ข่าว บริษัท เกี่ยวกับ Beyond the Rack: Co-Packaged Optics (CPO) และ Next-Gen Storage แก้ปัญหาการเคลื่อนย้ายข้อมูลของ AI อย่างไร

# Beyond the Rack: Co-Packaged Optics (CPO) และพื้นที่เก็บข้อมูล Next-Gen แก้ปัญหาการเคลื่อนย้ายข้อมูลของ AI ได้อย่างไร

ช้างในศูนย์ข้อมูล: มันไม่เกี่ยวกับการคำนวณอีกต่อไป

ที่ CIOE 2026 ในเซินเจิ้น การเปลี่ยนแปลงที่น่าสนใจในการสนทนาเกิดขึ้นในหมู่สถาปนิกศูนย์ข้อมูล เมื่อห้าปีที่แล้ว การอภิปรายมีศูนย์กลางอยู่ที่GPU TFLOPS และจำนวนคอร์ CPU. วันนี้? ความหลงใหลคือPB/s (เพตาไบต์ต่อวินาที)และงบประมาณเวลาแฝงระดับนาโนวินาที.

ทำไม เพราะในยุคของโมเดล AI จำนวนล้านล้านพารามิเตอร์และการอนุมานแบบเรียลไทม์คอขวดได้เปลี่ยนจากการคำนวณไปสู่การเคลื่อนย้ายข้อมูล. H200 GPU สมัยใหม่สามารถประมวลผล 4.8 PFLOPS ได้ แต่กลับสิ้นเปลืองข้อมูล การฝึกโมเดลคลาส GPT-4 จำเป็นต้องมีการสับเปลี่ยนข้อมูลการฝึก 45 เพตะไบต์ผ่าน GPU หลายพันตัว มากกว่าพันล้านครั้ง

บทความนี้สำรวจเทคโนโลยีมาบรรจบกันสองเทคโนโลยีที่จัดแสดงที่ CIOE 2026 ที่กำลังกำหนดนิยามใหม่ของโครงสร้างพื้นฐาน AI: 1.Co-Packaged Optics (CPO) และ Near-Package Optics (NPO)– ขจัดปัญหาคอขวดทางไฟฟ้า2.อุปกรณ์จัดเก็บข้อมูลระดับองค์กรยุคใหม่– SSD และระบบหน่วยความจำที่สร้างขึ้นเพื่อรองรับความต้องการที่ไม่รู้จักพอของ AI

ส่วนที่ 1: CPO/NPO – เมื่อ光มาพบกับซิลิคอน

ปัญหา: การเชื่อมต่อไฟฟ้าชนกำแพง

โมดูลออปติคัลแบบดั้งเดิมเชื่อมต่อกับสวิตช์ผ่านรางไฟฟ้าบน PCB เมื่ออัตราข้อมูลเพิ่มขึ้นเกิน 1.6Tbps ร่องรอยเหล่านี้จะกลายเป็นอุปสรรคที่ผ่านไม่ได้:

-การสูญเสียสัญญาณ: 30-40 dB/m ที่ 112Gbps PAM4 (56GHz) -การใช้พลังงาน: Retimers และ DSPs เบิร์นไฟ 15-20W ต่อโมดูล -เวลาแฝง: Electrical SerDes เพิ่ม 100-200ns ไป-กลับ -ความหนาแน่น: แผ่นปิดหน้า QSFP-DD จำกัดอยู่ที่ ~51Tbps ต่อสวิตช์ ASIC

เข้าเลนส์ร่วมบรรจุภัณฑ์: บูรณาการเครื่องยนต์ออปติกภายในแพ็คเกจเดียวกันเป็นซิลิคอนสวิตชิ่ง

สิ่งที่ CIOE 2026 เปิดเผย: CPO มีจริง

เมื่อเดินผ่านนิทรรศการ CPO ได้เปลี่ยนจากเอกสารการประชุมมาเป็นจัดส่งซิลิคอน: :

####1.เครื่องยนต์ออปติคอล 6.4T NPO(华工正源/หัวกง จงหยวน) -การกำหนดค่า: 8× 800G เลนโดยใช้เลเซอร์ควอนตัมดอท DWDM -ประสิทธิภาพการใช้พลังงาน: 3.5 pJ/บิต (เทียบกับ 8 pJ/บิต สำหรับโมดูลที่เสียบได้) -ฟอร์มแฟคเตอร์: รวมเข้ากับวัสดุพิมพ์แพ็คเกจสวิตช์ -สถานะ: การสุ่มตัวอย่างเป็นไฮเปอร์สเกลเลอร์ระดับ Tier-1 ในไตรมาสที่ 4 ปี 2026

####2.แพลตฟอร์มซิลิคอนโฟโตนิกส์(GlobalFoundries) ของพวกเขาSiPh ที่เข้ากันได้กับ CMOS ขนาด 45 นาโนเมตรกระบวนการช่วยให้: -บูรณาการเสาหินของเลเซอร์ โมดูเลเตอร์ และเครื่องตรวจจับแสง -การทดสอบระดับเวเฟอร์ลดต้นทุนการประกอบลง 60% -แหล่งกำเนิดหลายความยาวคลื่นสำหรับแอปพลิเคชัน DWDM

#### 3.การพัฒนาฮาร์ดแวร์ของ Light联芯科สตาร์ทอัพจีนเปิดตัวZW1000 ระบบการพิมพ์หินที่ตั้งโปรแกรมได้โดยไม่สวมหน้ากากสำหรับซิลิคอนโฟโตนิกส์: -การสร้างต้นแบบอย่างรวดเร็ว: สัปดาห์แทนที่จะเป็นเดือนสำหรับการออกแบบใหม่ -การผลิตในปริมาณน้อย: ประหยัด <10,000 หน่วย/ปี -ความยืดหยุ่น: ท่อนำคลื่นที่กำหนดค่าใหม่ได้สำหรับแอปพลิเคชันแบบกำหนดเอง

สิ่งนี้ตอบโจทย์ความท้าทายที่ยิ่งใหญ่ที่สุดของ CPO:รอบการออกแบบซ้ำ. ค่าใช้จ่ายโฟโตมาสก์แบบดั้งเดิม ($200K+) ทำให้การทดลองมีราคาแพงมาก

CPO กับ NPO กับ Pluggable: The Deployment Matrix

ไม่ใช่ทุกแอปพลิเคชันที่ต้องการความซับซ้อนของ CPO เวลาที่แต่ละเทคโนโลยีสมเหตุสมผลมีดังนี้:

| สถาปัตยกรรม | ดีที่สุดสำหรับ | แบนด์วิธ | พลังงาน | ราคา | ห้องว่าง | |--------------|----------|-----------|-------|--|--------------| |เสียบได้ (QSFP-DD)| เครือข่ายกระดูกสันหลัง | 800G-1.6T | 15-20W | $ | ตอนนี้ | |LPO (เสียบได้เชิงเส้น)| แบบแร็คต่อแร็ค <100ม. | 800G | 8-12W | $$ | ตอนนี้ | |NPO (ใกล้แพ็คเกจ)| กลุ่มการฝึกอบรม AI | 3.2-6.4T | 5-8W | $$$ | 2027 | |CPO (ร่วมบรรจุ)| สลับผ้า | 12.8T+ | 3-5W | $$$$ | 2028 |

ข้อมูลเชิงลึกที่สำคัญจาก CIOE: สำหรับการปรับใช้ปี 2569-2570สถาปัตยกรรมไฮบริดมีอิทธิพลเหนือ: - CPO สำหรับสวิตช์สไปน์ (51.2Tbps+ ต่อ ASIC) - 800G แบบเสียบได้สำหรับสวิตช์ลีฟ - LPO สำหรับการเชื่อมต่อระหว่าง GPU Fabric Fabric

เจาะลึกทางเทคนิค: CPO ทำงานอย่างไรจริง ๆ

สำหรับวิศวกรที่ประเมินโซลูชัน CPO การทำความเข้าใจสถาปัตยกรรมเป็นสิ่งสำคัญ:

#### เส้นทางโมดูลแบบเสียบได้แบบดั้งเดิม: ``` GPU → PCIe → NIC ASIC → การติดตาม PCB (30 ซม.) → ตัวจับเวลา → โมดูล DSP → เลเซอร์ → ไฟเบอร์ → โฟโตไดโอด → DSP → ตัวจับเวลา → การติดตาม PCB → สลับ ASIC ```เวลาแฝงทั้งหมด: ~800nsพลัง: ~35W สำหรับ 800G แบบสองทิศทาง

#### เส้นทาง CPO: ``` สลับ ASIC → ท่อนำคลื่นบนแพ็คเกจ (3 มม.) → โมดูเลเตอร์ → ไฟเบอร์ → โฟโตไดโอด → ท่อนำคลื่น → เปลี่ยน ASIC ```เวลาแฝงทั้งหมด: ~200nsพลัง: ~8W สำหรับ 800G แบบสองทิศทาง

การลดเวลาแฝงถือเป็นการเปลี่ยนแปลงสำหรับการฝึกอบรมแบบขนานแบบซิงโครนัส(เช่น ZeRO-3, FSDP) โดยที่การสื่อสารแบบรวมดั้งเดิม (ลดทั้งหมด และรวบรวมทั้งหมด) ครอบงำเวลาดำเนินการ

ความท้าทายของระบบนิเวศ: เหตุใดการยอมรับจึงค่อยเป็นค่อยไป

แม้จะมีข้อได้เปรียบทางเทคนิคที่น่าสนใจ แต่ CPO ก็ต้องเผชิญกับอุปสรรค:

1.ห่วงโซ่อุปทานยังไม่บรรลุนิติภาวะ: มีผู้จำหน่ายที่มีคุณสมบัติเหมาะสมเพียง 3-4 รายทั่วโลก 2.สลับการออกแบบ ASIC ใหม่: ต้องมีการพัฒนาร่วมกับ Broadcom/Nvidia/Marvell 3การจัดการความร้อน: 400W+ สวิตช์ ASIC + เครื่องยนต์ออปติคัล = การระบายความร้อนที่ซับซ้อน 4เศรษฐศาสตร์การซ่อมแซม: เครื่องยนต์ออปติคอลเสีย = เศษโมดูลสวิตช์ทั้งหมด ($50K+)

ฉันทามติอุตสาหกรรมที่ CIOE: CPO จะจับ15-20% ของตลาดสวิตช์ในปี 2028ซึ่งกระจุกตัวอยู่ในคลัสเตอร์ AI ระดับไฮเปอร์สเกล โมดูลแบบเสียบได้ยังคงโดดเด่นสำหรับองค์กรและโทรคมนาคม

ส่วนที่ 2: ด้านการจัดเก็บ – ให้อาหารสัตว์ร้าย

ในขณะที่ทุกคนจับจ้องไปที่ GPU การจัดแสดงพื้นที่จัดเก็บข้อมูลระดับองค์กรของ CIOE ก็บอกเล่าเรื่องราวที่สำคัญไม่แพ้กัน:ไปป์ไลน์ข้อมูลของ AI จะเร็วพอๆ กับส่วนประกอบที่ช้าที่สุดเท่านั้น.

ภาวะที่กลืนไม่เข้าคายไม่ออกของ AI Storage

การฝึกอบรมโมเดล 1 ล้านล้านพารามิเตอร์บนข้อมูล 10TB ต้องการ: -กำลังโหลดชุดข้อมูล: อ่านจากพื้นที่จัดเก็บข้อมูล 10TB → หน่วยความจำ GPU -ด่านตรวจ: น้ำหนักโมเดล 2TB ที่เขียนทุกยุค (10-100× ต่อการฝึกซ้อม) -การดำเนินการสับเปลี่ยน: รูปแบบการเข้าถึงแบบสุ่มทั่วทั้งชุดข้อมูล -การซิงโครไนซ์การไล่ระดับสี: การเขียนแบบกระจายระหว่างการเผยแพร่กลับ

SAS HDD แบบดั้งเดิม?ไม่เพียงพออย่างน่าหัวเราะ. แม้แต่ SATA SSD ยังต้องดิ้นรน นี่คือที่NVMe PCIe 5.0 SSDและหน่วยความจำถาวร DDR5ป้อนรูปภาพ

สิ่งที่ผู้จัดแสดงสินค้า CIOE 2026 จัดแสดง

####1.PCIe 5.0 Enterprise SSD: รวมนิทรรศการ New Baseline Topstar ด้วยไมครอน 7500 Seriesและคิงส์ตัน DC1500Mไดรฟ์สาธิต: -อ่านตามลำดับ: 14,000 MB/s (เทียบกับ 3,500 MB/s สำหรับ PCIe 3.0) -สุ่มอ่าน IOPS: 2.5M (สำคัญสำหรับการโหลดข้อมูลการฝึกอบรมแบบกระจาย) -ความอดทน: 3 DWPD (การเขียนไดรฟ์ต่อวัน) เป็นเวลา 5 ปี = การเขียนทั้งหมด 82PB บนไดรฟ์ขนาด 15TB

ผลกระทบในโลกแห่งความเป็นจริง: NVMe JBOF 16 ไดรฟ์สามารถทำให้ลิงก์ 100GbE คู่อิ่มตัวสำหรับการสตรีมชุดข้อมูล โดยขจัดพื้นที่จัดเก็บข้อมูลที่เป็นคอขวดในการฝึกอบรม

####2.หน่วยความจำเซิร์ฟเวอร์ DDR5-5600: ปริมาณงาน AI ที่เกินขีดความสามารถต้องการทั้งสองอย่างความจุ(512GB-2TB ต่อเซิร์ฟเวอร์) และแบนด์วิธ(>400GB/s ต่อซ็อกเก็ต) DDR5-5600 มอบ: -แบนด์วิธ: 44.8 GB/s ต่อ DIMM (เทียบกับ 32 GB/s สำหรับ DDR4-3200) -ความจุ: โมดูล RDIMM ขนาด 128GB กลายเป็นมาตรฐาน -ประสิทธิภาพการใช้พลังงาน: 1.1V กับ 1.2V สำหรับ DDR4 (ลดลง 10%)

ที่ CIOE เราเห็นแล้วDDR5-5600 RDIMM ขนาด 512GB ของ Samsung– เปิดใช้งาน 2TB ต่อซ็อกเก็ต (16× DIMM) สำหรับเซิร์ฟเวอร์อนุมาน LLM ซึ่งช่วยให้โมเดลพารามิเตอร์ 70B ทั้งหมดยังคงอยู่ได้อาศัยอยู่ใน DRAMขจัดค่าใช้จ่ายในการสลับโมเดล

#### 3.การขยายหน่วยความจำ CXL: เปิดใช้งาน Game Changer Compute Express Link (CXL) 2.0การรวมหน่วยความจำข้ามเซิร์ฟเวอร์: -พูลหน่วยความจำแบบแบ่งใช้: CPU หลายตัวเข้าถึง DRAM ทั่วไป/หน่วยความจำถาวร -เวลาแฝง: <200ns สำหรับการเข้าถึงหน่วยความจำระยะไกล (เทียบกับมิลลิวินาทีสำหรับ NVMe) -กรณีการใช้งาน: คลัสเตอร์การอนุมาน LLM แชร์ KV-cache ข้ามโหนด

ในขณะที่ยังคงเกิดขึ้น (มีการผลิตอย่างจำกัดในปี 2569) การขยายหน่วยความจำ CXL ก็สามารถทำได้ลดต้นทุนคลัสเตอร์การอนุมานลง 30%โดยกำจัดการจัดสรรหน่วยความจำมากเกินไปต่อโหนด

สถาปัตยกรรมการจัดเก็บข้อมูลระดับองค์กรสำหรับ AI: โมเดล 3 ระดับ

จากการหารือของ CIOE กับสถาปนิกศูนย์ข้อมูล สแต็กพื้นที่จัดเก็บข้อมูล AI ที่เหมาะสมที่สุดคือ:

####ระดับ 1: GPU HBM (หน่วยความจำแบนด์วิธสูง)-ความจุ: 80-192GB ต่อ GPU (H200/B200) -แบนด์วิธ: 4-5 TB/วินาที -วัตถุประสงค์: ชุดการฝึกที่ใช้งานอยู่ น้ำหนักโมเดลระหว่างการส่งไปข้างหน้า/ถอยหลัง

####ระดับ 2: โฮสต์ DRAM (DDR5)-ความจุ: 1-2TB ต่อเซิร์ฟเวอร์ -แบนด์วิธ: 400-800 GB/s ต่อซ็อกเก็ต -วัตถุประสงค์: การดึงชุดข้อมูลล่วงหน้า การสะสมการไล่ระดับสี การอนุมาน KV-cache

####ระดับ 3: อุปกรณ์จัดเก็บข้อมูล NVMe SSD-ความจุ: 60-240TB ต่อเซิร์ฟเวอร์ (ไดรฟ์ 4-16× 15TB) -แบนด์วิธ: 50-200 GB/s (RAID 0 ข้ามไดรฟ์) -วัตถุประสงค์: พื้นที่จัดเก็บชุดข้อมูลเต็มรูปแบบ การตรวจสอบ การกำหนดเวอร์ชันโมเดลระยะยาว

อัตราส่วนวิกฤต: ตั้งเป้าโฮสต์ DRAM : NVMe = 1:50(เช่น DRAM 2TB, NVMe 100TB) เพื่อให้แน่ใจว่าการดึงชุดข้อมูลล่วงหน้าจะไม่ทำให้การฝึก GPU หยุดชะงัก

ข้อโต้แย้ง TCO: เหตุใดพื้นที่เก็บข้อมูลระดับพรีเมียมจึงคุ้มค่า

พิจารณาคลัสเตอร์การฝึกอบรม AI 1,000-GPU: -ค่าใช้จ่ายจีพียู: $30M (1,000× $30K ต่อ H100) -อำนาจประจำปี: 5 ล้านเหรียญสหรัฐ (150 เหรียญสหรัฐฯ/GPU × 1,000 × 8,760 ชั่วโมง × 0.12 เหรียญสหรัฐฯ/kWh) -ค่าเสียโอกาส: 5,000 USD/ชั่วโมงสำหรับคลัสเตอร์ที่ไม่ได้ใช้งาน ($43M/ปีที่การใช้งาน 100%)

ลองจินตนาการถึงปัญหาคอขวดในการจัดเก็บข้อมูลลดการใช้งาน GPU อย่างมีประสิทธิภาพลง85%(ไม่ได้ใช้งาน 15% กำลังรอข้อมูล): -เสียเวลา GPU: $6.45M/ปี -ต้นทุนเพื่อขจัดปัญหาคอขวด: 500K USD (เครือข่าย NVMe + DDR5 + 100GbE ระดับพรีเมียม)

ผลตอบแทนการลงทุน: 1,200% ในปีแรก นี่คือเหตุผลว่าทำไมไฮเปอร์สเกลเลอร์จึงไม่ลังเลที่จะปรับใช้ PCIe 5.0 SSD มูลค่า 2,000 ดอลลาร์สหรัฐฯ

ส่วนที่ 3: โซลูชันแบบรวมของ Topstar – ฮาร์ดแวร์ + ความเชี่ยวชาญ

ในฐานะทั้งผู้เข้าร่วม CIOE 2026 และซัพพลายเออร์ในอุตสาหกรรมท็อปสตาร์เทคโนโลยีวางตำแหน่งลูกค้าอย่างมีเอกลักษณ์สำหรับความสำเร็จด้านโครงสร้างพื้นฐาน AI:

กลุ่มผลิตภัณฑ์ที่ครอบคลุมของเรา

####การเชื่อมต่อระหว่างกันด้วยแสง- โมดูล 800G/1.6T QSFP-DD/OSFP - โซลูชัน 400G/200G สำหรับสถาปัตยกรรมไฮบริด - สายเคเบิล AOC/DAC สำหรับการเชื่อมต่อระดับแร็ค - ชุดสายไฟไฟเบอร์ MPO/MTP

####พื้นที่เก็บข้อมูลระดับองค์กร-SSD: Micron, Kingston, Samsung Enterprise NVMe (PCIe 4.0/5.0) -หน่วยความจำเซิร์ฟเวอร์: DDR5-4800/5600 RDIMM และ LRDIMM -หน่วยความจำจีพียู: HBM2e/HBM3 สำหรับตัวเร่ง AI (การจัดหา OEM)

####ส่วนประกอบเซิร์ฟเวอร์ AI- NVIDIA H100/H200/B100 GPUs (ผู้จัดจำหน่ายที่ได้รับอนุญาต) - Mellanox ConnectX-7 NIC (400GbE สำหรับ RDMA) - สวิตช์ Broadcom และ SmartNIC

ทำไมลูกค้าถึงเลือกท็อปสตาร์

####1.ความเรียบง่ายของผู้ขายรายเดียวหยุดจัดการซัพพลายเออร์ 10 ราย เรานำเสนอโซลูชันชั้นวาง AI ที่สมบูรณ์: - การเพิ่มประสิทธิภาพรายการวัสดุ (BOM) - การตรวจสอบความเข้ากันได้ล่วงหน้า - การจัดส่งและการสนับสนุนแบบรวมบัญชี

####2.ตัวเลือกการจัดหาที่ยืดหยุ่น-ส่วนประกอบเกรด OEMสำหรับการปรับใช้ระดับไฮเปอร์สเกล -แบรนด์เดิมโมดูล (เข้ากันได้กับ Cisco/Arista/Mellanox) -โซลูชั่นกล่องขาวสำหรับโครงการที่คำนึงถึงต้นทุน

#### 3.การพัฒนาร่วมทางเทคนิควิศวกรของเราร่วมมือกันในเรื่อง: -การออกแบบโทโพโลยีเครือข่าย(โคลส ต้นอ้วน แมลงปอ) -ขนาดชั้นการจัดเก็บตามโปรไฟล์ภาระงาน -งบประมาณด้านพลังงานและความเย็นสำหรับการปรับใช้ระดับแร็ค

#### 4.เส้นเวลาการปรับใช้อย่างรวดเร็วในอุตสาหกรรมที่มีระยะเวลารอคอยสินค้า 16-24 สัปดาห์ เรารักษา: -สินค้าคงคลังองค์ประกอบเชิงกลยุทธ์($5M+ หุ้น) -การจัดส่ง 4-8 สัปดาห์สำหรับการกำหนดค่ามาตรฐาน -ตัวเลือกเร่งด่วนเพื่อการจัดวางกำลังอย่างเร่งด่วน

กรณีศึกษา: การปรับใช้คลัสเตอร์การฝึกอบรม 500-GPU

โครงการของลูกค้าล่าสุดแสดงให้เห็นถึงความสามารถแบบ end-to-end ของเรา:

ความต้องการ:- 500× NVIDIA H100 GPU - พื้นที่จัดเก็บชุดข้อมูล 100TB ต่อโหนด - เวลาแฝงของเครือข่าย <10μs สำหรับการดำเนินการที่ลดลงทั้งหมด

โซลูชั่นท็อปสตาร์:-เครือข่าย: - 500× Mellanox ConnectX-7 400GbE NIC - โมดูลออปติคอล 64× 800G QSFP-DD สำหรับสวิตช์สไปน์ - โมดูล 1,024× 400G QSFP-DD สำหรับสวิตช์ลีฟ -พื้นที่จัดเก็บ: - 4,000× Kingston DC1500M 15TB NVMe SSD (8 ตัวต่อเซิร์ฟเวอร์) - ตัวควบคุม RAID พร้อมแคช 8GB ต่อเซิร์ฟเวอร์ -หน่วยความจำ: - 32,000× Samsung DDR5-5600 64GB RDIMM (64 ต่อเซิร์ฟเวอร์, 4TB/โหนด)

เส้นเวลาการทำให้ใช้งานได้:- สัปดาห์ที่ 1-2: การสรุป BOM และการจัดซื้อจัดจ้าง - สัปดาห์ที่ 3-6: การส่งมอบและการรวมส่วนประกอบ - สัปดาห์ที่ 7-8: การติดตั้งแร็คและการทดสอบการใช้งานเครือข่าย - สัปดาห์ที่ 9: การตรวจสอบปริมาณงานและการส่งมอบ

ผลลัพธ์: บรรลุคลัสเตอร์แล้วการใช้งาน GPU 94.2%ในระหว่างการฝึกซ้อมนานหนึ่งสัปดาห์ ซึ่งถือเป็นการฝึกอบรมที่สูงที่สุดในอุตสาหกรรม

เส้นทางข้างหน้า: วิวัฒนาการเทคโนโลยีปี 2570-2573

จากข้อมูลเชิงลึกและแผนงานอุตสาหกรรมของ CIOE 2026 สิ่งที่จะเกิดขึ้นมีดังนี้:

2027: โครงสร้างพื้นฐาน AI กระแสหลัก

-โมดูลออปติคัล 3.2Tเข้าสู่ปริมาณการผลิต -การสุ่มตัวอย่าง DDR6เริ่มต้น (7,200 MT/s, 60GB/s ต่อ DIMM) -PCIe 6.0 SSDให้ความเร็วในการอ่านต่อเนื่อง 28GB/s -ซีเอ็กซ์แอล 3.0เปิดใช้งานการรวมหน่วยความจำข้ามชั้นวาง

2028: การนำ CPO มาใช้

-สวิตช์ ASIC 12.8Tด้วย CPO แบบบูรณาการ -การส่งสัญญาณ 400G ต่อเลน(เทียบกับสูงสุด 200G ในปัจจุบัน) -การสลับวงจรแสงสำหรับการจัดสรรแบนด์วิธแบบไดนามิก -เครื่องเร่งความเร็วโฟโตนิก AI เชิงพาณิชย์เครื่องแรก(การคำนวณเชิงแสงแบบอะนาล็อก)

2030: ศูนย์ข้อมูลที่เชื่อมต่อระหว่างกันแบบออปติก

-การสลับแสงระดับแร็คทดแทนการจำหน่ายไฟฟ้า -ซิลิคอนโฟโตนิกส์จะมีราคาถูกกว่าทองแดงที่ >100Gbps -หน่วยความจำถาวร(แนบกับ CXL) แทนที่ NVMe สำหรับการจัดเก็บที่อบอุ่น -ลิงก์ที่ปลอดภัยที่พันกันด้วยควอนตัมสำหรับการซิงโครไนซ์โมเดล AI ระหว่าง DC

สรุป: โครงสร้างพื้นฐานคือความฉลาด

โมเดล AI ที่จับหัวข้อข่าว เช่น GPT-5, Gemini Ultra, Claude Opus มีความสามารถพอๆ กับโครงสร้างพื้นฐานที่อยู่ข้างใต้พวกเขา. ที่ CIOE 2026 ข้อความไม่คลุมเครือ:ยุคของ AI กำลังถูกสร้างขึ้นโมดูลออปติคัลหนึ่งโมดูล SSD หนึ่งตัวและ DIMM หน่วยความจำหนึ่งตัวในแต่ละครั้ง.

สำหรับองค์กรที่ใช้โครงสร้างพื้นฐาน AI มีความจำเป็นสามประการ:

1.อย่ารอเทคโนโลยีที่สมบูรณ์แบบ– 800G และ DDR5 พร้อมการผลิตแล้วในขณะนี้ 2.ออกแบบเพื่อการเคลื่อนย้ายข้อมูล ไม่ใช่แค่การคำนวณ– พื้นที่เก็บข้อมูลและเครือข่ายเทียบเท่ากับ GPU 3ร่วมมือกับซัพพลายเออร์ที่เข้าใจสแต็ก– ออปติคัล อุปกรณ์จัดเก็บข้อมูล และคอมพิวเตอร์จะต้องได้รับการออกแบบร่วมกัน

ท็อปสตาร์เทคโนโลยีตั้งอยู่ที่จุดตัดนี้ โดยรวบรวมส่วนประกอบที่ล้ำสมัย ความเชี่ยวชาญด้านเทคนิคเชิงลึก และความคล่องตัวของห่วงโซ่อุปทานเพื่อส่งมอบตามกำหนดเวลาการใช้งานเชิงรุก ไม่ว่าคุณจะสร้างคลัสเตอร์ AI แรกหรือขยายเป็น 100,000 GPU เราก็พร้อมที่จะเป็นพันธมิตรด้านโครงสร้างพื้นฐานของคุณ

อนาคตของสติปัญญากำลังถูกสร้างขึ้นในวันนี้ มาสร้างมันด้วยกัน

---

เกี่ยวกับ ท็อปสตาร์ เทคโนโลยี

ท็อปสตาร์คือซัพพลายเออร์ชั้นนำด้านส่วนประกอบโครงสร้างพื้นฐาน AI ซึ่งเชี่ยวชาญด้าน: -โมดูลออปติคอล: 800G/1.6T QSFP-DD, 400G OSFP, โซลูชัน CPO/NPO -พื้นที่เก็บข้อมูลระดับองค์กร: NVMe SSD (PCIe 4.0/5.0), Enterprise SATA, ฟอร์มแฟคเตอร์ U.2/U.3 -หน่วยความจำเซิร์ฟเวอร์: DDR5 RDIMM/LRDIMM, HBM สำหรับตัวเร่ง AI -GPU และเครือข่าย: NVIDIA AI GPU, Mellanox SmartNIC, สวิตช์ Broadcom

เรารวมตัวกันด้วยประสบการณ์กว่า 15 ปีที่ให้บริการศูนย์ข้อมูลไฮเปอร์สเกล ผู้ให้บริการโทรคมนาคม และลูกค้าองค์กรคุณภาพเกรด OEMกับเศรษฐศาสตร์กล่องขาว.

📧สอบถามข้อมูลทางวิศวกรรม: dsale@topsfp.com 🌐แคตตาล็อกสินค้า: www.opticalmodulemanufacturers.com | www.qsfp28module.com 📱เชื่อมต่อ: [เฟสบุ๊ค](https://www.facebook.com/topstar.sfp/) | [LinkedIn](https://www.linkedin.com/company/13177171/)

---

คำหลัก: ออพติคแบบแพ็กเกจร่วม, CPO, NPO, ศูนย์ข้อมูล AI, SSD ระดับองค์กร, หน่วยความจำเซิร์ฟเวอร์ DDR5, NVMe PCIe 5.0, โฟโตนิกส์ซิลิคอน, การเชื่อมต่อระหว่างกันแบบออปติคัล, พื้นที่จัดเก็บข้อมูล GPU, CIOE 2026, เครือข่ายความเร็วสูง, โครงสร้างพื้นฐาน AI

แท็ก SEO: #CoPackagedOptics #CPO #NPO #AIInfrastructure #EnterpriseSSD #DDR5Memory #DataCenter #CIOE2026 #SiliconPhotonics #GPUStorage #OpticalModules #NVMe