Figura 1: Principais vantagens da Dense Wavelength Division Multiplexing Co-Packaged Optics (DWDMCPO). (Crédito da imagem: Scintil Photonics)
Há um ditado na área de design de data centers: "Use cabos de cobre sempre que possível e recorra à tecnologia óptica somente quando a fibra for absolutamente necessária." Durante anos, a abordagem pragmática do setor tem sido priorizar cabos de cobre-de baixo custo até que as leis da física forcem uma atualização tecnológica. Mas hoje, à medida que os clusters de computação de inteligência artificial (IA) avançam em direção à escala de "fábricas de energia computacional", implantando milhões de unidades de processamento gráfico (GPUs), e a relação custo-benefício-do data center enfrenta imensa pressão, as pessoas estão descobrindo que esse ponto de inflexão tecnológica "sem-óptica-alternativa" chegou muito mais cedo do que se previa.
Os arquitetos de rede sabem há muito tempo que os cabos de cobre têm limitações significativas na distância de transmissão em cenários de alta-velocidade, mas poucos analisaram as causas subjacentes de uma perspectiva física fundamental. Embora os engenheiros de rede tenham levado ao extremo os limites da distância de transmissão e da largura de banda do cabo de cobre com sua experiência, as restrições das leis da física não podem ser superadas; mesmo os projetos de engenharia mais engenhosos lutam para superar as limitações inerentes aos cabos de cobre. Entender isso explica por que o setor está migrando urgentemente para a tecnologia Co-Packaged Optics (CPO).
Quanto maior a frequência dos sinais elétricos transmitidos através de cabos de cobre, maior será a taxa de símbolos e a largura de banda, e mais informações eles poderão transportar. O problema é que à medida que a frequência do sinal aumenta, a distância de transmissão diminui significativamente. Existem duas causas principais de perda de sinal: o efeito pelicular e a perda dielétrica.
Efeito Pele: A “Concentração Superficial” da Corrente
Quando um sinal CA viaja através de um cabo de cobre, a mudança do campo magnético induz correntes parasitas dentro do condutor. O campo magnético gerado por essas correntes parasitas cancela o campo magnético do sinal no centro do cabo. Quanto mais rápido o campo magnético do sinal muda-ou seja, quanto maior a frequência-mais forte se torna esse efeito de cancelamento.
O resultado direto é que a corrente é “comprimida” em uma camada superficial extremamente fina do condutor; a espessura desta camada é conhecida como profundidade da pele. A transmissão atual do sinal em data centers de IA geralmente usa frequências em torno de 53 GHz. Nessa frequência, a profundidade da camada superficial dos cabos de cobre é de apenas 0,3 μm. Essa camada de transmissão fina utiliza menos de 1% da área da seção-transversal do condutor, fazendo com que a resistência do cabo dispare-até mesmo excedendo a resistência CC em mais de 100 vezes.
Perda Dielétrica: “Dissipação de Energia” na Camada de Isolamento
Outro grande culpado pela atenuação do sinal em cabos de cobre é a perda dielétrica. Em cenários de alta-frequência no nível gigahertz, as moléculas dentro do dielétrico isolante do cabo não conseguem acompanhar as rápidas flutuações do campo elétrico. O atraso entre as rápidas flutuações do campo elétrico e a resposta atrasada das moléculas converte a energia eletromagnética do sinal em energia térmica, resultando em perda de energia.
Perdas Duplas: A Fraqueza Fatal dos Cabos de Cobre
Quando o efeito pelicular e a perda dielétrica atuam em conjunto, a perda de sinal nos cabos de cobre aumenta exponencialmente à medida que a frequência aumenta.
Para ilustrar isso claramente: em uma frequência de 50 GHz, mesmo com cabos de cobre de alta-qualidade, a perda combinada desses dois efeitos consumirá mais de 90% do orçamento de potência do sinal em uma distância de transmissão de 2 metros. As propriedades físicas dos cabos de cobre ditam uma contradição central irreconciliável: a largura de banda e a distância de transmissão não podem ser alcançadas simultaneamente.
Co{0}}óptica empacotada de multiplexação por divisão de comprimento de onda denso (DWDMCPO)
Hoje, o gargalo de desempenho dos clusters de treinamento de IA passou das operações de ponto-flutuante por segundo (FLOPS) para os requisitos de largura de banda.
Em redes escaláveis com memória consistente, é necessária uma nova geração de tecnologia de rede para atender a diversas demandas:
|À medida que o consumo de energia se torna um fator limitante nas implantações de data centers, é necessário um menor consumo de energia por bit;
| Como as operações de ponto-flutuante não são mais o gargalo, maior largura de banda deve ser fornecida para cada processador;
| À medida que o espaço físico para a implantação da fibra se torna limitado, é necessário alcançar uma maior densidade de integração;
| Para ativar o escalonamento horizontal entre-racks, distâncias de transmissão mais longas devem ser suportadas;
| Para manter a consistência do domínio de memória e melhorar a utilização da GPU, é necessária uma latência de cauda ultra-baixa;
| Alta confiabilidade e facilidade de manutenção também são essenciais.
Quando a latência final se tornar uma restrição principal, atender aos requisitos acima aumentará significativamente a utilização da GPU (algumas estimativas de modelo indicam que a utilização pode mais que dobrar), reduzirá substancialmente o consumo de energia da rede e melhorará o desempenho do modelo-a-de ponta a ponta. Atualmente, o DWDMCPO é a única abordagem técnica capaz de atender simultaneamente a esses requisitos rigorosos e trará transformações de-custo{4}}de longo alcance para operadores de data centers em hiperescala.
Ao transmitir vários comprimentos de onda de luz em uma única fibra, a tecnologia DWDMCPO fornece a cada GPU vários canais amplos e-de baixa velocidade. Ao dimensionar o número de comprimentos de onda transmitidos de 1 para 8, 16 ou até mais, este padrão de escala geométrica está preparado para revolucionar as redes de IA, tal como a tecnologia DWDM revolucionou a espinha dorsal da Internet há 25 anos.
A taxa de transmissão-de canal único do DWDM é de aproximadamente 50 a 64 Gbit/s, o que se enquadra na categoria de transmissão-de baixa velocidade. Esta característica permite aos engenheiros simplificar o esquema de codificação de dados de PAM4 para NRZ. Essa simplificação elimina vários estágios de processamento de sinal-de alto custo e uso intensivo de energia, alcançando reduções duplas no consumo de energia e na latência ao simplificar o caminho de transmissão do sinal.
A latência final é o “assassino silencioso” que corrói o ROI do data center. Quando os clusters de GPU processam tokens de dados, eles exigem uma entrada de fluxo de bits contínua e previsível. Se um único bit sofrer atraso na transmissão, o restante do cluster ficará ocioso, reduzindo significativamente a utilização do processador. À medida que o número de processadores em um cluster aumenta, a probabilidade de latência do bit final no nível p999 aumenta significativamente e a utilização do processador diminui de acordo.
Sem a tecnologia DWDMCPO de baixa-latência, baixo-poder e longo-alcance, a escalabilidade das redes seria limitada e o desempenho de grandes modelos de linguagem (LLMs) seria conseqüentemente limitado. Redes escalonáveis de-escala maior, mais planas e de baixa{5}}latência podem suportar caches de-valores-chave maiores, aumentando diretamente o tamanho da janela de contexto do modelo e a relevância do conteúdo, expandindo efetivamente a memória de trabalho efetiva do LLM. O aumento da largura de banda-de baixa latência também tem o potencial de aumentar o número de camadas do transformador, permitindo que os modelos possuam capacidades de pensamento e raciocínio mais profundos. Resumindo: romper as restrições de comunicação entre chips permite que os LLMs armazenem mais informações na memória de trabalho e concluam mais etapas de raciocínio sem gaguejar.
O cabeamento de cobre foi, sem dúvida, uma grande tecnologia em sua época, mas suas limitações físicas inerentes criaram uma necessidade urgente de tecnologias de rede mais avançadas para melhorar significativamente o retorno do investimento em data centers de hiperescala e expandir os recursos dos LLMs.
Em alguns anos, os data centers de IA construídos inteiramente com cabeamento de cobre se tornarão tão inimagináveis quanto as conexões de Internet de longa distância que dependem exclusivamente de cobre.
Operadores de data centers em hiperescala, investidores, desenvolvedores de LLM e outras partes interessadas na infraestrutura de IA devem levar a sério essa tendência tecnológica: ela não apenas remodelará fundamentalmente o cenário de custo-efetivo dos data centers, mas também expandirá continuamente os limites dos recursos de IA. As empresas que adotarem primeiro a tecnologia DWDMCPO estabelecerão vantagens arquitetônicas em termos de custo, consumo de energia e desempenho; essas vantagens continuarão a aumentar à medida que a infraestrutura de IA for ampliada.
