前言
做计算是生活中常见的事儿。需要计算的量很多时，可以一个人算，多算一会儿，也可以几个人合起来计算，这就需要人和人之间的做计算结果的交流。
用机器替代人，就是电脑，或者可以理解为内部的计算芯片。
一个芯片计算，还计算不完的话，就用多个芯片来计算，这就是所谓多个GPU（计算芯片）组合起来。
这个GPU做信号互联，可以用各种方式，连起来是核心目的，采用什么方式，取决于性价比。可以用铜缆，可以用光缆。
无非是铜缆便宜，但距离很短，只有区区几米。
光纤（缆）+光电信号转换器（就是咱们的光模块），可以传的很远，但是很贵。
能用铜缆解决的，就不想用光纤，这就是产业的特点。这是前一段突然聊起来的NVIDIA 铜互联的原因。
Y10T1 LC预估AEC、DAC和AOC模块2028年达到28亿美元市场，写了细铜缆的技术原理。
OCS光交换机替代传统的电交换机
这些话另外的理解就是，在数十米及以上的物理距离，还是光纤通信的菜，可光模块很贵，怎么办？用光交换机。
这个事情呢，在干线传输里，已经进行过一轮了，就是从电交叉到光交叉的演变，无非是把这个理念针对数据中心尤其是AI场景下做一个更合适的技术搭配。
光交换有两大技术类别用在产业里。
一个是基于MEMS做光路控制，一个是基于液晶的技术。
Lumentum、谷歌等选择的是MEMS交换，Coherent（原来Finisar）、华为、英伟达NVIDIA等选择液晶技术、硅基或玻璃基。
《2023合集下》 Google的Gemini的TPU光交换技术
液晶技术
《2023合集下》 偏振无关LCOS硅基液晶WSS，这一篇里解读玻璃基液晶和硅基液晶做光路转换的基本原理。
今年的OFC，Finisar（Coherent）也发布了基于液晶的LCOS光交换机，用于AI。~~~~~，为啥他家发布这么快？就是因为之前做干线的WSS也是基于液晶技术，而WSS简化一下，用在AI，就可以了呀。
液晶这个聚合物材料，在光模块里用的很多，光学特性（用于光开关）、射频特性（用于高频基板）、机械特性（用于封装铌酸锂）、阻水特性（用于半气密封装）....
《2023合集下》LCP做铌酸锂的封装基板
《2023合集下》 采用LCP制作“准气密”空腔
回到正题，今年英伟达在OFC的报告提到他们也做了光交换的实验。
逻辑如下
GPU芯片的计算能力，随产业发展不断提高，大约两年半就提高一倍，可但是AI的需求所需的训练量，半年就翻一番。
这么多的计算数据，用GPU慢慢算也行，用多个GPU组合起来一起算也行，给了一组对比数据，
GPT3的OpenAI的计算模型，用2020的GPU计算能力，算355年，也能出结果。
换成1024个A100的GPU芯片一起算，32天就可以了。
关键AI的模型，参量越来越多，这就得需要有能力组织更多的GPU，还得做提前规划，具有可扩展性。这就有了GPU矩阵，需要各种互联，能选电就选电，选不了的就选光通信。
英伟达的电缆互联是NVLink，在GPU之间的互联进行的。当然也不是所有GPU之间都用电缆，需要看距离，俩柜子很近，可以用。稍远一点的也不行，需要多模光模块。
这些数据还需要互联网来做进一步连接，这就是以太网或者InfiniBand（IB）来互联，这里头很多就出现了单模光模块，传输距离略长一点。
多个GPU芯片组成DGX，然后继续组合成Super POD，网络越来越复杂，光模块越用越多，越来越贵。
基于电交换的胖树结构，需要非常多的光模块，如果采用光交换的技术，可以大幅度降低模块数量，这也是一种选择。谷歌用了光交换，英伟达也开始做这方面的验证。
《2023合集下》AI的胖树拓扑对光模块要求的变化
2024年OFC，英伟达用了114个200G FR4模块，320x320的光交换阵列，4台DGX A100和14个IB交换机做了组网。
14个IB交换机，是4+1+8+1，4个脊交换机和1个冗余备份交换机，8个叶交换机和一个冗余交换机，冗余是为了在光模块出现故障时，切换备用通道的。
小结一下
铜缆还是光模块？
铜缆便宜，但距离很短
多个GPU的组合，物理空间不足以支持全部采用光缆，光模块是需要的。
光模块数量如何降低？用光交换替代电交换
光交换的矩阵小，电交换的矩阵大
光交换可以采用多波长复用，电交换只能一个通道一个通道处理
用于光交换的光模块，通常需要FR4、2FR4、CWDM4等波长复用技术，Bidi技术等等，来降低对光交换矩阵数量。《2020合集》Y6T172 CWDM、MWDM、LWDM、DWDM
