AIデータセンターのための光学インターコネクト:プラグイン可能な光学モジュールからコパックされた光学

AIデータセンター向けの光インターコネクト光を使用して GPU、スイッチ、ラック、データセンター システム間で情報を移動する高速データ リンクです。大規模な AI クラスターには単なるコンピューティング能力以上のものが必要であるため、これらが重要になります。また、多くのデバイス間での高帯域幅、低遅延、電力効率の高いデータ移動も必要となります。

ここ数年、AI インフラストラクチャに関する議論のほとんどは GPU に集中していました。 GPU は大規模なトレーニングと推論に必要な並列コンピューティングを提供するため、この点に重点が置かれるのは当然です。しかし、GPU クラスターは単なるアクセラレーターの山ではありません。これは分散コンピューティング システムであり、分散システムは各プロセッサが計算できる速度だけでなく、プロセッサ間でデータを移動できる速度によっても制限されます。

数千の GPU が連携して動作すると、相互接続はコンピューティング システム自体の一部になります。 GPU、スイッチ、ラック間のデータ パスが追いつかない場合、高価なアクセラレータは待機時間が長くなり、コンピューティング時間が減ります。その意味で、光インターコネクトは周辺ネットワークのトピックではありません。これは、大規模な AI システムがインストールされているコンピューティングを効果的に使用できるかどうかを決定する物理レイヤーの 1 つです。

AI トレーニングは問題を最も簡単に確認できる場所です。大規模なモデルには、単一の GPU が保持または効率的に処理できる量をはるかに超える膨大な数のパラメーターが含まれる場合があります。ワークロードは多くのアクセラレータに分割されます。各 GPU はタスクの一部を計算し、中間結果を他の GPU と交換します。この交換はトレーニング中に繰り返し発生する可能性があり、AI クラスター内で大量の東西トラフィックが発生します。

推論も以前はもっと単純に見えました。初期の世代の AI アプリケーションでは、クエリが少数の GPU によって処理されると想像するのが自然でした。現代の推論は、より複雑な推論、より長いコンテキスト、検索、ツールの使用、計画、エージェント ワークフローへと移行しています。このような場合、システムは、より多くのステップにわたってより多くのコンピューティング リソースを調整する必要がある場合があります。その結果、特に大規模な展開で多くのユーザーにサービスを提供する場合、推論は相互接続に依存するワークロードになる可能性があります。

実際の教訓は簡単です。AI ワークロードで 1 つのシステムとして機能するために多くのプロセッサが必要になると、GPU インターコネクト帯域幅パフォーマンス方程式の一部になります。

トレーニングと推論はネットワークに異なる圧力をかけますが、どちらもデータの移動に依存します。

トレーニング中に、GPU は勾配、アクティベーション、パラメーター、中間データを交換します。モデルの分散が進み、クラスターが大きくなるほど、同期とデータ交換の重要性が高まります。推論中のプレッシャーはワークロードの設計によって異なります。単純な要求と応答の推論はトレーニングほどネットワークに負荷をかけない可能性がありますが、複数ステップの推論、取得、およびエージェント実行では、コンピューティング ノード、ストレージ システム、およびアクセラレータ グループ間の通信が増加する可能性があります。

これが、光インターコネクトが AI データセンター アーキテクチャの中心となっている理由です。課題はもはや、より高速なチップを構築する方法だけではありません。また、帯域幅を広く保ち、距離を管理しやすく、遅延を低く抑え、消費電力を制御できる方法でこれらのチップを接続する方法も重要です。

銅は依然として AI システムにおいて重要な位置を占めています。サーバー、シャーシ、または緊密に統合されたキャビネット内の非常に短い電気経路の場合、銅は効率的で保守性が高く、費用対効果が高くなります。この問題は、同じ銅ベースのアプローチがより高いレーン レート、より長いリンク、より大規模なクラスタ トポロジに向けて推し進められた場合に発生します。

高速では、銅線リンクは信号の完全性、到達距離、電力という 3 つの接続上の制約に直面します。データレートが高くなるほど、クリーンな電気信号を長距離に送信することが難しくなります。パッシブ銅線は通常、短いリンクに限定されます。アクティブ銅ソリューションは電子機器を追加することで到達範囲を拡張できますが、それらの電子機器により電力、熱、コストが増加し、設計が複雑になります。

SerDes テクノロジーにより、非常に高速な電気インターフェイスが可能になりましたが、信号レートが高くなると、銅線リンクは損失、反射、クロストーク、イコライゼーションの複雑さの影響をますます受けやすくなります。 AI システムがより高速な電気レーンに移行するにつれて、銅線の効果的な到達範囲は製品とアーキテクチャに依存するようになります。

これは銅が消滅するという意味ではありません。これは、銅の強度が依然として物理的距離と一致する場所、つまり短く厳密に制御された電気経路で銅が使用されることが増えていることを意味します。リンクが数メートルを超えて移動する場合、またはラックスケールまたはクラスタースケールのシステムで多くのリンクを高密度で動作させる必要がある場合、光リンクはより魅力的になります。

最も重要な違いは、抽象的な「銅対ファイバー」ではありません。実際の違いは、リンク距離とシステム層です。

キャビネット内では、GPU とスイッチ チップが非常に短い電気経路を介して通信する場合があります。高密度 GPU キャビネットなどのシステムでは、物理的距離が短いため、多くの内部リンクが電気的なままになる可能性があります。しかし、ラック間、キャビネット間、およびデータセンター規模のリンクでは、別の問題が発生します。これらの距離は長くなり、リンク数は多くなり、信号損失のコストがシステム レベルでより顕著になります。

銅は、特定の短距離用途向けに設計することができます。アーキテクチャがより長い接続またはより分散した接続にわたって高帯域幅を必要とする場合、ファイバーは魅力的になります。

相互接続電力はコンポーネント仕様の単なる項目ではありません。 AI データセンター規模では、数千または数百万の高速レーンにより、リンク電力が大きな設計制約となる可能性があります。アクティブな銅線リンク、リタイマー、イコライゼーション、および熱管理はすべて、システムに圧力を加えます。

エンジニアリングの最終的な問題は、リンクが機能するかどうかだけではありません。重要なのは、そのリンクが高密度 AI 施設の電力と熱の範囲内で大規模に機能できるかどうかです。これが、光インターコネクトがネットワークの話題から AI インフラストラクチャの話題に移った理由の 1 つです。

AI データセンターにおける銅線インターコネクトとファイバーインターコネクト

光ファイバーリンクは、情報を伝送するために電流ではなく光を使用します。これにより、AI データセンターには、高帯域幅、長い到達距離、電磁干渉に対する耐性、長距離にわたる高密度の高速リンクへの優れた適合性など、いくつかの利点がもたらされます。

ファイバーの価値は、システムが複数のラック、複数のキャビネット、または複数のデータ ホールを接続する必要がある場合に特に明らかです。銅の電気信号は距離や速度とともに劣化します。光信号は高いデータ レートを維持しながらより遠くまで伝送できるため、ファイバーは分散型 AI クラスターに自然に適合します。

WDM、または波長分割多重化により、複数の光波長が同じファイバーを同時に通過できるようになります。各波長は個別のデータ ストリームを伝送できます。実際には、WDM は 1 本のファイバーを複数の並列光チャネルに変換します。

これが、光リンクの拡張性が銅線リンクとは異なる理由の 1 つです。光システムは、トラフィック パスごとに個別の物理導体を追加する代わりに、波長チャネル、より高度な変調フォーマット、より高速な光コンポーネントを組み合わせることで容量を増やすことができます。

単一ファイバーでの WDM 多波長伝送

適切なエンジニアリングの選択は、距離、帯域幅、コスト、保守性、熱設計によって決まります。銅線は、短い制御されたリンクでは依然として有用です。 AI クラスターが外部に拡大するにつれて、ファイバーの重要性がますます高まっています。

あプラグイン可能な光トランシーバー電気信号を光信号に変換し、光信号を電気信号に戻すモジュールです。片側はスイッチ、ネットワーク インターフェイス、またはシステム ボードに電気的に接続します。反対側は光ファイバーに接続されています。

AI データセンターでは、キャビネット、ラック、スイッチ間のリンクにとって、プラグ可能な光モジュールが特に重要です。通常、これらは GPU キャビネット内のすべての短いリンクの主要なテクノロジではありません。この区別が重要なのは、一般的な誤解を防ぐためです。光学モジュールはすべての内部 GPU 配線を自動的に置き換えるわけではありません。

高密度 GPU キャビネットの内部では、GPU、スイッチ、ボード間の距離は、わずか数センチメートルから数メートルになる場合があります。特にシステムが緊密に統合されたユニットとして設計されている場合、電気リンクは依然として意味を持ちます。

トラフィックがキャビネットから出て、別のラック、別のスイッチ、または別の部屋に移動すると、リンク要件が変わります。距離が長くなり、リンク数が増加し、光モジュールの魅力が高まります。

階層について考えるのに役立つ方法は次のとおりです。

需要チェーンはシンプルです。 GPU が増えると、より多くのシステムが必要になります。システムの数が増えると、より多くのキャビネットが必要になります。キャビネットが増えると、キャビネットとスイッチ間のより高速な相互接続が必要になります。これらのリンクの数が増加するにつれて、光モジュールの需要も増加します。

これが、光トランシーバーが AI インフラストラクチャの成長と密接に関係している理由です。モジュールはスタンドアロンのボックスであるため、価値がありません。これは、大規模な GPU クラスターを 1 つのシステムとして動作させる物理ネットワークを可能にするため、価値があります。

プラガブル光トランシーバーは、外側から見るとシンプルに見えますが、内部では光学、電子、半導体、パッケージング、および精密な位置合わせが組み合わされています。主なコンポーネントは、レーザー、変調器、光検出器、DSP、光結合システムです。

プラガブル光トランシーバーの内部

レーザー ダイオードは光信号の光源を提供します。必ずしもそれ自体でデータを運ぶわけではありません。代わりに、変調可能な安定した光搬送波を生成します。

マテリアルシステムは重要です。シリコンはデジタル ロジックには優れていますが、効率的な発光体ではありません。光学レーザーでは、通常、次のような III-V 族化合物半導体が使用されます。インプまたはGaAsなぜなら、これらの材料は光の生成に非常に適しているからです。

光学モジュールおよび関連システムには、いくつかの種類のレーザーが使用されています。

従来のプラガブル光学系からシリコン フォトニクスおよび CPO への移行により、レーザーの役割が変わります。多くのプラグ可能モジュールでは、レーザーと変調器を密接に統合できます。 CPO スタイルの設計では、変調はシリコン フォトニクス チップ内で行われますが、レーザーは外部光源としてパッケージの外側に配置されます。

変調器は、ブランクの光搬送波をデータ搬送信号に変換するコンポーネントです。電気データ ストリームを取得し、光信号を変更して、1 と 0 を光の強度または位相の動作で表現できるようにします。

2 つの重要な変調アプローチは次のとおりです。EAMそしてMZI。

電界吸収変調器は、電圧が印加されたときに材料が光を吸収する強さを変化させます。レーザーと統合してEMLを形成することができ、従来の高速光モジュールで広く使用されています。

マッハツェンダー干渉計変調器は異なる動作をします。光を 2 つのパスに分割し、一方のパスの位相を変更して、光を再結合します。位相関係に応じて、再結合された信号が強くなったり弱くなったりすることがあります。このアプローチはシリコン導波路構造を使用して実装できるため、シリコンフォトニクスにおいて重要です。

受信側では、光信号を電気信号に変換し直す必要があります。それが光検出器の役割です。

光検出器は光電効果を利用します。入射光子が半導体材料内のキャリアを励起し、電流を生成します。優れた光検出器は、迅速に応答し、弱い光パワーから十分な電流を生成し、ノイズを低く抑える必要があります。

次の 3 つのパラメータが特に重要です。

シリコンフォトニクスでは、シリコン自体は 1310 nm や 1550 nm などの一般的な通信波長の吸収に効果がないため、光検出にゲルマニウムがよく使用されます。これは、シリコンフォトニクスが依然として純粋なシリコン単独ではなく、慎重な材料の統合に依存していることの一例です。

のDSPは、多くの高速光モジュール内のデジタル信号処理エンジンです。信号のエンコード、イコライズ、復元、クリーンアップに役立ちます。

高速では、光リンクは単純なオン/オフ パルスを送信するだけではありません。最近のモジュールはよく使用しますPAM4、4 つの信号レベルを使用してシンボルあたり 2 ビットを表します。 PAM4 は帯域幅効率を向上させますが、信号がノイズや歪みの影響を受けやすくなります。 DSP は、不完全な信号から目的のデータを復元するのに役立ちます。

光モジュールの速度ロードマップは 400G から 800G に移行し、1.6T の導入とより高速な設計により、業界はより高速な電気レーンと光レーンに向けて推進されています。正確なアーキテクチャは、モジュールの設計、レーン数、変調方式、およびシステム要件によって異なりますが、傾向は明らかです。世代が進むごとに、DSP、光学系、パッケージング、およびテスト プロセスに対するプレッシャーが増大しています。

最後の重要な機能は光結合です。チップ上で生成または処理された光は、非常に高い精度でファイバーに入射する必要があります。シングルモード ファイバ コアの幅はわずか約 8 ～ 9 マイクロメートルであるため、結合はミクロン スケールの位置合わせの問題となります。

一般的な 2 つのアプローチは、バット カップリングとグレーティング カップリングです。

バットカップリング光をチップエッジからファイバーに直接送ります。効率的ではありますが、調整には手間がかかります。グレーティングカップリングチップ表面のパターン化された構造を使用して、光を導波管に出入りするように方向転換します。一部の設計では、より大きなアライメント許容差を提供できますが、波長と効率についても考慮する必要があります。

生産規模での課題は、単に光結合を 1 回実証するだけではありません。課題は、これを大量のボリュームにわたって繰り返し、確実に、経済的に実行することです。

光モジュールは双方向変換システムとして理解できます。送信時に、電気データを光データに変換します。受信時に、光データを電気データに変換し直します。

電気-光-電気信号の流れ

送信方向では、GPU またはスイッチ ASIC が光モジュールに向けて電気信号を送信します。 DSP は信号を調整します。変調器は、レーザー源からの光に情報を加えます。次に、結合光学部品がその光をファイバーに向けて調整します。

受信方向では、光はファイバーから出て光検出器に向けられます。光検出器は光信号を電流に変換します。その後、DSP はデータを回復し、歪みを修正し、使用可能な電気信号をシステムに送り返します。

この電気-光-電気変換は、プラガブル光相互接続の基礎です。

光モジュールは、自然には結合しない 2 つの半導体の世界を結合します。

1つ目はシリコンデジタルワールドです。 DSP はシリコンベースの IC です。これらは、高度な CMOS 設計、デジタル信号処理、高速電気インターフェイスに依存しています。

2つ目は化合物半導体の光学の世界です。レーザー、多くの変調器、および一部の光検出器は、InP や GaAs などの材料に依存しています。これらの材料は、シリコンではできない方法で光を効率的に生成、変調、検出できるため使用されます。

シリコン DSP と InP 光チップの製造

DSP は基本的にデジタル チップです。シンボル、コーディング、補正、等化、信号回復を扱います。その障壁は、アルゴリズムの複雑さ、高速ミックスシグナル設計、高度なシリコン実装です。

これは、レーザー製造の世界よりも、CPU、GPU、スイッチ、およびネットワーク ASIC の世界に近いです。したがって、設計チーム、プロセス フロー、製造パートナーは、化合物半導体光デバイスに使用されるものとは異なります。

InP および GaAs 光デバイスは、異なるプロセス エコシステムに属します。ウェーハは小さくなり、材料の挙動は異なり、プロセス化学反応も異なり、光学性能はエピタキシー、欠陥制御、デバイス構造に大きく依存します。

大手シリコンファウンドリが自動的に大手 InP レーザーメーカーになるわけではありません。装備、レシピ、材料の知識、収量の課題は異なります。これが、光インターコネクトのサプライ チェーンが GPU のサプライ チェーンよりも分散している理由の 1 つです。

基板は、光学デバイスが構築される基材です。 InP ベースのレーザーの場合、欠陥がその上に成長する光学デバイスに影響を与える可能性があるため、材料の品質が非常に重要です。

エピタキシーは、基板上に機能層を成長させるプロセスです。レーザーデバイスでは、これらの層に量子井戸構造が含まれる場合があり、そこで電子と正孔が再結合して光子を放出します。層の厚さ、組成、ドーピングは厳密に制御する必要があります。わずかな偏差により、波長がシフトし、効率が低下したり、信頼性が損なわれたりする可能性があります。

このため、化合物半導体製造は単なる「異種材料によるチップ製造」ではありません。これは光学デバイス製造に特化した分野です。

シリコンフォトニクスPICこの技術では、シリコンベースの構造を使用して、統合チップ上で光を導波、変調、分割、結合、検出します。これは、光学機能を高度なエレクトロニクスの製造およびパッケージングの世界に近づけるために重要です。

シリコン フォトニクス PIC は、すべての光学機能がシリコンだけで作られるという意味ではありません。シリコンは光を導き、コンパクトな導波路、変調器、統合スキームをサポートできます。しかし、シリコンは効率的な光源ではないため、外部または別途統合された III-V レーザーが依然として重要です。

シリコン フォトニクスでは、多くの場合、SOI (シリコン オン インシュレーター) がプラットフォームとして使用されます。簡単に言うと、SOI は絶縁酸化物層によって基板から分離されたシリコン層を提供します。シリコンと二酸化シリコン間の高い屈折率コントラストは、光をコンパクトなシリコン導波路内に閉じ込めるのに役立ちます。

これらの導波路は、チップ上で光ワイヤのように機能します。これらは、変調器、スプリッター、カプラー、検出器、およびその他の光学構造の間で光を経路指定します。

重要な制限は光の生成です。シリコンは光を操作するのに役立ちますが、レーザー材料としては非効率です。シリコンフォトニクスシステムが InP ベースのレーザー光源に依存することが多いのはそのためです。

この分業は CPO アーキテクチャの中心です。シリコン フォトニクス PIC は ASIC の近くに配置して、導波、変調、検出を処理できます。レーザーは外部光源としてパッケージの外側に留まり、連続光をフォトニックチップに供給することができます。

同時パッケージ化された光学部品、 またはCPO、光学機能をスイッチ ASIC、GPU に隣接するコンピューティング アーキテクチャ、またはパッケージ レベルの電子機器の近くに移動します。 CPO は、すべての光変換機能をシステムの背面にあるプラグイン可能なモジュールに配置するのではなく、チップのより近くに光エンジンを統合します。

NVIDIA が CPO スイッチのアプローチについて説明プラグ可能トランシーバーを ASIC と同じパッケージ上のシリコン フォトニクスに置き換えるなどです。 Broadcom も同様に、CPO イーサネット スイッチ アーキテクチャについて、光エンジンをスイッチとの共通パッケージに統合していると説明しています。エンジニアリングの目的は、電気距離を短縮し、高速電気信号の負担を軽減し、高帯域幅密度での電力効率を向上させることです。

簡略化された CPO アーキテクチャには、次の 4 つの主要なブロックが含まれています。

シリコン フォトニクス PIC と外部レーザー光源を備えた CPO アーキテクチャ

アーキテクチャの変更は、光インターフェイスの位置です。プラグ可能モジュールでは、電気信号がチップまたはボードからモジュールに伝わります。 CPO では、光インターフェイスが ASIC パッケージに近づきます。この短い電気経路が、CPO が超高密度 AI ネットワーキングにとって魅力的な主な理由です。

CPO はレーザーを排除するものではありません。それは彼らがどこに座るのか、何をするのかを変えます。

外部レーザー光源は、パッケージの最も高温で最も複雑な部分の外側に留まりながら、シリコン フォトニクス エンジンに連続光を提供できます。これは保守性と熱設計に役立ちます。レーザーがパッケージの外側にある場合、ASIC パッケージの切り離せない部分ではなく、交換可能な光電源として扱うことができます。

レーザー光源は依然として一般的に、InP などの III-V 材料をベースとしています。シリコン フォトニクスは光ルーティングと変調を ASIC に近づけることができますが、それでも適切な光源が必要です。

CPO は、プラグ可能な光学部品の汎用的な代替品として理解されるべきではありません。 2 つのアーキテクチャは、データセンター ネットワークの異なる層にサービスを提供します。

より現実的な未来は共存です。プラグ可能な光学系は、多くのデータセンター リンクにわたって引き続き重要です。 CPO は、帯域幅密度と電力圧力が最も厳しい場所で増加します。

CPO にとって最も強力なエンジニアリング要因は、それが「新しい」ということではありません。それは、帯域幅密度が増加するにつれて、高速電気距離がますます高価になるということです。光変換を ASIC の近くに移動すると、最も困難な電気パスの長さが短縮されます。

これにより、複雑な電気的リタイミングの必要性が軽減され、信号の完全性が向上し、リンク電力が低減され、より高密度のスイッチ システムがサポートされます。ただし、CPO により、光学パッケージング、レーザー光源戦略、熱設計、テストの複雑さの重要性も高まります。

プラグ可能な光アーキテクチャにより、モジュールは ASIC から物理的に分離されます。電気信号はモジュールに到達するために基板全体を伝わる必要があります。非常に高速な場合、その距離には慎重なチャネル設計が必要であり、多くの場合アクティブな信号調整が必要です。

CPO はこのバランスを変更します。光学エンジンを ASIC の近くに配置することで、光に変換されるまでの電気距離が短縮されます。次に、光パスはファイバーを介して信号を伝送します。この場合、距離のスケーリングがより有利になります。

ベンダーが報告する CPO パフォーマンス数値は製品固有のものであり、各スイッチ アーキテクチャのコンテキスト内で解釈する必要があります。 NVIDIA の公開 CPO 資料では、プラガブル トランシーバー ベースの設計と比較して、ネットワークの復元力が向上し、アプリケーションの実行時間が持続することが説明されています。Broadcom は、Tomahawk 6 Davisson CPO イーサネット スイッチであると述べています。は、102.4 Tbps のスイッチング容量を提供し、従来のプラガブル ソリューションと比較して光インターコネクトの消費電力を 70% 削減します。

これらの主張は重要なシグナルですが、「すべての CPO システムが常に同じ利点を提供する」と一般化すべきではありません。実際の利点は、スイッチ アーキテクチャ、光エンジン設計、リンク トポロジ、熱設計、導入環境によって異なります。

光インターコネクトは一連の特殊なテクノロジーに依存しています。 1 つの層で不足または歩留まりの問題が発生すると、最終モジュールまたはシステムの可用性が制限される可能性があります。

サプライ チェーンは次の層で理解できます。

化合物半導体基板は、多くの光学デバイスの出発点です。 InP と GaAs が使用されるのは、その材料特性がシリコンではできない方法で光の生成と検出をサポートするためです。

欠陥がデバイス層に伝播し、性能や信頼性が低下する可能性があるため、高品質の基板が不可欠です。 AI データセンターの光学系では、高速モジュールと CPO 光源には安定した再現可能な光学性能が必要であるため、これは重要です。

SOI ウェーハは、コンパクトな光導波路と集積フォトニクス構造のプラットフォームを提供するため、シリコン フォトニクスにとって重要です。これらはシリコン フォトニクスの唯一の要素ではありませんが、基礎的な入力です。

シリコンフォトニクスが特殊な光デバイスから大容量データセンター相互接続アーキテクチャに移行するにつれて、SOI の重要性が増しています。

デジタル IC 層は引き続き不可欠です。 CPO によって長い電気経路の役割が軽減されても、光学システムには依然としてドライバー IC、制御ロジック、および信号処理インテリジェンスが必要です。プラグ可能モジュールにおいて、DSP は最も複雑で高価なコンポーネントの 1 つとなります。 CPO では、一部の信号処理機能が簡素化される可能性がありますが、電気と光の調整は引き続き重要です。

CPO は光学技術として説明されることが多いですが、パッケージング技術でもあります。フォトニック エンジン、電気 IC、ファイバー インターフェイス、レーザー ソース、および熱経路は、システムとして連携して動作する必要があります。

テストも、純粋な電気デバイスよりも困難です。エンジニアは、光パワー、結合損失、変調動作、受信機の感度、信号の完全性、熱動作、リンクの信頼性など、光と電気の両方の性能を検証する必要があります。大規模になると、パッケージングとテストがチップ設計と同じくらい重要になります。

市場データは、光インターコネクト容量が戦略的に重要になっている理由を示していますが、エンジニアリングのケースは依然として帯域幅密度、電力バジェット、到達範囲、パッケージングの実現可能性、およびシステムの信頼性に依存します。予測は需要の圧力を示すことはできますが、すべての光アーキテクチャが同じ速度で拡張できることを証明するものではありません。

LightCounting は、光トランシーバーおよび関連製品の売上高を報告しました。この成長は、データセンターと AI インフラストラクチャの展開、特に高速イーサネット光ファイバと関連製品からの強い需要を反映しています。

これは、すべての光モジュール カテゴリが同じように成長することを意味するわけではありません。これは、AI クラスターの拡大に伴い、光と電気の境界が主要なインフラ投資領域になっていることを示しています。

ゴールドマン・サックス・リサーチが予想AI ネットワーキングの対象市場の総規模は 2028 年までに 9 倍の 1,540 億ドルに増加する可能性があり、CPO はその機会の大部分に貢献していると考えられます。このような数字は、すべての CPO アーキテクチャが同じペースで採用されるという直接的な証拠ではなく、シナリオに基づいた市場推定として扱うのが最善です。

エンジニアリングに関する重要な点は、見出しの数字よりも重要です。AI システムの密度が高まり、分散化が進むにつれて、相互接続層の価値が高まります。 CPO、シリコン フォトニクス、外部レーザー、光モジュール、ファイバー、パッケージングは​​すべて、AI データの移動経路に直接位置するため、より重要になります。

AI クラスターは分散システムであるため、光インターコネクトが重要です。システムで使用する GPU とスイッチの数が増えるほど、データの移動がより重要になります。

銅線は、制御された短い電気経路には引き続き役立ちますが、より長い高速リンクにわたって拡張するのは難しくなります。ファイバーは、到達距離、帯域幅、EMI 耐性、および WDM ベースの容量スケーリングを提供します。

プラグ可能光モジュールは依然としてデータセンター ネットワーキングの中心です。これらは、ラック、スイッチ、およびシステムを接続するための柔軟で保守可能な方法を提供します。 CPOが台頭しているからといって、彼らが消えるわけではありません。

CPO は、単なる光モジュールの小型化ではなく、アーキテクチャの変更です。多くの場合、シリコン フォトニクス PIC と外部レーザー光源を使用して、光変換を ASIC に近づけます。その値は、帯域幅密度と電力圧力が最も厳しい場所で最も大きくなります。

シリコンフォトニクスはエレクトロニクスと光学の間の架け橋ですが、化合物半導体光源の必要性がなくなるわけではありません。 InP レーザー、SOI ウェーハ、フォトニック統合、結合、パッケージング、テストはすべてシステムの一部のままです。

光インターコネクトのサプライチェーンは分散されています。成功を決定する単一のテクノロジー層はありません。材料、エピタキシー、レーザー、DSP、シリコンフォトニクス、パッケージング、テスト、モジュール、およびファイバーインフラストラクチャはすべて、一緒に拡張する必要があります。

光インターコネクトは、光を使用して GPU、スイッチ、ラック、データセンター システム間で情報を移動する高速データ リンクです。これらは、銅線が大規模に効率的にサポートできるよりも長距離および高帯域幅で AI クラスターがデータを交換するのに役立ちます。

ファイバーはどこでも銅に取って代わられるわけではありません。銅線は、短い内部リンクに引き続き役立ちます。ファイバーは、光多重化により長距離、高帯域幅、EMI 耐性、優れたスケーラビリティを提供するため、ラック間、スイッチ間、およびクラスター規模のリンクにとってより魅力的になります。

プラグ可能光トランシーバーには、通常、レーザー光源、変調器、光検出器、DSP、および光結合コンポーネントが含まれています。これらの部品が連携して、電気信号をファイバー伝送用の光信号に変換し、受信した光信号を電気データに変換します。

プラグ可能光学部品は、システム エッジに取り付けられる交換可能なモジュールです。 CPO は、光学エンジンを ASIC パッケージに近づけます。プラグ可能光学部品は保守性と柔軟性を優先しますが、CPO は、選択された高密度リンクにおけるより短い電気経路、より高い帯域幅密度、より低い電力圧力をターゲットとしています。

シリコンフォトニクスは光を導き、分割し、変調し、検出することができますが、シリコンは光源としては非効率です。 InP レーザーは、特にシリコン フォトニクス PIC が変調とルーティングを処理し、外部レーザーが連続光を供給するアーキテクチャでは、光パワーを供給するために依然として必要とされています。

CPO が、すべてのデータセンター リンクにわたるプラガブル光ファイバーを置き換える可能性は低いです。 2 つのアーキテクチャは異なる層に対応します。 CPO は、高密度のチップ隣接またはスイッチレベルの光統合に適していますが、プラガブル光は多くのラック、スイッチ、およびデータセンターの相互接続に引き続き役立ちます。