0
简体中文
027-5972 6363
-
突破瓶颈，高速互联未来：400G QSFP-DD SR4光模块随着大型模型、云计算、大数据等技术的迅猛发展，尤其是在大型模型训练中对算力和显存的更高要求，我们不得不重新思考网络连接的重要性。以GPT-3为例，千亿参数的训练需要2TB的显存，然而，传统的显卡显存容量已经不再足够。即使出现了更大容量的显存，单卡训练也需要32年的时间，这显然是不现实的。为了加速训练过程，分布式训练技术应运而生，通过模型和数据的切分，采用多机多卡的方式将训练时间缩短到了周或者天的级别。 1. 分布式训练技术的崛起 分布式训练技术构建了一个计算和存储能力超大的集群，但连接这个集群的高性能网络直接决定了节点间的通信效率，进而影响整个集群的吞吐量和性能。因此，更低202309-28
-
2x400G H-Cable在400G以太网中的应用优势随着高性能计算、人工智能和AI模型训练等的需求的爆火，越来越多的公司开始从事于搭建GPU算力集群，对外提供算力租赁服务，作为新的业务增长点。 目前搭建算力集群的主流技术方案分别是infiniband网络方案和以TCP/IP为基础的ROCEv2网络方案。特别是在链路速率从200G到400G的过渡过程中，infiniband网络方案产品的价格越来越高，货期越来越长，导致ROCEv2网络方案的价格优势和货期优势越来越大，越来越多的用户开始使用ROCEv2网络方案组建集群的算力网络。 400G ROCEv2网络方案 目前主流网络设备厂商都有推出自己的400202309-25
-
AI超算时代，选用哪种光连接方案？交换网络的线缆连接方案多样，AI 超算和 DCI 场景中，主流是光模块+光纤、AOC（Active Optical Cables，有源光缆）和 DAC（Direct Attach Cables，直连电缆）。 光模块：光通信网络中的重要器件，起到光电转换的作用。光模块内部结构包括光发射组件（TOSA，含激光器芯片）、光接收组件（ROSA，含探测器芯片）、驱动电路、光电接口。在发射端，光模块将设备产生的电信号经驱动芯片处理后，通过激光器转化为功率稳定的调制光信号，使得信息能够在高速光纤中传递；在接收端，光信号经探测器处理后还原为电信号，经前置放大器处理后输出。 光模块+光缆最为主流，202309-12
-
IB和RoCE，谁更适合AI数据中心网络?超高带宽、超低延迟、超高可靠，这是大模型训练对于网络的要求。 多年来，TCP/IP协议一直是互联网通信的支柱，但对于AI网络来说，TCP/IP 在某些方面存在着致命的缺点。TCP/IP协议的时延较高，通常在数十微秒左右，同时还会对CPU造成严重的负载。RDMA能直接通过网络接口访问内存数据，无需操作系统内核的介入。这允许高吞吐、低延迟的网络通信，尤其适合在大规模并行计算机集群中使用。 RDMA技术有四种实现：InfiniBand、RoCEv1、RoCEv2和iWARP。其中，RoCEv1已被弃用，iWARP也不太常用。目前业界常用的网络解决方案是InfiniBand和RoCEv2。202309-08
-
数据中心互联选择400G AOC还是400G DAC？由于数据中心及云计算资源需求的持续增长，带动了超大规模公有云数据中心的发展。全球数据流量不断攀升，促使数据中心向更高速率、更大带宽、更低延时发展，400G以太网成为数据中心的必然趋势。为了满足数据中心、企业和高性能计算环境中机架内和相邻机架之间的互连需求，400G DAC和AOC线缆以其低功耗、高稳定性、快速响应、安装便捷等优势特点成为短距离互连的主要选择。 以下是目前市场上的400G DAC和400G AOC主要分类类型： 封装类型： QSFP-DD：是400G数据中心中最主流的封装模式，用于400G DAC和400G AOC的一种常见封装类型，采用8*50Gb/s的PAM202309-07
-
下一站数据中心的主流：200G VS 400G光模块随着移动互联网、云计算、大数据等技术的飞速发展，整个通信行业在10G-40G-100G或10G-25G-100G之后，对网络提出高速率、大带宽、低时延的要求，急需把网络升级到更高级别。200G和400G以太网在数据中心的应用受到越来越高的关注度，200G以太网与400G以太网的选择也成为行业热门话题。 200G和400G光模块产生背景 200G光模块是指传输速率为200Gbps的光模块。200G光模块有两种技术方向，一种是采用QSFP-DD封装的经济型8x25G NRZ调制;另外一种是采用QSFP56封装的4x50G(最高可达4x56G)PAM4调制。 400G光模块202309-04
