以ChatGPT為代表的AI大模型應(yīng)用普及將推動算力需求快速增長，服務(wù)器產(chǎn)業(yè)鏈?zhǔn)瞧渲兄匾氖芤姝h(huán)節(jié)之一，AI計算的普及將推動服務(wù)器產(chǎn)業(yè)鏈光模塊向800G升級提速。

算力網(wǎng)絡(luò)驅(qū)動下光模塊市場需求預(yù)測

光模塊是數(shù)據(jù)中心內(nèi)部互連和數(shù)據(jù)中心相互連接的核心部件。100G和400G是主流產(chǎn)品，800G過去主要用在超算等領(lǐng)域。據(jù)LightCounting預(yù)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(shù)據(jù)中心內(nèi)外的數(shù)據(jù)流量都提出了新要求，有望推動光模塊加速向800G升級。800G光模塊將從2025年底開始主導(dǎo)光模塊市場。

根據(jù)LightCounting的數(shù)據(jù)，2016年至2020年，全球光模塊市場規(guī)模從58.6億美元增長到66.7億美元，預(yù)測2025年全球光模塊市場將達(dá)到113億美元，為2020年的1.7倍。從結(jié)構(gòu)上看數(shù)通市場占60%，電信市場占40%左右。

AI算力場景光模塊應(yīng)用情況

首先我們以英偉達(dá)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(yīng)的光模塊需求。以140個節(jié)點的集群為例，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SU（scalable units，可擴(kuò)展單元），共7個SU。IB網(wǎng)絡(luò)架構(gòu)下實現(xiàn)了完整的胖樹（Fat-Tree）拓?fù)浣Y(jié)構(gòu)，胖樹架構(gòu)在訓(xùn)練場景中最優(yōu)的配置是上下行端口數(shù)一樣，即無阻塞的網(wǎng)絡(luò)，具體來看：

第一層：每個SU 中配置8臺葉交換機，共有56臺葉交換機；

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

第三層：每14臺核心交換機組成一個交換機組Core Group（CG），對應(yīng)共28個核心交換機。

使用系統(tǒng)的對應(yīng)計算側(cè)和存儲側(cè)線纜全部采用AOC有源光纜，因此每個端口對應(yīng)一個光模塊，即每條光纜對應(yīng)2個光模塊，因此計算側(cè)和存儲側(cè)共需要（1120+1124+1120）×2+（280+92+288）×2=8048個光模塊，即單顆GPU對應(yīng)所需200G光模塊數(shù)量約為1:7.2

DGX GH200超級計算機搭載256個超級芯片，每個超級芯片可視為一個服務(wù)器，通過交換機進(jìn)行互聯(lián)。從結(jié)構(gòu)上來看，超級計算機采用兩層的胖樹拓?fù)浣Y(jié)構(gòu)，第一、二層分別使用96個、36個交換機，每臺交換機擁有32個速率為800G的端口；此外超級計算機還配備了24個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個交換機在無收斂胖樹架構(gòu)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800G光模塊；IB網(wǎng)絡(luò)架構(gòu)下，24臺交換機需要24×32=768個800G光模塊；則DGX GH200超級計算機共需要1152+768=1920個800G光模塊，對應(yīng)每顆芯片12個800G光模塊。則GPT-3單日完成訓(xùn)練需要8萬顆以上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(shù)量將約為35萬顆。

易飛揚應(yīng)用于算力場景的光模塊

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(yīng)用光模塊產(chǎn)線建設(shè)任務(wù)，新建成的生產(chǎn)線主要用于4×100G PAM4和8×100G PAM4光模塊和有源光纜的生產(chǎn)。

得益于供應(yīng)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(shè)計能力、訂單能力和供應(yīng)鏈能力形成了較好的匹配關(guān)系?？梢詾橹行】蛻籼峁╈`活有效的需求交付和樣品測試。

審核編輯：劉清