Den kommende skiftet i AI-infrastruktur: Programmerbarhet beyond silisium

Mens hele verden blir mer og mer forelsket i AI og alle dets anvendelser, finnes det noen meget reelle barrierer som hindrer dets fulle suksess. Ta for eksempel AI-datacenters infrastruktur, som møter betydelige pålitelighetsutfordringer, ytelsesbottlenecks og økende kraftforbrukbegrensninger som begrenser hvor langt AI-systemer kan skaleres i praksis. I virkeligheten krever AI-sine evoluerende arbeidsbyrder en overgang til neste stadium av OCS-utvikling — programmerbare silisium-fotoniske OCS-er — som muliggjør nivåer av nettverksfleksibilitet som aldri før har vært sett.

Hvordan vi kom hit: Historien bak OCS-utvikling

Optiske skifter (OCS-er) har en lang historie som starter i slutten av 19. og begynnelsen av 20. århundre, da stemmekommunikasjon avhengig av skifter — fysisk skiftering av kabler for å etablere en telefonforbindelse mellom to parter. Pakkeskiftering ble introdusert på 1960-tallet som en måte å gjøre bedre bruk av delt infrastruktur. Det innebar å bryte data opp i små “pakker” for å tillate flere overføringer å reise over et nettverk på noen som helst rute. På 1970-tallet ble disse pakkene ytterligere definert i hvordan de ble adressert, rute og levert over heterogene systemer, og på 1980-tallet ble denne definisjonen — Transmission Control Protocol/Internet Protocol, eller TCP/IP — den internett-standard som tillot tidligere uforenlige nettverk å kommunisere under en felles ramme. Da nettverks- og skaleringskravene økte på 1990-tallet, ble elektriske pakkeskifter (EPS-er) introdusert. Kombinert med TCP/IP, understøttet EPS-ene Internettets vekst og koblet sammen millioner av brukere globalt. Samtidig begynte fiber å erstatte kobber i globale nettverk, og tilbød høyere kapasitet og lengre rekkevidde og evnen til å støtte multi-terabit-hastigheter.

Det dynamiske AI-miljøet

Men tidlig på 2000-tallet la AI-arbeidsbyrdene en enorm belastning på nåværende elektroniske nettverk, og førte til utviklingen av de første kommersielle MEMS-baserte optiske skifter (OCS) datacentersarkitekturer. Optiske MEMS-skifter er alle-optiske skifterenheter som bruker mikroskopiske flyttbare speil for å omdirigere lys mellom inngang og utgangsfibere uten å konvertere signalet til elektrisitet. Disse MEMS-baserte OCS-ene støtter store porttall, som er ideelle for å optisk koble sammen fjerne servere og overvinne kobberbegrensninger i datacenter. Imidlertid har begrensninger i omkonfigurasjonshastighet, kostnad per port og formfaktor blitt tydelige. Disse begrensningene forhindrer MEMS-baserte OCS-er fra å møte behovet for nettverksomkonfigurasjon i sanntid i hjertet av datacenterets beregningsmotor — skalenettverket — spesielt i møte med AI-arbeidsbyrdene.

I virkeligheten er begrensningene til MEMS-baserte OCS-er og kravene til AI-datacenteret blir bare mer tydelige, takket være de massive, ikke-lineære, uforutsigbare endringene som AI introduserer hver år eller hver seks måned — hvis ikke hver kvartal. AI-datacenter-økosystem-aktører blir nå bedt om å tilpasse seg raskt og respondere på den evoluerende AI-landsbyen. Og nettverksdesignere blir presset til å omkonfigurere eller omprogrammere sine AI-datacenter-nettverk etter behov for å unngå problemer innen nettverket eller håndtere det nye nivået av AI-arbeidsbyrdene som trenger optimal ytelse.

Programmerbar silisium-fotonikk: Moving beyond a ‘frozen’ network

Programmerbare silisium-fotoniske (SiPh) OCS-er er neste skritt i OCS-utvikling. Lav kostnad, svært kompakts og drevet av programvare, kan disse fotoniske chipene bli omprogrammert i sanntid for å tilpasse nettverket. I sammenligning med MEMS er programmerbare SiPh OCS-er fasttilstands-teknologi, som fjerner mye av pålitelighetsrisikoen fordi det ikke finnes noen flyttbare deler. Fasttilstands-, CMOS-kompatibel teknologi impliserer også at det kan matche det optimum GPU-kluster-målpris på 100 dollar per radix.

Programmerbare SiPh OCS-er styrker AI-datacenter-arkitekturer på to kritiske måter. Først muliggjør de rask omkonfigurasjon av GPU-interconnects så arbeidsbyrdene kan bli utført mer effektivt og fullført raskere. Da AI-trening utvikler seg, må kommunikasjonstopologier endre seg dynamisk — selv innenfor treningen — uten pakketap. Dette krever ekstremt rask omkonfigurasjonstid, et område der SiPh OCS-skalerbarhet er fundamentalt overlegen MEMS-baserte tilnærminger, og støtter omkonfigurasjon og transduksjonstider som er mange størrelsesordener raskere enn MEMS-teknologier.

For det andre tillater SiPh OCS-programmerbarhet at ytterligere funksjoner kan integreres direkte i skifterfabrikken uten å skalerer på formfaktor. Funksjoner som sanntidstelemetri via SiGe-integerte fotodetektorer og linkforsterkning kan bli inkorporert for å forbedre observasjon og forbedre feilresistens. Mens MEMS-baserte OCS-er vanligvis introduserer 2–3 dB optisk tap, kan SiPh OCS-implementeringer bli designet for å være effektivt tapfrie, og forbedre hele systemets fleksibilitet og effisiens.

Ser fremover

Fordi historiske datacenter-nettverk er stive og ikke kan holde pace med de endrede behovene til AI-datacenter, presenterer markedet for programmerbar SiPh-teknologi en multi-milliard-dollar-mulighet. Sammen med denne enorme veksten kommer behovet for samarbeid og samarbeid mellom bedrifter som er i hjertet av denne nye teknologien. For å nå dette målet finnes det en OCP-standardiseringsorgan — som inkluderer Google, Microsoft, Lumentum og andre innovatører — som har som mål å gjøre programvaregrensesnittet for nettverkslederen som bruker OCS så standard og enkelt å bruke som mulig. Sammen deler disse bedriftene sine perspektiver og skaper standarder for å flytte teknologien fremover og akselerere adopsjonen.

Da AI driver evolusjon i vår verden, må AI-datacenter-nettverk også evolvere og være fremtidssikre for å støtte det. Programmerbare SiPh OCS-er muliggjør at bedrifter kan skape på toppen av innovasjon og realisere nye og spennende muligheter for alle og nd skape standarder for å flytte teknologien fremover og akselerere adopsjonen. Programmable SiPh OCSs enable companies to create at the peak of innovation and realize new and exciting opportunities for all.