Módulo óptico StarryLink

Con el auge en el desarrollo de la IA, los clústeres de entrenamiento de IA han evolucionado a una escala de más de 10,000 GPU, lo que ha resultado en un aumento significativo en el número de módulos ópticos requeridos. Por ejemplo, el clúster de 1000 GPU necesario para entrenar GPT-3 requiere interconexiones utilizando 2500 módulos ópticos de 200G o 4000 de 400G. Para entrenar GPT-4, un clúster de 10,000 GPU necesita interconexiones con 25,000 módulos ópticos de 200G o 40,000 de 400G. Cada vez que se añade una GPU, el número de módulos ópticos aumenta en promedio entre 2.5 y 4. La interconexión eficiente de la red es crucial para mejorar la potencia de cálculo del clúster del sistema.

Sin embargo, durante el proceso real de entrenamiento, se ha observado que la tasa de fallos de los módulos ópticos es mayor de lo esperado, afectando negativamente la confiabilidad de la red. La tasa anual de fallos de los módulos ópticos es del 4‰, lo que provoca una interrupción promedio en el entrenamiento de un clúster de 10,000 GPU cada 3.6 días. El tiempo promedio de recuperación de fallas es de 2 horas, lo que resulta en un desperdicio diario de 208 mil dólares en inversión de potencia de cálculo.

Los módulos ópticos StarryLink de Huawei ofrecen a los clientes experiencias de interconexión de red de centro de datos ultraconfiables, de larga distancia y altamente seguras. La tecnología de posicionamiento de pérdida de retorno óptico de corta distancia permite la identificación precisa y eficiente de módulos ópticos contaminados o sueltos, logrando la localización de fallas a nivel de minutos. Además, la tecnología de resistencia a la pérdida de canal de los módulos ópticos mejora la confiabilidad de los módulos ópticos en un factor de diez.