AI Optical Networking คืออะไร? ทำไมโกลด์แมน แซคส์จึงมองว่าจะมีตลาดมูลค่า 154 พันล้านดอลลาร์สหรัฐภายในปี 2028
ตลอดช่วงฟองสบู่ของปัญญาประดิษฐ์ นักลงทุนได้เน้นไปที่คำถามหนึ่ง: บริษัทเทคโนโลยีสามารถติดตั้ง GPU ได้กี่ตัว? แต่เมื่อคลัสเตอร์ปัญญาประดิษฐ์มีขนาดใหญ่ขึ้นและมีประสิทธิภาพสูงขึ้น ข้อจำกัดอีกประการหนึ่งจึงเคลื่อนเข้าสู่ศูนย์กลางของการแข่งขันด้านโครงสร้างพื้นฐาน—ความเร็วในการสื่อสารระหว่างหน่วยประมวลผลเหล่านั้น
การเปลี่ยนแปลงนั้นกำลังผลักดันเครือข่ายออปติคัลให้อยู่ในจุดโฟกัส Goldman Sachs Research ระบุว่าเครือข่ายออปติคัลเป็น “เทรนด์ใหญ่ถัดไป” ในโครงสร้างพื้นฐาน AI และประเมินว่าการเพิ่มขึ้นของกำลังการประมวลผลต่อแร็กและการขยายการใช้งานโครงสร้างพื้นฐาน AI อย่างกว้างขวางอาจเปิดโอกาสให้ตลาดที่สามารถเข้าถึงได้เพิ่มขึ้นประมาณเก้าเท่า ทำให้โอกาสดังกล่าวอยู่ที่ประมาณ 154 พันล้านดอลลาร์
ทฤษฎีนี้สะท้อนถึงการเปลี่ยนแปลงที่กว้างขึ้นในโครงสร้างพื้นฐานของปัญญาประดิษฐ์ ตัวเร่งความเร็วที่เร็วขึ้นจะสร้างข้อมูลมากขึ้น คลัสเตอร์ขนาดใหญ่ต้องการการสื่อสารระหว่างโปรเซสเซอร์มากขึ้น และการเชื่อมต่อแบบไฟฟ้าแบบดั้งเดิมกลายเป็นเรื่องยากขึ้นในการขยายขนาดอย่างมีประสิทธิภาพ ดังนั้น ไฟเบอร์ออปติก สิลิคอนโฟตอนิกส์ และโค-แพคเกจจัดออปติกส์ จึงอาจมีความสำคัญเทียบเท่ากับ GPU หน่วยความจำ และระบบไฟฟ้าในยุคแรกของโครงสร้างพื้นฐานปัญญาประดิษฐ์ในระยะถัดไป
อะไรคือ AI Optical Networking?
เครือข่ายแสงอัจฉริยะหมายถึงการใช้เทคโนโลยีการสื่อสารที่อิงแสงเพื่อโอนข้อมูลระหว่างหน่วยประมวลผล เซิร์ฟเวอร์ สวิตช์ แร็ก และคลัสเตอร์ศูนย์ข้อมูล แทนที่จะพึ่งพาสัญญาณไฟฟ้าที่เคลื่อนที่ผ่านทองแดง ระบบแสงจะแปลงข้อมูลเป็นแสงและส่งผ่านเส้นใย
วิธีที่ง่ายที่สุดในการเข้าใจบทบาทของมันคือการคิดถึงศูนย์ข้อมูลปัญญาประดิษฐ์เหมือนโรงงาน GPUs และอุปกรณ์เร่งความเร็วอื่นๆ เป็นเครื่องจักรที่ดำเนินงาน ส่วนเครือข่ายคือระบบการขนส่งที่เชื่อมต่อพวกมันไว้ โรงงานที่เต็มไปด้วยเครื่องจักรที่ทรงพลังมากจะยังคงทำงานได้ไม่ดี หากวัสดุไม่สามารถเคลื่อนย้ายระหว่างเครื่องจักรเหล่านั้นได้เร็วพอ หลักการเดียวกันนี้ใช้กับปัญญาประดิษฐ์: หน่วยประมวลผลต้องแลกเปลี่ยนพารามิเตอร์ของโมเดล การกระตุ้น ความชัน และข้อมูลอื่นๆ อย่างต่อเนื่องขณะฝึกหรือให้บริการโมเดลขนาดใหญ่
สิ่งนี้ทำให้การเชื่อมต่อเครือข่ายกลายเป็นส่วนหนึ่งของระบบการคำนวณที่มีประสิทธิภาพ แทนที่จะเป็นส่วนประกอบรอง Goldman Sachs ชี้ว่า การเชื่อมต่อเครือข่ายช่วยปลดล็อกศักยภาพการคำนวณของชิป AI แต่ละตัว โดยอนุญาตให้โปรเซสเซอร์หลายตัวทำงานร่วมกันด้วยความล่าช้าต่ำ เมื่อคลัสเตอร์ AI ขยายตัว จำนวนเงินที่ใช้ไปกับการย้ายข้อมูลจึงสามารถเพิ่มขึ้นพร้อมกับจำนวนเงินที่ใช้ไปกับการสร้างการคำนวณ
ทำไม AI จึงต้องการเครือข่ายที่เร็วขึ้น
การคำนวณแบบองค์กรแบบดั้งเดิมมักเกี่ยวข้องกับงานที่สามารถดำเนินการได้อย่างอิสระค่อนข้างมากบนเซิร์ฟเวอร์ต่างๆ โมเดล AI ขนาดใหญ่นั้นแตกต่างกัน การฝึกอบรมมักต้องการอุปกรณ์เร่งความเร็วหลายพันตัวเพื่อประสานงานการคำนวณ แลกเปลี่ยนข้อมูลจำนวนมาก และคงความพร้อมกันไว้ หากการสื่อสารล่าช้า หน่วยประมวลผลที่มีราคาแพงอาจใช้เวลาบางส่วนในการรอแทนที่จะคำนวณ
ความท้าทายนี้รุนแรงขึ้นเมื่อระบบปัญญาประดิษฐ์ขยายขนาด คลัสเตอร์ที่มี GPU หลายร้อยตัวต้องการระดับความสามารถของเครือข่ายอย่างหนึ่ง แต่ระบบที่มีหลายหมื่น—หรือในที่สุดหลายแสน—ตัว จะสร้างปัญหาการเชื่อมต่อที่ต่างออกไปอย่างสิ้นเชิง NVIDIA ตอนนี้อธิบายว่าเครือข่ายเป็นตัวคูณที่สำคัญของพลังการประมวลผลในโรงงานปัญญาประดิษฐ์ระดับกิกะสเกล โดยสถาปัตยกรรม Spectrum ล่าสุดของพวกเขามีการออกแบบมาเพื่อเชื่อมต่อการติดตั้ง GPU ขนาดใหญ่มาก
ผลลัพธ์คือการเปลี่ยนจากมุมมองที่เน้นชิปเป็นศูนย์กลางของ AI เป็นมุมมองระดับระบบ ยังคงมีความสำคัญที่ GPU ที่เร็วขึ้น แต่คุณค่าทางเศรษฐกิจของมันขึ้นอยู่กับหน่วยความจำ พลังงาน การระบายความร้อน และเครือข่ายที่สามารถรักษาประสิทธิภาพการทำงานของมันได้ เมื่อความหนาแน่นของการประมวลผลเพิ่มขึ้น ต้นทุนของเครือข่ายที่ไม่เพียงพอจะสูงขึ้นด้วย เนื่องจากโปรเซสเซอร์ที่มีราคาแพงขึ้นเรื่อยๆ กลับถูกใช้งานไม่เต็มประสิทธิภาพ
ทองแดงเทียบกับไฟเบอร์: เหตุใดออปติกส์จึงกำลังได้รับความนิยม
ทองแดงมีความสำคัญมายาวนานในศูนย์ข้อมูล มันมีราคาถูก เข้าใจได้ง่าย และมีประสิทธิภาพสูงในระยะทางสั้นๆ สำหรับการเชื่อมต่อหลายประเภท ทองแดงจะยังคงมีความคุ้มค่าทางเศรษฐกิจต่อไป ปัญหาคือการส่งสัญญาณไฟฟ้าด้วยความเร็วที่สูงขึ้นเรื่อยๆ กลายเป็นเรื่องที่ท้าทายมากขึ้นเมื่อแบนด์วิดธ์และระยะทางเพิ่มขึ้น
ที่อัตราข้อมูลที่สูงขึ้น ลิงก์ไฟฟ้าจะเผชิญกับการสูญเสียสัญญาณ ข้อจำกัดด้านพลังงานและความร้อน วิศวกรสามารถชดเชยได้ด้วยการใช้รีไทเมอร์ การประมวลผลสัญญาณดิจิทัล และการออกแบบสายเคเบิลที่ดีขึ้น แต่โซลูชันเหล่านี้ก็ใช้พลังงานเช่นกัน การสื่อสารด้วยแสงสามารถส่งผ่านแบนด์วิดธ์ที่สูงมากในระยะทางที่ไกลขึ้นโดยมีการเสื่อมสภาพของสัญญาณต่ำกว่า ทำให้เป็นทางเลือกที่น่าสนใจมากขึ้นเมื่อเครือข่ายปัญญาประดิษฐ์มีขนาดใหญ่และเร็วขึ้น โกลด์แมน แซคส์ แอสเซท แมนเนจเมนต์ ระบุในเดือนกรกฎาคมว่า ศูนย์ข้อมูลคาดว่าจะเปลี่ยนลิงก์การส่งผ่านจากทองแดงไปเป็นไฟเบอร์ออปติกมากขึ้น เนื่องจากความต้องการด้านความเร็วและการเชื่อมต่อที่เพิ่มขึ้น
สิ่งนี้ไม่ได้หมายความว่าไฟเบอร์จะขจัดทองแดงทั้งหมดออกจากศูนย์ข้อมูล AI การเปลี่ยนผ่านที่เป็นไปได้มากกว่าคือแบบค่อยเป็นค่อยไป: ทองแดงยังคงมีข้อได้เปรียบสำหรับการเชื่อมต่อระยะสั้นหลายประเภท ในขณะที่เทคโนโลยีออปติคัลเคลื่อนตัวใกล้กับสวิตช์และโปรเซสเซอร์มากขึ้น เนื่องจากความต้องการแบนด์วิดธ์ทำให้การส่งผ่านแบบไฟฟ้ายิ่งยากขึ้น ตัวแปรสำคัญจึงไม่ใช่การที่ทองแดงจะหายไปหรือไม่ แต่คือปริมาณของเนื้อหาออปติคัลที่จำเป็นสำหรับแต่ละรุ่นใหม่ของโครงสร้างพื้นฐาน AI
การขยายขนาดแบบ Scale-Up กับ Scale-Out: ตลาดเครือข่าย AI สองประเภท
การเข้าใจโอกาสทางออปติคัลยังต้องแยกแยะระหว่างการขยายขนาดแบบ scale-up และ scale-out การขยายขนาดแบบ scale-up เชื่อมต่ออุปกรณ์เร่งความเร็วให้ใกล้ชิดพอที่จะทำงานเหมือนระบบประมวลผลเดียว การเชื่อมต่อเหล่านี้ให้ความสำคัญกับแบนด์วิดธ์ที่สูงมากและหน่วงเวลาที่ต่ำมาก เนื่องจาก GPU อาจต้องแลกเปลี่ยนข้อมูลอย่างต่อเนื่องระหว่างการทำงาน
การขยายเครือข่ายเชื่อมต่อเซิร์ฟเวอร์ แร็ก หรือโดเมนการประมวลผลขนาดใหญ่ เพื่อให้คลัสเตอร์ AI สามารถขยายตัวได้ การสื่อสารด้วยแสงเคยเป็นที่รู้จักกันดีในระยะทางที่ยาวกว่าเหล่านี้ การเปลี่ยนแปลงหลักคือเทคโนโลยีแสงเริ่มเคลื่อนตัวเข้าสู่สภาพแวดล้อมแบบ scale-up มากขึ้น เนื่องจากความหนาแน่นของโปรเซสเซอร์และความต้องการแบนด์วิดธ์เพิ่มสูงขึ้น
ความแตกต่างนี้ช่วยอธิบายว่าทำไมตลาดที่มีศักยภาพจึงสามารถขยายตัวได้เร็วกว่าจำนวนศูนย์ข้อมูลเพียงอย่างเดียว การวิเคราะห์ของโกลด์แมน แซคส์ พิจารณาโอกาสในการขยายขนาดทั้งแบบ scale-up และ scale-out รวมถึงการเปลี่ยนแปลงของสัดส่วนสายทองแดง โมดูลออปติคัลแบบถอดออกได้ ออปติกส์แบบ co-packaged และส่วนประกอบการเชื่อมต่ออื่นๆ กล่าวอีกนัยหนึ่ง ปัญญาประดิษฐ์ไม่ได้แค่สร้างเครือข่ายเพิ่มขึ้นเท่านั้น—แต่กำลังเพิ่มจำนวนและความซับซ้อนของการเชื่อมต่อเครือข่ายที่จำเป็นภายในระบบการประมวลผลแต่ละระบบ
โค-แพคเกจจิ้งออปติกส์คืออะไร?
ออปติกส์แบบแพ็กเกจร่วม ซึ่งมักย่อว่า CPO เป็นหนึ่งในเทคโนโลยีที่สำคัญที่สุดที่อยู่เบื้องหลังการอภิปรายเกี่ยวกับเครือข่าย AI ในปัจจุบัน ในสถาปัตยกรรมแบบดั้งเดิม ชิปสวิตช์จะสื่อสารผ่านสัญญาณไฟฟ้าบนบอร์ดวงจร ก่อนที่สัญญาณจะไปถึงตัวรับส่งแสงแบบถอดออกได้ ซึ่งจะแปลงสัญญาณเป็นแสงและส่งผ่านไฟเบอร์
CPO ย้ายเครื่องยนต์ออปติคัลให้ใกล้กับซิลิคอนการสลับมากขึ้น โดยผสานออปติคัลเข้ากับแพ็กเกจชิปแทนการวางการแปลงออปติคัลทั้งหมดที่ขอบระบบ เส้นทางไฟฟ้าที่สั้นลงสามารถลดการสูญเสียสัญญาณและการใช้พลังงาน ขณะเดียวกันก็อนุญาตให้มีความหนาแน่นแบนด์วิดธ์ที่สูงขึ้น สิ่งนี้มีคุณค่าเป็นพิเศษเมื่อความเร็วเครือข่ายเพิ่มขึ้น และต้นทุนพลังงานในการเคลื่อนย้ายข้อมูลกลายเป็นเรื่องสำคัญมากยิ่งขึ้น
CPO ได้เคลื่อนตัวออกไปจากห้องปฏิบัติการแล้ว Broadcom ระบุในเดือนมีนาคมว่า พอร์ตโฟลิโอโครงสร้างพื้นฐาน AI ของตนรวมถึงสวิตช์ Ethernet ความเร็ว 102.4 เทระบิตต่อวินาทีที่ใช้เทคโนโลยี co-packaged optics ร่วมกับเทคโนโลยี optical DSP ความเร็ว 400G ต่อเลน และผลิตภัณฑ์การเชื่อมต่อความเร็วสูงอื่นๆ NVIDIA ยังนำ CPO มาใช้ในแพลตฟอร์ม Spectrum-X Ethernet Photonics ของตน ทำให้เทคโนโลยีนี้กลายเป็นส่วนหนึ่งของสถาปัตยกรรม AI ที่ใช้งานจริง ไม่ใช่เพียงแนวคิดการวิจัยระยะยาว
ทำไมโกลด์แมน แซคส์ มองว่ามีตลาดมูลค่า 154 พันล้านดอลลาร์
ตัวเลขหัวข้อในทัศนะด้านเครือข่ายแสงของโกลด์แมน แซคส์คือตลาดเป้าหมายทั้งหมดที่มีศักยภาพ 154 พันล้านดอลลาร์สหรัฐ ธนาคารประเมินว่า การเติบโตของโครงสร้างพื้นฐานปัญญาประดิษฐ์และการเพิ่มขึ้นของกำลังการประมวลผลต่อแร็คอาจสร้างการขยายตัวประมาณเก้าเท่าในโอกาสที่มีอยู่ในโครงสร้างเครือข่ายต่างๆ การวิเคราะห์ของธนาคารรวมถึงระบบแบบสเกลอัพและสเกลเอาต์ รวมถึงสายทองแดง โมดูลแสงแบบถอดเปลี่ยนได้ CPO และ PCB midplanes
จุดสำคัญคือการพยากรณ์นี้ขับเคลื่อนโดยแรงสองประการพร้อมกัน ประการแรก อุตสาหกรรมปัญญาประดิษฐ์กำลังติดตั้งโครงสร้างพื้นฐานการประมวลผลเพิ่มเติม ประการที่สอง แต่ละรุ่นใหม่ของโครงสร้างพื้นฐานอาจต้องการเนื้อหาเครือข่ายมากขึ้นต่อหน่วยการประมวลผล การเพิ่ม GPU มากขึ้นจะสร้างลิงก์เพิ่มเติม ในขณะที่การเพิ่มแบนด์วิดธ์ของแต่ละลิงก์จะเพิ่มมูลค่าของอุปกรณ์เครือข่ายที่จำเป็นในการเชื่อมต่อพวกมัน
สิ่งนี้สร้างผลกระทบคูณที่อาจเกิดขึ้น รายได้จากเครือข่าย AI ไม่จำเป็นต้องเติบโตเพียงเพราะมีการสร้างศูนย์ข้อมูลเพิ่มขึ้น; มันยังสามารถเติบโตได้เพราะแต่ละแร็ก ซูเปอร์โนด หรือคลัสเตอร์มีการเชื่อมต่อที่มีราคาแพงขึ้น ตัวเลข 154 พันล้านดอลลาร์จึงควรเข้าใจว่าเป็นการประมาณการที่อิงจากสถาปัตยกรรมระบบในอนาคตและสมมติฐานการรับรอง—ไม่ใช่รายได้ที่รับประกัน—แต่มันแสดงให้เห็นถึงการขยายตัวอย่างมากของการใช้จ่ายโครงสร้างพื้นฐานด้าน AI ที่เกินกว่าตัวอุปกรณ์เร่งความเร็วเอง
ทำไม NVIDIA Vera Rubin จึงมีความสำคัญ
แพลตฟอร์ม Vera Rubin ของ NVIDIA ให้สัญญาณที่ชัดเจนหนึ่งในนั้นว่า เครือข่ายแบบออปติคัลกำลังกลายเป็นเรื่องสำคัญเชิงยุทธศาสตร์ ในเดือนพฤษภาคม 2026 NVIDIA ระบุว่า Vera Rubin กำลังเริ่มผลิตเต็มรูปแบบ และเปิดตัว Spectrum-X Ethernet Photonics ระบบเครือข่ายที่ใช้ CPO ซึ่งออกแบบมาเพื่อช่วยสนับสนุนโรงงาน AI ที่มี GPU ล้านตัวในอนาคต
ตามที่ NVIDIA ระบุ Spectrum-X Ethernet Photonics สามารถให้ประสิทธิภาพการใช้พลังงานดีกว่าห้าเท่าเมื่อเปรียบเทียบกับเครือข่ายที่ใช้ทรานซีฟเวอร์แบบดั้งเดิม พร้อมกับการปรับปรุงในด้านเวลาการให้บริการของแอปพลิเคชันและความเร็วในการติดตั้ง ตัวเลขเหล่านี้เป็นการเปรียบเทียบผลิตภัณฑ์ของ NVIDIA เอง แต่แสดงให้เห็นว่าทำไมพลังงานเครือข่ายจึงกลายเป็นปัจจัยสำคัญในการออกแบบ ทุกวัตต์ที่ใช้ในการส่งข้อมูลคือวัตต์ที่ไม่สามารถใช้งานกับโปรเซสเซอร์ที่ดำเนินการคำนวณ AI
ความสำคัญนี้กว้างขวางกว่าหนึ่งรุ่นผลิตภัณฑ์ เมื่อผู้ผลิตตัวเร่ง AI ที่ครองตลาดผสานเครือข่ายโฟตอนิกส์เข้ากับเส้นทางพัฒนาแพลตฟอร์มของตน แสงออปติกส์จะกลายเป็นส่วนหนึ่งของสถาปัตยกรรมระบบรอบการประมวลผลในอนาคต สิ่งนี้เสริมความเชื่อมั่นว่า การเชื่อมต่ออาจกลายเป็นสัดส่วนที่ใหญ่ขึ้นของการใช้จ่ายโครงสร้างพื้นฐาน AI แม้ว่าเทคโนโลยีเครือข่ายแต่ละประเภทจะยังคงพัฒนาต่อไป
CPO จะแทนที่โมดูลแสงแบบถอดเปลี่ยนได้ไหม?
CPO มีข้อได้เปรียบที่น่าดึงดูด แต่นั่นไม่ได้หมายความว่าโมดูลแสงแบบถอดออกได้แบบดั้งเดิมจะหายไป ตัวรับส่งสัญญาณแบบถอดออกได้มีข้อได้เปรียบด้านการดำเนินงานที่สำคัญ: คือมีความเป็นโมดูลาร์ ผู้ดำเนินการศูนย์ข้อมูลสามารถเปลี่ยน ปรับปรุง หรือซ่อมแซมได้อย่างอิสระจากสวิตช์ และห่วงโซ่อุปทานระดับโลกที่พัฒนาแล้วได้รองรับสถาปัตยกรรมนี้อยู่แล้ว
CPO แลกความยืดหยุ่นบางส่วนเพื่อการผสานรวมที่แน่นแฟ้นยิ่งขึ้น การนำอุปกรณ์ออปติคัลมาใกล้ชิปสวิตช์สามารถปรับปรุงประสิทธิภาพด้านพลังงานและความหนาแน่นของแบนด์วิดธ์ แต่การบรรจุภัณฑ์ การจัดการความร้อน ผลผลิตการผลิต และความสามารถในการบริการกลับซับซ้อนขึ้น การแลกเปลี่ยนเหล่านี้หมายความว่า วิธีแก้ไขที่เหมาะสมที่สุดอาจแตกต่างกันไปตามระยะทาง ความต้องการด้านแบนด์วิดธ์ สถาปัตยกรรมระบบ และต้นทุนของเวลาหยุดทำงาน
อนาคตที่เป็นไปได้จึงซับซ้อนกว่าการต่อสู้แบบง่ายๆ ระหว่าง CPO กับแบบปลั๊กอินได้ ตลาดเครือข่ายปัญญาประดิษฐ์ที่ขยายตัวอย่างรวดเร็วอาจสนับสนุนทั้งสองเทคโนโลยีในส่วนต่างๆ ของเครือข่าย แม้ว่า CPO จะครองส่วนแบ่งเพิ่มขึ้นในสภาพแวดล้อมที่มีแบนด์วิดธ์สูงสุด แต่ความต้องการโดยรวมสำหรับอุปกรณ์ออปติคัลแบบปลั๊กอินอาจยังคงเพิ่มขึ้น หากจำนวนลิงก์ออปติคัลโดยรวมเติบโตเร็วพอ
บริษัทใดบ้างที่อาจได้รับประโยชน์จากความเติบโตของออปติกส์ปัญญาประดิษฐ์?
โอกาสที่อาจเกิดขึ้นยังขยายออกไปไกลเกินกว่าผู้ผลิต GPU เนื่องจากเครือข่ายออปติคัลมีห่วงโซ่อุปทานหลายชั้น ระบบประมวลผลสร้างความต้องการ ชิปเครือข่ายส่งต่อการจราจร ชิ้นส่วนออปติคัลแปลงสัญญาณไฟฟ้าเป็นแสง เส้นใยนำสัญญาณเหล่านั้น และอุปกรณ์เครือข่ายเชื่อมส่วนต่างๆ เข้าด้วยกัน
| Segment | บทบาทในเครือข่ายปัญญาประดิษฐ์ | ตัวอย่าง |
| ระบบการประมวลผล AI | สร้างความต้องการสำหรับการเชื่อมต่อความเร็วสูง | NVIDIA |
| การสลับและซิลิคอนเครือข่าย | ส่งการจราจรข้ามคลัสเตอร์ AI | Broadcom, NVIDIA |
| อุปกรณ์แสงออปติคัล | เลเซอร์ ทรานซีฟเวอร์ และส่วนประกอบที่เกี่ยวข้อง | Coherent, Lumentum |
| โครงสร้างพื้นฐานไฟเบอร์ | ส่งสัญญาณแสง | Corning |
| ระบบเครือข่าย | สร้างเครือข่ายแสงความเร็วสูง | Ciena |
ทฤษฎีการลงทุนในภาพรวมจึงระบุว่า การใช้จ่ายทุนด้าน AI อาจกระจายออกไปอย่างกว้างขวาง คลื่นแรกให้ผลตอบแทนอย่างไม่สมส่วนแก่บริษัทที่ขายทรัพยากรการประมวลผล คลื่นต่อมาได้เพิ่มความสนใจไปยังหน่วยความจำ พลังงาน และระบบระบายความร้อน และเครือข่ายอาจเป็นอีกระดับของการขยายตัวนี้ พอร์ตโฟลิโอผลิตภัณฑ์ปัจจุบันของ Broadcom เป็นตัวอย่างที่ดี: ขณะนี้ครอบคลุม XPUs, เครื่องสวิตช์ Ethernet, ออปติกส์, SerDes, DSPs และเทคโนโลยี PCIe สำหรับคลัสเตอร์ AI ขนาดใหญ่
อย่างไรก็ตาม การมีส่วนร่วมในอุตสาหกรรมไม่ได้ทำให้ทุกบริษัทออปติคัลกลายเป็นผู้ชนะโดยอัตโนมัติ โครงสร้างผลิตภัณฑ์ ความเข้มข้นของลูกค้า กำลังการผลิต ราคา และการเปลี่ยนผ่านทางเทคโนโลยี สามารถสร้างผลลัพธ์ที่ต่างกันอย่างมากตลอดห่วงโซ่อุปทาน
อะไรอาจหยุดการเติบโตมูลค่า 154 พันล้านดอลลาร์?
ความเสี่ยงที่ใหญ่ที่สุดคือตรงไปตรงมา: ค่าใช้จ่ายด้านทุนของ AI อาจเติบโตช้ากว่าที่คาดไว้ การพยากรณ์เครือข่ายออปติคัลขึ้นอยู่กับความเร็วที่ผู้ให้บริการขนาดใหญ่ ห้องปฏิบัติการ AI และองค์กรยังคงสร้างโครงสร้างพื้นฐานด้านการประมวลผลต่อไป การลดการติดตั้งอุปกรณ์เร่งความเร็วจะลดความต้องการในการเชื่อมต่อรอบๆ อุปกรณ์เร่งความเร็วเหล่านั้นด้วย
เทคโนโลยีอาจเปลี่ยนการพยากรณ์ได้เช่นกัน สายไฟฟ้าแบบใช้งานได้ดีขึ้น ตัวปรับสัญญาณใหม่ และเทคโนโลยีทองแดงอื่นๆ อาจขยายการเชื่อมต่อทางไฟฟ้าให้ไกลกว่าที่การพยากรณ์ปัจจุบันคาดการณ์ไว้ CPO อาจเผชิญกับความท้าทายด้านการผลิต การบรรจุ หรือการบำรุงรักษาที่ทำให้การรับรองช้าลง สถาปัตยกรรม AI ในอนาคตอาจจัดการการประมวลผลแตกต่างออกไป ทำให้จำนวนลิงก์ออปติคัลที่ต้องการต่อชั้นหรือคลัสเตอร์เปลี่ยนไป
สุดท้ายแล้ว ประสิทธิภาพเป็นความไม่แน่นอนที่แท้จริง โมเดล ซอฟต์แวร์ และเทคนิคการอนุมานที่ดีขึ้นอาจช่วยให้ผู้ให้บริการ AI สามารถทำงานได้มากขึ้นด้วยฮาร์ดแวร์เดียวกัน ตัวเลข 154 พันล้านดอลลาร์ของโกลด์แมน แซคส์ จึงควรพิจารณาเป็นเพียงสถานการณ์ที่แสดงถึงขนาดของโอกาสที่อาจเกิดขึ้นภายใต้สมมติฐานโครงสร้างพื้นฐานบางประการ ทฤษฎีที่ยั่งยืนกว่าไม่ใช่ตัวเลขที่แน่นอน—แต่คือการที่การเคลื่อนย้ายข้อมูลกำลังกลายเป็นส่วนที่ใหญ่ขึ้นและมีค่ามากขึ้นในการคำนวณด้าน AI
การจัดเครือข่ายด้วยแสงจะเป็นแนวโน้มโครงสร้างพื้นฐานปัญญาประดิษฐ์ครั้งใหญ่ถัดไปหรือไม่?
กรณีทางเทคนิคกำลังแข็งแกร่งขึ้นเรื่อยๆ กลุ่ม GPU กำลังมีขนาดใหญ่ขึ้น ความต้องการแบนด์วิดธ์เพิ่มสูงขึ้น และมีการให้ความสำคัญมากขึ้นต่อจำนวนพลังงานที่ใช้ไปเพียงเพื่อการย้ายข้อมูล ทั้ง NVIDIA และ Broadcom ตอนนี้มีแผนผลิตภัณฑ์เชิงพาณิชย์ที่รวมเทคโนโลยีแสงขั้นสูงไว้ภายในระบบเครือข่าย AI ขนาดใหญ่
คำถามที่สำคัญกว่า คือไม่ใช่การที่ตลาดจะไปถึงระดับ 154 พันล้านดอลลาร์สหรัฐอย่างแม่นยำในวันที่เฉพาะเจาะจงหรือไม่ การพยากรณ์จะเปลี่ยนแปลงตามการพัฒนาของสถาปัตยกรรมปัญญาประดิษฐ์ มาตรฐานที่มีประโยชน์มากกว่าคือจำนวนการเชื่อมต่อและเนื้อหาแสงที่จำเป็นต่อหน่วยการประมวลผลปัญญาประดิษฐ์ หากอัตราส่วนนี้ยังคงเพิ่มขึ้น ในขณะที่การนำการประมวลผลปัญญาประดิษฐ์ไปใช้งานโดยรวมก็ขยายตัวด้วย การเชื่อมต่อแบบแสงสามารถเติบโตอย่างรวดเร็ว แม้ว่าสมมติฐานเกี่ยวกับเทคโนโลยีหรือส่วนแบ่งตลาดรายบุคคลจะเปลี่ยนแปลง
สิ่งนี้ทำให้การเชื่อมต่อเป็นหนึ่งในพื้นที่ที่สำคัญที่สุดที่ต้องจับตาในระยะถัดไปของการพัฒนา AI การ์ดกราฟิกอาจสร้างปัญญา แต่ต้องใช้เครือข่ายที่ซับซ้อนยิ่งขึ้นเพื่อรวมโปรเซสเซอร์เหล่านี้เข้าเป็นระบบการคำนวณที่ใหญ่พอสำหรับการฝึกฝนและดำเนินการรุ่นถัดไป
สรุป: AI กำลังกลายเป็นเรื่องของการเชื่อมต่อ
ขั้นตอนแรกของวงจรการเติบโตของโครงสร้างพื้นฐานปัญญาประดิษฐ์แบบสร้างสรรค์ถูกครอบงำโดยการประมวลผล GPU กลายเป็นทรัพยากรที่ขาดแคลน และบริษัทต่างๆ แข่งขันกันเพื่อจัดหาอุปกรณ์เร่งความเร็ว หน่วยความจำ กำลังไฟฟ้า และความสามารถของศูนย์ข้อมูล เมื่อระบบเหล่านี้ขยายตัว ความท้าทายจึงค่อยๆ เปลี่ยนไปสู่การเชื่อมต่อการประมวลผลทั้งหมดอย่างมีประสิทธิภาพ
เครือข่ายออปติคัลแก้ไขความท้าทายด้วยการจัดหาแบนด์วิดธ์ ระยะทาง และประสิทธิภาพการใช้พลังงานที่จำเป็นในการส่งข้อมูลจำนวนมหาศาลระหว่างโปรเซสเซอร์และคลัสเตอร์ CPO และฟอโตนิกส์บนซิลิคอนสามารถนำเทคโนโลยีออปติคัลให้ใกล้กับซิลิคอน AI มากยิ่งขึ้น ขณะที่ระบบรุ่นถัดไปเช่น NVIDIA Vera Rubin แสดงให้เห็นว่าการเปลี่ยนผ่านนี้กำลังเข้าสู่โครงสร้างพื้นฐานเชิงพาณิชย์แล้ว
การคาดการณ์มูลค่า 154 พันล้านดอลลาร์ของโกลด์แมน แซคส์ อาจถูกต้องหรือไม่ก็ได้ แต่แนวโน้มที่ใหญ่กว่านั้นสำคัญกว่า: ระยะถัดไปของการแข่งขันโครงสร้างพื้นฐานด้าน AI อาจขึ้นอยู่กับความเร็วในการเคลื่อนย้ายข้อมูลระหว่างหน่วยประมวลผล ไม่ใช่แค่ความเร็วในการคำนวณของหน่วยประมวลผลเท่านั้น
คำถามที่พบบ่อย
ฟอตอนิกส์แบบซิลิคอนเหมือนกับไฟเบอร์ออปติกส์ไหม
ไม่ ไฟเบอร์ออปติกส์เกี่ยวข้องหลักกับการส่งแสงผ่านไฟเบอร์ออปติก ขณะที่ซิลิคอนฟอโตนิกส์ใช้เทคนิคการผลิตเซมิคอนดักเตอร์เพื่อรวมฟังก์ชันออปติคัล เช่น มอดูเลเตอร์และโฟโตดีเทกเตอร์ ลงบนอุปกรณ์ที่ทำจากซิลิคอน เทคโนโลยีทั้งสองสามารถทำงานร่วมกันได้: ชิ้นส่วนซิลิคอนฟอโตนิกส์สร้าง จัดการ หรือรับสัญญาณแสง ซึ่งจะเดินทางผ่านไฟเบอร์ต่อไป
อ็อปติคัลทรานซีฟเวอร์ในศูนย์ข้อมูล AI คืออะไร
ตัวรับส่งสัญญาณแสงแปลงข้อมูลไฟฟ้าจากเซิร์ฟเวอร์หรือชิปเครือข่ายเป็นสัญญาณแสงสำหรับการส่งผ่านไฟเบอร์ และแปลงแสงที่เข้ามากลับเป็นสัญญาณไฟฟ้า โมดูลเหล่านี้เป็นจุดเชื่อมต่อที่สำคัญในเครือข่ายศูนย์ข้อมูลสมัยใหม่ โดยเฉพาะเมื่อความเร็วการเชื่อมต่อเพิ่มขึ้นและไฟเบอร์เข้าถึงโครงสร้างพื้นฐานด้านปัญญาประดิษฐ์ลึกยิ่งขึ้น
800G และ 1.6T หมายถึงอะไรในเครือข่ายออปติคัล?
พวกเขาอธิบายความจุข้อมูลโดยประมาณของการเชื่อมต่อเครือข่าย ลิงก์ 800G สามารถส่งข้อมูลได้สูงสุดประมาณ 800 กิกะบิตต่อวินาที ในขณะที่ 1.6T หมายถึงประมาณ 1.6 เทระบิตต่อวินาที ตัวเลขเหล่านี้อธิบายแบนด์วิดธ์ของเครือข่าย ไม่ใช่ประสิทธิภาพการประมวลผลของ GPU
การอนุมานด้วยปัญญาประดิษฐ์ต้องการเครือข่ายแสงมากเท่ากับการฝึกอบรมปัญญาประดิษฐ์หรือไม่
รูปแบบการเชื่อมต่อเครือข่ายอาจแตกต่างกันได้ การฝึกโมเดลขนาดใหญ่มักต้องการการซิงโครไนซ์อย่างเข้มข้นระหว่างอุปกรณ์เร่งความเร็วจำนวนมาก ทำให้การเชื่อมต่อที่เร็วมากเป็นสิ่งจำเป็นอย่างยิ่ง การประมวลผลผลลัพธ์บางครั้งสามารถกระจายได้อย่างอิสระมากกว่า แต่โมเดลการให้เหตุผลขนาดใหญ่ ปัญญาประดิษฐ์แบบเอเจนต์ และบริการที่มีปริมาณสูง ก็อาจต้องการการสื่อสารระหว่างโปรเซสเซอร์และระบบอย่างมากเช่นกัน
ทำไมการใช้พลังงานของเครือข่ายจึงมีความสำคัญต่อศูนย์ข้อมูลปัญญาประดิษฐ์?
ศูนย์ข้อมูล AI ทำงานภายในงบประมาณไฟฟ้าและการระบายความร้อนที่จำกัด พลังงานที่ใช้โดยสวิตช์ ทรานซีฟเวอร์ และอุปกรณ์ประมวลผลสัญญาณจะลดจำนวนที่มีให้สำหรับ GPU และฮาร์ดแวร์การคำนวณอื่นๆ เมื่อคลัสเตอร์ AI เติบโตขึ้น การลดพลังงานที่ต้องใช้ในการส่งข้อมูลแต่ละบิตจึงสามารถปรับปรุงทั้งประสิทธิภาพของระบบและเศรษฐศาสตร์ของศูนย์ข้อมูลทั้งหมด
🔥 KuCoin นำเสนอทางเลือกที่มั่นคงกว่าในตลาดที่ผันผวน
หากคุณกังวลเกี่ยวกับการขึ้นลงบ่อยครั้งของตลาด และมองหาตัวเลือกที่มีความเสถียรมากกว่าเพื่อสร้างรายได้แบบพาสซีฟ KuCoin คือสถานที่ที่เหมาะสมสำหรับคุณ:
Simple Earn: ฝากและถอนโทเค็นได้ตลอดเวลา รับผลตอบแทนคงที่
KuCoin Earn: สร้างรายได้คงที่ด้วยการจัดการสินทรัพย์จากผู้เชี่ยวชาญ
ถือเพื่อรับรางวัล: รับรางวัลโดยการถือสินทรัพย์ในบัญชีการเงิน การเทรด หลักประกัน ฟิวเจอร์ส การเหมือง และบัญชีแบบครบวงจร
การstaking: เปิดโอกาสในการสร้างรายได้จากสินทรัพย์บนโซ่
การลงทุนขั้นสูง: การลงทุนขั้นสูงเสนอผลิตภัณฑ์เชิงโครงสร้างหลากหลายเพื่อช่วยให้เงินของคุณเติบโตในทุกตลาด
Shark Fin: การคุ้มครองเงินต้นและผลตอบแทนที่รับประกัน
Dual Investment: ซื้อต่ำและขายสูงด้วยการคำนวณผลตอบแทนที่โปร่งใส
Snowball:ผลตอบแทนสูง พร้อมการป้องกันราคา
ซื้อในราคาส่วนลด: ซื้อคริปโตในราคาส่วนลด
KCS Loyalty: เลื่อนระดับเพื่อรับสิทธิพิเศษเฉพาะตัวโดยการ stake อย่างน้อย 1 KCS
KuCoin Wealth: ค้นพบมูลค่าในอนาคตและเริ่มเดินทางการลงทุนอัจฉริยะของคุณ
ประโยชน์ของ KCS: ถือและ Stake KCS เพื่อเข้าถึงประโยชน์ต่างๆ บนแพลตฟอร์ม
KCS Staking 2.0: เข้าร่วมการจัดการบนโซ่ของ KCS เพื่อรับผลตอบแทน
ข้อจำกัดความรับผิด: เนื้อหานี้มีจุดประสงค์เพื่อข้อมูลเท่านั้น และไม่ถือเป็นคำแนะนำด้านการลงทุน การลงทุนในคริปโตเคอเรนซีมีความเสี่ยง โปรดทำการวิจัยด้วยตัวเอง (DYOR)
คำปฏิเสธความรับผิดชอบ: หน้านี้แปลโดยใช้เทคโนโลยี AI เพื่อความสะดวกของคุณ สำหรับข้อมูลที่ถูกต้องที่สุด โปรดดูต้นฉบับภาษาอังกฤษ