騰訊封建勝：高性能計算方興未艾，硅基光電子如火如荼

1月12日消息（九九）在日前舉行的2023中國光通信高質量發(fā)展論壇 - 硅光技術研討會上，騰訊光網絡架構師封建勝表示，硅光技術一直在以自身獨特的節(jié)奏發(fā)展，各種應用也讓人眼花繚亂，但好消息是硅光商業(yè)化的路徑越來越清晰，可謂“亂花漸欲迷人眼，淺草才能沒馬蹄。”

封建勝介紹，騰訊從社交軟件開始發(fā)展，從QQ到微信為越來越多的人提供便捷的通訊工具。截至2022年第三季度，微信月活躍賬戶數達到13億，小程序日活躍賬戶數達到6億，視頻號日活躍賬戶達到5億，目前還在繼續(xù)增長中。在這些業(yè)務背后是騰訊龐大的數據中心在支持，騰訊數據中心分布在全球26個物理地區(qū)，包括70個可用區(qū)，國內加速節(jié)點超過2000個，海外加速節(jié)點超過800個。

數據中心是一個復雜的數字經濟基礎設施，核心是服務器與網絡。目前騰訊在全球有接近200萬服務器，數據存儲規(guī)模超過EB級別，全球加速節(jié)點超過2800個，帶寬儲備達到200T。服務器與用戶之間的連接便是光通訊網絡，數據中心內部的光網絡主要由網卡、交換機和光模塊等硬件組成，目前騰訊的網卡端口速率達2×50G、2×100G, 2×200G的網卡芯片正在開發(fā)中；TOR交換機交換容量為8T，核心交換機容量達25.6T；對應的光模塊有200G 1分2線纜，200G QSFP56封裝的SR4光模塊，以及200G QSFP56封裝的FR4光模塊。

封建勝指出，在騰訊微信、小程序、視頻號等業(yè)務的背后，人工智能（AI）和機器學習（ML）等新技術發(fā)揮著越來越重要的作用。當前視頻號的推薦越來越精準，這背后就是AI和ML在推動。

封建勝進一步指出，利用算法代替人工進行分級，推薦效率和精準性都得到了很大提升，但也面臨著新的問題：滯后的硬件算力和滯后的網絡帶寬。最近10年，AI訓練模型對算力的需求中，機器視覺、自然語言處理的增長速度為每兩年15倍；Transformer大模型的增長速度更是達到每兩年750倍，遠遠超過摩爾定律的每兩年兩倍。這意味著硬件的算力跟不上訓練模型的需求。

不僅如此，存儲和互聯(lián)的速率增長速度更加緩慢。硬件算力在20年內增長了9萬倍，內存總線，例如DRAM 20年內增長僅30倍，互聯(lián)帶寬在20年內也僅增長30倍，都遠遠低于硬件算力的增長。

封建勝表示，互聯(lián)帶寬和硬件算力之間的鴻溝越來越大，是困境、是挑戰(zhàn)，更是機遇。封建勝認為，高性能計算是未來光通訊的重要增量場景。在過去的一年中，騰訊研發(fā)了第一臺25.6T CPO交換機，在端口密度、功耗、延遲等方面都有收益，為高性能計算網絡的建設奠定了基礎。更進一步，硅光將光電轉化部件移動到主要的電芯片近端，利用光I/O代替電I/O，實現(xiàn)互連帶寬的快速增加，可能突破Memory Wall，“這個技術方向是我們非?？春玫?。”

在未來，騰訊將探索硅光在數據中心的更多應用，400G BR4或800G BR8規(guī)格是騰訊目前正在摸索的一個方向。

硅光在數據中心的另一應用場景，就是當前主流計算技術消耗了太多能量，能效低。2016年AlphaGo橫空出世，全世界都在感慨人工智能、機器學習的強大，但卻忽略了背后的能效比較。AlphaGo的功耗是150千瓦，而人腦的功耗約為20瓦，兩者相差超7000倍。其根本原因在于，主流計算機采用的是馮·諾伊曼架構，存在馮·諾伊曼瓶頸。

最近幾年很多初創(chuàng)公司在開發(fā)近程計算芯片，積極探索如何解決這一瓶頸。封建勝認為，最好的解決方案是存在一體，相比于電存算一體，光存算一體同樣值得探索和研究。光計算具有高帶寬、信息吞吐量大的特點，國內外也有不少初創(chuàng)公司在開發(fā)相關產品，但是數據還是存儲在電學領域，需要大量的光電、電光轉換，“或許當光學憶阻器成熟的時候，硅光在光計算上可以發(fā)揮其全部優(yōu)勢。”封建勝說。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。