輝達攜思科推新型可插拔光學模組 單通道400Gb/s、頻寬密度增4倍|壹蘋新聞網

輝達攜思科推新型可插拔光學模組 單通道400Gb/s、頻寬密度增4倍

瞄準下一代AI工廠高速互連

記者 綜合報導
【記者呂承哲/台北報導】輝達(NVIDIA)與思科(Cisco)宣布推出超高密度小型可插拔模組(USFP),支援每通道400Gb/s傳輸速度,瞄準下一代AI工廠高速互連需求。首批USFP規劃在與現有OSFP相同空間內整合16個全雙工通道,可達12.8Tb/s總傳輸容量,並與泰科電子(TE Connectivity)、安費諾(Amphenol)合作建立硬體生態系。
NVIDIA 與思科推出新型可插拔光學模組規格,擴展 AI 工廠規模。輝達提供
NVIDIA 與思科推出新型可插拔光學模組規格,擴展 AI 工廠規模。輝達提供

16通道攻12.8Tb/s 頻寬密度增4倍

隨AI模型規模及推論需求持續成長,AI工廠必須連接更多運算系統,同時控制網路複雜度、耗電與成本。當交換器達到容量上限後,持續擴大網路將增加交換器層級與光學連結,進一步推升延遲、耗電及成本,因此每個連線頻寬及單台交換器可支援的連線數成為擴展關鍵。

USFP將協助乙太網路AI網路架構由每通道200Gb/s提升至400Gb/s,同時延續資料中心既有的可插拔光學部署模式,客戶無須全面翻新基礎設施,即可導入下一代光學技術。

首批USFP光收發模組將在與8通道OSFP相同空間內,整合16個全雙工通道,同時支援交換器與SuperNIC,未來可進一步擴展至32個以上通道。

透過通道數及單通道頻寬同步倍增,USFP可讓AI網路在不增加網路層級下,連接更多1.6Tb/s端點,總傳輸容量可達12.8Tb/s。相較每通道200Gb/s的可插拔模組,USFP在與OSFP相當尺寸下,可提供4倍頻寬及前面板頻寬密度,電力效率提升約1.3倍。

輝達網路事業資深副總裁Gilad Shainer表示,打造全球最大規模AI工廠,必須從最小的連接元件重新思考,USFP將透過更高效率連接更多運算資源,支援下一代AI工廠。

新型連接器設計 最高支援100瓦

技術方面,USFP專為每通道400Gb/s電氣訊號設計,採用新型二維陣列連接器及兩階段插入設計,在模組插入後才接通高速接點,以減少接點磨損並改善訊號完整性,也為未來支援32個以上全雙工通道預留擴充能力。

USFP可支援最高100瓦功率耗散,無須在光收發模組內配置獨立的專用嵌入式冷卻迴路,以降低交換器設計複雜度並提高可靠性。所有USFP配置也支援簡化訊號處理的光學設計,以降低延遲與電力消耗,並支援不同光學技術與連接距離。

思科光學系統與光學事業部資深副總裁暨總經理Bill Gartner表示,要將可插拔光學技術提升至每通道400Gb/s,不能僅對現有模組進行漸進式改良,USFP目標是在提升頻寬密度之餘,保留可插拔光學模組的維護便利性、部署彈性及操作優勢。

攜TE、Amphenol建USFP生態系

供應鏈方面,輝達與思科已與TE Connectivity及Amphenol合作,共同開發USFP所需外殼、連接器及模組,未來預計有更多合作夥伴加入,透過共通模組規格,讓供應商建立每通道400Gb/s高密度可插拔基礎設施。

雙方也將延續既有合作,讓輝達Spectrum-X乙太網路與採用思科Silicon One的乙太網路協同運作,鎖定企業、新興雲端服務供應商及主權雲AI基礎設施需求。輝達與思科並計畫透過由社群主導的多供應商專案,為USFP制定開放式產業規格。

輝達最新一代AI平台Vera Rubin。呂承哲攝
輝達最新一代AI平台Vera Rubin。呂承哲攝

開放AI工廠架構 Vera Rubin設計導入OCP

輝達在近期於美國聖荷西舉行的開放運算計畫全球峰會(OCP Global Summit)宣布多項合作與技術貢獻,透過開放標準加速下一代AI基礎設施部署。

NVIDIA透過MGX開放式架構,向OCP貢獻Vera Rubin機櫃與運算托盤(compute tray)的關鍵設計,提供系統業者共同基礎,相關布局涵蓋AI工廠、供電電網及機櫃級架構。

同時,NVIDIA與超大規模雲端服務商共同發布下一代AI工廠開放標準,涵蓋AI工廠設計及電網韌性,並為DSX AI工廠平台推出開源軟體元件。網路方面,Meta將透過Spectrum-X乙太網路SuperNIC及Spectrum-6推進開放式AI網路;NVIDIA與Google合作,未來ConnectX-10 SuperNIC及BlueField DPU將支援Falcon傳輸協定。

此外,亞灣超算(Visionbay)推出針對Vera Rubin世代打造的800V直流電AI工廠設計;NVIDIA也與思科推出USFP標準,支援400Gb/s網路架構。NVIDIA表示,透過協同設計結合開放標準,可加速AI基礎設施部署、改善電力效率,並提升每瓦詞元(tokens-per-watt)效能。

loading