AIGC对光通信行业的影响分析.docx

《AIGC对光通信行业的影响分析.docx》由会员分享，可在线阅读，更多相关《AIGC对光通信行业的影响分析.docx（7页珍藏版）》请在优知文库上搜索。

1、AIGC对光通信行业的影响分析1.0行业背景：大模型驱动算力需求本轮A1.浪潮由ChatGPT掀起，并引发中外科技企业展开对大语言模型及生成式A1.的追逐和对算力的军备竞赛。无论是传统互联网企业还是新进入者都在加大算力投资，积极推出大模型。我们认为多模态大模型与应用生态圈将成为2024年生成式A1.的关键词，生成式A1.依然处于行业发展的初期，多模态大模型训练与推理需求双驱动加速算力基础设施建设。多模态大模型，A1.感知能力更加丰富11月6日,OpenAI公布GPT-4Turbo,平台提供多模态功能,包括视觉、图像创造(DA1.1.E3)和文本转语音(TTS)12月7号,谷歌发布A1.多模态模

2、型Gemini1.0。Gemini1.0根据不同尺寸进行T优化，分别是U1.traPro和Nano.GeminiU1.tra适用于高度复杂的任务，GeminiPro是通用版，而GeminiNano则被用于各种客户端设备。Gemini1.0可以同时理解并识别本文、图形、音频等。伴随着大模型处理数据的类型持续扩展，多模态大模型(1.MMS)成为主流，这使得未来大模型参数与训练集规模将持续扩大。当前多模态系统主要处理文本、图片和语音。伴随行业发展，大模型将可以处理视频、音乐、3D等内容。这也意味着大模型训练算力需求的增长将超预期。应用生态圈趋于成熟，推理算力需求显著增长OpenAI发布了GPTs,让

3、用户们无需代码，结合自己的需求、外部知识和能力创造自定义版本的GhatGPT,满足了用户的定制化需求。此外,OPenA1.在11月底上线GPTStOre,让开发者们能够分享、发布FI己创建GPTsoGPTs和GPTStore的上线满足了客户的特色化需求，有望加速GPT应用生态建设，进一步提高用户黏性。GPTs降低了制作大模型应用门槛，用户无需编程基础，用自然语言就能做出专属GPTS,从而加速大模型向个人用户和垂直行业渗透。GPT应用量的增长，也意味着“杀手级”应用出现的可能性提升。大模型应用所带来的推理算力需求将会超出预期.2.0算力芯片与服务器发展趋势NV1.ink技术、NVSwitch芯片

4、提升芯片互联带宽打破PCIe限制Nv1.ink4代的总带宽可达到900GBs,为PCIe5.0总线带宽的7倍,对比下一代PCIe6.0的256GBs也有显著优势。NVSwitch是英伟达的节点交换架构，通过连接多个NV1.ink,在单节点内和节点间实现实GPU的拓展。第三代NVSwitch能在带点服务器节点中支持8-16个完全链接的GPU,支持以900GBs的速度互联每个GP英伟达H100使用第四代NV1.ink和第三代NVSwitch,具有八个NVIDIAH100TensorCoreGPU的系统具行36TBs的二等分带宽f11450GBs的缩减操作带宽。与上一代相比，这两个数字分别增加了1.

5、5倍和3倍。英伟达摆脱了PCIe在原始带宽、延迟以及缓存一宜性方而的限制。通过NV1.ink和NVSwitch实现多个GPU大规模集群的传输，实现更快和更可拓展的计弊系统。英伟达DGX服务器实现内部GPU全互联以GTCSPRING2022发布的DGXH100为例，H100分为SXM和PCIe两个版本。主流大模型依赖多卡协同，GPU之间的带宽要求较高，Nv1.ink全互联的GPU更加适合大模型应用场景。SXM版本中8张H100芯片通过4张NV1.inkSwitch芯片实现全互联。GPU之间带宽高达900GBs（双向链路25GBs*2*18条=900GBs）,相较于PCIE5.0x16双向带宽12

6、8GBs,互联速度得到快速提升。PCIe版本中4张H100芯片通过PC1.eSwitchPEX4：1连接到CPU,2张H100芯片通过Nv1.inkBridge互联。PC1.E机型更加灵活,GPU卡的数量以及PCIE的拓朴可以进行调整。英伟达DGX服务器计算网络设计优化DGXH1.Oo在服务器内部通信构架中可以看出计算网络的重要性。相较于DGXAIO0,DGXH100正在放弃传统的PCIe网卡，转而使用“Cedar”的模块进行GPU与GPU之间的互联DGXH100通过2个Cedar7模组，每个模组包含4个ConnetX-7ICs,通过DenSiIink电缆连接到服务器的对外接口.虽然8张GPU

7、配备了8张400G的网卡ICs,但接1.1.合成成了4个800G接口。优势：1.使用Cedar模块可以提升服务器空间效率，同时有助于服务器内部空气流通。2.Cedar模块直接通过电缆对外连接，有助于降低PCB设计夏杂度与成本。Chip1.et和异构芯片成为行业发展的趋势Chip1.et：AMD早在2011年发布了APU已经是CPU+GPU架构。在2017年，AMD发布的论文中讨论包含CPU、GPU和HBM内存堆栈的APU芯片设计。在2023年6月推出了AMD首个CPU+GPU的数据中心产品。U1.traFusion：M1.UItra采用台积电5nm工艺,由两块M1MaX芯片拼接而成，这样的“组

8、合”使得其晶体管数量达到1140亿颗。使得各项硬件指标翻倍：20核CPU包含16个高性能核心、4个高能效核心；GPU核心数量增至64核：32核神经网络引擎能够带来每秒22万亿次的运算能力;统一内存最高规格达到128GB：内存带宽提升至800GBso这种多芯片(Mu1.ti-die)配置主要靠UItraFusion多晶粒架构，使用2.5D先进封装技术。异构芯片互联的趋势，逐步撰脱了传统SoC的束缚，芯片面积提升不一定意味着成本大幅提升与良品率大幅下降。HBM大幅提升显存带宽，适合大模型应用场景HBM通过采用TSV技术突破内存带宽与容量瓶颈，是新一代的DRAM解决方案。相对于传统内存，HBM是在硅

9、中阶层(Si1.iCOnImerPOSer)上堆登起来并与GPU封装在一起，大幅缩小使用面积，并且HBM距离GPU更近，进一步提升数据传输速度。HBM主要是通过硅通孔(TSV)技术进行芯片堆桎，通过贯通所有芯片层的柱状通道传输信号、指令、电流，以增加吞吐量并克服单一封装内带宽的限制，通过采用TSV技术HBM大幅提高了容量和数据传输速率。与传统内存技术相比，HBM具有更高带宽、更大容量、更低功耗、更小尺寸，HBM突破了内存带宽与容量瓶颈，让更大的模型、更多的参数留在离核心计算更近的地方，从而减少存储解决方案带来的延迟，是新一代的DRAM解决方案。算力+数据读取能力+通信能力缺一不可英伟达2019

10、年以69亿美金收购Me1.1.anox。MeIIanoX为服务器、存储和超融合基础设施提供以太网交换机、芯片和InfiniBand智能互联解决方案在内的大量数据中心产品。收购Me1.IanOX使得英伟达在数通市场业务更加全面，数据中心工作负载将在整个计算，网络和存储堆栈中进行优化，并能实现更高的性能，更高的利用率和更低的运昔成木。BIueFieIdDPU：DPU承接了传统服务器中CPU的工作负担，并融合了智能网卡的网络加速功能，这样更好的释放了CPU资源，更好支撑虚拟机和容器的应用。优势：1.降低服务器功耗，降低用电成本；2.网络通信速度提升。网络架构演进光模块与交换机需求提升大模型参数规模提

11、升，算力集群中互联服务器数量显著提升。二层无收敛的胖树网络架构互联的网卡数量是受限的，超算数据中心的网络架构会向三层无收敛的胖树网络架构演进，这意味着光模块和交换机的需求将进一步提升。英伟达推出的DGXSuperPOD超级计算机，是一套软硬协同的完整解决方案，在满足A1.模型算力的基础上，又能帮助企业快速部署A1.数据中心。DGXSuperPOD采用模块化的设计，支持不同规模大小的设计。以127个DGXH1.Oo为例，整体网络分为计算网络，存储网络，带内管理网络和带外管理网络。3.O光模块光模块的作用是光电信号的转换。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

12、,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稔定的调制光信号，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。光芯片是上游产业链核心器件，光器件占比约为73%,电路芯片占比18%。光器件中，光发射组件和光接收组件合计占比约80%。光模块需求测算：英伟达A1.OO推荐配置A100+ConnectX6+QM8700三层网络。第一层架构中，每个节点（A100）有8个接口，每个节点分别连接8个叶交换机。每20个节点组成一个单元（SU,在第一层需要8*SU个叶交换机需要8*SU*20条线缆

13、,需要2*8*SU20个200G光模块。第二层架构中，由于采用无阻塞架构，第二层也采用单条电缆200G的传输速率，线缆数量和第一层相同，需要28*SU*20个200G管模块。所需要的行交换机数量是线缆数量除以叶交换机数量，需要（8*SU*20）（8*SU）个行交换机。但是当叶交换机数量不够多的时候，为了节约在交换机的数量可以在叶和脊之间做两条以上的连接（只要不超过40个接口的限制）。因此当单元数量分别为1/2/4/5个时所需要的仃交换机数量为4/10/20/20个，所需要的光模块数量分别为320/640/1280/1600个，行交换机数量不会同比例提升，但光模块数量会同比例提升。当单元数量达到

14、7个时，需要用到第三层架构，由于无阻塞架构因此第三层架构所需要的线缆数与第二层数相同。140台服务器，共对应140*8=1120片A1.o0,共需要56+56+28=140个交换机(QM8790),需要1120+1120+1120=3360根线缆，需要3360*2=6720个200G光模块,A1.oO与200G光模块对应关系为1120/6720=1:6。光模块需求测算I在算力集群中，光模块需求数量影响因素：网卡型号、交换机型号、单元数量，不同架构所需要的光模块数量有所差异。以A100SUPerPoD为例，英伟达官方推荐网卡为COnneCtX-6(200bs),交换机型号为QM8700(40路2

15、00Gbs传输速率)，每个单元包括20个节点，最大支持7个单元组成集群，超过5个单元需要三层交换架构，那么每张A100所需要6个200G光模块。以H100SUPerPoD为例，英伟达官方推荐网卡为COnneCtX-7(400bs),交换机型号为QM9700(64路400bs传输速率)，每个单元包括32个节点，最大支持4个单元组成集群，两层交换架构，那么每张H100所需要1个400G和1.5个800G光模块光模块。根据中国人工智能大模型地图研究报告，截至2023年5月，美国已发布100个参数规模10亿以上的大模型，中国发布79个大模型左右。以在OPenA1.为例，他们训练GPT3用了1万张A100显卡，训练GPT4大约3万以上的A100显卡。那我们假设1万张显卡作为入门门槛,2-3万张显卡作为头部大模型厂商存量显卡，考虑到大模型迭代算力需求。我们假设24年英伟达A100和H100的出货量大致在180万-250万张，对应800G光模块数量在400万只左右。