思科已承诺为其Silicon One系列开发线性可插拔光学器件(LPO)选项,以满足AI领域对低功耗、高吞吐量网络日益增长的需求。
思科最近通过推出102.4太比特/秒的G300芯片和交换机系列,提升了其Silicon One产品组合的速度。作为该发布的一部分,思科为其Nexus 9000系列交换机和8000系列路由器推出了首款商用800G LPO模块。据思科介绍,配备LPO模块的这些网络设备专门针对AI叶脊架构、数据中心互联以及其他高密度800G部署。
专家表示,在Nexus 9000和8000系列平台上支持800G LPO充分利用了Silicon One架构的强大功能,同时满足了超大规模运营商或其他高端用户当前所需的节能和网络性能需求。
"对我们来说,800G LPO将在特定的细分应用中发挥作用,寻求降低功耗的客户会充分利用它,但这并不是万能药。"思科光学系统和光学器件业务高级副总裁兼总经理比尔·加特纳向Network World表示。
换句话说,它不像一些非LPO光学器件那样完全即插即用,加特纳说。"我们不能声称你可以拿我们的800G LPO或其他任何人的产品,直接插入任何人的主机就能正常工作。这需要一些配对测试,而且必须与链路另一端的LPO光学器件配对使用。"加特纳说。并非所有硅芯片都能可靠地做到这一点,这就是为什么LPO部署需要在光学器件和主机平台之间进行彻底验证的原因。
在所有LPO实现中,该技术改变了信号处理发生的位置。在LPO中,数字信号处理器(DSP)功能由主机交换机或路由器处理,而不是在光学模块中处理。
"我们的LPO正在从Silicon One及其软件中发生的变化中获得巨大收益。"加特纳说。"对于在链路两端都部署Silicon One的客户,功耗可以降低30%或50%。"
Silicon One的关键技术是其交换ASIC对串行器/解串器(SerDes)功能的强大支持。在9000和8000系列设备中发现的新G300芯片具有512个200Gbps SerDes通道,总交换容量为102.4Tbps,支持500米甚至2公里扩展距离的低功耗互连,这对大规模AI和GPU集群非常重要,据加特纳介绍。
利用LPO技术的另一个问题是所涉及光学器件的可靠性——这是思科一直在大力推动的话题。在最近的Network World文章中,加特纳表示,思科进行了一项可靠性测试,从不同供应商那里采购了20种不同的光学器件。"这些当时是100G和400G光学器件",所有产品都符合行业标准,但是"这些光学器件都没有通过我们的压力测试",他说。
思科的测试环境会改变不同条件,比如温度或湿度水平,或者光学器件在主机上看到的电压水平,或者来自主机信号之间的偏斜。"我们以各种组合进行所有这些测试",加特纳说。
虽然光学器件在技术上可能符合行业标准,"但我们知道如果它们被放置在压力环境中...它们不会正常工作",他说,"所以这就是我们试图为客户提高认识的事情"。
展望未来,其他基于Silicon One的系统可能会支持LPO模块,加特纳说。最终,共封装光学器件(CPO)也将发挥重要作用。
"我认为CPO基本上会在AI领域找到自己的位置并扩大规模。其他人会说它会有更广泛的用途。但我认为扩大规模确实是CPO的最佳应用场景",加特纳说。
"长期来看,CPO有提供更高可靠性的潜力。但短期内,我认为作为一个行业,我们必须非常谨慎,确保不会因为制造方面的挑战,特别是光纤连接方面的挑战,而在现场引入问题",加特纳说。
LPO则不同,他说。"你有一个可能需要更换的可插拔器件。所以,LPO的影响范围肯定更小。"
Q&A
Q1:什么是LPO技术?它有什么特点?
A:LPO(线性可插拔光学器件)是一种光学技术,它改变了信号处理发生的位置。在LPO中,数字信号处理器功能由主机交换机或路由器处理,而不是在光学模块中处理。这种技术可以为客户提供30%或50%的功耗降低,特别适用于AI叶脊架构和数据中心互联等高密度部署。
Q2:思科Silicon One G300芯片有什么优势?
A:思科Silicon One G300芯片具有512个200Gbps串行器/解串器通道,总交换容量达102.4Tbps。它强大的SerDes功能支持低功耗互连,扩展距离可达500米甚至2公里,这对大规模AI和GPU集群非常重要,能够满足超大规模运营商的节能和网络性能需求。
Q3:LPO技术部署时需要注意什么问题?
A:LPO部署需要配对测试,必须与链路另一端的LPO光学器件配对使用,不能像非LPO光学器件那样即插即用。此外,光学器件的可靠性也是关键问题,需要在光学器件和主机平台之间进行彻底验证,确保在压力环境下也能正常工作。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。