Az SK hynix szerint a fénykapcsolatok kellenek az AI-rendszerek skálázásához
Az SK hynix és nemzetközi kutatópartnerei a Nature Electronics folyóiratban mutatták be a co-packaged optics, vagyis a CPO technológiai útitervét. A vállalat szerint az optikai összeköttetések a memóriát és a processzorokat is hatékonyabban kapcsolhatják össze, miközben az AI-rendszerek egyre nagyobb adatforgalmával kell megbirkózni.
- Az SK hynix és nemzetközi kutatói CPO-útitervet publikáltak a Nature Electronics folyóiratban.
- A CPO a processzorcsomagba integrált optikai adó-vevőkkel csökkenti a nagy sebességű elektromos jelek útját.
- A kutatók több mint 100 Tb/s csomópontonkénti sávszélességet és 1 pJ/bit alatti fogyasztást céloznak.
- A javasolt architektúra optikai kapcsolattal kötné össze a számítási erőforrásokat és a memóriát.
- A kereskedelmi bevezetéshez még fotonikai, protokoll- és megbízhatósági kihívásokat kell megoldani.
A HBM után a rendszerszintű adatmozgatás kerül előtérbe
Az SK hynix közleménye szerint a nagy sávszélességű memória, vagyis a HBM fontos szerepet játszott a generatív AI fejlődésében, mivel az AI-gyorsítók csomagjain belül enyhítette a memóriaszűk keresztmetszeteket. A hiperskálájú AI-fürtök azonban egyre gyakrabban több ezer GPU-t és HBM-stackeket kapcsolnak össze. Ilyen környezetben új korlát jelent meg: az adatmozgatás sávszélesség-fala.
A vállalat által ismertetett tanulmány címe Co-packaged optics for high-performance computing and artificial intelligence. A 2026-ban a Nature Electronics folyóiratban publikált írás a CPO fejlesztését, a legfontosabb műszaki kihívásokat és az optikai összeköttetések következő generációjának lehetséges fejlődési irányát vizsgálja.
A tanulmány szerzői Seunghoon Hong, az SK hynix AI Infra Team vezetője, Kyusang Lee, a University of Virginia villamosmérnöki és számítástechnikai tanszékének professzora, valamint az University of Illinois Urbana-Champaign, a Nanyang Technological University, a Massachusetts Institute of Technology és a Yonsei University kutatói. Hong és Lee levelező szerzőként vezették a közös kutatást.
A rézvezetékek helyett egyre közelebb kerülhet a fény
Az SK hynix által idézett adatok szerint a számítási teljesítmény jellemzően kétévente megháromszorozódott, miközben az összeköttetések sávszélessége ugyanebben az időszakban csak körülbelül 1,4-szeresére nőtt. A vállalat szerint ez egyre jelentősebb problémát okoz az AI-adatközpontokban.
A hagyományos, rézalapú elektromos összeköttetések rövid távolságokon továbbra is költséghatékonyak. A nagyobb átviteli sebesség és a hosszabb távolság azonban növekvő jelveszteséggel és energiaigénnyel jár. Az adatközpontokban a jeleknek nemcsak a chipek és a processzorok között kell közlekedniük, hanem rackek és podok között is.
A CPO az optikai adó-vevőket a processzorral azonos csomagba integrálja. Így csökkenthető az a távolság, amelyen a nagy sebességű elektromos jeleknek haladniuk kell, az út hátralévő részén pedig optikai kapcsolat használható. Kyusang Lee szerint még a nagyobb teljesítményű számítási chipek sem javítják a teljes rendszer teljesítményét, ha az adatmozgatás nem tud lépést tartani. A professzor úgy fogalmazott, hogy a rézkapcsolatok optikai összeköttetésekkel való kiváltása a jövőbeli skálázhatóság legígéretesebb útja.
A kutatók a következő generációs AI-infrastruktúrához több mint 100 Tb/s sávszélességet céloznak csomópontonként, 1 pJ/bit alatti energiafogyasztással és 10 nanoszekundumnál rövidebb chipközi késleltetéssel. Az útiterv a 2D és 2,5D interposeralapú kialakításoktól a 3D heterogén rétegezésig követi a lehetséges fejlődést, és a kereskedelmi bevezetés előtt álló műszaki kérdéseket is felsorolja.
Az optikai kapcsolat a memóriáig is elérhet
A hosszabb távú elképzelés szerint az optikai összeköttetések a memória csatolófelületéig terjednének. Az SK hynix és partnerei egy olyan, optikaközpontú architektúrát vázoltak fel, amelyben egy fotonikus interposer optikai kapcsolaton keresztül köti össze az XPU-készlet számítási erőforrásait a memóriakészlettel.
Ebben a felépítésben több AI-gyorsító osztozhat egy nagy memóriakészleten. A közlemény szerint ez rugalmasabb rendszerszintű adatmozgatást tehet lehetővé, és hatékonyabb skálázást támogathat, ahogy az AI-modellek mérete tovább nő.
Lee szerint az optikai összeköttetések várhatóan alapvető kapcsolódási technológiává válhatnak a jövő AI-infrastruktúrájában, és a technológia már túljutott a laboratóriumi szakaszon, a korai kereskedelmi bevezetés időszakába lépett. A kutató ugyanakkor több megoldandó feladatot is említett, köztük az alacsony fogyasztású fotonikus eszközök integrációját, a koherenciaprotokollok fejlesztését és a rendszer megbízhatóságának javítását.
A tanulmány szerint a következő lépés a memóriaeszközök, a vezérlők, a fotonikus komponensek és a csomagolás közös rendszerként való tervezése lehet. Seunghoon Hong úgy vélte, hogy az iparági tapasztalat és az akadémiai szakértelem együtt olyan jövőképet adhat az AI-infrastruktúrához, amely az ügyfeleknek és a szélesebb AI-ökoszisztémának is értéket teremt.
