1. 10,000 GPU クラスター時代の接続危機

現代の AI の本質は単なる浮動小数点演算ではありません。それは 大規模な通信。モデルが成長するにつれて、次の 2 つの重要なスケーリング傾向が見られます。

• スケールアップ (クラスター内): 数百から数千の GPU を超高帯域幅 (NVLink など) で接続します。
• スケールアウト (クラスター間): InfiniBand またはイーサネット経由でデータセンター全体に 10,000 個以上の GPU を接続します。

この規模では、 銅の相互接続 コストの高騰、伝送距離の制限、物理的な容量の巨大さなどが原因で失敗しています。

2. 従来の光学系では不十分な理由

銅から光への移行は必要ですが、現在のプラグイン可能な光モジュールが最終目標ではありません。これらは、次世代 AI に必要な密度に対して、電力を大量に消費し、高価で、かさばりすぎます。私たちは、次のような根本的な転換が必要です。 相互統合されたフォトニクス。

業界は次のような積極的なパフォーマンス目標を目指しています。

• 費用: < $0.25/Gbps
• エネルギー効率: < 1.5 pJ/bit
• 帯域幅: DWDM 経由でファイバーあたり > 0.8 Tbps

3. コア技術: マイクロリング共振器と DWDM

突破口となるのは、 高密度波長分割多重 (DWDM) と組み合わせた マイクロリング共振器。チップ パッケージ内で複数の波長にわたって同時にデータを送信することにより、物理的な設置面積を増やすことなく、帯域幅の指数関数的な増加を実現できます。

4. 本当の障壁: デバイスだけではなくシステムも

シリコン フォトニクスはもはやデバイス レベルの課題ではありません。それは 製造プラットフォームへの挑戦。この「スケーラブルな光」を現実にするために、ファウンドリは次のものを提供できるように進化する必要があります。

• 高度な PDK: 多波長モデリングとシミュレーションをサポートします。
• 統合された共同設計: 電気経路と光経路を同時にシミュレートするツール。
• 熱管理: 同時パッケージ化された光学部品 (CPO) の熱密度の問題を解決します。

結論: インフラの大再構築

AI レースの勝者は、単に最速の GPU を搭載した人ではなく、 それらを最も効率的に接続します。相互に統合された光プラットフォームへの移行は、設計からパッケージング、ファウンドリ サービスに至るまで、半導体エコシステムの完全な再構築を意味します。