近年來，在人工智能計算需求不斷增長的推動下，對GPU和其他計算硬件的需求急劇飆升。僅今年一年，英偉達的股價就上漲了200%以上，這一點顯而易見。此外，由于數(shù)據(jù)中心的人工智能訓練需要高速數(shù)據(jù)傳輸，對人工智能服務器集群的需求也急劇上升。隨著數(shù)據(jù)中心基礎設施的不斷擴大，光模塊的使用量呈指數(shù)級增長。目前，200G和400G光模塊已經大規(guī)模部署，800G光模塊已經開始進入量產和引進階段。

為什么需要800G光模塊?

數(shù)據(jù)中心內的數(shù)據(jù)傳輸主要分為南北流量和東西流量兩個方向。南北向流量是指數(shù)據(jù)中心外用戶與內部服務器之間的數(shù)據(jù)傳輸，東西向流量是指數(shù)據(jù)中心之間以及數(shù)據(jù)中心內服務器之間的數(shù)據(jù)傳輸。隨著ChatGPT引爆的AI大模型市場，數(shù)據(jù)中心的東西流量和內部服務器流量比例增加。

更新數(shù)據(jù)中心拓撲結構

數(shù)據(jù)中心計算規(guī)模和東西向流量不斷擴大，數(shù)據(jù)中心網絡架構也在不斷變化。在傳統(tǒng)的三層拓撲結構中，服務器之間的數(shù)據(jù)交換需要經過接入交換機、匯聚交換機和核心交換機。這給匯聚交換機和核心交換機帶來了巨大的工作壓力。

三層拓撲：如果采用傳統(tǒng)的三層拓撲，進一步擴大服務器集群的規(guī)模，則需要在核心層和匯聚層部署高性能設備，設備成本將大幅增加。

兩層Spine-Leaf拓撲：Leaf-Spine拓撲將傳統(tǒng)的三層架構扁平化為兩層架構。在這種設置中，葉子交換機(類似于傳統(tǒng)三層架構中的訪問層交換機)直接連接到服務器。骨干交換機，相當于核心層交換機，直接連接到葉交換機，每個骨干交換機連接到所有葉交換機。

AI計算和800G光模塊

與傳統(tǒng)的三層拓撲結構相比，脊葉結構需要大量的端口。因此，無論是服務器還是交換機，都需要更多的光模塊來進行光纖通信。對于使用gpu的廣泛AI訓練應用，在NVIDIA的DGX H100服務器中，集成了8個H100 gpu，對計算和存儲網絡的需求相當于大約12個800G光模塊和18個400G光模塊。更多信息可以在這篇文章中找到:NVIDIA DGX H100簡介。

這表明在葉脊架構下，數(shù)據(jù)中心對高速光模塊的需求呈指數(shù)級增長。隨著數(shù)據(jù)中心規(guī)模的擴大，特別是對AI大型模型訓練的需求，以及GPU服務器對更高傳輸速率的需求增加，800G光模塊的采用速度正在加快。

加速部署800G光模塊

在人工智能計算進步的背景下，800G模塊的需求正在穩(wěn)步上升，全球領先的制造商加大了部署力度。

例如，星際光學公司已經在2023年上半年開始增加800G光模塊的生產，與gpu匹配的800G產品一起穩(wěn)定地向海外主要客戶交付。

在OFC 2023上，海信寬帶推出了業(yè)界首款800G QSFP-DD BiDi SR4.2光模塊產品，并展示了800G QSFP-DD SR8、800G OSFP SR8、800G OSFP 2xFR4/DR8、800G QSFP-DD 2xFR4/DR8等基于PAM4信令的800G系列光模塊產品，展示了全面的產品系列。

總結

隨著GPU訂單驅動需求的確定性，800G光模塊的批量出貨階段將從今年下半年開始。800G光模塊作為人工智能計算能力的重要一環(huán)，在數(shù)據(jù)中心規(guī)模不斷擴大和人工智能培訓需求持續(xù)增長的推動下，市場增長和部署速度將加快。