Ano ang AI Optical Networking? Bakit nakikita ng Goldman Sachs ang isang $154 bilyong merkado hanggang 2028
Sa malaking bahagi ng pag-usbong ng AI, ang mga investor ay nakatuon sa isang tanong: ilang GPU ang maaaring i-deploy ng mga kumpanya sa teknolohiya? Ngunit habang naging mas malaki at mas makapangyarihan ang mga AI cluster, isang iba pang bottleneck ang umuunlad sa sentro ng rasya sa infrastraktura—kung gaano kalakas ang pagkakaintindihan ng mga processor sa isa’t isa.
Ang pagbabagong ito ay naglalagay sa optical networking sa spotlight. Nilikha ng Goldman Sachs Research ang optical networking bilang ang “susunod na mega trend” sa AI infrastructure at inaasahang ang pagtaas ng computing power bawat rack at mas malawak na pag-deploy ng AI infrastructure ay maaaring magbukas ng higit sa siyam na beses ang kabuuang addressable market, na nagdadala sa oportunidad tungo sa $154 bilyon.
Nagpapakita ang thesis ng mas malawak na pagbabago sa infrastruktura ng AI. Mas mabilis na mga accelerator ay naglalabas ng higit pang data, ang mas malalaking cluster ay nangangailangan ng higit pang komunikasyon mula sa processor patungo sa processor, at ang mga tradisyonal na elektrikal na koneksyon ay naging mas mahirap na i-scale nang epektibo. Kaya, ang fiber optics, silicon photonics, at co-packaged optics ay maaaring maging magkakasalungat na mahalaga sa susunod na yugto ng infrastruktura ng AI kung paano ang mga GPU, memorya, at mga sistema ng enerhiya sa unang yugto.
Ano ang AI Optical Networking?
Ang AI optical networking ay tumutukoy sa paggamit ng mga teknolohiya sa komunikasyon batay sa liwanag upang i-transfer ang data sa pagitan ng mga processor, server, switch, rack, at mga cluster ng data center. Sa halip na mag-asa lamang sa mga elektrikong signal na naglalakbay sa tanso, ang mga optical system ay kumonvert ng data sa liwanag at ipapadala ito sa pamamagitan ng fiber.
Ang pinakamadaling paraan na maunawaan ang kanyang papel ay isipin ang isang AI data center bilang isang pabrika. Ang mga GPU at iba pang accelerators ay ang mga makina na gumagawa ng trabaho, habang ang networking ay ang sistema ng transportasyon na nag-uugnay sa kanila. Ang isang pabrika na puno ng napakalakas na mga makina ay magiging mahina pa rin kung hindi mabilis ang paggalaw ng mga materyales sa pagitan ng mga makina. Ang parehong prinsipyo ay lumalapat sa AI: ang mga processor ay dapat magpalitan nang tuloy-tuloy ng model parameters, activations, gradients at iba pang data habang tinuturuan o sinusugpo ang malalaking model.
Nagiging bahagi ng epektibong computing system ang networking替代 ng isang peripheral component. Ipinapaliwanag ni Goldman Sachs na ang networking ay nagpapalaya sa computing capability ng mga indibidwal na AI chip sa pamamagitan ng pagpapahintulot sa maraming processor na magtrabaho nang sabay-sabay na may mababang latency. Habang lumalaki ang AI clusters, tumataas din ang amount na ginugugol sa paglilipat ng data kasabay ng amount na ginugugol sa paggawa ng compute.
Bakit kailangan ng AI ng mas mabilis na mga network
Ang tradisyonal na enterprise computing ay karaniwang naglalaman ng mga workload na maaaring magtrabaho nang relatibong magkakalayon sa mga server. Ang mga malalaking AI model ay iba. Ang pag-train ay kadalasang nangangailangan ng libu-libo ng mga accelerator upang magco-coordinate sa mga kalkulasyon, palitan ang malalaking amount ng impormasyon at manatiling naka-synchronize. Kung may delay sa komunikasyon, ang mga mahal na processor ay maaaring magpass ng bahagi ng kanilang oras sa paghihintay kesa sa pagkalkula.
Lalong lumalala ang hamon habang lumalaki ang mga sistema ng AI. Kailangan ng isang antas ng kapasidad ng network ang isang cluster na naglalaman ng mga hundreds ng GPU; ang isang sistema na naglalaman ng tens of thousands—o sa huli, hundreds of thousands—ay gumagawa ng isang pangunahing iba’t ibang problema sa koneksyon. Ngayon ay inilalarawan ng NVIDIA ang networking bilang isang kritikal na multiplier ng computing power sa gigascale AI factories, na may kanyang pinakabagong Spectrum architecture na disenyo upang kumonekta sa napakalaking GPU deployments.
Ang resulta ay isang paglipat mula sa isang chip-centered na pananaw ng AI patungo sa isang system-level na pananaw. Mas mabilis na mga GPU ay mahalaga pa rin, ngunit ang kanilang ekonomikong halaga ay lalo pang nakadepende sa kakayahan ng memorya, kapangyarihan, pagpapalamig, at networking upang panatilihin ang kanilang produktibidad. Habang tumataas ang compute density, tumataas din ang gastos ng isang hindi sapat na network dahil sa patuloy na mas mahal na mga processor na hindi ginagamit nang buo.
Copper vs Fiber: Bakit Nagkakaroon ng Paglago ang Optics
Mahalaga na mahalaga ang bakal sa loob ng mga data center. Ito ay murang, maayos na nauunawaan at napakaepektibo sa maikling distansya. Para sa maraming koneksyon, magpapatuloy ang bakal na magkaroon ng ekonomikong kahulugan. Ang problema ay ang paggalaw ng mga elektrikal na signal sa lalong mataas na bilis ay naging lalong mahirap habang tumataas ang bandwidth at distansya.
Sa mas mataas na data rates, ang mga electrical link ay nakakaranas ng signal loss, power at thermal constraints. Maaaring kumompens ang mga inhinyero gamit ang retimers, digital signal processing at mas mahusay na disenyo ng cable, ngunit ang mga solusyong ito ay kumakain din ng enerhiya. Ang optical communication ay maaaring magpadala ng napakalaking bandwidth sa mas mahabang distansya na may mas mababang signal degradation, na ginagawa itong lalong atraktibo habang lumalaki at lumalalim ang AI networks. Tandaan ni Goldman Sachs Asset Management noong Hulyo na inaasahan na magiging mas marami ang mga data center na ililipat ang kanilang transmission links mula sa copper patungo sa fiber optics habang tumataas ang mga pangangailangan para sa speed at interconnectivity.
Hindi ibig sabihin nito na ang fiber ay magtatanggal ng copper sa buong AI data center. Mas malamang na ang pagbabago ay magkakaroon ng pagpapalitan nang paulit-ulit: nananatiling kompetitibo ang copper para sa maraming maikling koneksyon, habang ang optics ay umuunlad patungo sa mga switch at processor habang ang mga pangangailangan sa bandwidth ay ginagawang mas mahirap ang electrical transmission. Ang pangunahing baryable ay hindi kung tatanggalin ang copper, kundi gaano karami sa bawat bagong henerasyon ng AI infrastructure ang nangangailangan ng optical content.
Scale-Up vs Scale-Out: Ang Dalawang AI Networking Markets
Ang pag-unawa sa optical opportunity ay nangangailangan din ng pagkakaiba sa pagitan ng scale-up at scale-out networking. Ang scale-up ay nag-uugnay ng mga accelerator nang sapat na malapit upang mabigyan sila ng kakayahang magtrabaho nang mas tulad ng isang magkakasamang computing system. Ang mga link na ito ay nagbibigay-prioridad sa napakataas na bandwidth at napakababaw na latency dahil maaaring kailanganin ng mga GPU na palitan ang impormasyon nang tuloy-tuloy habang nagtatrabaho.
Ang scale-out networking ay nag-uugnay ng mas malalaking grupo ng mga server, rack o computing domains upang ma-expand ang buong AI cluster. Ang optical communication ay karamihan sa nakaraan ay mas nakapagtatag sa mga mas mahabang link. Ang pangunahing pagbabago ay ang pagkilos ng optics patungo sa loob ng scale-up na mga kapaligiran habang tumataas ang processor density at mga pangangailangan sa bandwidth.
Nakakatulong ang pagkakaiba na ito upang ipaliwanag kung bakit maaaring lumawak ang potensyal na merkado nang mas mabilis kaysa sa bilang ng mga data center lamang. Sinusuri ng pagsusuri ni Goldman Sachs ang parehong mga pagkakataon para sa scale-up at scale-out, pati na rin ang pagbabago sa komposisyon ng mga kable ng tanso, pluggable optical modules, co-packaged optics, at iba pang mga interconnect component. Sa ibang salita, ang AI ay hindi lamang nagtatayo ng mas maraming network—ito ay nagpapataas ng amount at kahalagahan ng networking na kinakailangan sa loob ng bawat computing system.
Ano ang Co-Packaged Optics?
Ang co-packaged optics, karaniwang pinagkukulang sa CPO, ay isa sa mga pinakamahalagang teknolohiya sa likod ng kasalukuyang diskusyon tungkol sa AI networking. Sa isang konbensyonal na arkitektura, nagkakomunikasyon ang switching chip nang elektrikal sa pamamagitan ng circuit board bago makarating ang signal sa isang pluggable optical transceiver, kung saan ito ay binabago sa liwanag at ipinapadala sa pamamagitan ng fiber.
Lumalapit ng mas malapit ang CPO ang mga optical engine sa switching silicon, nag-iintegrate ng optics sa chip package kaysa maglagay ng lahat ng optical conversion sa gilid ng sistema. Ang mas maikling electrical path ay maaaring mabawasan ang signal loss at power consumption habang pinapayagan ang mas mataas na bandwidth density. Naging partikular na mahalaga ito habang tumataas ang network speeds at lumalaki ang enerhiyang gastos sa paggalaw ng data.
Ang CPO ay nasa paggalaw na labas ng laboratorio. Sinabi ng Broadcom noong Marso na ang kanilang portfolio ng AI infrastructure ay kasama ang 102.4-terabit-per-second Ethernet switch na may co-packaged optics, kasama ang 400G-per-lane optical DSP technology at iba pang mga produktong high-speed connectivity. Ang NVIDIA ay nagdadala rin ng CPO sa kanilang Spectrum-X Ethernet Photonics platform, gawing bahagi ng komersyal na AI architecture ang teknolohiyang ito kaysa maging simpleng konsepto ng matagalang pananaliksik.
Bakit nakikita ng Goldman Sachs ang isang $154 bilyong merkado
Ang pangunahing numero sa thesis ni Goldman Sachs tungkol sa optical networking ay isang potensyal na $154 bilyon na kabuuang addressable market. Ang banko ay nagtataya na ang paglago ng AI infrastructure at ang pagtaas ng computing power bawat rack ay maaaring lumikha ng isang paglago na siyam na beses sa pagkakataon sa iba’t ibang network configurations. Ang kanyang pagsusuri ay kasama ang scale-up at scale-out systems, pati na rin ang mga copper cable, pluggable optical modules, CPO at PCB midplanes.
Ang mahalagang punto ay na ang pagtataya ay dinudulot ng dalawang puwersa nang sabay-sabay. Una, ang industriya ng AI ay nagpapalaganap ng higit pang computing infrastructure. Pangalawa, bawat bagong henerasyon ng infrastructure ay maaaring kailanganin ng higit pang networking content bawat yunit ng compute. Ang pagdaragdag ng higit pang GPUs ay gumagawa ng karagdagang mga link, habang ang pagpapalaki ng bandwidth ng bawat link ay tumataas sa halaga ng networking equipment na kailangan upang i-connect sila.
Nagdadala ito ng potensyal na epekto ng pagpaparami. Ang kita mula sa AI networking ay hindi kailangang tumubo lamang dahil sa pagtatayo ng higit pang mga data center; maaari itong tumubo rin dahil sa bawat rack, supernode o cluster na naglalaman ng mas mahal na connectivity. Dapat maunawaan ang bilang na $154 bilyon bilang isang pagtataya batay sa mga hinaharap na sistema arkitektura at mga asumpsyon sa paggamit—hindi garantisadong kita—ngunit ipinapakita nito kung paano malaki ang paglalawak ng gastusin sa AI infrastructure kaysa sa mga accelerator mismo.
Bakit mahalaga ang NVIDIA Vera Rubin
Ang NVIDIA's Vera Rubin platform ay nagbibigay ng isa sa pinakamalinaw na palatandaan na ang optical networking ay nagsisiging mahalaga sa estratehiya. Noong Mayo 2026, sinabi ng NVIDIA na ang Vera Rubin ay nagsisimula na sa buong produksyon at ipinakilala ang Spectrum-X Ethernet Photonics, isang CPO-based networking system na disenyo upang tumulong sa suporta sa mga hinaharap na AI factory na may milyon-milyon na GPU.
Ayon sa NVIDIA, ang Spectrum-X Ethernet Photonics ay maaaring magbigay ng limang beses na mas mabuting pagiging epektibo sa enerhiya kaysa sa mga network na gumagamit ng tradisyonal na transceivers, kasama ang pagpapabuti sa uptime ng aplikasyon at bilis ng pag-deploy. Ang mga numero na ito ay sariling paghahambing ng NVIDIA, ngunit ipinapakita nito kung bakit ang kapangyarihan ng networking ay naging malaking pag-aalala sa disenyo. Bawat watt na ginagamit sa paghahatid ng data ay isang watt na hindi available sa mga processor na nagpapatakbo ng AI na kalkulasyon.
Mas malawak ang kahalagahan kaysa sa isang generasyon ng produkto. Kapag isang pangunahing tagapagbigay ng AI accelerator ay nagtatanim ng photonic networking sa kanilang platform roadmap, ang optics ay naging bahagi ng system architecture na nakapalibot sa hinaharap na compute. Ito ay nagpapalakas sa argumento na ang connectivity ay maaaring maging mas malaking bahagi ng gastusin sa AI infrastructure kahit pa patuloy na umunlad ang mga indibidwal na networking technologies.
Maaari bang palitan ng CPO ang mga pluggable optical module?
May mga kapanapanabik na benepisyo ang CPO, ngunit hindi ito nangangahulugan na mawawala ang mga tradisyonal na pluggable optical modules. Ang mga pluggable transceiver ay may malaking operasyonal na benepisyo: sila ay modular. Maaaring palitan, i-upgrade o i-serbisyo ng mga operator ng data center ang mga ito nang hiwalay mula sa switch, at mayroon nang matatag na pandaigdigang supply chain na sumusuporta sa arkitekturang ito.
CPO ay nagtitiyak ng ilang modularity para sa mas malapit na integrasyon. Ang pagpapalapit ng optics sa switching silicon ay maaaring mapabuti ang efficiency ng kapangyarihan at density ng bandwidth, ngunit ang packaging, thermal management, manufacturing yield at serviceability ay naging mas kumplikado. Ang mga trade-off na ito ay nangangahulugan na ang pinakamahusay na solusyon ay maaaring mag-iba depende sa distansya, mga pangangailangan sa bandwidth, sistema arkitektura, at gastos ng downtime.
Kaya ang posibleng kinabukasan ay mas nuansado kaysa sa isang simpleng labanan ng CPO vs. pluggable. Maaaring suportahan ng mabilis na lumalawak na merkado ng AI networking ang parehong teknolohiya sa iba’t ibang bahagi ng network. Kahit na manatili ang CPO sa patuloy na pagtaas ng bahagi sa mga pinakamataas na bandwidth na kapaligiran, maaari pa ring tumataas ang pangkabuuang demand para sa pluggable optics kung sapat na mabilis ang paglalago ng kabuuang bilang ng optical links.
Ano-ano ang mga kumpanya na maaaring makatanggap mula sa pagtaas ng AI Optics?
Ang potensyal na pagkakataon ay umiikot sa malawak na sakop kaysa sa mga gumagawa ng GPU dahil ang optical networking ay isang multi-layer na supply chain. Ang mga compute system ay gumagawa ng demand, ang networking chips ay nagruroute ng trapiko, ang optical components ay nagpapalit ng electrical signals sa liwanag, ang fiber ay nagdadala ng mga signal na iyon, at ang networking equipment ay nagpapagsasama ng lahat ng mga bahagi.
| Segment | Tungkulin sa AI networking | Halimbawa |
| Mga sistema ng AI compute | Lumikha ng demand para sa high-speed connectivity | NVIDIA |
| Pagsisilbi at network silicon | Ipatrol ang trapiko sa mga AI cluster | Broadcom, NVIDIA |
| Mga optikal na komponente | Mga laser, transceiver, at kaugnay na mga komponente | Coherent, Lumentum |
| Fiber infrastructure | Nagdadala ng optical signals | Corning |
| Mga sistema ng networking | Nagbuo ng mga high-speed optical network | Ciena |
Ang mas malawak na pagsisikap sa pag-invest ay kaya ang paggastos sa kapital ng AI ay maaaring magkalat pababa. Ang unang alon ay nagsakop nang labis sa mga kumpanyang nagbebenta ng compute. Ang susunod na mga alon ay nagdulot ng higit na atensyon sa memorya, kapangyarihan at pagpapalamig, at ang networking ay maaaring magrepresenta ng isa pang antas ng pagpapalawak na ito. Ang kasalukuyang portfolio ng produkto ng Broadcom ay isang kapaki-pakinabang na halimbawa: kasalukuyang sumasakop ito sa XPUs, Ethernet switches, optics, SerDes, DSPs at PCIe technologies para sa mga malaking AI clusters.
Gayunpaman, ang pagkakaroon ng eksposur sa industriya ay hindi awtomatikong ginagawa ang bawat kumpanya ng optika bilang isang tagapagtagumpay. Ang mix ng produkto, konsern sa mga customer, kakayahan sa paggawa, presyo at mga pagbabago sa teknolohiya ay maaaring maglikha ng napakalaking pagkakaiba sa buong supply chain.
Ano ang Maaaring Pigilan ang $154 Bilyong Paglago?
Ang pinakamalaking panganib ay direktang: ang kapital na gastos sa AI ay maaaring tumubo nang mas mabagal kaysa sa inaasahan. Ang mga paunang pagtataya sa optical-networking ay nakadepende sa bilis kung saan patuloy na nagtatayo ng computing infrastructure ang mga hyperscaler, AI labs, at mga korporasyon. Ang pagbawas sa pag-deploy ng mga accelerator ay magdudulot din ng pagbawas sa pangangailangan para sa mga koneksyon na nakapaligid sa mga accelerator na iyon.
Maaaring magbago ang pagtatala dahil sa teknolohiya. Ang pagpapabuti ng aktibong elektrikal na kable, retimers, at iba pang teknolohiya sa bakal ay maaaring palawakin ang elektrikal na konektibidad nang higit pa sa kasalukuyang mga proyeksyon. Maaaring makaharap ang CPO sa mga hamon sa paggawa, pakete o pagpapanatili na magdudulot ng pagbagsak sa pagtanggap. Maaari rin ang mga hinaharap na arkitektura ng AI na mag-organisa ng compute nang iba’t iba, na nagbabago kung gaano karaming optical link ang kailangan bawat rack o cluster.
Sa huli, ang epihayensiya ay isang tunay na kawalan ng siguraduhan. Maaaring payagan ng mas mahusay na mga modelo, software, at teknik sa pag-infer ang mga provider ng AI na gawin ang higit pang trabaho gamit ang parehong hardware. Kaya ang bilang na $154 bilyon ni Goldman Sachs ay pinakamabuting ituring bilang isang senaryo kung gaano kalaki ang pagkakataon na maaaring maging sa ilalim ng tiyak na mga asumpsyon sa infrastraktura. Ang mas matatag na teorya ay hindi ang eksaktong bilang—kundi ang pagiging lalong malaki at mas may halaga ng paggalaw ng data bilang bahagi ng AI compute.
Iba bang susunod na malaking trend sa infrastruktura ng AI ang Optical Networking?
Ang teknikal na kaso ay patuloy na lumalakas. Ang mga GPU cluster ay nagsisigla sa laki, tumataas ang mga pangangailangan sa bandwidth, at lalong binibigyang-pansin ang amount ng enerhiya na kinokonsumo lamang sa paggalaw ng data. Mayroon na ang NVIDIA at Broadcom ng mga commercial product roadmaps na naglalagay ng advanced optical technologies sa loob ng malalaking AI networking systems.
Ang mahalagang tanong, gayunpaman, ay hindi kung ang merkado ay makakarating nang tumpak sa $154 bilyon sa isang partikular na petsa. Ang mga paunang pagtataya ay magiging magbabago habang umuunlad ang mga arkitektura ng AI. Mas kapaki-pakinabang na pagsusuri ay ang amount ng networking at optical content na kailangan para sa bawat yunit ng AI compute. Kung patuloy na tumataas ang ratio na ito habang lumalawak din ang pangkabuuang pag-deploy ng AI compute, maaaring lumago nang mabilis ang optical networking kahit magbago ang mga indibidwal na teknolohiya o mga palagay tungkol sa bahagi ng merkado.
Ang pagkakonekta ay isa sa mga pinakamahalagang aspeto na dapat subaybayan sa susunod na yugto ng pagbuo ng AI. Maaari ang mga GPU na magbigay ng kamalayan, ngunit kailangan ng mas kumplikadong mga network upang i-combine ang mga processor na ito sa mga sistema ng pagcompute na sapat na malaki upang itrain at pagana ang susunod na henerasyon ng mga modelo.
Kongklusyon: Ang AI ay Nagiging Kwento ng Pagkakaisa
Ang unang yugto ng pag-usbong ng infrastruktura ng generative AI ay pinamumunuan ng compute. Naging nakakakita ang mga GPU, at ang mga kumpanya ay naghahanap ng mga accelerator, memorya, kapasidad sa pagpapalakas at data center. Habang lumalaki ang mga sistema na ito, ang hamon ay patuloy na lumilipat patungo sa pag-uugnay ng lahat ng compute nang epektibo.
Ang optical networking ay tumutugon sa hamon na ito sa pamamagitan ng pagbibigay ng bandwidth, reach, at power efficiency na kailangan upang ilipat ang malalaking amount ng data sa pagitan ng mga processor at clusters. Ang CPO at silicon photonics ay maaaring ilapit pa higit pa ang optics sa AI silicon, habang ang mga susunod na henerasyon ng mga sistema tulad ng NVIDIA Vera Rubin ay nagpapakita na ang transisyon ay nasa pagsisimula na sa commercial infrastructure.
Ang pagtataya ni Goldman Sachs ng $154 bilyon ay maaaring tama o hindi. Mas mahalaga ang mas malaking trend: ang susunod na yugto ng pagsisikap sa infrastraktura ng AI ay maaaring lalong magdepende hindi lamang sa bilis ng pagkalkula ng mga processor, kundi sa bilis ng paggalaw ng impormasyon sa pagitan nila.
Mga Karaniwang Tanong
Sama ba ang silicon photonics sa fiber optics?
Hindi. Ang fiber optics ay tumutukoy sa pagpapadala ng liwanag sa pamamagitan ng optical fiber, habang ang silicon photonics ay gumagamit ng mga teknik sa paggawa ng semiconductor upang i-integrate ang mga optical function tulad ng modulators at photodetectors sa mga device na batay sa silikon. Maaaring magtrabaho nang sabay ang dalawang teknolohiya: ang mga komponenteng silicon photonic ay naglalikha, nagpapabago o natatanggap ng optical signals na pagkatapos ay lumalakbay sa pamamagitan ng fiber.
Ano ang optical transceiver sa isang AI data center?
Ang optical transceiver ay nagpapalit ng elektrikal na data mula sa mga server o networking chips sa optical na mga signal para sa pagpapadala sa pamamagitan ng fiber at nagpapalit ng pumasok na liwanag pabalik sa elektrikal na mga signal. Mahalaga ang mga module na ito bilang mga puntos ng koneksyon sa modernong network ng data-center, lalo na habang tumataas ang bilis ng link at lumalalim ang paggamit ng fiber sa infrastruktura ng AI.
Ano ang ibig sabihin ng 800G at 1.6T sa optical networking?
Nilalarawan nila ang approximadong kapasidad ng data ng isang networking connection. Ang isang 800G link ay maaaring magdala ng hanggang 800 gigabits bawat segundo, habang ang 1.6T ay tumutukoy sa halos 1.6 terabits bawat segundo. Ang mga numero na ito ay naglalarawan sa networking bandwidth at hindi sa computational performance ng GPU.
Kailangan ba ng AI inference ang optical networking sa parehong antas ng AI training?
Ang pattern ng networking ay maaaring magkaiba. Ang pag-train ng malalaking model ay kadalasang nangangailangan ng intensibong pag-synchronize sa maraming accelerator, na ginagawa ang napakabilis na interconnects na mahalaga. Ang inference ay minsan ay maaaring mas independiyenteng i-distribute, ngunit ang malalaking model ng pag-iisip, agentic AI at mga serbisyo na may mataas na volume ay maaari ring nangangailangan ng malaking komunikasyon sa pagitan ng mga processor at sistema.
Bakit mahalaga ang pagkakasunod ng enerhiya sa networking para sa mga sentro ng data ng AI?
Ang mga data center ng AI ay gumagana sa loob ng limitadong budget para sa kuryente at pagpapalamig. Ang enerhiyang kinokonsumo ng mga switch, transceiver, at kagamitan sa pagproseso ng signal ay nagbabawas sa amount na available para sa mga GPU at iba pang compute hardware. Habang lumalaki ang mga AI cluster, ang pagbawas sa enerhiyang kailangan upang ilipat ang bawat bit ng data ay maaaring mapabuti ang efficiency ng sistema at ang ekonomiya ng buong data center.
🔥 Nag-aalok ang KuCoin ng mas matatag na opsyon sa isang volatil na merkado
Kung nag-aalala ka sa madalas na pagtaas at pagbaba sa merkado, at hinahanap ang mas matatag na opsyon upang kumita nang pasibo, ang KuCoin ay ang tamang lugar para dumating:
Simple Earn: Mag-deposit at mag-withdraw ng mga token anumang oras, at kumita ng mga matatag na kita.
KuCoin Earn: Kumita ng mga matatag na kita gamit ang propesyonal na pamamahala ng mga asset.
Hold to Earn: Kumita ng mga reward sa pamamagitan ng paghawak ng mga asset sa Funding, Trading, Margin, Futures, Mining, at Unified Accounts.
Staking: Buksan ang potensyal ng pagkakaroon ng mga asset sa chain.
Advanced Investments: Ang Advanced Investments ay nag-aalok ng iba’t ibang structured products upang tulungan ang iyong pera na lumago sa anumang merkado.
Shark Fin: Proteksyon sa Principal at Garantidong Kita
Dual Investment: Bumili nang mura at magbenta nang mahal na may malinaw na kalkulasyon ng kita.
Snowball: Mataas na kita, kasama ang proteksyon sa presyo.
Discount Buy: Bumili ng crypto sa discounted na presyo.
KCS Loyalty: Pataasin ang antas upang makinabang sa eksklusibong benepisyo sa pamamagitan ng pag-stake ng ≥ 1 KCS.
KuCoin Wealth: Mag-discover ng hinaharap na halaga at magsimula ng iyong matalinong pag-invest.
KCS Benefits: Manatili at mag-stake ng KCS upang makamit ang mga benepisyo sa buong platform.
KCS Staking 2.0: Makilahok sa on-chain governance ng KCS upang kumita ng yield.
Disclaimer: Ang nilalaman na ito ay para sa mga layuning impormasyonal lamang at hindi nagtataglay ng abiso sa pag-invest. Ang pag-invest sa cryptocurrency ay may panganib. Mangyaring gawin ang inyong sariling pag-aaral (DYOR).
Disclaimer: AI technology ang ginamit sa pag-translate ng page na ito para sa convenience mo. Para sa pinaka-accurate na impormasyon, mag-refer sa original na English version.