Światłowód z pustym rdzeniem może zmienić geografię centrów danych AI

Rozwój centrów danych dla sztucznej inteligencji staje się problemem nie tylko obliczeniowym, lecz także geograficznym. Gdy brak energii, działek, przyłącza do sieci, pozwoleń albo lokalnej zgody uniemożliwia budowę jednego gigantycznego kampusu, operatorzy mogą być zmuszeni rozdzielić moc obliczeniową GPU między kilka lokalizacji. Relativity Networks zakłada, że szybszy nośnik optyczny pozwoli połączyć te miejsca w system działający bardziej jak jeden, ściśle współpracujący organizm.

Światło zamiast szkła

Platforma ChronoCore wykorzystuje światłowód z pustym rdzeniem. W przeciwieństwie do tradycyjnych włókien, w których światło biegnie przez ciało stałe ze szkła, tutaj jest prowadzone przez pusty, wypełniony powietrzem środek. Relativity Networks podaje, że opóźnienie propagacji wynosi około 3,4–3,5 mikrosekundy na kilometr, podczas gdy w standardowym światłowodzie jest to około 5 mikrosekund. 1618

Światłowód nie usuwa oczywiście fizycznej odległości między centrami danych. Może jednak skrócić czas, przez jaki sygnał optyczny pokonuje tę odległość. To ważne w zadaniach AI, które wielokrotnie wymieniają dane między pulami procesorów GPU rozmieszczonymi w różnych obiektach.

Firma pozycjonuje ChronoCore jako rozwiązanie do łączenia centrów danych. Jej kabel ma zapewniać 24 niskoopóźnieniowe ścieżki między obiektami AI, a światłowód z pustym rdzeniem ma umożliwiać przesył danych na odległość około 1,5 raza większą przy porównywalnym opóźnieniu. 1424

Od jednego kampusu do kilku lokalizacji

W praktyce technologia ma dać projektantom infrastruktury większy wybór. Zamiast traktować jeden zwarty kampus jako jedyną lokalizację dla ściśle połączonego systemu AI, operator mógłby potencjalnie połączyć zasoby z kilku miejsc, w których łatwiej zapewnić energię i uzyskać zgodę na inwestycję.

To odpowiedź na ograniczenie, które znajduje się poza samym układem GPU. Firma i media opisujące jej działalność wskazują, że operatorzy rozpraszają infrastrukturę AI między oddalone od siebie kampusy, szukając dostępnej mocy oraz realnych możliwości zabudowy. 1627

W takim modelu sieć przestaje być wyłącznie warstwą łączącą urządzenia w obrębie jednego obiektu. Może też decydować o tym, czy kilka odrębnych centrów danych znajduje się wystarczająco blisko siebie, by uczestniczyć w tym samym systemie obliczeniowym.

Dlaczego kilka mikrosekund ma znaczenie

Dodatkowe opóźnienie może być praktycznie niezauważalne w typowej łączności. Staje się ważniejsze, gdy zadanie jest rozdzielone między kilka obiektów i wymaga częstej koordynacji. Relativity Networks twierdzi, że ograniczenie czasu propagacji może pomóc utrzymać synchronizację rozproszonego trenowania i wnioskowania AI na większym obszarze geograficznym. 110

Firma opisuje tę zmianę hasłem, że „geografia staje się częścią komputera”. W tym ujęciu sieć nie tylko łączy osobne obiekty, ale współdecyduje o tym, jak daleko mogą być one od siebie oddalone, aby nadal działać jak jedna skoordynowana „fabryka AI”. 1718

Nie oznacza to jednak, że sam szybszy światłowód zamieni kilka centrów danych w jeden klaster. Na wydajność całego połączenia wpływają także przełączniki, transceivery, topologia sieci, oprogramowanie, charakterystyka obciążenia oraz wszystkie pozostałe źródła opóźnień. Światłowód z pustym rdzeniem rozwiązuje tylko jeden element problemu: czas propagacji sygnału w łączu optycznym.

„O 50 proc. szybciej” — co naprawdę oznacza ta liczba?

W części doniesień światłowód z pustym rdzeniem opisano jako rozwiązanie około 50 proc. szybsze od konwencjonalnego światłowodu. 2 Własne materiały Relativity Networks mówią raczej o przewadze sięgającej około 47 proc.: ChronoCore ma osiągać około 3,4 mikrosekundy na kilometr, czyli około 32 proc. niższe opóźnienie na tym samym dystansie. 18

Tych wartości nie należy traktować jako wymiennych. Skrócenie czasu z 5 do 3,5 mikrosekundy na kilometr oznacza 30-procentową redukcję jednokierunkowego opóźnienia propagacji. W uproszczonym porównaniu odpowiada to wzrostowi prędkości o około 43 proc. Dokładny odsetek zależy od przyjętej wartości bazowej i sposobu pomiaru.

Najważniejsza nie jest więc sama marketingowa liczba. Istotą rozwiązania jest możliwość odzyskania wystarczającej ilości czasu, by zwiększyć praktyczną odległość między obiektami bez utraty wymaganej synchronizacji.

Dlaczego zamówienie hyperscalera jest ważniejsze niż sama runda finansowania

Relativity Networks ogłosiła pozyskanie 22 mln dolarów w formie finansowania SAFE oraz osobne zamówienie o wartości 40 mln dolarów od nieujawnionego operatora hyperscale. 23 SAFE, czyli umowa na przyszłe udziały, zazwyczaj zamienia się na akcje przy kolejnej wycenianej rundzie finansowania. Oznacza to, że nie jest to klasyczna runda kapitałowa z ustaloną bieżącą wyceną, lecz forma kapitału typowa dla wcześniejszego etapu rozwoju spółki. 2

Zamówienie daje inny rodzaj sygnału. Według doniesień operator hyperscale najpierw testował ChronoCore w połączeniach między centrami danych, a dopiero potem złożył kolejne zamówienie. Sugeruje to, że co najmniej jeden duży dostawca chmurowy wyszedł poza początkową ocenę laboratoryjną. 113

Nie jest to jednak dowód powszechnej adopcji. Klient nie został ujawniony, a publiczne informacje nie zawierają harmonogramu wdrożenia, szczegółowych wyników testów ani potwierdzenia, jak dużą część infrastruktury obejmie zamówienie. Kwota 40 mln dolarów jest zatem dowodem komercyjnego zainteresowania, a nie gwarancją, że światłowód z pustym rdzeniem zastąpi standardowe rozwiązania.

Nowa warstwa infrastruktury AI

Relativity Networks próbuje odpowiedzieć na zmianę priorytetów w branży. Wraz ze wzrostem systemów AI operatorzy optymalizują już nie tylko zagęszczenie obliczeń i sieci wewnątrz serwerowni, lecz także fizyczną geografię całego systemu.

Szybkie połączenia mogą pełnić funkcję warstwy umożliwiającej wybór lokalizacji. Zamiast czekać na jedno miejsce, które jednocześnie ma wystarczającą ilość energii, ziemi, dostęp do sieci i polityczne poparcie, operator może próbować połączyć moc obliczeniową z kilku lokalizacji spełniających przynajmniej część tych warunków.

Optics.org przytacza porównanie firmy, według którego typowe ograniczenie dla centrów danych połączonych standardowym światłowodem wynosi około 60 kilometrów, a rozwiązanie Relativity Networks może zwiększyć ten zasięg do około 90 kilometrów. Rzeczywista użyteczna odległość dla konkretnego obciążenia AI będzie jednak zależeć od projektu całego systemu. 24

Obiecujący zakład, nie gotowe rozwiązanie

Ogłoszenie Relativity Networks pokazuje szerszy kierunek rozwoju infrastruktury AI: gdy rosną klastry GPU, ograniczeniem stają się nie tylko chipy i lokalne sieci, ale również miejsce, w którym można je zbudować.

22 mln dolarów finansowania SAFE daje firmie kapitał na zwiększanie produkcji, a zamówienie o wartości 40 mln dolarów wskazuje, że jej podejście zainteresowało co najmniej jednego dużego operatora chmurowego. 34 Techniczna teza jest klarowna: niższe opóźnienie propagacji może ułatwić wykorzystanie mocy obliczeniowej rozmieszczonej w kilku lokalizacjach.

Nadal brakuje jednak publicznych danych o skali produkcji, kosztach, niezawodności, złożoności wdrożeń i zmierzonej wydajności całego systemu podczas rzeczywistych zadań rozproszonego AI. Na tym etapie ChronoCore najlepiej postrzegać jako znaczący zakład infrastrukturalny na zmianę ograniczeń branży — nie jako dowód, że technologia światłowodowa rozwiązała już problem geografii centrów danych AI.