電子發燒友網報道(文/黃山明)AI時代下,算力中心正將分布式GPU集群變為主流,因此對網絡提出了更低時延、更大帶寬、更長跨數據中心距離的硬需求。但這時候發現,傳統的光纖在物理極限上已經不夠用了,不僅速度達不到,容量和能耗也令人頭疼。
這時,一個在上個世紀末就被驗證的技術,重新獲得市場的關注,那就是空芯光纖。這款產品能夠完美解決傳統光纖所面臨的問題,而唯一的問題,就是有點貴。
空芯光纖的優勢
如今在萬卡集群訓練中,成千上萬個GPU需要頻繁同步數據。如果網絡時延高,快的顯卡要等慢的顯卡,導致整體算力利用率大幅下降。
而傳統光纖,光是在玻璃中進行傳播,其速度約為真空中光速的三分之二。這意味著信號每傳輸1000公里,就會比在空氣中多花約1.6毫秒。
在上世紀末,英國南安普敦大學的Philip Russell等學者開始構想,既然光在空氣中傳播更快、損耗更低,為何不能制造一種“空心”的光纖。后續,一篇名為《空芯單模光子帶隙光纖》發表于《Science》中,首次在光子晶體光纖中實現空心、單模、光子帶隙導光,證明光可以在空氣芯中被穩定限制并傳播。
不過在后續的研究中發現,這種空芯光子帶隙光纖(HCPBGF)技術,其表面散射損耗很高,很難把損耗壓到1dB/km以下,限制了通信應用。
直到近幾年,隨著云廠商與AI算力入局,發現空芯光纖由于可以讓光在空氣/真空中傳播,其傳輸速度比傳統光纖提升約47%,時延降低30%-40%。
這對于跨數據中心,例如東數西算,或者跨國算力調度來說,節省的幾毫秒可能意味著模型訓練周期縮短幾天,或者高頻交易多賺數百萬美元。
并且傳統光纖中,光在實心玻璃中傳輸時,光強越高,玻璃介質會產生非線性效應,會導致信號畸變、串擾。為了避開這個問題,傳統光纖不能無限增加發射功率或信道密度,限制了單根光纖的總容量。
空芯光纖就沒有這個困擾,由于99%的光在空氣中傳輸,空氣的非線性效應比玻璃低1000倍以上。這意味著單根光纖的傳輸容量可以輕松突破100Tbps甚至更高,輕松應對未來800G、1.6T光模塊的普及,避免網絡擁堵。
此外,傳統光纖由于損耗和非線性限制,長距離傳輸需要更多的中繼放大器,這些設備不僅耗電,還產生大量的熱量。
但空芯光纖隨著這幾年技術的發展,其損耗已經可以做到0.1dB/km以下,超越傳統石英光纖的理論極限,傳輸同樣距離需要的放大器更少,信號處理更簡單,DSP的負擔減輕,進一步降低功耗,進一步降低成本。
并且玻璃在強輻射環境下會產生色心效應而變黑,導致損耗劇增甚至失效,且玻璃的熱膨脹系數較大。而空芯光纖主要介質是空氣,對輻射不敏感,耐高溫性能更好,除了AI,還適用于衛星互聯網、深空探測、核工業監控等極端環境。
2024年Ignite大會上,微軟宣布計劃在未來24個月內部署約15000km空芯光纖,用于AI和數據中心互聯,直接將空芯光纖從小眾高端推向AI基礎設施明星賽道。
空芯光纖這么好,為何不大規模采用?
從全球范圍來看,隨著AI技術的愈發普及,也在加速對空芯光纖的工程化探索。但目前來看,空芯光纖的量產還面臨不少技術問題,這些技術并非是生產,而是如何高良率、低成本的制造出來。
空芯光纖在制造時,需要在光纖內部制造納米級的空氣孔陣列,且拉伸過程中不能變形,良品率極低。目前能夠做到的廠商非常少,例如OFS、被微軟收購的Lumenisity、Relativity Networks等,國內的長飛、亨通等。
從機械強度來看,空芯光纖典型纖芯直徑200-250μm,包層結構復雜,對微彎非常敏感,布放、盤纖、余長處理都要特別小心。并且空芯光纖與普通單模光纖模場直徑差異大,存在嚴重模場失配,直接熔接損耗大,需要專用的熔接程序和模場適配器。由于背向散射信號弱、非線性小,普通OTDR不完全適用,需要專用測試方案,否則很難精確定位斷點和事件點,這些都抬高了施工和運維的成本。
即便能夠生產,目前的年產量也就在數萬公里級別,根本滿足不了全球大規模建設需求。而傳統光纖可以直接采用一根實心玻璃棒拉絲,結構簡單,工藝成熟,單根預制棒可拉上百公里,因此產能可以達到千萬公里級。
制造工藝困難直接導致成本高昂,有分析指出,當前空芯光纖量產成本約是傳統G.652光纖的5-8倍,要具備大規模競爭力,至少要降到2倍以內。
再一個,對于運營商而言,空芯光纖的空氣芯中,水汽、CO?等氣體會對特定波長產生吸收損耗,需要控制氣體成分和封裝工藝,目前尚未有一個持續運營20年以上的可靠案例可以參考。
更重要的是,目前的國際標準,例如ITUT G.652/G.654.E,主要針對實芯單模光纖,參數體系、測試方法并不直接適用于空芯光纖。沒有標準化組件、測試流程、部署規范,規模部署風險很大。
因此現在真正愿意買單的場景還有限,除了微軟計劃2年內部署1.5萬公里空芯光纖,用于AI大模型互聯外。AWS也已經在城域數據中心互聯中部署空芯光纖,用以擴展數據中心選擇范圍。
國內的中天科技率先實現O波段反諧振空芯光纖在AI數據中心內部的規模化部署,并已進入中國電信現網試點。并且中天科技還與阿聯酋電信運營商在中東地區完成空芯光纖技術試點,顯著降低傳輸時延。
此外,在金融領域,例如2025年中國移動在粵港澳大灣區開通首條完全自主反諧振空芯光纖商用線路,是我國首條完全自主知識產權的反諧振空芯光纖商用線路,專門服務于深港跨境金融業務,隨后中國電信與中國聯通也在同年跟進,開通空芯光纖專線。
其采用的產品由長飛光纖提供,其最新的空芯光纖最低衰減達0.04dB/km,時延較傳統實芯光纖降低約31%,傳輸速度提升約47%。長飛明確指出,目標就是支撐AI算力、6G和超大數據中心的傳輸需求。
烽火通信也發布了新一代超低損空芯光纖,最低衰減約0.06dB/km,時延降低約31%,專門面向AI智算中心海量數據高速交互需求。
總結
隨著AI的發展速度超過傳統光纖物理極限的承載能力,為了迎接算力爆發,必須進行技術升級,而空芯光纖被視作替代傳統光纖的技術路線。完美解決傳統光纖的傳輸速率限制,還能解決信號干擾、能耗等問題,盡管制造困難,成本高昂。
但隨著AI算力需求旺盛,當前在超大規模智算中心的跨樓宇/跨園區互聯場景,空芯光纖有望成為首選方案。而在金融領域,對于新建的跨城/跨境金融專線,空芯光纖將毫無懸念成為首選方案,傳統光纖在頂級高頻交易場景將逐步被邊緣化。
這時,一個在上個世紀末就被驗證的技術,重新獲得市場的關注,那就是空芯光纖。這款產品能夠完美解決傳統光纖所面臨的問題,而唯一的問題,就是有點貴。
空芯光纖的優勢
如今在萬卡集群訓練中,成千上萬個GPU需要頻繁同步數據。如果網絡時延高,快的顯卡要等慢的顯卡,導致整體算力利用率大幅下降。
而傳統光纖,光是在玻璃中進行傳播,其速度約為真空中光速的三分之二。這意味著信號每傳輸1000公里,就會比在空氣中多花約1.6毫秒。
在上世紀末,英國南安普敦大學的Philip Russell等學者開始構想,既然光在空氣中傳播更快、損耗更低,為何不能制造一種“空心”的光纖。后續,一篇名為《空芯單模光子帶隙光纖》發表于《Science》中,首次在光子晶體光纖中實現空心、單模、光子帶隙導光,證明光可以在空氣芯中被穩定限制并傳播。
不過在后續的研究中發現,這種空芯光子帶隙光纖(HCPBGF)技術,其表面散射損耗很高,很難把損耗壓到1dB/km以下,限制了通信應用。
直到近幾年,隨著云廠商與AI算力入局,發現空芯光纖由于可以讓光在空氣/真空中傳播,其傳輸速度比傳統光纖提升約47%,時延降低30%-40%。
這對于跨數據中心,例如東數西算,或者跨國算力調度來說,節省的幾毫秒可能意味著模型訓練周期縮短幾天,或者高頻交易多賺數百萬美元。
并且傳統光纖中,光在實心玻璃中傳輸時,光強越高,玻璃介質會產生非線性效應,會導致信號畸變、串擾。為了避開這個問題,傳統光纖不能無限增加發射功率或信道密度,限制了單根光纖的總容量。
空芯光纖就沒有這個困擾,由于99%的光在空氣中傳輸,空氣的非線性效應比玻璃低1000倍以上。這意味著單根光纖的傳輸容量可以輕松突破100Tbps甚至更高,輕松應對未來800G、1.6T光模塊的普及,避免網絡擁堵。
此外,傳統光纖由于損耗和非線性限制,長距離傳輸需要更多的中繼放大器,這些設備不僅耗電,還產生大量的熱量。
但空芯光纖隨著這幾年技術的發展,其損耗已經可以做到0.1dB/km以下,超越傳統石英光纖的理論極限,傳輸同樣距離需要的放大器更少,信號處理更簡單,DSP的負擔減輕,進一步降低功耗,進一步降低成本。
并且玻璃在強輻射環境下會產生色心效應而變黑,導致損耗劇增甚至失效,且玻璃的熱膨脹系數較大。而空芯光纖主要介質是空氣,對輻射不敏感,耐高溫性能更好,除了AI,還適用于衛星互聯網、深空探測、核工業監控等極端環境。
2024年Ignite大會上,微軟宣布計劃在未來24個月內部署約15000km空芯光纖,用于AI和數據中心互聯,直接將空芯光纖從小眾高端推向AI基礎設施明星賽道。
空芯光纖這么好,為何不大規模采用?
從全球范圍來看,隨著AI技術的愈發普及,也在加速對空芯光纖的工程化探索。但目前來看,空芯光纖的量產還面臨不少技術問題,這些技術并非是生產,而是如何高良率、低成本的制造出來。
空芯光纖在制造時,需要在光纖內部制造納米級的空氣孔陣列,且拉伸過程中不能變形,良品率極低。目前能夠做到的廠商非常少,例如OFS、被微軟收購的Lumenisity、Relativity Networks等,國內的長飛、亨通等。
從機械強度來看,空芯光纖典型纖芯直徑200-250μm,包層結構復雜,對微彎非常敏感,布放、盤纖、余長處理都要特別小心。并且空芯光纖與普通單模光纖模場直徑差異大,存在嚴重模場失配,直接熔接損耗大,需要專用的熔接程序和模場適配器。由于背向散射信號弱、非線性小,普通OTDR不完全適用,需要專用測試方案,否則很難精確定位斷點和事件點,這些都抬高了施工和運維的成本。
即便能夠生產,目前的年產量也就在數萬公里級別,根本滿足不了全球大規模建設需求。而傳統光纖可以直接采用一根實心玻璃棒拉絲,結構簡單,工藝成熟,單根預制棒可拉上百公里,因此產能可以達到千萬公里級。
制造工藝困難直接導致成本高昂,有分析指出,當前空芯光纖量產成本約是傳統G.652光纖的5-8倍,要具備大規模競爭力,至少要降到2倍以內。
再一個,對于運營商而言,空芯光纖的空氣芯中,水汽、CO?等氣體會對特定波長產生吸收損耗,需要控制氣體成分和封裝工藝,目前尚未有一個持續運營20年以上的可靠案例可以參考。
更重要的是,目前的國際標準,例如ITUT G.652/G.654.E,主要針對實芯單模光纖,參數體系、測試方法并不直接適用于空芯光纖。沒有標準化組件、測試流程、部署規范,規模部署風險很大。
因此現在真正愿意買單的場景還有限,除了微軟計劃2年內部署1.5萬公里空芯光纖,用于AI大模型互聯外。AWS也已經在城域數據中心互聯中部署空芯光纖,用以擴展數據中心選擇范圍。
國內的中天科技率先實現O波段反諧振空芯光纖在AI數據中心內部的規模化部署,并已進入中國電信現網試點。并且中天科技還與阿聯酋電信運營商在中東地區完成空芯光纖技術試點,顯著降低傳輸時延。
此外,在金融領域,例如2025年中國移動在粵港澳大灣區開通首條完全自主反諧振空芯光纖商用線路,是我國首條完全自主知識產權的反諧振空芯光纖商用線路,專門服務于深港跨境金融業務,隨后中國電信與中國聯通也在同年跟進,開通空芯光纖專線。
其采用的產品由長飛光纖提供,其最新的空芯光纖最低衰減達0.04dB/km,時延較傳統實芯光纖降低約31%,傳輸速度提升約47%。長飛明確指出,目標就是支撐AI算力、6G和超大數據中心的傳輸需求。
烽火通信也發布了新一代超低損空芯光纖,最低衰減約0.06dB/km,時延降低約31%,專門面向AI智算中心海量數據高速交互需求。
總結
隨著AI的發展速度超過傳統光纖物理極限的承載能力,為了迎接算力爆發,必須進行技術升級,而空芯光纖被視作替代傳統光纖的技術路線。完美解決傳統光纖的傳輸速率限制,還能解決信號干擾、能耗等問題,盡管制造困難,成本高昂。
但隨著AI算力需求旺盛,當前在超大規模智算中心的跨樓宇/跨園區互聯場景,空芯光纖有望成為首選方案。而在金融領域,對于新建的跨城/跨境金融專線,空芯光纖將毫無懸念成為首選方案,傳統光纖在頂級高頻交易場景將逐步被邊緣化。
聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。
舉報投訴
-
光纖
+關注
關注
20文章
4448瀏覽量
80850 -
AI
+關注
關注
91文章
40616瀏覽量
302286
發布評論請先 登錄
相關推薦
熱點推薦
邊緣AI算力臨界點:深度解析176TOPS香橙派AI Station的產業價值
檢索。
這一組合帶來了高達176TOPS的整型AI算力(INT8)。在AI硬件行業中,算力決定
發表于 03-10 14:19
AI算力需求的爆發加速國產晶振替代進程
AI算力爆發推動晶振需求激增,泰晶科技與惠倫晶體憑借高精度、小型化技術搶占光模塊核心賽道,高端產品毛利率達50%,加速下迎來黃金發展期。 在全球數字經濟加速發展的大背景下,
AI算力爆發催生元器件短缺,智芯谷一站式供應如何破局?
“GPU緊缺”只是AI算力瓶頸的冰山一角——高端電容供貨周期延長至40周、高速內存價格季度漲幅超30%、服務器散熱方案重新設計周期壓縮至2個月。AI
國產AI芯片真能扛住“算力內卷”?海思昇騰的這波操作藏了多少細節?
最近行業都在說“算力是AI的命門”,但國產芯片真的能接住這波需求嗎?
前陣子接觸到海思昇騰910B,實測下來有點超出預期——7nm工藝下算力
發表于 10-27 13:12
天璣9500 性能大爆發!NPU AI算力或達100TOPS
電子發燒友網綜合報道,據博主數碼閑聊站獨家爆料,聯發科天璣9500?NPU用上全新IP硬件,AI算力對比前代直接翻倍。此外,天璣9500將推出類似“存算一體”的能效黑科技架構,目前大概
2025端側AI芯片爆發:存算一體、非Transformer架構誰主浮沉?邊緣計算如何選型?
各位技術大牛好!最近WAIC 2025上端側AI芯片密集發布,徹底打破傳統算力困局。各位大佬在實際項目中都是如何選型的呢?
發表于 07-28 14:40
借勢 RISC-V與 AI 浪潮,元石智算打造算力新范式
在AI技術飛速發展的當下,算力需求呈指數級增長,成為推動行業前行的核心動力。與此同時,RISC-V架構憑借其開源、靈活、可定制等特性,正逐漸嶄露頭角,為AI
RAKsmart智能算力架構:異構計算+低時延網絡驅動企業AI訓練范式升級
在AI大模型參數量突破萬億、多模態應用爆發的今天,企業AI訓練正面臨算力效率與成本的雙重挑戰。RAKsmart推出的智能
大算力芯片的生態突圍與算力革命
據的爆發式增長,大算力芯片已成為科技競爭的核心領域之一。 ? 大算力芯片的核心應用場景豐富多樣。在人工智能訓練與推理方面,大模型(如 GPT
AI算力大爆發,傳統光纖“跑不動”了
評論