AI算力應用中的光模塊產(chǎn)品

以ChatGPT為代表的AI大模型應用普及將推動(dòng)算力需求快速增長(cháng)，服務(wù)器產(chǎn)業(yè)鏈是其中重要的受益環(huán)節之一，AI計算的普及將推動(dòng)服務(wù)器產(chǎn)業(yè)鏈光模塊向800G升級提速。

光模塊是數據中心內部互連和數據中心相互連接的核心部件。100G和400G是主流產(chǎn)品，800G過(guò)去主要用在超算等領(lǐng)域。據LightCounting預計，2023年800G全球普及率僅0.62%。而以ChatGPT為代表的AI大模型，對數據中心內外的數據流量都提出了新要求，有望推動(dòng)光模塊加速向800G升級。800G光模塊將從2025年底開(kāi)始主導光模塊市場(chǎng)。

根據LightCounting的數據，2016年至2020年，全球光模塊市場(chǎng)規模從58.6億美元增長(cháng)到66.7億美元，預測2025年全球光模塊市場(chǎng)將達到113億美元，為2020年的1.7倍。從結構上看數通市場(chǎng)占60%，電信市場(chǎng)占40%左右。

首先我們以英偉達的SuperPOD為例測算單顆GPU與光模塊的比例。測算僅考慮IB網(wǎng)絡(luò )對應的光模塊需求。以140個(gè)節點(diǎn)的集群為例，每臺舉例服務(wù)器需要8顆GPU芯片，共需140×8=1120顆芯片；集群中每20臺服務(wù)器組成一個(gè)SU（scalable units，可擴展單元），共7個(gè)SU。IB網(wǎng)絡(luò )架構下實(shí)現了完整的胖樹(shù)（Fat-Tree）拓撲結構，胖樹(shù)架構在訓練場(chǎng)景中最優(yōu)的配置是上下行端口數一樣，即無(wú)阻塞的網(wǎng)絡(luò )，具體來(lái)看：

1. 第一層：每個(gè)SU 中配置8臺葉交換機，共有56臺葉交換機；

2. 第二層：每10臺脊交換機組成一個(gè)交換機組Spine Group（ SG），每個(gè)SU 的第一個(gè)葉交換機連接到SG1中的每個(gè)交換機，每個(gè)SU的第二個(gè)葉交換機連接到SG2中的每個(gè)交換機，共有80個(gè)脊交換機；

3. 第三層：每14臺核心交換機組成一個(gè)交換機組Core Group（CG），對應共28個(gè)核心交換機。

使用系統的對應計算側和存儲側線(xiàn)纜全部采用AOC有源光纜，因此每個(gè)端口對應一個(gè)光模塊，即每條光纜對應2個(gè)光模塊，因此計算側和存儲側共需要（1120+1124+1120）×2+（280+92+288）×2=8048個(gè)光模塊，即單顆GPU對應所需200G光模塊數量約為1:7.2

DGX GH200超級計算機搭載256個(gè)超級芯片，每個(gè)超級芯片可視為一個(gè)服務(wù)器，通過(guò)交換機進(jìn)行互聯(lián)。從結構上來(lái)看，超級計算機采用兩層的胖樹(shù)拓撲結構，第一、二層分別使用96個(gè)、36個(gè)交換機，每臺交換機擁有32個(gè)速率為800G的端口；此外超級計算機還配備了24個(gè)IB交換機用于IB網(wǎng)絡(luò )。按照端口進(jìn)行估算，L1層距離較近因此假定使用銅纜進(jìn)行連接不涉及光模塊，L2層36個(gè)交換機在無(wú)收斂胖樹(shù)架構下，第二層交換機端口向下與L1層交換機上行端口互聯(lián)，因此共需要36×32×2=1152個(gè)800G光模塊；IB網(wǎng)絡(luò )架構下，24臺交換機需要24×32=768個(gè)800G光模塊；則DGX GH200超級計算機共需要1152+768=1920個(gè)800G光模塊，對應每顆芯片12個(gè)800G光模塊。則GPT-3單日完成訓練需要8萬(wàn)顆以上200G光模塊，如果考慮到FLOPS的利用率約為20%-30%，則需要光模塊的數量將約為35萬(wàn)顆。

AI發(fā)展促進(jìn)了海量光模塊需求，易飛揚則已于2023年完成800G/400G AI應用光模塊產(chǎn)線(xiàn)建設任務(wù)，新建成的生產(chǎn)線(xiàn)主要用于4×100G PAM4和8×100G PAM4光模塊和有源光纜的生產(chǎn)。

得益于供應鏈的支持，易飛揚的系列AI光模塊量產(chǎn)順利，公司本身的產(chǎn)品多樣化設計能力、訂單能力和供應鏈能力形成了較好的匹配關(guān)系?？梢詾橹行】蛻?hù)提供靈活有效的需求交付和樣品測試。