Optiske moduler i AI-datacentre er skiftet fra at være passive forbindelsesdele til at blive en kernekomponent i computerens ydeevne. Årsagen er ligetil. Moderne AI-træningsklynger flytter enorme mængder data mellem GPU'er, switche og lagringsknuder, og hastigheden af denne bevægelse påvirker direkte, hvor effektivt dyre acceleratorer kan bruges. Det er derfor400G, 800G og 1,6T optiske modulerer nu centrale i næsten enhver AI-infrastruktursamtale.
IfølgeEthernet Alliance 2026 køreplan, implementerer hyperscalere allerede 100G til 800G sammenkoblinger, hvor 1,6 Tb/s Ethernet dukker op som det næste store skridt for AI--skala-stoffer. De
IEEE 802.3 arbejdsgruppehar fremmet P802.3dj-taskforcen til at definere 200G, 400G, 800G og 1,6T Ethernet over kobber og single-mode fiber, hvilket giver industrien en klar vej til højere-implementering.
For netværkshold er det praktiske spørgsmål ikke længere, om hastighederne vil stige. Det er, hvordan man vælger den rigtige hastighed for hvert lag af netværket, hvordan man planlægger strøm og køling, og hvordan man validerer kompatibilitet, før man implementerer tusindvis af moduler i en produktions-AI-klynge.
Hvorfor AI-arbejdsbelastninger kræver højere optiske modulhastigheder
AI-træning er fundamentalt forskellig fra traditionelle cloud-, virksomheds- eller storage-arbejdsbelastninger. Store sprogmodeller og anbefalingssystemer trænes på tværs af tusinder og i stigende grad titusinder af GPU'er, der arbejder som et enkelt distribueret system. Under hvert træningstrin skal acceleratorer synkronisere gradienter, udveksle aktiveringer og passere mellemliggende tensorer mellem noder. Dette genererer ekstremt tung øst-vesttrafik, hvilket betyder trafik, der bliver inde i datacentret i stedet for at gå til internettet.
I en grænseoverskridende træningsklynge på 16.000 til 100.000 GPU'er bærer det interne stof langt mere båndbredde end de eksterne links. NVIDIA har rapporteret, at densSpectrum-X Ethernet-platformopretholder omkring 95 procent effektiv gennemstrømning på tværs af implementeringer, der overstiger 100.000 GPU'er, mens standard Ethernet uden overbelastningskontrol typisk leverer omkring 60 procent under samme belastning. Forskellen er ikke akademisk. Et tab på 35 procent i stofeffektivitet oversættes direkte til længere træningsløb og reduceret GPU-udnyttelse.
Dette er den virkelige grund til, at de optiske hastigheder bliver ved med at stige. Et langsomt eller ustabilt optisk lag bliver flaskehalsen på hele AI-fabrikken.
Fra 400G til 800G til 1,6T: Hvad driver hvert trin
Bevægelsen gennem 400G, 800G og 1.6T er drevet af et skaleringsproblem, der ikke kan løses ved blot at tilføje flere kabler. Når en AI-klynge fordobles i størrelse, vokser antallet af kommunikationsveje mellem noder hurtigere end lineært. Tilføjelse af parallelle links ville forbruge switch-porte, øge fiberantallet og skabe kabler, der er svære at håndtere i et tæt rackmiljø.
Højere hastigheder pr.-port giver en mere skalerbar sti. En 800G-port bærer dobbelt så stor båndbredde som en 400G-port over den samme fysiske grænseflade. En 1.6T-port fordobler det igen. 2025 til 2026 generationen af switch ASIC'er understøtter radix- og båndbreddeniveauer, der gør 800G til den praktiske mainstream for nye AI-implementeringer, mens 1.6T er planlægningsmålet for den næste switchgeneration.
Live interoperabilitet med flere-leverandører på tværs af 400G, 800G og 1.6T Ethernet blev demonstreret på OFC 2026, somEthernet Alliance OFC 2026 udstillingsvinduepræsenteret som bevis på, at økosystemet er klar til AI--skala-stoffer. Den parathed betyder noget, fordi AI-klynger ikke kan vente på en enkelt leverandørløsning. De har brug for switches, NIC'er, optik og testplatforme, der arbejder sammen i stor skala.
400G vs 800G vs 1.6T optiske moduler: En sammenligning af udvalg
Den rigtige hastighed afhænger af klyngestørrelse, netværkslag, switch-køreplan, strømbudget og fiberanlægget, der allerede er på plads. Tabellen nedenfor viser, hvor hver hastighed i øjeblikket giver mest mening.
| Hastighed | Typiske moduler | Bedste pasform | Nøgleovervejelse |
|---|---|---|---|
| 400G | 400G SR8, DR4, FR4, LR4 | Cloud-datacentre, virksomhedsopgraderinger, mindre AI-klynger, bladlag i stof i mellem-størrelse | Modent økosystem, bred switch og NIC-understøttelse, laveste pris pr. Gb på dette stadium |
| 800G | 800G SR8, DR8, 2xFR4, 2xDR4, LR8 | AI-træningsstoffer, HPC, GPU-rygsøjle-blade, blade og rygsøjle i hyperskala | Højere båndbredde pr. port, stærkere termisk belastning, kræver omhyggelig FEC og værtsvalidering |
| 1.6T | 1.6T DR8, 2xDR4, OSFP-XD | Næste-generations AI-rygrad, ultra-tæt backend-skalering-ud, fremtidige switch-ASIC'er (51.2T og højere) | Kræver signalintegritet, avanceret FEC, flydende eller forbedret luftkøling, planlægning af fiber- og konnektorstrategi |
400G er stadig relevant, fordi mange datacentre er midt-opgraderet fra 100G eller 200G, og 400G tilbyder en stærk balance mellem omkostninger, tilgængelighed og ydeevne for ikke-AI-arbejdsbelastninger. Specifikt for AI-klynger er 800G blevet den fungerende baseline for nye builds, og 1.6T er nu i seriøs planlægning af backend-skalering-ud, især hvor switchgenereringen allerede er tilpasset 200G-per{12}}banesignalering. Hvis du vurderer kabler med høj-densitet til disse hastigheder, er vores oversigt overMPO og MTP fiberoptisk kablingdækker de stik- og trunkmuligheder, der oftest bruges ved 800G og derover.
Når 400G stadig er nok
400G forbliver det rigtige valg, når klyngestørrelsen er beskeden, når de GPU'er, der er i brug, ikke mætter 400G NIC'er, eller når den eksisterende switchflåde er bygget på tidligere -generations ASIC'er. Inferensklynger, mindre træningsmoduler, edge AI-websteder og de fleste generelle-datacenterstrukturer fungerer stadig komfortabelt på 400G. For disse miljøer ville spring direkte til 800G øge omkostningerne og termisk tryk uden at levere en målbar forbedring i færdiggørelsestiden for opgaven.
En praktisk test er at se på GPU-udnyttelsen under træning. Hvis GPU'er venter på data mere end fem til ti procent af tiden, er netværket allerede en flaskehals. Hvis udnyttelsen er stabil og høj, gør 400G sit arbejde.
Når 800G bliver nødvendigt
800G bliver nødvendigt, når klyngen når en skala, hvor 400G-links fremtvinger for mange parallelle forbindelser, når switch radix-grænser begynder at begrænse topologivalg, eller når GPU-generationen introducerer NIC'er, der kan mætte 800G-porte. I et typisk AI-træningsstof svarer dette normalt til klynger på flere tusinde GPU'er og derover, hvor backend-netværket bærer hovedparten af gradientudvekslingstrafikken.
800G-overgangen medfører også rigtigt ingeniørarbejde. Strøm pr.-port på 800G-moduler er væsentligt højere end 400G, FEC-tilstande skifter, og kabeltætheden fordobles ved kontaktfladen. Brænd-i test og linkstabilitetsvalidering bliver afgørende, fordi i et synkront træningsjob kan et enkelt ustabilt optisk link udløse genforsøg, der bremser hele klyngen.
Hvornår skal man planlægge for 1.6T
1.6T er i øjeblikket i tidlig implementering til de mest aggressive AI-backend-netværk og er standardplanlægningsmålet for den næste switch-generation. De fleste virksomheds- og cloud-teams har ikke brug for 1,6T-optik i produktionen i dag, men enhver, der designer et stof med en horisont på tre- til fem-år, bør tage højde for det i kabling, fiberanlæg og strømplanlægning.
IEEE P802.3dj-taskforcen har defineret de fysiske lagspecifikationer for 1.6T over single-mode fiber, og OFC 2026 viste fungerende multi-leverandørinteroperabilitet ved denne hastighed. Det praktiske signal er, at 1.6T er ægte, men den omgivende infrastruktur, inklusive switch-tilgængelighed, køling og operationelt værktøj, betyder stadig lige så meget som selve modulet.
QSFP-DD vs OSFP: Valg af den rigtige formfaktor
Ved 400G og 800G er de to dominerende formfaktorer QSFP-DD og OSFP. Begge leverer de samme hastigheder i almindelige switch-platforme, men de adskiller sig i mekanisk design og termisk adfærd. QSFP-DD er bagudkompatibel med QSFP28- og QSFP56-bure, hvilket gør det attraktivt for miljøer, der ønsker at genbruge eksisterende switch-slots under en opgradering. OSFP er lidt større, har mere intern volumen og tilbyder generelt bedre termisk frihøjde, hvilket bliver vigtigt ved 800G og især ved 1,6T.
For 1.6T bevæger industrien sig mod OSFP og OSFP-XD som de dominerende valg, primært på grund af termisk kapacitet. Hvis et netværksteam forventer at opgradere ud over 800G inden for den samme switch-generation, er OSFP normalt det sikreste valg. Hvis prioriteringen er genbrug af 400G QSFP-DD-investeringer, er QSFP-DD fortsat en god mulighed for nu.
Nøglefaktorer ved valg af optiske moduler til AI-netværk
Afstand, rækkevidde og fibertype
Short-links inde i en række af stativer kan bruge parallelle single-mode (DR) eller short-reach multimode (SR)-moduler, mens inter-række- eller inter-pod-links kan have brug for FR- eller LR-varianter. Før du vælger et modul, skal du bekræfte den faktiske fiberlængde, fiberkvalitet, forbindelsestype og linkbudget. En nyttig primer om, hvordan tab akkumuleres på tværs af konnektorer og splejsninger, er i vores vejledning omindføringstab i fibernet. For længere rækkevidde har forskellen mellem OS1 og OS2 single-fiber også betydning og er dækket i vores oversigt over
enkelt-fibertyper og -applikationer.
Strømforbrug og køling
Optik med højere-hastighed producerer mere varme. Før du opgraderer fra 400G til 800G eller planlægger 1,6T, skal du kontrollere pr-portstrøm, skifte luftstrømsretning, burtemperatur, termisk deratingregler og kølemargin på rack-niveau. I tætte AI-racks, der allerede trækker høj strøm til GPU'er, er den ekstra termiske belastning fra tusindvis af højhastighedsoptikker ikke triviel og kan påvirke oppetiden, hvis den ignoreres.
Switch-kompatibilitet og firmware
Kompatibilitet er mere end matchende hastighed. Et modul skal valideres på den nøjagtige switch-platform, firmwareversion, FEC-konfiguration, EEPROM-kodning og forventet driftstemperatur før bulk-implementering. Symptomer på et dårligt kompatibilitetsmatch inkluderer linkflap, forhøjede BER, DOM-alarmer og lejlighedsvise termiske nedlukninger under vedvarende belastning. Det er langt billigere at fange dem i et lille laboratorium- end at fange dem i produktionen.
Kabling og høj-konnektorstrategi
At flytte til 800G eller 1.6T betyder normalt en anden kablingsplan. Multi-fiberstik som MPO-12, MPO-16 og MPO-24 bliver standard ved høj hastighed, og breakout-kabler bruges ofte til at blæse en højhastigheds switch-port ud til flere lavere hastighedsforbindelser. For hold, der evaluerer denne overgang, er vores vejledning omhvordan man vælger et MPO breakout kabeldækker de praktiske afvejninger-og
MPO og MTP trunk kabel mulighedervis de trunk-konfigurationer, der er mest almindelige i 800G-rygsøjlen.
LPO, CPO og Silicon Photonics: Hvad kommer efter 800G
Ud over råhastighed er industrien nu fokuseret på effektivitet. Tre teknologiske retninger betyder mest:
Lineær pluggbar optik (LPO)fjerner DSP'en fra det optiske modul og skubber udligning tilbage på værts-ASIC'en. Dette sænker modulstyrken, ofte med 30 til 50 procent ved samme hastighed, men kræver en tættere koordinering mellem kontakten og modulet. LPO er mest attraktivt for links med kort-rækkevidde inde i AI-klynger, hvor værtsplatformen understøtter det.
Co-Packed Optics (CPO)flytter de optiske motorer til det samme substrat som switch ASIC, forkorter den elektriske vej og reducerer energi pr. bit. Som beskrevet afOptical Internetworking Forum arbejde på 112G og 224G CEI og CPO rammer, CPO er ikke et fald-i erstatning for pluggbar optik, men er i stigende grad central for, hvordan næste-generations AI-opskalering-stoffer designes. NVIDIA har allerede annonceret Spectrum-X Photonics og Quantum-X siliciumfotonikswitche med-sampakket optik, målrettet 1,6 Tb/s pr. port og betydelige energibesparelser.
Silicium fotonikligger til grund for de fleste af disse tendenser. Ved at integrere modulatorer, bølgeledere og detektorer direkte på silicium muliggør det højere tæthed, bedre termisk adfærd og tættere integration med switch-ASIC'er. De fleste større optikleverandører har nu siliciumfotonik i deres køreplan for AI-arbejdsbelastninger.
For de fleste hold i 2026 forbliver pluggbar 800G-optik arbejdshesten, mens LPO-, CPO- og siliciumfotonik evalueres i laboratorieindstillinger og udvalgte pilotstoffer.
Almindelige fejl at undgå
Den mest almindelige fejl er at vælge den højeste hastighed uden at kontrollere, at resten af netværket kan understøtte det. Et 800G optisk modul på en switch, der ikke kan levere det nødvendige elektriske interface eller termiske frihøjde, vil ikke levere 800G i produktionen. Det andet er at undervurdere magt. På tværs af tusindvis af optik kan forskellen mellem et strøm-effektivt modul og et typisk skifte et rack fra acceptabelt til over-budget. Den tredje er at behandle kompatibilitet som et afkrydsningsfelt snarere end en proces. Virkelig kompatibilitet kommer fra validering på den faktiske switch-platform, firmware og driftsmiljø. Den fjerde er dårlig kabelplanlægning. Konnektorkvalitet, fiberantal og patch-styring bliver meget vigtigere ved 800G og 1.6T, og genveje her dukker ofte op som linkflap eller forhøjet tab måneder efter implementering.
FAQ
Q: Er 800G nødvendigt for hvert AI-datacenter?
A: Nej. 800G er den fungerende baseline for nye AI-træningsstoffer i stor skala, men inferensklynger, mindre træningsmoduler og de fleste virksomheds-AI-implementeringer kører stadig godt på 400G. Den rigtige hastighed afhænger af klyngestørrelse, GPU-generering, switch ASIC-kapacitet og observeret netværksudnyttelse.
Q: Hvornår skal et datacenter opgradere fra 400G til 800G?
A: De stærkeste signaler er, at GPU-udnyttelsen falder på grund af netværksventetid, switch-radix-grænser, der fremtvinger akavede topologier, eller en ny GPU- og NIC-generation, der naturligt understøtter 800G-porte. Hvis mindst to af disse er til stede, er 800G normalt det rigtige næste skridt.
Q: Hvad er den praktiske forskel mellem 800G og 1.6T optiske moduler?
A: Begge hastigheder er baseret på lignende underliggende teknologi, men 1.6T bruger 200G-per-banesignalering, kræver mere avanceret FEC og stiller højere krav til afkøling og signalintegritet. 1.6T er i øjeblikket tidligt udrullet til de mest aggressive AI-backend-netværk, mens 800G er mainstream-stof i nye 20G.
Spørgsmål: Skal vi vælge QSFP-DD eller OSFP til AI-netværk?
A: QSFP-DD er attraktivt til at genbruge eksisterende 400G QSFP-bure og er bredt understøttet ved 800G. OSFP har mere termisk frihøjde og er den dominerende formfaktor for 1.6T. Hold, der forventer at bevæge sig ud over 800G inden for den samme switch-generation, foretrækker normalt OSFP.
Q: Hvilken rolle spiller LPO og CPO i AI-datacentre?
A: LPO reducerer modulstyrken ved at forenkle signalbehandlingskæden og er nyttig til kort-rækkevidde i AI-klynger. CPO flytter den optiske motor over på switch-substratet for at forbedre båndbreddetætheden og energieffektiviteten og er ved at blive central for næste-generations AI-opskalering-stoffer. Begge sameksisterer med pluggbar optik i stedet for at erstatte dem.
Q: Kan vi genbruge eksisterende fiberinfrastruktur, når vi opgraderer til 800G eller 1.6T?
A: Det afhænger af fibertypen, forbindelsesstrategien og rækkevidden. Mange enkeltmode-anlæg kan genbruges til DR- og FR-varianter, hvis forbindelseskvalitet og linktab er acceptable. Multimode-infrastruktur kan kræve genvalidering i forhold til linkbudgettet ved den nye hastighed. At udføre en linktabsrevision før opgraderingen er normalt hurtigere og billigere end at opdage tabsproblemer efter implementeringen.
Konklusion
Stigningen af 400G, 800G og 1.6T optiske moduler er ikke en teknologisk mode. Det er et direkte svar på, hvordan AI-arbejdsbelastninger kommunikerer, synkroniserer og skaleres på tværs af tusindvis af GPU'er. Ethernet Alliance, IEEE 802.3, og det bredere optiske økosystem har tilpasset sig en klar køreplan fra 400G gennem 800G til 1.6T, med LPO, CPO og siliciumfotonik, der former det, der kommer efter.
For de fleste netværksteams er den rigtige strategi ikke at jagte det hurtigste modul overalt. Det er at matche optisk hastighed til netværksfunktion, validere kompatibilitet før skalering, planlægge strøm og køling omhyggeligt og designe et kabelanlæg, der kan bære netværket gennem mindst én opgraderingscyklus mere. Et vel-planlagt optisk lag er en af de mest omkostningseffektive-måder til at holde dyre GPU-investeringer udnyttet fuldt ud, efterhånden som AI-infrastrukturen fortsætter med at vokse.
