思科芯片，来势汹汹

公众号记得加星标⭐️，第一时间看推送不会错过。

思科近期发布了Silicon One G300，这是一款102.4Tbps的网络芯片，代表了当前AI数据中心基础设施中最先进的交换解决方案之一。在Cisco Live EMEA期间，我们有机会与思科通用硬件事业部执行副总裁Martin Lund进一步探讨这一新进展及其对行业的意义。我们不仅讨论了思科是如何打造这一庞大的硅芯片，还花了相当多的时间讨论未来的发展方向，包括硅光子技术。

G300是Silicon One产品组合中的最新成员。这是一款由台积电代工、基于3纳米工艺的芯片，为连接大规模GPU集群提供了极高的网络容量。根据Lund的说法，凭借G300，思科跻身全球仅有的三家能够生产该性能级别网络芯片的公司之列，另外两家是英伟达和博通。

通用硬件事业部整合了思科所有产品线中的硅芯片开发、硬件工程以及硅光子研究。这种统一方式的优势在于，使思科能够构建覆盖从园区Wi-Fi接入点和视频摄像头，到Catalyst交换机、核心路由器以及超大规模AI基础设施交换机的完整垂直解决方案。

Silicon One G300芯片

G300芯片支持64个1.6Tb以太网端口，总交换容量达到102.4Tbps。与几年前推出的前代产品G200相比，这一容量实现了翻倍。从更直观的角度来看，该芯片提供的带宽是近25年前推出的10Gb标准的1万倍。

基于台积电3纳米工艺构建，G300正在逼近当前半导体制造的物理极限。根据Lund的说法，由于制造限制，目前无法制造出明显比该芯片更大的芯片。极致性能也带来了显著的散热挑战。该芯片产生的热量之大，使得其部署必须依赖液冷。这一点本身也具有意义，因为这意味着交换设备也将进入液冷领域。

用于AI工作负载优化的可编程架构

Lund表示，使Silicon One区别于竞争解决方案的，是其可编程架构。这意味着芯片可以被编程以执行其应执行的任务。更重要的是，G300可以在部署之后进行重新配置，以适应不断变化的网络需求。他认为，这一能力对于AI基础设施尤为重要，因为工作负载模式和协议正在快速演进。

这种可编程性使网络运营商能够在不更换硬件的情况下，修改芯片行为、实现新协议以及调整负载均衡架构。这延长了设备生命周期，并使得随着AI技术的发展能够持续优化。对于可能部署10万颗此类芯片的大型AI工厂，或部署数百颗的小型系统，这种灵活性代表了显著的运营与财务优势。

以太网赢得AI网络标准之争

在AI基础设施连接技术方面，网络行业长期存在以太网与InfiniBand之间的争论。根据Lund的说法，这一问题已经被明确地解决，结果是以太网胜出，尤其是在Ultra Ethernet联盟成立以及英伟达公开支持以太网技术之后——尽管英伟达通过收购Mellanox拥有InfiniBand。

InfiniBand在需要低延迟和高性能的特定场景中表现良好。然而，该技术在扩展性方面存在明显限制。最显著的是，InfiniBand的地址空间仅支持65,000个节点。Lund表示，这看似很多，但对于扩展至数十万甚至上百万计算节点的AI集群来说是不足的。以太网提供了这些大规模部署所需的地址能力、互操作性以及生态支持。

向以太网作为通用标准的转变，使得AI计算架构走向解耦。在这种架构中，不同类型的处理器和加速器通过统一的网络结构连接。Lund认为，随着AI硬件格局从当前以GPU为中心逐渐多样化，这种灵活性将变得愈发重要。

部署目标与客户采用情况

G300的初始部署重点，是用于连接超大规模GPU集群的AI数据中心。这既包括大型AI工厂，也包括较小规模的企业AI部署。Lund还指出，六大超大规模云厂商中已有五家采用了思科的Silicon One技术，目前也在推进第六家的合作。

新型云服务提供商（neocloud）以及主权云项目的兴起，使得可服务市场不再局限于传统超大规模云厂商。企业也开始部署专用AI工厂，这些部署需要G300所提供的交换能力。尽管这些部署的GPU规模是数千级，而非数十万级，但Lund认为G300同样能够发挥作用。

G300位于思科五大Silicon One芯片家族的顶端。该家族（除G系列外，还包括P、K、A和E系列）覆盖从园区交换到运营商基础设施的不同场景。Lund表示，在最高性能芯片中开发的技术，也会逐步下沉至整个产品线。例如，G300设备中的1.6Tb以太网端口，未来将随着市场成熟逐步进入运营商和企业设备。

硅光子与光网络的未来

到目前为止，我们讨论的都是当前或即将可用的技术。然而，当前关于光子技术的讨论也非常热烈。因此我们询问了Lund对这一领域的看法。

硅光子技术应该成为下一次重要的技术转变。第一阶段是共封装光学（CPO），即将光学引擎安装在非常靠近网络芯片的位置，使光信号可以直接从基板发出。与当前电-光转换方法相比，这种方式可以将功耗降低高达70%。

接下来的问题是，光学技术能在多大程度上深入到芯片内部。目前的光交换依赖小型反射镜来重构网络路径，但这种方式无法满足逐包交换的速度需求。Lund预计，真正意义上的光域分组交换仍需数年时间。他甚至认为，在完全光交换变得实用之前，量子计算可能会先实现突破。

光子系统的可靠性挑战

与基于铜的电系统相比，光子系统在可靠性方面存在固有挑战。激光器具有有限寿命，并引入额外的故障点。Lund提到的一种解决方案是使用外部可插拔激光器，这样在更换时无需移除整个交换机。这在一定程度上类似于模块化设备中的热插拔电源。

行业正在持续解决这些可靠性问题，同时平衡光子技术带来的能效优势。随着网络速率不断提升，铜缆传输距离显著缩短。过去在10米距离下可行的方案，在带宽翻倍后可能只能支持3米，而进一步翻倍后可能仅为1.5米甚至1米。这一物理限制正在推动向光连接的转变。然而，在铜与光子之间的最佳平衡点，仍会随着每一代技术演进而不断变化。

Silicon One 是垂直方法的基石

思科的方法镜像了苹果的垂直整合模式。该公司设计自己的芯片，构建自己的硬件，开发自己的软件和平台，创建自己的管理工具，并实施自己的安全堆栈。虽然像谷歌、微软和亚马逊 AWS 这样的公司构建定制的数据中心芯片，但他们保留这些技术仅供内部使用。思科向全球数百万客户销售其基于芯片的解决方案。这要求在可编程性、生命周期管理和广泛的生态系统兼容性方面有不同的设计考量。Silicon One 架构的功能就像一个指令集，可以在不同的优化点和用例之间扩展，从园区网络到超大规模 AI 基础设施。

https://www.techzine.eu/blogs/infrastructure/139613/cisco-dominates-ai-network-design-when-will-silicon-photonics-mature/

（来源：techzine）

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第4352内容，欢迎关注。

加星标⭐️第一时间看推送

求推荐