مس در مراکز داده هوش مصنوعی به پایان راه خود رسید؛ نور جای آن را می‌گیرد

سیم‌کشی مسی در مراکز داده هوش مصنوعی به پایان راه خود رسیده است. با نرخ‌های داده‌ای که خوشه‌های مدرن GPU اکنون به آن نیاز دارند، سیگنال‌های الکتریکی در مسافت‌های کوتاه به سرعت تخریب می‌شوند به گونه‌ای که مس به سادگی نمی‌تواند آنها را در طول‌های مورد نیاز یک مرکز داده حمل کند — مگر با صرف توان عظیم برای جبران این افت. این دیوار فیزیکی دلیل آن است که سال ۲۰۲۶ سالی است که فوتونیک سیلیکونی و اپتیک هم‌بسته (Co-Packaged Optics یا CPO) از یک اسلاید نقشه راه خارج شده و در سخت‌افزار واقعی عرضه می‌شوند، با پیشگامی Nvidia و Broadcom در انتقالی که نحوه ساخت و قیمت‌گذاری زیرساخت هوش مصنوعی را تغییر خواهد داد.

چرا مس ابتدا از کار افتاد

مشکل صرفاً پهنای باند انتزاعی نیست — بلکه پهنای باند بر حسب وات بر متر است. با افزایش مقیاس خوشه‌های GPU از هزاران به صدها هزار تراشه، اتصال بین آن‌ها به گلوگاه تبدیل شد، نه خود تراشه‌ها. افت سیگنال مس با افزایش نرخ داده در هر مسافت قابل توجهی به شدت افزایش می‌یابد، به این معنی که مهندسان یا باید اجزا را به طور غیرواقعی نزدیک به یکدیگر نگه دارند یا سهم فزاینده‌ای از بودجه توان را صرف تقویت مجدد سیگنال‌ها در میانه کابل کنند. هیچ‌یک از این دو گزینه برای خوشه‌های میلیون‌GPU که چندین ابرمقیاس‌ساز اکنون آشکارا برای کارخانه‌های نسل بعدی هوش مصنوعی خود هدف قرار داده‌اند، مقیاس‌پذیر نیست.

سیگنال‌های نوری به این شکل با این مشکل مواجه نیستند. نور در طول مسافت به اندازه جریان الکتریکی تخریب نمی‌شود و گرمای مقاومتی مشابه تولید نمی‌کند. این استدلال فیزیکی اصلی برای فوتونیک است و به همین دلیل صنعت منتظر یک جایگزین تمیزتر نماند — بلکه خود آن را ساخت.

چه چیزی اکنون واقعاً در حال عرضه است

خط Spectrum-X Photonics شرکت Nvidia که بر پایه فرآیند فوتونیک سیلیکونی COUPE شرکت TSMC ساخته شده است، ملموس‌ترین مثال است. سوئیچ پرچم‌دار SN6800 پهنای باند ۴۰۹٫۶ ترابیت بر ثانیه را در ۵۱۲ پورت با سرعت ۸۰۰ گیگابیت بر ثانیه ارائه می‌دهد. عدد اصلی که برای اپراتورهای مرکز داده اهمیت دارد پهنای باند نیست — بلکه توان است. اپتیک هم‌بسته در این پلتفرم مصرف توان شبکه را تا ۳٫۵ برابر در مقایسه با فرستنده‌های نوری قابل اتصال کاهش می‌دهد، در حالی که تاب‌آوری (Resiliency) را حدود ۱۰ برابر بهبود می‌بخشد. فیبر مستقیماً به یک موتور نوری در کنار سوئیچ ASIC متصل می‌شود و افت الکتریکی را به حدود ۴ دسی‌بل کاهش داده و توان هر پورت را تا ۹ وات پایین می‌آورد.

شرکت Broadcom نیز تلاشی موازی با استفاده از همان فرآیند COUPE شرکت TSMC در دست اجرا دارد که نشان‌دهنده نکته مهمی است: این یک شرط‌بندی یک فروشنده نیست، بلکه زیرساخت صنعتی در حال همگرایی است. وقتی دو رقیب مستقیم از یک فرآیند فوتونیک زیرین از یک کارخانه تولیدی استفاده می‌کنند، این نشانه آن است که رویکرد از مرحله آزمایشی عبور کرده است.

ریاضیات توان داستان واقعی است

هزینه زیرساخت هوش مصنوعی ابرمقیاس‌سازان در سال ۲۰۲۶ به حدود ۷۲۵ میلیارد دلار می‌رسد و شبکه و اتصالات نوری اکنون سهمی حدود ۷۵ تا ۱۰۰ میلیارد دلار از آن را تشکیل می‌دهد. این یک خطای گرد کردن نیست — بلکه یک ردیف بودجه است که مستقیماً با تامین GPU رقابت می‌کند. برای یک اپراتور که یک خوشه آموزشی بزرگ را اداره می‌کند، هر واتی که روی اتصالات صرفه‌جویی شود، واتی است که برای محاسبات در دسترس است و در مقیاس مرکز داده، کاهش ۳٫۵ برابری توان شبکه به معنای کاهش معنادار هزینه کل مالکیت (TCO) در طول یک استقرار چندساله است.

این همچنین یک داستان خنک‌کنندگی است. مراکز داده به طور فزاینده‌ای نه تنها با میزان توانی که می‌توانند تحویل دهند، بلکه با گرمایی که می‌توانند خارج کنند محدود می‌شوند. اتصالات نوری که گرمای مقاومتی کمتری تولید می‌کنند، فشار روی زیرساخت خنک‌کنندگی را کاهش می‌دهند که از قبل برای همگامی با چگالی حرارتی GPU در حال تقلا است.

انتظار ناپدید شدن یک‌شبه مس را نداشته باشید

ذکر دقیق نکته در اینجا ارزش دارد: سال ۲۰۲۶ سالی نیست که مس از مراکز داده ناپدید شود. مهندسان صنعت در حال مقاومت در برابر چارچوب‌بندی این موضوع به عنوان یک جایگزینی کلی هستند — پذیرش به طور نامتوازن در سطوح مختلف سلسله‌مراتب مرکز داده در حال وقوع است. فوتونیک و CPO ابتدا در لایه‌های سوئیچ-به-سوئیچ و بالای قفسه (Top-of-Rack) مستقر می‌شوند، جایی که مسافت‌ها طولانی‌ترین و تقاضای پهنای باند بالاترین است. اتصالات کوتاه‌تر تراشه-به-تراشه درون یک قفسه هنوز به دلیل هزینه و بلوغ تولید، به نفع مس یا اپتیک نزدیک بسته (Near-Package Optics) هستند.

جدول زمانی واقع‌بینانه، بر اساس تحلیلگران صنعت که این حوزه را رصد می‌کنند، اتصالات مرکز داده هوش مصنوعی را ظرف حدود پنج سال به طور قابل توجهی نوری می‌کند — نه فوری، اما در یک مسیر واضح و سریع. اپتیک نزدیک بسته مبتنی بر VCSEL، رادیو تراهرتز روی سیم (Terahertz Radio-over-Wire) و اتصالات اولیه microLED همگی رویکردهای رقیبی هستند که می‌توانند سطوح مختلف آن لایه را از آن خود کنند.

اگر محاسبات هوش مصنوعی می‌خرید این به چه معناست

اگر زیرساخت ابری هوش مصنوعی را ارزیابی می‌کنید یا در حال برنامه‌ریزی برای ساخت خوشه خود هستید، معماری اتصال اکنون یک ردیف هزینه است که ارزش بررسی دارد، نه یک جزئیات پیاده‌سازی که باید به آن اعتماد کرد. مستقیماً از ارائه‌دهندگان بپرسید که آیا لایه شبکه آن‌ها از اپتیک هم‌بسته یا فرستنده‌های نوری قدیمی قابل اتصال استفاده می‌کند — تفاوت در قبض برق و قابلیت اطمینان خوشه خود را نشان می‌دهد، زیرا بهبود تاب‌آوری CPO تعداد خرابی‌های متناوب لینک را کاهش می‌دهد که به طور خاموش توان عملیاتی آموزش را مختل می‌کنند.

به طور خاص برای خریداران سخت‌افزار، انتظار داشته باشید که حق‌الامتیاز فوتونیک به سرعت کاهش یابد زیرا Nvidia و Broadcom هر دو تولید را بر فرآیندهای مشترک TSMC مقیاس‌دهی می‌کنند — رقابت بین دو فروشنده بزرگ بر روی بستر تولید یکسان معمولاً به معنای کاهش سریع‌تر هزینه‌ها نسبت به فناوری تک‌فروشنده است. جدول زمانی استقرار برای خوشه‌های نسل Rubin شرکت Nvidia و سوئیچ‌های فعال‌شده با فوتونیک شرکت Broadcom را دقیقاً دنبال کنید، زیرا این چرخه‌های محصول جایی هستند که پذیرش CPO به جای گزینه حق‌الامتیاز به پیش‌فرض تبدیل می‌شود.