AI 인프라의 변화: 실리콘을 넘어서는 프로그래밍 가능성

전 세계가 AI와 그 모든 응용 프로그램에 점점 더 매료되는 동안, AI의 완전한 성공을 방해하는 몇 가지 실제 장벽이 존재합니다. 예를 들어, AI 데이터 센터 인프라는 상당한 신뢰성 문제, 성능 병목 현상 및 점점 더 많은 전력 소비 제약으로 인해 실제로 AI 시스템이 확장할 수 있는 범위가 제한됩니다. 실제로, AI의不断变化하는 워크로드는 다음 단계의 OCS 개발로의 이동을 요구합니다. 즉, 프로그래밍 가능한 실리콘 광자학 기반 OCS를 가능하게 하는 네트워크 유연성의 수준을 이전에 볼 수 없는 것입니다.

우리가 여기서 어떻게 왔는가: OCS 개발의 역사

광학 회로 스위치(OCS)는 19세기 후반/20세기 초에 전화 통신이 회로 스위칭에 의존했을 때 시작된 전화의 긴 역사에 뿌리를 두고 있습니다. 패킷 스위칭은 1960년대에 공유 인프라를 더 잘 활용하기 위한 방법으로 도입되었습니다. 이는 데이터를 작은 “패킷”으로 나누어 네트워크의任意 경로로 전송할 수 있도록 허용했습니다. 1970년대에는 이러한 패킷이 주소 지정, 라우팅 및 전달 방식이 정의되었습니다. 1980년대에는 이러한 정의, 즉 전송 제어 프로토콜/인터넷 프로토콜(TCP/IP)이 인터넷 표준이되어 이전에 호환되지 않는 네트워크가 공통 프레임워크 하에서 통신할 수 있도록했습니다. 1990년대에 네트워크 및 확장성 요구가 증가함에 따라 전기 패킷 스위치(EPS)가 도입되었습니다. TCP/IP와 함께 EPS는 인터넷의 성장과 전 세계 수백만 명의 사용자를 연결하는 데 기여했습니다. 同時に, 광섬유가 전역 네트워크에서 구리선으로 대체되었습니다. 이는 더 높은 용량과 더 긴 거리 및 다중 테라비트 속도를 지원할 수 있었습니다.

다이나믹 AI 환경

그러나 21세기 초반에, AI 워크로드는 현재의 전자 기반 네트워크에 엄청난 부담을 주었으며, 최초의 상업용 MEMS 기반 광학 회로 스위치(OCS) 데이터 센터 아키텍처의 개발을 촉발했습니다. 광학 MEMS 스위치는 모든 광 스위칭 장치로, 마이크로 스카이 미러를 사용하여 입력 및 출력 광섬유 사이에서 빛을 재방향시킵니다. 이러한 MEMS 기반 OCS는 대규모 포트 수를 지원하므로 데이터 센터에서 원격 서버를 광학적으로 연결하는 데 이상적입니다. 그러나 재구성 속도, 포트당 비용 및 형태의 제한이 명백해졌습니다. 이러한 제한으로 인해 MEMS 기반 OCS는 데이터 센터 컴퓨팅 엔진의 핵심인 스케일 업 네트워크에서 네트워크 실시간 재구성을 요구하는 필요를 충족할 수 없습니다. 특히 AI 워크로드의 경우에도 마찬가지입니다.

실제로, 오늘날 MEMS 기반 OCS의 제한과 AI 데이터 센터에 대한 요구는 매년 또는 6개월마다, 아니면 4분기에 한 번씩 Dramatically 증가하고 있습니다. AI 데이터 센터 생태계의 배우들은 이제 빠르게 적응하고不断变化하는 AI 풍경에 대응해야합니다. 네트워크 설계자는 또한 네트워크 내의 문제를 피하거나 새로운 수준의 AI 워크로드를 최적화된 성능으로 관리하기 위해 필요한 경우에 AI 데이터 센터 네트워크를 재구성 또는 재프로그래밍해야합니다.

프로그래밍 가능한 실리콘 광자학: ‘동결’ 네트워크를 넘어서

프로그래밍 가능한 실리콘 광자학(SiPh) OCS는 OCS 개발의 다음 단계입니다. 저렴하고 매우 컴팩트하며 소프트웨어에 의해 구동되는 이러한 광자 칩은 즉시 재프로그래밍되어 네트워크를 실시간으로 재구성할 수 있습니다. MEMS와 비교하여, 프로그래밍 가능한 SiPh OCS는固体상태 기술로, 움직이는 부품이 없기 때문에 신뢰성 위험이 많이 제거됩니다. 固体상태, CMOS 호환 기술은 또한 최적의 GPU 클러스터 대상 비용인 100달러당 radix를 일치시킬 수 있음을 의미합니다.

프로그래밍 가능한 SiPh OCS는 또한 두 가지 중요한 방식으로 AI 데이터 센터 아키텍처를 강화합니다. 첫째, GPU 인터커넥트의 빠른 재구성을 가능하게 하여 워크로드를 더 효율적으로 실행하고 완료할 수 있습니다. AI 훈련이 진화함에 따라, 통신 토폴로지는 패킷 손실 없이 동적으로 변경되어야합니다. 이는 매우 빠른 재구성 시간을 요구하는 영역에서 SiPh OCS의 확장성이 MEMS 기반 접근 방식보다 기본적으로 우수합니다. MEMS 기술보다 재구성 및 전导 시간을 몇 가지 수준으로 더 빠르게 지원합니다.

둘째, SiPh OCS의 프로그래밍 가능성은 추가 기능을 스위칭 패브릭에 직접 통합할 수 있게 해줍니다. 실시간 원격 분석을 위한 SiGe 통합 광検출기 및 링크 증폭과 같은 기능을 포함하여 관찰 가능성과 고장 내구성을 향상시킬 수 있습니다. MEMS 기반 OCS는 일반적으로 2-3 dB의 광 손실을 도입하는 반면, SiPh OCS 구현은 효과적으로 손실이 없도록 설계될 수 있습니다. 이는 전체 시스템의 유연성과 효율성을 향상시킵니다.

미래를 향해

과거의 데이터 센터 네트워크는剛性があり AI 데이터 센터의不断变化하는 요구에 따라가기 어렵기 때문에, 프로그래밍 가능한 SiPh 기술의 시장은 수십억 달러의 기회를 제공합니다. 이 거대한 성장과 함께, 이 새로운 기술의 핵심에 있는 비즈니스 간의 협력 및 협조의 필요성이 있습니다. 이를 위해 OCP 표준화 본부가 있습니다. 이 본부에는 Google, Microsoft, Lumentum 및 기타 혁신가들이 포함되어 있으며, OCS를 사용하는 네트워크 관리자의 소프트웨어 인터페이스를 가능한 한 표준화하고 사용하기 쉽게 만드는 것을 목표로합니다. 이러한 회사들은 함께 그들의 관점을 공유하고 기술을 발전시키고 채택을 가속화하기 위한 표준을 만들고자합니다.

AI가 우리 세계의 진화를 주도함에 따라, AI 데이터 센터 네트워크도 진화하고 미래를 준비하여 이를 지원해야합니다. 프로그래밍 가능한 SiPh OCS는 회사들이 혁신의 정점에서 창조할 수 있고 모든 사람에게 새로운 기회를 실현할 수 있게 해줍니다.