網絡系列CPO行業分析：光電協同，算力革新.pdf

網絡系列CPO行業分析：光電協同，算力革新。

規模定律由參數、算力擴展至并行流，互聯帶寬亦將受推動

隨著 Scaling law 由 Pre learning 階段的 parameter scaling 擴展至 Post learning 階段的 inference time scaling，模型性能顯著提升，應 用滲透亦在加速。為了在盡可能少的增加參數規模及硬件負載的情況 下實現更好的模型性能，parallel scaling 進入學界視野。根據 Qwen 的研究團隊數據，開 8 個并行流等效于參數量翻 3 倍的效果，但實際 增加的硬件成本微乎其微。訓練階段的并行過程會大幅提升“大規模 同步”的需求，不同處理器或節點之間需要通信以同步模型參數或梯 度，并推動集群內互聯帶寬的需求。

集群低功耗、高速率的需求下，更高的集成度或為更優解

一方面，根據數據中心 TCO 數據，無論上架率和外電負載，電費占比 始終維持在成本首位；另一方面，parallel Scaling 在模型部署過程中 的滲透亦將推動集群內互聯帶寬的需求提升。在集群的低功耗、高速 率需求下，CPO（共封裝光學）技術得以受到重視。功耗方面，CPO 架構的功耗降至 5–10 pJ/bit（傳統可插拔方案 15–20 pJ/bit），博 通 CPO 交換機實現 5.5W/800G，英偉達方案降耗達 70%。速率方面， 信號傳輸距離縮短至毫米級，帶寬密度提升，延遲降低 50%以上。根 據 LightCounting 預測，由于 CPO 所具有的性能優勢，到 2027 年 800G 和 1.6T 端口總數中，CPO 端口將占近 30%。