Marvell merinci visi pusat data yang saling terhubung secara optik yang membentang ribuan kilometer — pengambilan sampel interkoneksi baru pada akhir tahun ini akan memungkinkan CSP mengumpulkan sumber daya berdasarkan beban kerja
Sementara para hyperscaler bergegas melakukan ekspansi di tengah meningkatnya permintaan akan pusat data AI, Marvell pada minggu lalu berbagi visinya mengenai solusi interkoneksi optik yang secara teoritis dapat mengumpulkan sumber daya antar pusat data terpisah yang tersebar ribuan kilometer. Interkoneksi optik terus diterapkan di seluruh industri, baik melalui koneksi jarak pendek maupun jarak jauh, dan kita akan melihat lebih banyak lagi sumber daya di masa depan, menurut Matt Murphy, Chief Executive di Marvell, saat berbicara di Computex 2026. “Bayangkan pusat data masa depan, secara global infrastruktur data yang saling terhubung secara optik,” kata Murphy. “Batas-batas kaku yang kita miliki saat ini, dan sistem yang kita miliki, mulai menghilang. Komputasi kini dapat dikumpulkan, memori dapat dikumpulkan, dan infrastruktur dapat disusun secara dinamis dalam skala besar.” kampus tidaklah mudah atau murah, namun relatif mudah. Namun, Marvell memperkirakan di masa depan perlu menghubungkan pusat data yang lokasinya cukup jauh satu sama lain. Anda mungkin menyukainya Inilah sebabnya Marvell bekerja pada optik yang koheren dan skala jarak jauh di seluruh teknologi jaringan optik, yang akan menghubungkan pusat data yang terpisah sejauh ribuan kilometer. Marvell sudah memiliki produk yang memungkinkan konektivitas tersebut saat ini, termasuk solusi optik koheren Colorz 1600 1,6 Tb/s berdasarkan DSP 2nm, yang menargetkan konektivitas antar-pusat data dan akan diuji coba akhir tahun ini. Selain itu, Marvell mengatakan akan menawarkan rangkaian solusi interkoneksi Ara 1.6 Tb/s untuk pusat data (dengan DSP 3nm) serta Teralynx T100 102,4 Tb/s Switch Ethernet, yang mendukung 512 port yang berjalan pada 200 Gb/s atau 64 port yang berjalan pada 1,6 Tb/s. Murphy berpendapat bahwa arsitektur saat ini dibatasi oleh jarak karena interkoneksi tembaga: CPU berada di dekat memori karena masalah latensi, GPU berada di dekat memori karena bandwidth penting. Akibatnya, beban kerja harus dipartisi sesuai dengan batasan fisik tersebut. Pimpinan Marvell mengklaim bahwa setelah interkoneksi optik menembus interkoneksi yang ditingkatkan, domain yang ditingkatkan tidak akan dibatasi oleh panjang kabel tembaga, dan kendala tersebut akan mulai hilang. Saat ini, solusi AI yang ditingkatkan, seperti NVL72 dari Nvidia, dihubungkan menggunakan kabel tembaga, tetapi koneksi yang diperluas cenderung menggunakan interkoneksi optik. Ketika jumlah akselerator AI dalam sistem peningkatan meningkat, mereka juga harus beralih ke tautan optik, menurut Marvell. Ini berarti bahwa hampir semua interkoneksi tingkat pusat data akan menjadi optik, yang mungkin menginspirasi pengembang perangkat keras untuk mempertimbangkan kembali arsitektur pusat data. Mengumpulkan sumber daya Murphy menyajikan visi yang cukup menarik: pertama, optik akan memperluas domain peningkatan skala dari 72 atau 144 akselerator menjadi 1.000 atau lebih. Namun setelah itu, konektivitas optik akan masuk ke server itu sendiri. Hal ini akan memungkinkan pengembang untuk memisahkan CPU, akselerator (Marvell menyebutnya XPU), dan memori ke dalam kumpulan terpisah karena jarak tidak lagi menjadi masalah, sehingga memungkinkan konfigurasi dan pemanfaatan yang lebih baik. Apa yang harus dibaca selanjutnya “Ini adalah pusat data tanpa jarak, di mana komputasi, memori, jaringan, dan fotonik beroperasi sebagai satu sistem terpadu, tempat jutaan sumber daya di seluruh pusat data dapat bekerja bersama seolah-olah mereka adalah satu mesin,” kata kepala Marvell. Mengingat bahwa hyperscaler menggunakan perangkat keras bernilai miliaran dolar, bahkan pemanfaatan 10% lebih tinggi akan menghemat banyak uang, dan perusahaan seperti Nvidia jelas memperhatikannya. “Dalam sistem saat ini, rasio CPU dan XPU atau GPU adalah tetap, jadi ini Rasio harus ditentukan pada saat sistem dibangun dan diterapkan, namun tidak ada dua beban kerja yang memerlukan rasio yang persis sama,” tegas Murphy. “Bayangkan arsitektur yang benar-benar terpilah, XPU di satu sistem, memori di sistem lain, CPU generik di sistem lain.” Saat ini, perusahaan membeli sesuatu seperti sistem NVL72 dan mendapatkan rasio CPU, GPU, dan memori yang tetap, yang mungkin efisien untuk beban kerja tertentu dan tidak efisien untuk beban kerja lainnya. Di masa depan, operator akan dapat merakit mesin virtual dari kumpulan sistem bersama, sehingga memungkinkan penyesuaian dan fleksibilitas, berdasarkan jenis beban kerja. Jika suatu beban kerja membutuhkan lebih banyak memori daripada komputasi, operator sering kali harus membeli GPU tambahan hanya untuk mendapatkan HBM tambahan, namun mereka mungkin akan mendapatkan memori di masa depan jika visi Marvell terwujud. “Untuk pertama kalinya, para arsitek dapat mulai merancang sistem AI berdasarkan kebutuhan model, bukan berdasarkan batasan interkoneksi.” Satu detail Meskipun Marvell memiliki pengetahuan untuk menghubungkan pusat data sepanjang ribuan kilometer dan teknologi yang memungkinkan pusat data terpusat, visi-visi ini tidak serta merta bersinggungan. Pusat data yang terletak ribuan kilometer jauhnya tidak dapat berbagi sumber daya — perjalanan pulang pergi sejauh 1.000 km membutuhkan waktu 10 mdtk — yang membuat pembagian sumber daya jarak jauh menjadi tidak efisien dari sudut pandang latensi. Namun, teknologi Marvell memungkinkan CSP skala besar untuk menyinkronkan kampus AI, mengakses penyimpanan terdistribusi, mereplikasi data, dan melakukan operasi lain yang tidak bergantung pada latensi. Sementara itu, sinkronisasi kampus AI di berbagai benua dalam hitungan jam bisa menjadi aplikasi mematikan bagi para hyperscaler.
Diterbitkan : 2026-06-15 16:49:00
sumber : www.tomshardware.com
