ICC訊  2024年10月15日至17日，開放計算項目全球峰會2024（簡稱OCP24）在美國加州圣何塞舉行。OCP是一個專注于計算的展會，在過去幾年里，由于人工智能的發展，該展會的重要性得到了極大的提升。在OCP24上，盡管多數參會者聚焦于AI架構、功率、液冷及軟件的討論，但有一個座無虛席的會議，專門探討網絡和光學技術對于當前及未來AI節點擴展性的重要意義。Meta強調，目前仍不清楚如何在不增加更多GPU的情況下從大型AI模型中獲得更準確的結果（因為更高的準確性意味著需要更多的參數，而更多的參數則需要更多的GPU資源），這意味著數據中心對光學帶寬的需求不會停止。

  今年，首次有兩家光學供應商光迅和Ciena在展會上設有展位。隨著CIOE和ECOC剛剛落幕，而且OCP并不是傳統的光學展覽，因此并沒有任何主要的光學公告。不過，這里有關于數據中心內部光學技術未來的有趣討論，而OCP可能是聽取初創公司關于AI光學有趣想法的最佳場所。

  本文中涵蓋的主題包括：

  共封裝光學（CPO）離現實更近了一步

  Ciena推出400G/通道 —— 出乎意料

  AI節點中的光學可靠性和穩定性需提升

  LPO——持續發展，但問題依然存在

  液冷將改變架構設計

  結論

  共封裝光學（CPO）離現實更近了一步

  近幾年來，CPO幾乎一直由Intel和Broadcom通過51.2T交換機演示進行獨家推廣。去年的OCP會議上，Micas Networks首次推出了基于Broadcom CPO平臺的商用交換機。今年，Micas依然是唯一商用的CPO交換機廠商，但許多其他公司在他們的演講中也開始提及CPO。

  最近，臺積電（TSMC）宣布正在研究在其工藝流程中集成SiPho，而超大規模企業也發表了令人鼓舞的聲明，CPO似乎比以往任何時候都更接近現實——可能在不到五年的時間內就能實現大規模部署。然而，CPO的采用仍然是有些二元化的——要么會被一個主要客戶認可用于大規模部署，從而引發大量需求，要么它仍將是一種少數較小運營商采用的小眾產品。目前這個關鍵的主要客戶尚未出現，但鑒于AI是一個核心應用場景，Nvidia和超大規模企業的ASICs很可能是早期采用者。

  CPO所宣傳的主要好處仍然是功耗（聲稱每800GbE小于5.5W），但它還提供了穩定性和更低的延遲。AI模型中困擾光學連接的偶然錯誤（flapping）隨著鏈路中DSP的減少而降低，這可能以犧牲一致性為代價，換取了鏈路穩定性以及較低的誤碼率（BER）。對于短距離鏈接，這種權衡可能是值得的。字節跳動在展覽會上分享了早期試驗的結果，表明第二層網絡的延遲最高可減少600納秒，第三層網絡的延遲最高可減少1000納秒（不過，字節跳動并未解釋第三層網絡為何會有更顯著的延遲改善）。

  Micas繼續開發其CPO平臺，目前為51.2T，但計劃在Tomahawk 6可用時升級到102.4T。這意味著Broadcom將開發一個102.4T的CPO板卡。今年Micas已經出貨了幾十臺交換機，主要用于評估，并預計到2025年最多也只能出貨幾百臺，因為尋找主要客戶的工作仍在繼續。騰訊仍然是一個潛在的客戶（Micas雇傭了一名來自該公司的高級工程師），但在短期內不會大量采購。

  Broadcom與字節跳動共同展示了CPO，后者展示了一個潛在的網絡部署方案，其中CPO交換機作為頂級脊柱層，未來將轉移到核心層，直接進入網絡的主要交換基礎設施。服務提供商正在試用一個商用平臺的定制版本，據推測是Micas，因為它擁有目前唯一的商用平臺。字節跳動表示還沒有承諾購買和部署，并且仍在評估這項技術。

  Broadcom與字節跳動共同展示了CPO技術，展示了一種將CPO交換機作為Top Spine層，并在未來過渡到核心層的潛在網絡部署方案，這將使CPO直接成為網絡主交換基礎設施的一部分。服務提供商正在測試商用平臺的定制版本，據推測該平臺為Micas的產品，因為目前它是唯一可用的商用平臺。字節跳動表示，他們尚未決定購買和部署，并且仍在評估這項技術。

  Meta表示，他們正在研究將CPO應用于“Scale up域”（即目前使用銅纜連接的機架內部）。隨著這一領域擴展到單個機架之外并且需要光學技術時，CPO可能成為一個可行的選擇。Meta相信，由于減少了活動組件的數量，CPO可以提供一個更可靠的網絡，減少鏈路故障的發生。值得一提的是，Meta曾是CPO/NPO技術的早期倡導者之一，但在后來停止了內部開發。

  Ciena推出400G/通道 —— 出乎意料

  正如Cignal AI在其最新的ECOC 2024報告中所述，400G/通道電子和光學器件被認為即將公開亮相。實際情況比預期的更早到來。在OCP上，Ciena展示了利用其WaveLogic 6e相干DSP中的SERDES實現的400G/通道PAM4操作。這不是像Marvell或Broadcom這樣的傳統DSP供應商，而是Ciena首先在3nm硅片上公開演示了400Gbps的操作。Ciena的演示應被視為一個測試芯片，而該公司正考慮為其多個組件，包括一個400Gbps/通道的PAM4 DSP，制定未來的商業化計劃。

  在光學方面，Hyperlight關于薄膜鈮酸鋰（TFLN）的演講表明，該材料有足夠的帶寬來支持400G/通道的光學器件。Hyperlight還提到，在過去兩年中，TFLN晶圓制造商的數量已經從一家增加到了三家。硅光子學（SiPho）幾乎肯定不能在400G/通道條件下工作，即使是InP EMLs也可能面臨性能問題。盡管TFLN在大規模生產中尚未得到驗證，但它仍然是2028年后實現400Gbps/通道3.2GbE的一個強有力候選者。

  AI節點中的光學可靠性和穩定性需提升

  在Cignal AI的CIOE報告（CIOE24：洞察中國市場）中，該市場調研公司首次提到了光學器件中的bit error和flapping導致AI模型失敗的問題，這個問題在這次OCP上被多次提及。AI模型中的鏈路錯誤可能會導致整個計算周期失敗，并需要從檢查點重新啟動。然而，光學方面的消息比最初報道的要樂觀：

  Meta展示了其模型數據，顯示GPU的故障率遠遠高于光學鏈路。在初步數據中，約80%的模型故障是硬件問題造成的，其中60%是由于GPU故障。網絡問題是導致故障的第四大因素——雖然這并不理想，但情況并不像最初認為的那樣嚴重。

  Meta還指出，400GbE模塊的故障大多是因為制造問題，而非激光器故障（200GbE模塊的故障主要是由于DML，但400GbE使用了更為可靠的EML）。制造問題相比基本的半導體可靠性問題應該更容易解決。

  此外，Meta表示，所有硬件——無論是光學器件還是ASIC——的故障率隨時間逐漸下降，這表明存在一些尚未確定的早期失效原因。同樣，這應該是一個比可靠性故障更容易解決的問題。

  旭創展示的數據表明，基于硅光子學（SiPho）的光學器件的可靠性有了顯著提高。這家公司已經售出了數百萬個可插拔模塊，其現有產品的FIT率低于0.4，這對于1.6Gbps速率下的低成本SiPho光學器件而言是個積極的信號。

  LPO——持續發展，但問題依然存在

  線性可插拔光學（LPO）繼續在各類展覽會上受到關注，特別是在Arista的Andy Bechtolsheim出席的場合。然而，目前還沒有大型客戶正式采用這項技術。即便互操作性問題得到了解決，故障排查和管理方面的問題仍然存在。因此，盡管業內對這項技術的討論持續不斷，但Cignal AI的預測（800GbE市場中不足10%的份額）自一年前《線性驅動市場機會》（The Linear Drive Market Opportunity）報告發布以來，一直未發生變化。

  在一個光學專題的演講中，Meta表示LPO正處于“積極研究”階段，但從LPO在OFC23上引起關注到現在已接近兩年，研究尚未轉化為實際部署。Meta還報告稱，排查光學鏈路固有的困難很大；據報告，因故障退回的模塊中有75%被診斷為未發現問題（NTF），這意味著光學器件并非錯誤來源。由于LPO進一步減少了用于鏈路評估的遙測數據，問題可能會變得更復雜，盡管鏈路中的活動組件減少可能會提高整體可靠性。

  或許對LPO的最大激勵來自Chris Cole的觀點（Cignal AI也有同樣的看法），即對于當前的AI運營者而言，部署速度遠比在光學器件上節省一點能耗重要得多——因此，基于DSP的光學器件（MOP）仍將是首選架構。

  1.6T可能會為LPO——或者說更有可能是LRO——提供機會，因為目前還沒有既定的MOP。OCP24上的演講者承認，200G/通道的LPO更具挑戰性，這意味著其部署并不確定。

  液冷將改變架構設計

  下一代AI設施將需要液冷技術，因為單個機架的散熱需求將超過100千瓦。在展會上，可以看到許多液冷供應商及其演示。正如Cignal AI在ECOC報告中討論的，液冷技術將會改變設備的設計。Credo展示液冷技術也將使得電氣連接（如銅線/AEC）更加普及。隨著液冷技術的應用，AI節點的密度增加，GPU之間的距離變短，從而使得銅連接可以用于更多的地方。一旦不再依賴風冷，設備和網絡設計肯定會經歷重大變革。

  結論

  雖然OCP不是一個專門的光學展會，但它展示了未來幾年由AI推動的光學需求和發展趨勢。雖然銅線在AI節點內部還將長期使用，但隨著速度提升和集群范圍擴大，光學技術變得不可或缺。光學帶寬需求不斷增加，同時由于AI模型參數持續增長，功耗問題仍然突出。盡管許多光學互聯的創新可能不會被廣泛采納，但它們有望挑戰行業對光學互聯的看法。這是一個屬于AI的時代，光學技術也被邀請一同前行。

  原文：OCP24: Optical Gets Invited to the AI Party - Cignal AI- https://cignal.ai/2024/10/ocp24-optical-gets-invited-to-the-ai-party/