将光带入硅基:从内到外重新思考AI网络

目前,行业发展趋势正汇聚于这一方向——各大芯片制造商、超大规模数据中心运营商以及各类标准组织,都在共同向光子解决方案迈进。

走进现代人工智能数据中心机房,其宏大规模会瞬间映入眼帘:一排排交换机从地面一直堆叠至天花板,粗壮的线缆在机架间纵横交错。这里的一切布局,旨在实现海量数据的高效传输——这种规模在五年前看来,几乎是遥不可及的。

生成式人工智能(Generative AI)的下一次飞跃,或许并非源于设施规模的进一步扩大,而是取决于一个大多数人从未见过的微小空间——即交换机内部,连接数据处理芯片与负责以光速传输数据的光纤之间的那短短几厘米距离。这正是人工智能基础设施领域中,令人振奋的创新设计正在发生的地方。被称为“共封装光学”(Co-Packaged Optics,简称CPO)和“近封装光学”(Near-Packaged Optics,简称NPO)的新兴光子技术,正开启新一代网络的大门;这些网络在速度、密度和效率方面,都将超越我们以往构建的任何系统。

人工智能网络设计为何发生转变?

人工智能的需求正给数据中心的物理基础设施带来巨大压力——从为数十万个图形处理器(GPU)供电、维持其适宜的运行温度,到如何以更快、更高效的方式实现数据传输,这些都是严峻的挑战。要解决这些难题,就需要更巧妙地构思网络设计;而一个日益重要的趋势,就是将光纤引入设备内部。正因如此,CPO和NPO技术成为了数据中心新一轮创新浪潮的核心。

目前的运作方式是这样的:数据以光的形式通过光纤在数据中心内传输,抵达交换机的前面板。在那里,一个可插拔的收发器将光信号转换为电信号,随后数据经由几英寸长的铜导线(铜迹线)传输,最终到达芯片。几英寸的铜导线听起来似乎微不足道,但面对生成式人工智能飞速增长的需求,这段短距离却成了一道障碍,网络工程师们正致力于大规模地克服这一难题。

四个方面的改进

随着带宽和速度需求的不断攀升,前面板与芯片之间那段短距离的铜导线,被迫承担起远超其最初设计容量的负载。当人工智能流量通过这些铜导线传输时,会引发一系列重大问题:信号完整性难以维持,功耗上升,组件产生的热量增加。这导致网络密度陷入停滞,而此时,运营商恰恰需要进一步提升网络密度。将光网络进一步推入设备内部,使光信号更贴近芯片,能够在带宽、功耗、密度和可靠性等各个关键维度上创造出更大的优化空间。与依靠铜导线在芯片内外传输高速电信号不同,CPO(共封装光学)和NPO(近封装光学)等光子技术将光学组件引入了交换机内部更深处。

目前,行业发展趋势正汇聚于这一方向——各大芯片制造商、超大规模数据中心运营商以及各类标准组织,都在共同向光子解决方案迈进。

为硅片注入“光”动力

共封装光学(CPO)和近封装光学(NPO)技术直接应对了人工智能(AI)需求所带来的挑战。在CPO系统中,传统的可插拔光模块被移除,光纤直接延伸至交换机内部,并与芯片共同封装在同一硅基底上。CPO代表了一种高度集成的架构,它实际上用光纤取代了大部分铜互连线路。这充分发挥了光通信的优势:突破速度与距离的限制,以比铜线更高效的方式传输海量数据。

随着未来几年行业内CPO应用的推广,近封装光学(NPO)提供了一种折中方案——既能实现CPO的部分优势,又降低了系统复杂性。NPO将光学组件移至设备内部,但并未完全集成到芯片封装之中。它同样能够降低功耗、提升系统密度,同时保留了供应链的灵活性,并减少了在硅片层面进行深度集成的需求。这两种技术路径很可能会长期共存,且最终目标一致:让光学组件尽可能靠近芯片。

对于一个在单一训练集群中部署了数万甚至未来可能达到数百万个GPU的“AI工厂”而言,向光子技术转型至关重要。互连环节每节省一瓦功耗,就能为网络中的其他部分腾出宝贵的电力预算;前面板上每腾出一毫米空间,就意味着网络可以多配置一个端口。与可插拔光模块相比,这种方案具备更高的可靠性,能确保AI网络全天候稳定运行,避免因链路故障而导致系统停机。

在交换机内部方寸之间所做的决策,足以影响整个数据中心设施的经济效益。

实际测试揭示了什么?

CPO在性能上的优势,使其不仅是工程师关注的技术趋势,更成为运营商切实考量的现实选择。

与传统的可插拔光模块相比,共封装设计能够显著提升设备内部及外部的连接密度。将光学组件进一步向内迁移,释放了外部空间,使前面板的端口密度提升了数倍。此外,精密的光纤布线也为内部实现更高密度的连接创造了条件。通过限制数据路径中高能耗铜介质的使用量,CPO(共封装光学)能够显著降低网络和计算环节的功耗。

尽管节能一直是CPO的优势所在,但可靠性已迅速成为衡量其成功与否的最关键指标之一。在当今的数据中心内,可插拔光模块往往是导致网络故障的常见诱因;而在人工智能(AI)训练过程中,任何一次中断都会带来巨大的代价。一旦链路失效,GPU便会陷入空闲状态,进而影响整个节点的运行效率,导致整个集群的资源利用率及“每瓦性能”随之下降。

通过将光学器件更紧密地集成到系统整体中,设计精良的共封装光学(CPO)系统能够剔除那些易发生故障的组件,从而显著提升光链路的整体可靠性。康宁(Corning)与博通(Broadcom)在一份联合白皮书中指出,通过创新的产品设计、系统级的全光纤管理优化,以及预装式光纤模块的应用,业界能够构建并大规模部署稳健的CPO架构,从而降低系统全生命周期内的故障风险。对于那些日益趋向全天候不间断运行的工作负载而言,可靠性已与能效并列,成为推动技术转型最关键的考量因素。

这对行业意味着什么?

人工智能(AI)基础设施的发展正呈现出新的维度。过去几年,行业关注的重点在于“规模能做到多大”;而未来几年,重点将转向“设计能有多智能”。

这一宏观趋势的影响力已远超数据中心机房本身。电力供应与电网容量的限制,正直接决定AI数据中心的选址;散热需求与热预算,正在重塑机架架构;而为了在AI运行速度下实现数据传输,物理层面的挑战正促使交换机本身进行重构。所有这些压力都指向同一个方向:在有限的设备空间内,实现更高的性能与集成度。

“共封装光学”(CPO)正是这一发展方向最典型的体现。它不再将互连技术视为一个“已解决且只需微型化”的问题,而是将其视为一个“有待重新设计”的开放课题。这表明,AI基础设施的下一次飞跃,将不再仅仅依赖于扩建更多的场地或增加更多的机架,而是源于对现有设备内部结构的重新审视——从每一个毫米的细节做起。

请扫码关注数字化经济观察网
责编:左翊琦
参与评论
文明上网,理性发言!请遵守新闻评论服务协议
0/200