導 言

  如今，人工智能（AI） /機器學習（ML）應用對數據處理和傳輸的需求不斷增長，這是推動數據中心內與數據中心之間高速互連呈指數級增長的主要因素。

  AI/ML應用需要在處理器、內存和存儲之間快速傳輸數據，以高效地處理龐大的數據集和復雜的計算。隨著AI模型的規模和復雜程度不斷增長，對可擴展互連解決方案的需求變得至關重要，由此帶來了高速、低延遲、高能效和低成本等關鍵要求。

  這些要求推動了線性驅動可插拔光器件（LPO）技術的發展，該技術有望在光網絡的發展過程中發揮重要作用。

  本文介紹了與LPO設計和測試相關的挑戰，并展示了如何在設計和制造階段使用EXFO的BA-4000-L2-RCNC來應對這些挑戰。

LPO 光模塊有何不同？

  AI/ML應用需要大量使用高速互連，在這些高速連接中有很大一部分都基于800G QSFP-DD或OSFP光模塊。

  第一代800G光模塊嵌入了數字信號處理器（DSP），用于恢復和再生來自host的電信號和從光鏈路另一端接收的光信號（見圖1）。采用這種結構的光模塊也稱為經過重新定時處理的光模塊（retimed optical transceiver）。在實踐中，這意味著光模塊內的DSP充當光模塊電氣接口和光接口之間的分界點，以便在向電氣接口轉發數據之前，恢復光側出現的任何信號衰減并重新生成數據，反之亦然。

圖1:?經過重新定時處理的800G光模塊。

圖2:?線性驅動可插拔光器件（LPO）

  相反， LPO光模塊依賴于host SerDes的性能和能力來直接驅動光模塊的傳輸器件，如激光器或調制器驅動器，并恢復直接從光接收器TIA接收到的信號，而無需在光模塊內額外進行任何數字信號處理（見圖2）。

  業界對LPO光模塊的濃厚興趣源于這項技術帶來的關鍵優勢，使其成為一款極具吸引力的解決方案，用以滿足對AI/ML光網絡的需求：

  01 能效：LPO光模塊無需數字信號處理（DSP）芯片，從而大大降低了能耗。這對于數據中心和其它高速連接應用來說至關重要，因為在此類應用中，能效是關心的主要問題。

  02 熱管理： 通過減少發熱， LPO光模塊改善了熱管理。這可以降低冷卻要求和運營成本。

  03 低延遲： 通過消除光模塊內的數字處理，大大減少了由光模塊增加的延遲時間。

  04 節約成本： LPO模塊的簡化設計減少了器件數量，從而有可能降低制造和組裝成本。

  接下來本文將從如下幾個方面詳細解讀“設計和測試LPO光模塊的挑戰”以及EXFO的BA-4000-L2-RCNC帶來的解決方案：

設計和測試LPO光模塊的挑戰

  · LPO通道設計

  · 信號完整性

  · 功能強大的光模塊的重要性

  · 帶真實流量和FEC統計數據的端到端性能

  · 互通性

  · 經濟高效的制造和可靠的測試

  EXFO/ 應用說明

“碼”上下載應用說明

獲取完整光模塊的

設計和挑戰