通信网络延续基础算力的摩尔定律.pptxVIP

投资案件;投资案件;主要内容;5;6;1.1 芯片层面网络：chip-to-chip场景，从PCIe到高速连接;1.1 芯片层面网络：chip-to-chip场景，从PCIe到高速连接;9;1.1 芯片层面网络：chip-to-chip场景，从PCIe到高速连接;11;1.2 设备层面网络：InfiniBand、NVLink等正迭代通用算力下的以太网需求;1.2 设备层面网络：InfiniBand、NVLink等正迭代通用算力下的以太网需求;1.2 设备层面网络：InfiniBand、NVLink等正迭代通用算力下的以太网需求;1.2 设备层面网络：InfiniBand、NVLink等正迭代通用算力下的以太网需求;1.2 设备层面网络：InfiniBand、NVLink等正迭代通用算力下的以太网需求;1.2 设备层面网络：InfiniBand、NVLink等正迭代通用算力下的以太网需求;1.3 IDC层面网络：AI与通用云计算架构核心差异在于组网;19;主要内容;2.1 AIGC“前夜”，Nvidia A100的网络架构与设备需求以 200G为基础。;2.1 AIGC“前夜”，Nvidia A100的网络架构与设备需求以 200G为基础。;2.2 当前“算力之巅”：英伟达H100的网络架构与设备需求提升至400G/800G基准;2.2 当前“算力之巅”：英伟达H100的网络架构与设备需求提升至400G/800G基准;2.3 GH200的设计精髓：最大化利用NVLink和InfiniBand网络，光连接更优先;2.3 GH200的设计精髓：最大化利用NVLink和InfiniBand网络，光连接更优先;27;主要内容;3.1 谷歌TPU：迭代至v4，ASIC 3D组网适配AI需求;3D组网是TPU v4最大特征，同样重视网络连接的价值。据谷歌文档测算： 一个TPU v4板卡有4个芯片，一个TPU v4 Pod由4096个芯片（1024个板卡）组成。 一个4 x 4 x 4的block有64个芯片（16个板卡，右下图示），每个block有6个面（正立方体的6个面），每个面对外发送16个光连接，用于连接外部交换机，总共6 x 16 = 96个光连接；block上 相对面的link连接同一台交换机，因此64个芯片的光连接有96/2=48对，对应48台交换机。;31;3.2 谷歌OCS：全光交换、WDM等光通信技术，算力与网络同行;3.2 谷歌OCS：全光交换、WDM等光通信技术，算力与网络同行;我们认为，波分复用的单模光模块是高带宽下的必然需求。预计AI背景下，相干光通信下 沉至IDC场景，成本、功耗、频谱效率、可扩展性等因素平衡，通信环节需求进一步提升。 谷歌OCS网络方案下，采用单模WDM光模块进行Leaf层交换机间的连接。 与PSM解决方案相比，WDM光学技术最大限度地提高了OCS端口的效率和使用率，单模是OCS技术的兼容性和扩展性所需要的。 此外，光环路器（circulators）被耦合到光模块上，以实现单模双向链路传输，从而为每根光纤和每个OCS端口实现全双工通信，使所需的光纤和OCS端口的数量减少了一半。由于OCS、光环路 器和光纤组件在很大程度上与数据速率无关，可以用于多代网络和不同速度的互连。而波分复用的单模光模块正在从800G向1.6T演进。;主要内容;36;37;主要内容;4. 结论与相关标的;4. 结论与相关标的