400G לעומת 800G מול 1.6T מודולים אופטיים עבור AI

מודולים אופטיים במרכזי נתונים בינה מלאכותית עברו מלהיות חלקי קישוריות פסיביים להפיכתם למרכיב ליבה של ביצועי מחשוב. הסיבה היא פשוטה. אשכולות אימון בינה מלאכותית מודרניים מעבירים כמויות עצומות של נתונים בין GPUs, מתגים וצמתי אחסון, ומהירות התנועה הזו משפיעה ישירות על מידת היעילות של שימוש במאיצים יקרים. זו הסיבהמודולים אופטיים של 400G, 800G ו-1.6Tכעת הם מרכזיים כמעט בכל שיחה על תשתית AI.

על פי המפת הדרכים של Ethernet Alliance 2026, Hyperscalers כבר פורסים חיבורים של 100G עד 800G, כאשר 1.6 Tb/s Ethernet מתגלה כצעד הגדול הבא עבור בדים בקנה מידה AI-. ה

קבוצת עבודה IEEE 802.3קידמה את כוח המשימה P802.3dj כדי להגדיר 200G, 400G, 800G ו-1.6T Ethernet על גבי נחושת וסיבים- יחידים, מה שנותן לתעשייה נתיב ברור לפריסה-ת בקצב גבוה יותר.

עבור צוותי רשת, השאלה המעשית היא כבר לא האם המהירויות יעלו. זה איך לבחור את המהירות הנכונה עבור כל שכבה של הרשת, איך לתכנן כוח וקירור, וכיצד לאמת תאימות לפני פריסת אלפי מודולים באשכול AI ייצור.

מדוע עומסי עבודה של AI דורשים מהירויות מודול אופטי גבוה יותר

אימון בינה מלאכותית שונה מהותית מעומסי עבודה מסורתיים בענן, ארגוני או אחסון. מודלים גדולים של שפה ומערכות ממליצים מאומנים על פני אלפי, ויותר ויותר עשרות אלפים, של GPUs הפועלים כמערכת מבוזרת אחת. במהלך כל שלב אימון, המאיצים חייבים לסנכרן שיפועים, להחליף הפעלות ולהעביר טנסור ביניים בין צמתים. זה יוצר תנועה כבדה ביותר מזרח-מערב, כלומר תנועה שנשארת בתוך מרכז הנתונים במקום ללכת לאינטרנט.

באשכול אימון גבול של 16,000 עד 100,000 GPUs, המרקם הפנימי נושא הרבה יותר רוחב פס מאשר הקישורים החיצוניים. NVIDIA דיווחה שזהספקטרום-X Ethernet פלטפורמהמחזיק בסביבות 95 אחוז תפוקה אפקטיבית בפריסות העולה על 100,000 GPUs, בעוד Ethernet סטנדרטי ללא בקרת גודש מספק בדרך כלל כ-60 אחוז תחת אותו עומס. ההבדל הוא לא אקדמי. הפסד של 35 אחוז ביעילות הבד מתורגם ישירות לריצות אימון ארוכות יותר וניצול מופחת של GPU.

זו הסיבה האמיתית למהירויות אופטיות ממשיכות לטפס. שכבה אופטית איטית או לא יציבה הופכת לצוואר הבקבוק של כל מפעל הבינה המלאכותית.

מ-400G ל-800G עד 1.6T: מה מניע כל שלב

המהלך דרך 400G, 800G ו-1.6T מונע על ידי בעיית קנה מידה שלא ניתן לפתור רק על ידי הוספת כבלים נוספים. כאשר אשכול בינה מלאכותית מכפיל את גודלו, מספר נתיבי התקשורת בין צמתים גדל מהר יותר מאשר באופן ליניארי. הוספת קישורים מקבילים תצרוך יציאות מתג, תגדיל את ספירת הסיבים ותיצור עומס בכבלים שקשה לנהל בסביבת מתלה צפופה.

מהירויות גבוהות יותר לכל-יציאה מציעות נתיב ניתן להרחבה יותר. יציאת 800G נושאת פי שניים מרוחב הפס של יציאת 400G על אותו ממשק פיזי. יציאת 1.6T מכפילה את זה שוב. דור 2025 עד 2026 של ASIC מתגים תומך ברמות רדיוס ורוחב פס שהופכות את 800G למיינסטרים המעשי עבור פריסות בינה מלאכותית חדשות, בעוד ש-1.6T הוא יעד התכנון של דור המתגים הבא.

יכולת פעולה הדדית מרובת-ספקים חיה בין 400G, 800G ו-1.6T Ethernet הוצגה ב-OFC 2026, אשרחלון הראווה של Ethernet Alliance OFC 2026מוצגים כהוכחה לכך שהמערכת האקולוגית מוכנה לבדים בקנה מידה של בינה מלאכותית.- המוכנות הזו חשובה כי אשכולות בינה מלאכותית לא יכולים לחכות לפתרון של ספק יחיד. הם צריכים מתגים, NICs, אופטיקה ופלטפורמות בדיקה שעובדות יחד בקנה מידה.

מודולים אופטיים של 400G לעומת 800G לעומת 1.6T: השוואה מבחר

המהירות הנכונה תלויה בגודל האשכול, שכבת הרשת, מפת הדרכים של המתגים, תקציב החשמל ומפעל הסיבים שכבר קיים. הטבלה שלהלן מתארת ​​היכן כל מהירות כרגע היא הגיונית ביותר.

400G עדיין רלוונטי מכיוון שמרכזי נתונים רבים נמצאים באמצע-שדרוג מ-100G או 200G, ו-400G מציע איזון חזק של עלות, זמינות וביצועים לעומסי עבודה שאינם-AI. עבור אשכולות בינה מלאכותית באופן ספציפי, 800G הפך לקו הבסיס לעבודה עבור בנייה חדשה, ו-1.6T נמצא כעת בתכנון רציני עבור רקמות הרחבה-בקצה האחורי, במיוחד כאשר ייצור המתגים כבר מיושר לאיתות 200G-לכל-נתיב. אם אתה מעריך כבלים בצפיפות גבוהה- עבור מהירויות אלה, הסקירה הכללית שלנו עלכבלים סיבים אופטיים MPO ו-MTPמכסה את אפשרויות המחבר והתא המטען הנפוצות ביותר ב-800G ומעלה.

כאשר 400G עדיין מספיק

400G נשאר הבחירה הנכונה כאשר גודל האשכול צנוע, כאשר ה-GPUs שנמצאים בשימוש אינם מרווים NICs 400G, או כאשר צי המתגים הקיים בנוי על ASICs מהדור הקודם. אשכולות מסקנות, תרמילים קטנים יותר לאימון, אתרי בינה מלאכותית קצה, ורוב בדים של מרכזי נתונים כלליים-כלליים עדיין פועלים בנוחות על 400G. עבור סביבות אלה, קפיצה ישירות ל-800G תוסיף עלות ולחץ תרמי מבלי לספק שיפור מדיד בזמן השלמת העבודה.

מבחן מעשי הוא להסתכל על ניצול GPU במהלך האימון. אם מעבדי GPU ממתינים לנתונים יותר מחמישה עד עשרה אחוזים מהזמן, הרשת כבר מהווה צוואר בקבוק. אם הניצול יציב וגבוה, 400G עושה את העבודה שלו.

כאשר 800G הופך להיות נחוץ

800G הופך להיות הכרחי כאשר האשכול מגיע לקנה מידה שבו קישורי 400G מאלצים יותר מדי חיבורים מקבילים, כאשר מגבלות רדיוס המתגים מתחילות להגביל את הבחירות הטופולוגיות, או כאשר דור ה-GPU מציג NICs שיכולים להרוות יציאות 800G. במארג אימון AI טיפוסי, זה בדרך כלל מתאים לאשכולות של כמה אלפי GPUs ומעלה, שבהם הרשת האחורית נושאת את עיקר תעבורת חילופי השיפועים.

מעבר 800G מביא גם הוא עבודה הנדסית אמיתית. הספק לכל-יציאה במודולי 800G גבוה באופן משמעותי מ-400G, מצבי FEC משתנים וצפיפות הכבלים מוכפלת בחזית המתג. צריבה-בבדיקה ואימות יציבות הקישור הופכים חיוניים, מכיוון שבעבודת אימון סינכרונית, קישור אופטי יחיד לא יציב יכול להפעיל ניסיונות חוזרים שמאטים את האשכול כולו.

מתי לתכנן עבור 1.6T

1.6T נמצא כעת בפריסה מוקדמת עבור רשתות ה-AI האחוריות האגרסיביות ביותר והיא יעד התכנון הסטנדרטי לדור הבא של המתגים. רוב צוותי הארגונים והענן אינם זקוקים לייצור 1.6T אופטיקה כיום, אבל כל מי שמתכנן מארג עם אופק של שלוש- עד חמש- שנים צריך לקחת בחשבון את זה בכבלים, במפעל סיבים ובתכנון החשמל.

צוות המשימה של IEEE P802.3dj הגדיר את מפרטי השכבה הפיזית עבור 1.6T על פני סיבים- במצב יחיד, ו-OFC 2026 הראה יכולת פעולה הדדית של ספקים מרובי-במהירות זו. האות המעשי הוא ש-1.6T הוא אמיתי, אבל התשתית שמסביב, כולל זמינות מתגים, קירור וכלים תפעוליים, עדיין חשובה כמו המודול עצמו.

QSFP-DD לעומת OSFP: בחירת גורם הצורה הנכון

ב-400G ו-800G, שני גורמי הצורה השולטים הם QSFP-DD ו-OSFP. שניהם מספקים את אותן המהירויות בפלטפורמות מתגים מיינסטרים, אך הן נבדלות בעיצוב מכני ובהתנהגות תרמית. QSFP-DD תואם לאחור עם כלובי QSFP28 ו-QSFP56, מה שהופך אותו לאטרקטיבי עבור סביבות שרוצות לעשות שימוש חוזר בחריצי מתגים קיימים במהלך שדרוג. OSFP מעט גדול יותר, בעל נפח פנימי רב יותר, ובאופן כללי מציע מרווח גחון תרמי טוב יותר, שהופך חשוב ב-800G ובמיוחד ב-1.6T.

עבור 1.6T, התעשייה מתקדמת לעבר OSFP ו-OSFP-XD בתור הבחירות הדומיננטיות, בעיקר בגלל קיבולת תרמית. אם צוות רשת מצפה לשדרג מעבר ל-800G בתוך אותו דור מתגים, OSFP היא בדרך כלל הבחירה הבטוחה יותר. אם העדיפות היא שימוש חוזר בהשקעות 400G QSFP-DD, QSFP-DD נשארת אפשרות חזקה לעת עתה.

גורמים מרכזיים בבחירת מודולים אופטיים עבור רשתות בינה מלאכותית

מרחק, טווח הגעה וסוג הסיבים

קישורי טווח-קצר בתוך שורת מתלים עשויים להשתמש במודולים מקבילים של מצב-יחיד (DR) או מודולי טווח-קצר (SR), בעוד שקישורי בין-שורות או-תולים עשויים להזדקק לגרסאות FR או LR. לפני בחירת מודול, אשר את אורך הסיב בפועל, דרגת הסיבים, סוג המחבר ותקציב הקישור. יסוד שימושי על האופן שבו אובדן מצטבר בין מחברים וחיבורים נמצא במדריך שלנו בנושאאובדן הכנסה ברשתות סיבים. לטווחים ארוכים יותר, ההבדל בין OS1 ו-OS2 במצב יחיד-סיב חשוב והוא מכוסה בסקירה הכללית שלנו של

סוגי סיבים ויישומים במצב יחיד-.

צריכת חשמל וקירור

אופטיקה במהירות גבוהה יותר- מייצרת יותר חום. לפני שדרוג מ-400G ל-800G או תכנון עבור 1.6T, בדוק בכל-הספק, החלף כיוון זרימת אוויר, טמפרטורת הכלוב, כללי ירידה תרמית ושולי הקירור ברמת -מתלה. במדפי AI צפופים שכבר שואבים כוח גבוה עבור GPUs, העומס התרמי הנוסף מאלפי אופטיקה במהירות גבוהה- אינו טריוויאלי ויכול להשפיע על זמן הפעולה אם מתעלמים ממנו.

תאימות בורר וקושחה

תאימות היא יותר ממהירות התאמת. יש לאמת מודול על פלטפורמת המתגים המדויקת, גרסת הקושחה, תצורת FEC, קידוד EEPROM וטמפרטורת ההפעלה הצפויה לפני פריסה בכמות גדולה. תסמינים של התאמה לקויה של תאימות כוללים דש קישור, אזעקות BER מוגברות, DOM וכיבויים תרמיים מדי פעם בעומס מתמשך. לתפוס אותם בצריבה קטנה במעבדה-זה הרבה יותר זול מאשר לתפוס אותם בייצור.

כבלים ואסטרטגיית מחברים-בצפיפות גבוהה

מעבר ל-800G או 1.6T פירושו בדרך כלל תוכנית כבלים אחרת. מחברים מרובי-סיבים כמו MPO-12, MPO-16 ו-MPO-24 הופכים לברירת המחדל במהירות גבוהה, ולעתים קרובות נעשה שימוש בכבלים של פריצה כדי לאוורר יציאת מתג במהירות גבוהה למספר חיבורים בעלי מהירות נמוכה יותר. לצוותים שמעריכים את המעבר הזה, המדריך שלנו בנושאכיצד לבחור כבל פריצת MPOמכסה את הפשרות המעשיות-ואת

אפשרויות כבל MPO ו-MTPהצג את תצורות המטען הנפוצות ביותר בפריסות עמוד השדרה של 800G.

LPO, CPO ופוטוניקת סיליקון: מה שבא אחרי 800G

מעבר למהירות הגולמית, התעשייה מתמקדת כעת ביעילות. שלושה כיווני טכנולוגיה חשובים ביותר:

אופטיקה ניתנת לחיבור ליניארי (LPO)מסיר את ה-DSP מהמודול האופטי ודוחף את ההשוואה בחזרה אל ה-ASIC המארח. זה מוריד את כוח המודול, לעתים קרובות ב-30 עד 50 אחוז באותה מהירות, אך דורש תיאום הדוק יותר בין המתג למודול. LPO הוא הכי אטרקטיבי לקישורי טווח- קצרים בתוך אשכולות AI שבהם הפלטפורמה המארחת תומכת בו.

קו-אופטיקה ארוזה (CPO)מעביר את המנועים האופטיים על אותו מצע כמו המתג ASIC, מקצר את הנתיב החשמלי ומפחית אנרגיה לכל סיביות. כפי שתואר על ידי הפורום אופטי לעבודה באינטרנט עבודה על מסגרות 112G ו-224G CEI ו-CPO, CPO אינו טיפה-תחליף לאופטיקה הניתנת לחיבור, אלא הוא יותר ויותר מרכזי לאופן שבו מתכננים-הדור הבא של בדים להרחבת AI-. NVIDIA כבר הכריזה על מתגי Spectrum-X Photonics ו-Quantum-X סיליקון פוטוניק עם אופטיקה-ארוזה יחד, המכוונים ל-1.6 Tb/s ליציאה וחיסכון משמעותי באנרגיה.

פוטוניקת סיליקוןעומד בבסיס רוב המגמות הללו. על ידי שילוב מאפננים, מוליכי גל וגלאים ישירות על סיליקון, הוא מאפשר צפיפות גבוהה יותר, התנהגות תרמית טובה יותר, ואינטגרציה הדוקה יותר עם מתגי ASIC. לרוב ספקי האופטיקה הגדולים יש כעת פוטוניקת סיליקון במפת הדרכים שלהם לעומסי עבודה של AI.

עבור רוב הצוותים בשנת 2026, אופטיקה 800G הניתנת לחיבור נותרה סוס העבודה, בעוד שפוטוניקת LPO, CPO וסיליקון מוערכת בהגדרות מעבדה ובבדי פיילוט נבחרים.

טעויות נפוצות שיש להימנע מהן

הטעות הנפוצה ביותר היא בחירת המהירות הגבוהה ביותר מבלי לבדוק ששאר הרשתות יכולות לתמוך בה. מודול אופטי 800G על מתג שאינו יכול לספק את הממשק החשמלי הנדרש או מרווח גחון תרמי לא יספק 800G בייצור. השני הוא לזלזל בכוח. על פני אלפי אופטיקה, ההבדל בין מודול- יעיל בצריכת החשמל לבין מודול טיפוסי יכול להעביר מתלה מתקציב מקובל ל-יותר. השלישי הוא התייחסות לתאימות כתיבת סימון ולא כתהליך. תאימות אמיתית מגיעה מאימות על פלטפורמת המתגים, הקושחה וסביבת ההפעלה בפועל. הרביעי הוא תכנון כבלים גרוע. איכות המחברים, ספירת הסיבים וניהול התיקונים הופכים חשובים הרבה יותר ב-800G ו-1.6T, וקיצורי דרך כאן מופיעים לעתים קרובות כדש קישור או אובדן מוגבר חודשים לאחר הפריסה.

מַסְקָנָה

העלייה של מודולים אופטיים של 400G, 800G ו-1.6T היא לא אופנה טכנולוגית. זוהי תגובה ישירה לאופן שבו עומסי עבודה של AI מתקשרים, מסתנכרנים ומתרחבים על פני אלפי GPUs. ה-Ethernet Alliance, IEEE 802.3 והמערכת האקולוגית האופטית הרחבה יותר התיישרו במפת דרכים ברורה מ-400G דרך 800G ל-1.6T, כאשר פוטוניקת LPO, CPO וסיליקון מעצבת את מה שבא אחריו.

עבור רוב צוותי הרשת, האסטרטגיה הנכונה היא לא לרדוף אחר המודול המהיר ביותר בכל מקום. זה להתאים את המהירות האופטית לתפקוד הרשת, לאמת תאימות לפני קנה מידה, לתכנן את הספק והקירור בקפידה, ולתכנן מפעל כבלים שיוכל לשאת את הרשת לפחות במחזור שדרוג אחד נוסף. שכבה אופטית-מתוכננת היטב היא אחת הדרכים החסכוניות ביותר-לשמור על ניצול מלא של השקעות GPU יקרות ככל שתשתית AI ממשיכה לצמוח.