康普觀點：數(shù)據(jù)中心如何更快、更經(jīng)濟地利用AI

  ICC訊 人氣科幻小說在描繪“機器智能的崛起”時，通常伴隨著激光、爆炸等場景，就算不是這般震撼，至少也會帶有些許哲學上的恐懼意味。但毋庸置疑的是，人們日益關注人工智能(AI)和機器學習(ML)在更廣泛應用中的可能性，而且新的應用也層出不窮。

  目前，數(shù)百萬人已經(jīng)開始通過 ChatGPT 和其他AI界面來嘗試這些想法。但這些用戶中的許多人并沒有意識到，他們通過電腦屏幕與富有好奇心的AI助手之間的交流實際上是由位于全球各地的大型數(shù)據(jù)中心驅動的。

  企業(yè)也在其數(shù)據(jù)中心內投資建立自己的AI集群，構建、訓練并完善自己的AI模型，以滿足其自身商業(yè)利益。這些AI的核心就是由大量 GPU(圖形處理器)機架所構成的，其可提供AI模型所需的驚人的并行處理能力，以便對其算法進行詳盡的訓練。

  在導入數(shù)據(jù)集后，AI推理會對數(shù)據(jù)進行分析，并闡釋其中蘊含的意義。例如，基于貓與狗特征差異進行訓練，就能識別出圖片中呈現(xiàn)的是貓還是狗。然后，生成式AI就可以對此數(shù)據(jù)進行處理，以創(chuàng)建全新的圖像或文本。

  正是這種“智能”的處理吸引著全球各地的人們、政府和企業(yè)發(fā)揮想象力。據(jù)IDC最新發(fā)布的《全球人工智能支出指南》預計，2027年中國AI投資規(guī)模有望達到381億美元，全球占比約9%。近年來，本土人工智能產(chǎn)業(yè)向高質量發(fā)展邁進，并加速與各行業(yè)的不同需求的融合落地。然而，創(chuàng)建一個有用的AI算法需要大量的數(shù)據(jù)用于訓練，而這是一個成本高昂且耗能的過程。

  “智能”源自高效的訓練

  數(shù)據(jù)中心一般都有著離散式的AI和計算集群，他們協(xié)同工作以提供訓練AI算法的數(shù)據(jù)。這些高能耗 GPU 產(chǎn)生的熱量限制了在給定機架空間內能夠安裝GPU的數(shù)量，因此必須優(yōu)化物理布局。另一個令人擔憂的問題是，光纖線纜線路過長會增加插入損耗。

  光纖是一種高效、低損耗、低延遲的基礎設施，AI集群的運行速度可達 100G 或 400G。然而，隨著大量數(shù)據(jù)在AI集群中傳輸，每增加一米光纖布線，都會帶來成本高昂的延遲和損耗。

  一般認為，訓練大規(guī)模AI所需的時間中，約有三成消耗在網(wǎng)絡延遲上，其余七成用于計算時間。任何減少延遲的機會，哪怕是通過減少 10 米光纖來減少 50 納秒的延遲，都能節(jié)省大量的時間和成本?？紤]到訓練這樣一個大型AI模型動輒需要花費 1000 萬美元或更多，延遲的代價就非常明顯了。

  縮減光纖米數(shù)、延遲納秒數(shù)和功耗瓦數(shù)

  運營商應仔細考慮在AI集群中使用哪些光收發(fā)器和光纜，以最大限度地降低成本和功耗。由于光纖運行必須盡可能短，因此光學成本將取決于收發(fā)器。使用并行光纖的收發(fā)器的優(yōu)勢在于其無需用于波分復用的光復用器和解復用器。因此，使用并行光纖的收發(fā)器成本和功耗都更低。收發(fā)器成本的節(jié)省足以抵消多芯光纜(而非雙工光纜)成本的小幅增加。例如，使用8芯光纜的 400G-DR4 收發(fā)器比使用雙工光纜的 400G-FR4 收發(fā)器更具成本效益。

  單模光纖和多模光纖應用可支持長達 100 米的鏈路。硅光等技術的進步降低了單模收發(fā)器的成本，使其接近同等多模收發(fā)器的成本。對于高速收發(fā)器(400G +)而言，單模收發(fā)器的成本往往是同等多模收發(fā)器成本的兩倍。雖然多模光纖的成本略高于單模光纖，但由于多模光纖線纜成本主要取決于 MPO 連接器，因此多模和單模之間的線纜成本差異較小。

  此外，高速多模收發(fā)器的功耗比單模收發(fā)器低一到兩瓦。單一AI集群中最多有 768 個收發(fā)器，使用多模光纖的設置將節(jié)省高達 1.5 千瓦的功率。與每臺 GPU 服務器 10 千瓦的功耗相比，這似乎微不足道，但對于AI集群而言，任何節(jié)省功耗的機會都能在AI訓練和運行過程中節(jié)省大量費用。

  收發(fā)器與AOC

  許多 AI/ML 集群和 HPC 使用有源光纜(AOC)來實現(xiàn) GPU 和交換機之間的互連。有源光纜是一種設備直連線纜，兩端集成了光發(fā)射器和接收器。大多數(shù)有源光纜用于短距離傳輸，其通常使用多模光纖和 VCSEL光源。高速(>40G)有源光纜和連接光收發(fā)器的光纜相同，使用的都是 OM3 或 OM4 光纖。AOC 中的發(fā)射器和接收器可能與同類收發(fā)器中的發(fā)射器和接收器相同，但它們不一定適合所有場合使用。每個發(fā)射器和接收器都不需要滿足嚴格的互操作性規(guī)范，它們只需要與連接到光纜另一端的特定設備一同運行即可。由于安裝人員無法接觸到光纖連接器，因此無需具備清潔和檢查光纖連接器的技能。

  AOC 的缺點是不具備收發(fā)器能提供的靈活性。安裝 AOC 需要耗費大量時間，因為必須在連接著收發(fā)器的情況下布線。正確安裝帶分支的 AOC 尤其具有挑戰(zhàn)性。AOC 的故障率是同等收發(fā)器的兩倍。當 AOC 出現(xiàn)故障時，新的 AOC 必須通過網(wǎng)絡來布線，這也就占用了計算時間。最后，當需要升級網(wǎng)絡鏈路時，必須移除 AOC 并用新的 AOC 取而代之。對于收發(fā)器，光纖布線是基礎設施的一部分，并且可以在幾代數(shù)據(jù)速率下保持不變。

  結論

  AI/ML 已經(jīng)到來，并將成為人、企業(yè)和設備之間交互方式中更重要、更集成的一部分。但不可否認的是，雖然與AI服務的交互可以在手機上實現(xiàn)，但它仍然依賴于大型數(shù)據(jù)中心基礎設施和算力的驅動，而能夠快速高效地訓練AI的企業(yè)將在當前瞬息萬變、超級互聯(lián)的世界中占據(jù)重要的一席之地。如若當下投資于先進的光纖基礎設施以推動AI的訓練和運行，日后就會收獲令人難以置信的成果。

  作者:康普北亞區(qū)技術總監(jiān) 吳健