ماژول های نوری 400G در مقابل 800G در مقابل 1.6T برای هوش مصنوعی

ماژول های نوری در مراکز داده هوش مصنوعی از قطعات اتصال غیرفعال به یک جزء اصلی عملکرد محاسباتی تبدیل شده اند. دلیلش سرراست است. کلاسترهای آموزشی هوش مصنوعی مدرن حجم عظیمی از داده را بین پردازنده‌های گرافیکی، سوئیچ‌ها و گره‌های ذخیره‌سازی جابه‌جا می‌کنند و سرعت آن حرکت مستقیماً بر میزان کارآمدی شتاب‌دهنده‌های گران قیمت تأثیر می‌گذارد. به همین دلیل استماژول های نوری 400G، 800G و 1.6Tاکنون تقریباً در هر مکالمه زیرساخت هوش مصنوعی مرکزی هستند.

با توجه بهنقشه راه اتحاد اترنت 2026، هایپراسکیلرها در حال استقرار اتصالات 100G تا 800G هستند و اترنت 1.6 ترابایت بر ثانیه به عنوان گام اصلی بعدی برای پارچه های مقیاس هوش مصنوعی ظهور می کند. این

گروه کاری IEEE 802.3گروه کاری P802.3dj را برای تعریف اترنت 200G، 400G، 800G، و 1.6T بر روی فیبر مسی و تک حالته-، که به صنعت مسیر روشنی برای استقرار{{6} نرخ بالاتر می‌دهد، ارتقا داده است.

برای تیم های شبکه، سوال عملی دیگر این نیست که آیا سرعت افزایش می یابد یا خیر. نحوه انتخاب سرعت مناسب برای هر لایه از شبکه، نحوه برنامه ریزی نیرو و خنک کننده، و نحوه اعتبارسنجی سازگاری قبل از استقرار هزاران ماژول در یک خوشه هوش مصنوعی تولیدی است.

چرا حجم کاری هوش مصنوعی سرعت ماژول های نوری بالاتری را می طلبد؟

آموزش هوش مصنوعی اساساً با بارهای کاری سنتی ابری، سازمانی یا ذخیره سازی متفاوت است. مدل‌های زبان بزرگ و سیستم‌های توصیه‌گر در هزاران و به طور فزاینده‌ای ده‌ها هزار GPU آموزش داده می‌شوند که به‌عنوان یک سیستم توزیع‌شده واحد کار می‌کنند. در طول هر مرحله آموزشی، شتاب دهنده ها باید گرادیان ها را همگام سازی کنند، فعال سازی ها را مبادله کنند و تانسورهای میانی را بین گره ها ارسال کنند. این ترافیک بسیار سنگین شرقی-غربی ایجاد می‌کند، به این معنی که ترافیکی به جای رفتن به اینترنت، در مرکز داده باقی می‌ماند.

در یک کلاستر آموزشی مرزی از 16000 تا 100000 GPU، فابریک داخلی پهنای باند بسیار بیشتری نسبت به پیوندهای خارجی دارد. NVIDIA گزارش داده است کهSpectrum{0}}پلتفرم اترنت Xحدود 95 درصد توان عملیاتی موثر را در بین استقرارهای بیش از 100000 GPU حفظ می کند، در حالی که اترنت استاندارد بدون کنترل تراکم معمولاً حدود 60 درصد را تحت همان بار ارائه می دهد. تفاوت آکادمیک نیست. کاهش 35 درصدی راندمان پارچه مستقیماً به دوره های آموزشی طولانی تر و کاهش استفاده از GPU ترجمه می شود.

این دلیل واقعی افزایش سرعت نوری است. یک لایه نوری کند یا ناپایدار به گلوگاه کل کارخانه هوش مصنوعی تبدیل می شود.

از 400G تا 800G تا 1.6T: رانندگی در هر مرحله چیست

حرکت از طریق 400G، 800G، و 1.6T ناشی از یک مشکل مقیاس‌پذیری است که با افزودن کابل‌های بیشتر قابل حل نیست. وقتی اندازه یک خوشه هوش مصنوعی دو برابر می شود، تعداد مسیرهای ارتباطی بین گره ها سریعتر از خطی رشد می کند. افزودن لینک‌های موازی باعث مصرف پورت‌های سوئیچ، افزایش تعداد فیبر و ایجاد تراکم کابل‌کشی می‌شود که مدیریت آن در یک محیط رک متراکم دشوار است.

سرعت های بالاتر در هر پورت مسیر مقیاس پذیرتری را ارائه می دهد. یک پورت 800G دو برابر یک پورت 400G پهنای باند را روی یک رابط فیزیکی مشابه حمل می کند. یک پورت 1.6T دوباره آن را دو برابر می کند. نسل 2025 تا 2026 سوئیچ های ASIC از سطوح ریشه و پهنای باند پشتیبانی می کنند که 800G را به جریان اصلی عملی برای استقرارهای جدید هوش مصنوعی تبدیل می کند، در حالی که 1.6T هدف برنامه ریزی برای نسل سوئیچ بعدی است.

قابلیت همکاری چند فروشنده زنده بین 400G، 800G و 1.6T اترنت در OFC 2026 نشان داده شد کهنمایشگاه Ethernet Alliance OFC 2026به عنوان مدرکی ارائه شد که نشان می‌دهد اکوسیستم برای پارچه‌های مقیاس هوش مصنوعی-آماده است. این آمادگی اهمیت دارد زیرا خوشه‌های هوش مصنوعی نمی‌توانند منتظر یک راه‌حل فروشنده واحد باشند. آنها به سوئیچ ها، NIC ها، اپتیک ها و پلتفرم های آزمایشی نیاز دارند که در مقیاس با هم کار کنند.

ماژول های نوری 400G در مقابل 800G در مقابل 1.6T: مقایسه انتخاب

سرعت مناسب به اندازه خوشه، لایه شبکه، نقشه راه سوئیچ، بودجه برق و کارخانه فیبر در حال حاضر بستگی دارد. جدول زیر نشان می‌دهد که در حال حاضر هر سرعت در کجا بیشترین معنا را دارد.

400G هنوز هم مرتبط است زیرا بسیاری از مراکز داده از 100G یا 200G در اواسط- ارتقا یافته اند، و 400G تعادل قوی بین هزینه، در دسترس بودن و عملکرد برای بارهای کاری غیر{5} AI ارائه می دهد. مخصوصاً برای خوشه‌های هوش مصنوعی، 800G به خط مبنا برای ساخت‌های جدید تبدیل شده است، و 1.6T اکنون در حال برنامه‌ریزی جدی برای پارچه‌های{9}}در مقیاس پشتی است، به‌ویژه جایی که تولید سوئیچ قبلاً با سیگنال‌دهی 200G در هر{12} خط هماهنگ شده است. اگر کابل‌کشی با چگالی بالا{14}}را برای این سرعت‌ها ارزیابی می‌کنید، نمای کلی ما ازکابل کشی فیبر نوری MPO و MTPگزینه های کانکتور و صندوق عقب را پوشش می دهد که بیشتر در 800G و بالاتر استفاده می شود.

وقتی 400G هنوز کافی است

400G زمانی که اندازه کلاستر متوسط ​​باشد، زمانی که GPUهای مورد استفاده کارت شبکه های 400G را اشباع نمی کنند، یا زمانی که ناوگان سوئیچ موجود بر روی ASICهای- نسل قبلی ساخته شده است، گزینه مناسبی باقی می ماند. خوشه‌های استنتاج، غلاف‌های آموزشی کوچک‌تر، سایت‌های هوش مصنوعی لبه‌ای، و بیشتر پارچه‌های مرکز داده با هدف عمومی‌تر، هنوز به راحتی روی 400G کار می‌کنند. برای این محیط‌ها، پرش مستقیم به 800G هزینه و فشار حرارتی را بدون ایجاد بهبود قابل‌اندازه‌گیری در زمان تکمیل کار افزایش می‌دهد.

یک آزمون عملی، بررسی استفاده از GPU در طول آموزش است. اگر پردازنده‌های گرافیکی بیش از پنج تا ده درصد از زمان‌ها روی داده‌ها منتظر باشند، شبکه در حال حاضر یک گلوگاه است. اگر استفاده ثابت و زیاد باشد، 400G کار خود را انجام می دهد.

وقتی 800G ضروری می شود

800G زمانی ضروری می شود که خوشه به مقیاسی برسد که پیوندهای 400G اتصالات موازی زیادی را مجبور کنند، زمانی که محدودیت های ریشه سوئیچ شروع به محدود کردن انتخاب های توپولوژی می کند، یا زمانی که نسل GPU NIC هایی را معرفی می کند که می توانند پورت های 800G را اشباع کنند. در یک بافت آموزشی معمولی هوش مصنوعی، این معمولاً مربوط به خوشه‌هایی از چندین هزار پردازنده گرافیکی و بالاتر است، جایی که شبکه باطن بخش عمده‌ای از ترافیک تبادل گرادیان را حمل می‌کند.

انتقال 800G همچنین کار مهندسی واقعی را به همراه دارد. توان هر پورت در ماژول‌های 800G به طور معنی‌داری بیشتر از 400G است، حالت‌های FEC تغییر می‌کنند و تراکم کابل‌کشی در صفحه سوئیچ دو برابر می‌شود. رایت-در آزمایش و اعتبارسنجی پایداری پیوند ضروری است، زیرا در یک کار آموزشی همزمان، یک پیوند نوری ناپایدار واحد می‌تواند باعث ایجاد تلاش‌های مجدد شود که کل خوشه را کند می‌کند.

چه زمانی برای 1.6T برنامه ریزی کنیم

1.6T در حال حاضر در مرحله استقرار اولیه برای تهاجمی ترین شبکه های پشتیبان هوش مصنوعی است و هدف برنامه ریزی استاندارد برای نسل سوئیچ بعدی است. اکثر تیم‌های سازمانی و ابری امروزه در تولید به اپتیک 1.6T نیاز ندارند، اما هرکسی که پارچه‌ای با افق سه- تا پنج-ساله طراحی می‌کند، باید آن را در کابل‌کشی، کارخانه فیبر و برنامه‌ریزی نیرو در نظر بگیرد.

کارگروه IEEE P802.3dj مشخصات لایه فیزیکی را برای 1.6T روی فیبر تک حالته تعریف کرده است و OFC 2026 قابلیت همکاری چند فروشنده را با این سرعت نشان داد. سیگنال عملی این است که 1.6T واقعی است، اما زیرساخت های اطراف، از جمله در دسترس بودن سوئیچ، خنک کننده، و ابزار عملیاتی، همچنان به اندازه خود ماژول اهمیت دارد.

QSFP-DD در مقابل OSFP: انتخاب فرم مناسب

در 400G و 800G، دو فاکتور شکل غالب QSFP-DD و OSFP هستند. هر دو سرعت یکسانی را در سیستم عامل های سوئیچ اصلی ارائه می دهند، اما در طراحی مکانیکی و رفتار حرارتی متفاوت هستند. QSFP{5}}DD با قفس‌های QSFP28 و QSFP56 سازگار است، که آن را برای محیط‌هایی جذاب می‌کند که می‌خواهند از اسلات سوئیچ موجود در طول ارتقا استفاده مجدد کنند. OSFP کمی بزرگتر است، حجم داخلی بیشتری دارد و به طور کلی فضای سر حرارتی بهتری را ارائه می دهد، که در 800G و به خصوص در 1.6T مهم می شود.

برای 1.6T، صنعت به سمت OSFP و OSFP{1}}XD به عنوان گزینه‌های غالب پیش می‌رود، عمدتاً به دلیل ظرفیت حرارتی. اگر یک تیم شبکه انتظار داشته باشد که بیش از 800G در همان نسل سوئیچ ارتقا یابد، OSFP معمولاً انتخاب مطمئن‌تری است. اگر اولویت استفاده مجدد از 400G QSFP-سرمایه گذاری های DD است، QSFP-DD در حال حاضر یک گزینه قوی باقی مانده است.

عوامل کلیدی هنگام انتخاب ماژول های نوری برای شبکه های هوش مصنوعی

فاصله، دسترسی و نوع فیبر

پیوندهای کوتاه-دسترسی در داخل ردیفی از قفسه‌ها ممکن است از ماژول‌های موازی تک-حالت (DR) یا کوتاه{2}}چند حالته (SR) استفاده کنند، در حالی که پیوندهای بین ردیفی یا بین{4}}پاد ممکن است به انواع FR یا LR نیاز داشته باشند. قبل از انتخاب ماژول، طول فیبر واقعی، درجه فیبر، نوع اتصال و بودجه پیوند را تأیید کنید. یک آغازگر مفید در مورد چگونگی انباشته شدن تلفات در اتصالات و اتصالات در راهنمای ما در این زمینه آمده استاز دست دادن درج در شبکه های فیبر. برای دسترسی طولانی تر، تفاوت بین فیبر تک حالته OS1 و OS2 نیز مهم است و در نمای کلی ما پوشش داده شده است.

انواع و برنامه‌های فیبر حالت تک-.

مصرف برق و سرمایش

اپتیک‌های{0}}سرعت بالاتر گرمای بیشتری تولید می‌کنند. قبل از ارتقاء از 400G به 800G یا برنامه ریزی برای 1.6T، هر-برق پورت، جهت جریان هوا، دمای قفس، قوانین درجه بندی حرارتی و حاشیه خنک کننده سطح رک-را بررسی کنید. در رک‌های AI متراکم که قبلاً توان بالایی را برای پردازنده‌های گرافیکی می‌کشند، بار حرارتی اضافه شده از هزاران اپتیک-سرعت بالا بی‌اهمیت نیست و در صورت نادیده گرفتن می‌تواند بر زمان کار تأثیر بگذارد.

سازگاری و سیستم عامل سوییچ

سازگاری بیشتر از تطبیق سرعت است. یک ماژول باید بر روی پلت فرم سوئیچ دقیق، نسخه سیستم عامل، پیکربندی FEC، کدگذاری EEPROM، و دمای عملیاتی مورد انتظار قبل از استقرار انبوه اعتبارسنجی شود. علائم تطابق سازگاری ضعیف عبارتند از فلپ لینک، BER بالا، آلارم DOM، و خاموش شدن حرارتی گاه به گاه تحت بار پایدار. گرفتن اینها در یک آزمایشگاه کوچک-به مراتب ارزانتر از گرفتن آنها در تولید است.

کابل کشی و استراتژی اتصال{0}}با تراکم بالا

انتقال به 800G یا 1.6T معمولاً به معنای طرح کابل کشی متفاوت است. اتصالات فیبر چندگانه مانند MPO-12، MPO-16، و MPO-24 در سرعت بالا به صورت پیش‌فرض در می‌آیند و کابل‌کشی شکسته اغلب برای باز کردن یک پورت سوئیچ با سرعت بالا به چندین اتصال با سرعت پایین‌تر استفاده می‌شود. برای تیم هایی که این انتقال را ارزیابی می کنند، راهنمای ما در موردنحوه انتخاب کابل شکست MPOمعاوضه عملی-و را پوشش می‌دهد

گزینه های کابل صندوق عقب MPO و MTPپیکربندی های تنه را که رایج ترین در استقرار ستون فقرات 800G است نشان دهید.

LPO، CPO، و فوتونیک سیلیکون: آنچه بعد از 800G می آید

فراتر از سرعت خام، صنعت اکنون بر کارایی متمرکز شده است. سه جهت فناوری بیشترین اهمیت را دارند:

اپتیک قابل اتصال خطی (LPO)DSP را از ماژول نوری حذف می کند و یکسان سازی را به ASIC میزبان باز می گرداند. این قدرت ماژول را اغلب 30 تا 50 درصد در همان سرعت کاهش می دهد، اما نیاز به هماهنگی بیشتر بین سوئیچ و ماژول دارد. LPO برای پیوندهای کوتاه{4}}در داخل خوشه های هوش مصنوعی که پلتفرم میزبان از آن پشتیبانی می کند بسیار جذاب است.

Co{0}}اپتیک بسته بندی شده (CPO)موتورهای نوری را روی همان زیرلایه سوئیچ ASIC حرکت می دهد و مسیر الکتریکی را کوتاه می کند و انرژی هر بیت را کاهش می دهد. همانطور که توسطانجمن نوری Internetworking روی چارچوب های CEI و CPO 112G و 224G کار می کند، CPO جایگزینی-برای اپتیک های قابل اتصال نیست، بلکه به طور فزاینده ای برای نحوه طراحی پارچه های-در مقیاس هوش مصنوعی نسل بعدی-مرکز است. NVIDIA قبلاً سوئیچ‌های فوتونیک Spectrum-X Photonics و Quantum-X سیلیکونی با-اپتیک بسته‌بندی شده را با هدف قرار دادن 1.6 ترابایت بر ثانیه در هر پورت و صرفه‌جویی قابل توجه در انرژی معرفی کرده است.

فوتونیک سیلیکونزیربنای بیشتر این روندها است. با ادغام مدولاتورها، موجبرها و آشکارسازها به طور مستقیم بر روی سیلیکون، چگالی بالاتر، رفتار حرارتی بهتر و ادغام محکم تر با ASIC های سوئیچ را امکان پذیر می کند. اکثر فروشندگان عمده اپتیک اکنون فوتونیک سیلیکونی را در نقشه راه خود برای بار کاری هوش مصنوعی دارند.

برای اکثر تیم‌ها در سال 2026، اپتیک‌های 800G قابل اتصال همچنان پیشرو هستند، در حالی که LPO، CPO و فوتونیک سیلیکون در تنظیمات آزمایشگاهی و پارچه‌های آزمایشی انتخاب شده ارزیابی می‌شوند.

اشتباهات رایجی که باید از آنها اجتناب کنید

رایج ترین اشتباه، انتخاب بالاترین سرعت بدون بررسی اینکه آیا بقیه شبکه می توانند آن را پشتیبانی کنند، است. یک ماژول نوری 800G روی یک سوئیچ که نمی تواند رابط الکتریکی یا فضای سر حرارتی مورد نیاز را تامین کند، 800G را در تولید ارائه نخواهد کرد. دوم دست کم گرفتن قدرت است. در میان هزاران اپتیک، تفاوت بین یک ماژول کارآمد-و یک ماژول معمولی می‌تواند یک رک را از بودجه قابل قبول به بودجه بیش از- تغییر دهد. سومین مورد این است که سازگاری را به عنوان یک چک باکس به جای یک فرآیند تلقی کنیم. سازگاری واقعی از اعتبار سنجی بر روی پلت فرم سوئیچ واقعی، سیستم عامل و محیط عملیاتی ناشی می شود. چهارم برنامه ریزی کابل کشی ضعیف است. کیفیت کانکتور، تعداد فیبر و مدیریت وصله در 800G و 1.6T بسیار مهم تر می شود و میانبرها در اینجا اغلب به صورت فلپ پیوند یا افزایش تلفات ماه ها پس از استقرار ظاهر می شوند.

نتیجه گیری

ظهور ماژول های نوری 400G، 800G و 1.6T یک مد فناوری نیست. این پاسخی مستقیم به نحوه ارتباط، همگام سازی و مقیاس بندی حجم های کاری هوش مصنوعی در هزاران پردازنده گرافیکی است. اتحاد اترنت، IEEE 802.3 و اکوسیستم اپتیک گسترده‌تر بر روی نقشه راه روشنی از 400G تا 800G تا 1.6T هماهنگ شده‌اند، با LPO، CPO، و فوتونیک سیلیکونی که بعد از آن را شکل می‌دهند.

برای اکثر تیم های شبکه، استراتژی درست این نیست که سریع ترین ماژول را در همه جا تعقیب کنند. تطبیق سرعت نوری با عملکرد شبکه، اعتبارسنجی سازگاری قبل از مقیاس، برنامه ریزی دقیق برق و خنک کننده، و طراحی یک نیروگاه کابل کشی است که بتواند شبکه را حداقل در یک چرخه ارتقاء دیگر حمل کند. یک لایه نوری-به خوبی برنامه ریزی شده یکی از مقرون به صرفه ترین-روش ها برای استفاده کامل از سرمایه گذاری های گران قیمت GPU است، زیرا زیرساخت های هوش مصنوعی همچنان در حال رشد هستند.