Nubis宣布推出1.6T业内最高密度和最低功耗的光学引擎
发布时间：2023-03-08 05:01:44 热度：1433
3/08/2023，光纤在线讯，一家初创的企业Nubis Communications，宣布推出了第一款针对机器学习和人工智能（ML/AI）网络进行优化的光学引擎。该产品创纪录的密度和超低功耗的组合使客户能够构建他们需要的网络，以释放他们的ML/AI集群的全部处理能力。
Nubis成立于2020年，由行业泰斗Peter Winzer和一支跨职能的行业专家团队创立，该公司已经从Matrix Partners和其他领先投资者筹集了超过4000万美元的资金，以充分资助其第一款产品的量产开发。
Nubis的基础技术构建的模块是一个16x112 Gbps（全双工）的硅光子引擎，具有集成的调制驱动器和跨阻放大器。这种可2D平铺的光学引擎支持每毫米超过500 Gbps的全双工边缘I/O密度，与现代SerDes的带宽密度匹配。利用其专利的光纤阵列技术，Nubis能够实现比今天的前面板可插拔收发器高10倍的密度改进，而不需要将多个光学流捆绑到同一光纤上，保持了ML/AI服务器之间全互联网状连接所需的全部并行性。Nubis平台每比特的功耗低于4个皮焦，提供了比今天的技术节能4倍的能力。超低功耗和超高密度对于在功耗受限制的数据中心中持续增长的ML/AI集群至关重要，在这些数据中心中，AI模型的增长速度每两年增加35倍。
Nubis还宣布了基于这项技术构建模块的首款产品。现在客户可以获得XT1600™光学引擎样品。XT1600™总容量为1.6 Tbps的光传输和1.6 Tbps的光接收，通过16对光纤传输，可以作为16个独立的100-Gbps全双工通道、4个独立的400 Gbps全双工通道或2个独立的800 Gbps全双工通道进行全分布和灵活分配。XT1600™引擎针对无重定时直接驱动操作进行了优化，直接连接与铜链路设计的主机ASIC SerDes。这种直接驱动方法极大地降低了光学解决方案的功耗、尺寸和成本。Nubis计划在今年晚些时候宣布利用其技术在不同用例中推出其他产品，包括重定时可插拔模块、有源光缆和共封装光学模块。
Nubis Communications的CEO Dan Harding说：“我们的客户一直告诉我们，传统光学元件的功耗和尺寸是不可持续的。他们正在构建世界上最大、性能最高的数据互连集群，并依赖我们提供比传统光学元件密度更高、功耗更低、效率更高的光学元件来支持他们的网络构建。”
“随着速度和功耗要求推动光学元件成为数据中心主要互连技术，我们正处于一次重大技术转型的边缘，”Matrix Partners的Stan Reiss解释说，“Peter和Dan已经组建了一个世界级团队，由硅光子学、封装和电子领域的顶级专家共同应对这一挑战，提供解决方案。”Nubis已经获得了Matrix Partners、Launch Capital、imec.xpand、Weili Dai和Sehat Sutardja、Comerica Technology and Life Sciences基金等机构的资助。"
“数据中心800G及以上的光模块需求将继续强劲增长，其中包括可插拔模块、有源光缆和共封装光模块，市场规模将在2027年达到84亿美元。”市场分析公司LightCounting的CEO Vlad Kozlov确认说。“未来五年内，将会有完全新的方案出现以提供光学传输解决方案。超大规模数据中心和领先的ML/AI供应商正在寻求具有10倍成本和功耗改进的创新架构，必须采用全新方法充分利用硅光子学和混合封装的进展才能满足这些需求。”
ML/AI的前所未有的增长彻底颠覆了网络的作用和互连的要求。网络和计算集群的大小限制了可处理的ML/AI模型的大小。对于大型推荐工作负载，网络已经浪费了总任务时间的多达57%。要通过现有的光学技术来提高加速器的带宽以实现所需的ML/AI集群大小，将消耗超过总训练集群功率的70%，这是不可持续的。
“AI工作量通常每4-5个月翻一倍。支持这种增长的唯一途径是增加处理器和互连。只有光学元件可以在数据中心距离上实现空间扩展以支持AI增长，但解决方案必须比现有光学元件具有根本性的更好的成本、密度、服务可靠性和功耗。Nubis技术是实现所有这些目标的重要一步，”正在开发针对人工智能优化的计算机的下一代计算公司Tenstorrent的公司院士Yong Kim表示。
Nubis提高了密度、功率和成本，以便光学元件可以成为AI系统设计师所需的普遍互连技术，取代机架内部的铜线和传统的数据中心光学元件。Nubis的突破基于重新思考光学设计，从而大幅降低光学DSP所需的性能和功率，甚至将其完全消除。创始人Peter Winzer解释道：“我们的解决方案针对现代SerDes进行优化，不仅匹配它们的边缘I/O密度，而且与它们的功率高效直接驱动的能力相结合。结果是，AI加速器或类似的大型ASIC可以在数据中心内实现全带宽连接，功耗仅为传统光学解决方案的一小部分。此外，我们的方法也适用于新兴的盒子架构，以及将来的原生芯片集成，以实现更紧密的集成。”
Nubis成立于2020年，由行业泰斗Peter Winzer和一支跨职能的行业专家团队创立，该公司已经从Matrix Partners和其他领先投资者筹集了超过4000万美元的资金，以充分资助其第一款产品的量产开发。
Nubis的基础技术构建的模块是一个16x112 Gbps（全双工）的硅光子引擎，具有集成的调制驱动器和跨阻放大器。这种可2D平铺的光学引擎支持每毫米超过500 Gbps的全双工边缘I/O密度，与现代SerDes的带宽密度匹配。利用其专利的光纤阵列技术，Nubis能够实现比今天的前面板可插拔收发器高10倍的密度改进，而不需要将多个光学流捆绑到同一光纤上，保持了ML/AI服务器之间全互联网状连接所需的全部并行性。Nubis平台每比特的功耗低于4个皮焦，提供了比今天的技术节能4倍的能力。超低功耗和超高密度对于在功耗受限制的数据中心中持续增长的ML/AI集群至关重要，在这些数据中心中，AI模型的增长速度每两年增加35倍。
Nubis还宣布了基于这项技术构建模块的首款产品。现在客户可以获得XT1600™光学引擎样品。XT1600™总容量为1.6 Tbps的光传输和1.6 Tbps的光接收，通过16对光纤传输，可以作为16个独立的100-Gbps全双工通道、4个独立的400 Gbps全双工通道或2个独立的800 Gbps全双工通道进行全分布和灵活分配。XT1600™引擎针对无重定时直接驱动操作进行了优化，直接连接与铜链路设计的主机ASIC SerDes。这种直接驱动方法极大地降低了光学解决方案的功耗、尺寸和成本。Nubis计划在今年晚些时候宣布利用其技术在不同用例中推出其他产品，包括重定时可插拔模块、有源光缆和共封装光学模块。
Nubis Communications的CEO Dan Harding说：“我们的客户一直告诉我们，传统光学元件的功耗和尺寸是不可持续的。他们正在构建世界上最大、性能最高的数据互连集群，并依赖我们提供比传统光学元件密度更高、功耗更低、效率更高的光学元件来支持他们的网络构建。”
“随着速度和功耗要求推动光学元件成为数据中心主要互连技术，我们正处于一次重大技术转型的边缘，”Matrix Partners的Stan Reiss解释说，“Peter和Dan已经组建了一个世界级团队，由硅光子学、封装和电子领域的顶级专家共同应对这一挑战，提供解决方案。”Nubis已经获得了Matrix Partners、Launch Capital、imec.xpand、Weili Dai和Sehat Sutardja、Comerica Technology and Life Sciences基金等机构的资助。"
“数据中心800G及以上的光模块需求将继续强劲增长，其中包括可插拔模块、有源光缆和共封装光模块，市场规模将在2027年达到84亿美元。”市场分析公司LightCounting的CEO Vlad Kozlov确认说。“未来五年内，将会有完全新的方案出现以提供光学传输解决方案。超大规模数据中心和领先的ML/AI供应商正在寻求具有10倍成本和功耗改进的创新架构，必须采用全新方法充分利用硅光子学和混合封装的进展才能满足这些需求。”
ML/AI的前所未有的增长彻底颠覆了网络的作用和互连的要求。网络和计算集群的大小限制了可处理的ML/AI模型的大小。对于大型推荐工作负载，网络已经浪费了总任务时间的多达57%。要通过现有的光学技术来提高加速器的带宽以实现所需的ML/AI集群大小，将消耗超过总训练集群功率的70%，这是不可持续的。
“AI工作量通常每4-5个月翻一倍。支持这种增长的唯一途径是增加处理器和互连。只有光学元件可以在数据中心距离上实现空间扩展以支持AI增长，但解决方案必须比现有光学元件具有根本性的更好的成本、密度、服务可靠性和功耗。Nubis技术是实现所有这些目标的重要一步，”正在开发针对人工智能优化的计算机的下一代计算公司Tenstorrent的公司院士Yong Kim表示。
Nubis提高了密度、功率和成本，以便光学元件可以成为AI系统设计师所需的普遍互连技术，取代机架内部的铜线和传统的数据中心光学元件。Nubis的突破基于重新思考光学设计，从而大幅降低光学DSP所需的性能和功率，甚至将其完全消除。创始人Peter Winzer解释道：“我们的解决方案针对现代SerDes进行优化，不仅匹配它们的边缘I/O密度，而且与它们的功率高效直接驱动的能力相结合。结果是，AI加速器或类似的大型ASIC可以在数据中心内实现全带宽连接，功耗仅为传统光学解决方案的一小部分。此外，我们的方法也适用于新兴的盒子架构，以及将来的原生芯片集成，以实现更紧密的集成。”
