C114訊 1月12日消息（九九）在日前舉行的2023中國(guó)光通信高質(zhì)量發(fā)展論壇 - 硅光技術(shù)研討會(huì)上，騰訊光網(wǎng)絡(luò)架構(gòu)師封建勝表示，硅光技術(shù)一直在以自身獨(dú)特的節(jié)奏發(fā)展，各種應(yīng)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(shù)達(dá)到13億，小程序日活躍賬戶數(shù)達(dá)到6億，視頻號(hào)日活躍賬戶達(dá)到5億，目前還在繼續(xù)增長(zhǎng)中。在這些業(yè)務(wù)背后是騰訊龐大的數(shù)據(jù)中心在支持，騰訊數(shù)據(jù)中心分布在全球26個(gè)物理地區(qū)，包括70個(gè)可用區(qū)，國(guó)內(nèi)加速節(jié)點(diǎn)超過2000個(gè)，海外加速節(jié)點(diǎn)超過800個(gè)。
數(shù)據(jù)中心是一個(gè)復(fù)雜的數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施，核心是服務(wù)器與網(wǎng)絡(luò)。目前騰訊在全球有接近200萬(wàn)服務(wù)器，數(shù)據(jù)存儲(chǔ)規(guī)模超過EB級(jí)別，全球加速節(jié)點(diǎn)超過2800個(gè)，帶寬儲(chǔ)備達(dá)到200T。服務(wù)器與用戶之間的連接便是光通訊網(wǎng)絡(luò)，數(shù)據(jù)中心內(nèi)部的光網(wǎng)絡(luò)主要由網(wǎng)卡、交換機(jī)和光模塊等硬件組成，目前騰訊的網(wǎng)卡端口速率達(dá)2×50G、2×100G, 2×200G的網(wǎng)卡芯片正在開發(fā)中；TOR交換機(jī)交換容量為8T，核心交換機(jī)容量達(dá)25.6T；對(duì)應(yīng)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(hào)等業(yè)務(wù)的背后，人工智能（AI）和機(jī)器學(xué)習(xí)（ML）等新技術(shù)發(fā)揮著越來越重要的作用。當(dāng)前視頻號(hào)的推薦越來越精準(zhǔn)，這背后就是AI和ML在推動(dòng)。
封建勝進(jìn)一步指出，利用算法代替人工進(jìn)行分級(jí)，推薦效率和精準(zhǔn)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(wǎng)絡(luò)帶寬。最近10年，AI訓(xùn)練模型對(duì)算力的需求中，機(jī)器視覺、自然語(yǔ)言處理的增長(zhǎng)速度為每?jī)赡?5倍；Transformer大模型的增長(zhǎng)速度更是達(dá)到每?jī)赡?50倍，遠(yuǎn)遠(yuǎn)超過摩爾定律的每?jī)赡陜杀�。這意味著硬件的算力跟不上訓(xùn)練模型的需求。
不僅如此，存儲(chǔ)和互聯(lián)的速率增長(zhǎng)速度更加緩慢。硬件算力在20年內(nèi)增長(zhǎng)了9萬(wàn)倍，內(nèi)存總線，例如DRAM 20年內(nèi)增長(zhǎng)僅30倍，互聯(lián)帶寬在20年內(nèi)也僅增長(zhǎng)30倍，都遠(yuǎn)遠(yuǎn)低于硬件算力的增長(zhǎng)。
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(jī)遇。封建勝認(rèn)為，高性能計(jì)算是未來光通訊的重要增量場(chǎng)景。在過去的一年中，騰訊研發(fā)了第一臺(tái)25.6T CPO交換機(jī)，在端口密度、功耗、延遲等方面都有收益，為高性能計(jì)算網(wǎng)絡(luò)的建設(shè)奠定了基礎(chǔ)。更進(jìn)一步，硅光將光電轉(zhuǎn)化部件移動(dòng)到主要的電芯片近端，利用光I/O代替電I/O，實(shí)現(xiàn)互連帶寬的快速增加，可能突破Memory Wall，“這個(gè)技術(shù)方向是我們非�？春玫�。”
在未來，騰訊將探索硅光在數(shù)據(jù)中心的更多應(yīng)用，400G BR4或800G BR8規(guī)格是騰訊目前正在摸索的一個(gè)方向。
硅光在數(shù)據(jù)中心的另一應(yīng)用場(chǎng)景，就是當(dāng)前主流計(jì)算技術(shù)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(jī)器學(xué)習(xí)的強(qiáng)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(jì)算機(jī)采用的是馮·諾伊曼架構(gòu)，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(jì)算芯片，積極探索如何解決這一瓶頸。封建勝認(rèn)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(jì)算具有高帶寬、信息吞吐量大的特點(diǎn)，國(guó)內(nèi)外也有不少初創(chuàng)公司在開發(fā)相關(guān)產(chǎn)品，但是數(shù)據(jù)還是存儲(chǔ)在電學(xué)領(lǐng)域，需要大量的光電、電光轉(zhuǎn)換，“或許當(dāng)光學(xué)憶阻器成熟的時(shí)候，硅光在光計(jì)算上可以發(fā)揮其全部?jī)?yōu)勢(shì)。”封建勝說。 
