огромных наборов данных и выполнения сложных вычислений в реальном времени.  

 

Изменение архитектуры на стороне обучения и прогнозирования — переход к сетям CLOS: Fat-Tree, Spine-Leaf и что дальше?

Широкое применение ИИ и обусловленный им рост спроса на широкополосную пропускную способность сетевых терминалов и вычислительного оборудования, такого как CPU/GPU, может в будущем привести к изменениям в сетевой архитектуре центров обработки данных ИИ. 

 

Платформа генеративного ИИ использует методы обучения в облаке и прогнозирования на конечных устройствах. Спрос на трансиверные модули для обучения ИИ тесно связан с поставками GPU. В свою очередь, спрос на модули для прогнозирования ИИ тесно связан с объемом данных, необходимым конечным пользователям. Архитектура «жирного дерева» характеризуется отсутствием перегрузок, поэтому она может доминировать в сетевой части облачного обучения, отвечая требованиям высокопроизводительной сети. Поскольку сторона прогнозирования и инференса взаимодействует с конечными пользователями, потенциальный рост их числа, обусловленный популярными видео- или графическими приложениями ИИ, требует еще большей вычислительной мощности, чем этап обучения. Поэтому для стороны прогнозирования предпочтительна архитектура spine-leaf, позволяющая обрабатывать возросшую нагрузку на данные, создаваемую приложениями ИИ. Ожидается, что перестройка архитектуры центров обработки данных для ИИ станет еще одним фактором роста числа оптических трансиверов и сетевых коммутаторов.

 

Традиционная трехуровневая архитектура Core-Aggregation-Access основана на режиме передачи «север — юг», ограничения которого стали очевидны, когда резкий рост трафика «восток — запад» начал преобладать в центрах обработки данных. Сетевое взаимодействие CLOS стало необходимым для построения в центрах обработки данных неблокирующей многоуровневой сети коммутации. 

 

Архитектура Fat-Tree знаменует собой переход сетевой модели CLOS в сферу центров обработки данных и демонстрирует успешное применение в центрах обработки данных Nvidia. Fat-Tree использует значительное количество одинаковых недорогих коммутаторов с низкой производительностью для построения крупномасштабной сети без перегрузок. Однако у Fat Tree есть и недостатки. Например, масштаб расширения ограничен плотностью портов основных коммутаторов, что не способствует устойчивому развитию центров обработки данных.

Двухуровневая архитектура spine-leaf, еще одна модель сети CLOS, получила широкое распространение в подключениях центров обработки данных. Архитектура spine-leaf представляет собой плоскую структуру, подходящую для растущего трафика east-west. Коммутатор Spine аналогичен коммутатору ядра, а коммутаторы Leaf напрямую подключены к компьютерам. Все коммутаторы являются двунаправленными для ввода и вывода данных. Сеть spine-leaf имеет такие преимущества, как плоская архитектура, простое расширение, предсказуемая задержка, высокий уровень безопасности и высокая утилизация пропускной способности. Однако коммутаторы spine-leaf требуют, чтобы коммутаторы во всех точках соединения были коммутаторами L3, которые стоят значительно дороже, чем в традиционной трехуровневой архитектуре, где коммутатор ядра должен быть коммутатором уровня 3. Поэтому сети spine-leaf стали популярными в центрах обработки данных в последние несколько лет, пока стоимость коммутирующих устройств не начала снижаться.

 

Как оптические модули повлияют на технологические изменения в эпоху ИИ?

Ожидается, что оптические трансиверы станут движущей силой технологической революции следующего поколения как ключевой компонент межсоединений и внутренних соединений центра обработки данных. 

 

Поскольку 400G становится доминирующим стандартом для соединений между центрами обработки данных, обеспечивая обработку огромных объемов трафика данных между серверами и хранилищами, решения с разветвлением 4x 100G и 8x 100G доказали свою популярность. Однако крупные модели искусственного интеллекта, такие как ChatGPT, предъявляют более высокие требования к трафику данных внутри центров обработки данных и за их пределами, поэтому переход с 400G на 800G становится новой тенденцией. Согласно прогнозным данным LightCounting, ожидается, что в 2024 году и в ближайшие несколько лет увеличатся поставки портов DWDM с более высокой скоростью: 600G, 800G и выше. 

 

Операторы гипермасштабируемых центров обработки данных рассчитывают внедрять оптические решения следующего поколения для обеспечения быстрой и массовой передачи данных между серверами и устройствами хранения. Этот тренд также отвечает потребностям таких развивающихся технологий, как Интернет вещей (IoT), искусственный интеллект (AI) и машинное обучение (ML).

 

Источник: LightCounting Optical Communications Market Forecast, April 2022.

  

Можно ожидать, что оптические модули будут играть важную роль в следующих областях в эпоху искусственного интеллекта: 

• Разработка более совершенных систем ИИ: системы ИИ должны использовать оптические трансиверы для обеспечения сверхбыстрой и надежной передачи данных.

• DCI и суперкомпьютеры: для объединения центров обработки данных и суперкомпьютеров, на которых размещены системы ИИ, требуются высокая скорость и широкая полоса пропускания для анализа и обработки огромных объемов данных.

• Стимулирование развития периферийных вычислений на основе ИИ: устройствам IoT, таким как датчики и камеры, необходима возможность быстро обрабатывать данные с минимальной задержкой.

 

Какие проблемы должны решать будущие трансиверы в эпоху ИИ?

 

Энергопотребление

Энергопотребление имеет большое значение, поскольку в крупном центре обработки данных используются тысячи приемопередатчиков, а в гипермасштабируемом центре обработки данных их количество может достигать сотен тысяч. По мере увеличения скорости оптических модулей возрастает и энергопотребление. Если проследить переход от 1G к 800G, это становится очевидным: 1 Вт для модуля 1G SFP, 1,5 Вт для модуля 10G SFP+, 3,5 Вт для модуля 40G QSFP+, 4 Вт для модуля 100G QSFP28, 12 Вт для 400G QSFP-DD модуль и 17 Вт для трансивера 800G QSFP-DD800.

 

Возьмём в качестве примера коммутатор Cisco Nexus 9232E 32-портовый QSFP-DD800 800G. Если он полностью оснащён 32 оптическими трансиверами 800G QSFP-DD800, общее энергопотребление составит 544 Вт = 17 Вт x 32. При фактической передаче трансиверы используются парами, из-за чего энергопотребление оптических модулей на обоих концах линии превысит несколько киловатт. Такое энергопотребление только оптических модулей обходится дорого.

 
Примечание: значение энергопотребления было взято из Техническая спецификация трансиверного модуля Cisco

 

Экономическая эффективность

Трансиверы будущего получат широкое распространение, как только станут экономически выгодными. Примером этого является то, что 40GE широко использовался до тех пор, пока экономически выгодным не стал 100GE. Один из подходов заключается в удвоении скорости передачи данных в каждом канале без увеличения скорости передачи символов. Это было успешно реализовано в модуляции PAM4 (4-уровневая импульсно-амплитудная модуляция) с использованием FEC (прямой коррекции ошибок) и эквализации для устранения высокой чувствительности PAM4 к шуму. 100G PAM4 уже является зрелой технологией для приложений 100GE или 400GE. Переход на 800G оказывает давление на доступность маршрутизаторов и коммутаторов 25.6 Tbps с интерфейсами 100G PAM4. Недавно разработанное решение 200G PAM4 в оптических модулях 800G QSFP-DD и 800G OSFP делает 800G более доступным. 

 

Кремниевая фотоника может стать еще одной критически важной технологией для снижения стоимости оптических компонентов будущего, особенно для плотных трансиверов с восемью и более линиями и когерентных оптических трансиверов, использующих сложные технологии оптоволокна. Она заключается в интеграции фотонных компонентов и функций трансивера в кремниевую подложку. Кроме того, ожидается, что трансиверы будущего будут интегрироваться в корпус вместе с ASIC коммутатора, а это означает, что отдельные оптические трансиверы, возможно, не потребуется устанавливать в панели коммутаторов.

 

 

Интеллектуальность

Будущие сети, в которых будут доминировать приложения на основе ИИ, будут стимулировать спрос на интеллектуальные устройства и компоненты оптических сетей. Сети на основе ИИ могут включать неизмеримое количество устройств, программного обеспечения и сложных технологий, которые станут катастрофой, если не будут внедрены автоматизированные сетевые системы. Система с самоуправлением и автоматическим управлением на основе ИИ будет передавать интеллектуальной оптике информацию об общем рабочем состоянии самой системы и подключенных к ней волокон, что крайне важно для прогнозирования сбоев до их возникновения и обеспечения бесперебойной работы вычислительных систем ИИ. 

 

Будучи экономичным и простым решением для высокоскоростных сетей дальней передачи, когерентный трансивер является основным стандартом в сетях Metro и будет выполнять более ответственные функции и соответствовать более высоким требованиям в современных и будущих приложениях с интенсивным использованием ИИ. FEC, реализуемая с помощью DSP (ключевого компонента когерентной технологии), обеспечивает более высокую помехоустойчивость когерентного соединения по сравнению с прямым детектированием. Ожидается, что трансивер с интеллектуальным программированием в будущем сможет управлять своей FEC для адаптации к изменяющимся сетевым приложениям.

 

Краткое содержание

Искусственный интеллект (AI) набирает обороты и продолжает развиваться для устранения своих ограничений, таких как генерация бессмысленных ответов. Перспективные и более мощные оптические трансиверы имеют критическое значение для поддержки сверхбыстрой передачи данных по мере роста требований центров обработки данных, обусловленного развитием AI. Переход от 400G к 800G отвечает растущим требованиям: 2024 год может стать годом внедрения 800G в центрах обработки данных. Ожидается, что перестройка архитектуры центров обработки данных на стороне обучения и прогнозирования станет еще одним фактором, стимулирующим спрос на трансиверы. Помимо постоянного стремления к более высокой скорости, к основным проблемам относятся рост энергопотребления, экономическая эффективность и необходимость использования интеллектуальных автоматизированных систем для поддержки сетей на базе AI. Изучение ранее успешно применявшихся технологий и совершенствование модуляции PAM4, прямой коррекции ошибок (FEC) и кремниевой фотоники могут способствовать доступности и эффективности при удовлетворении этих требований.

 

Поделиться

Теги

#"AI
#Optics and Transceivers
#Market Insight"