Y10T289 AI算力“3000P”的意思 昨天的末尾提高光模块数量的不确定性，展开来多聊几句。
AI模型小参量，计算量小，光模块就用的少，当然AI能处理的事情和AI结果就不是很理想。参量增大，计算量增大，光模块相应用的就多。这个容易理解。所以选择什么AI模型，和客户自己的设计有关。
接着，如果选好模型，要计算完成一个AI模型，我们还有两个大的选择
小算力，通过增加计算时长，来完成任务。
大算力，通过快速计算，完成任务。
也就是一个确定的AI模型计算量，就像搬砖，量是一定的，大卡车搬半天搬完，小推车搬俩月搬完，都可以的。这对于光模块市场首先就有了不确定性。
对于一个确定AI模型计算总量的前提下，看选择了多少算力，需要多个算力芯片来组网完成算力集群，这里有二次选择，单卡的算力很大，那么组网规模就小，光模块就用的少。单卡算力选择了很小的初代产品，那么组网的规模就大，光模块就用的多。
再者，确定了单芯片算力，组网模块选择高速模块，如800G、1.6T，相比较低速200G、400G模块，选择高速模块用量就少。
再再者，有很好的热处理能力，可以支持很多GPU挤在一起，那么GPU之间的距离会缩短，铜互联就增多，光模块就减少。如果热处理和电源功率不足，那就得让GPU之间拉开距离，光模块的用量就增多，铜互联就减少了。
我也在群里头，老提这个事情，铜与光的关系。铜的优点，低功耗，低成本，高可靠性，就一个缺点，传输距离随着射频带宽的提高而不断降低。
100Gbps PAM4的铜缆还有几米的传输距离，到200Gbps，就剩下1-2米了。这个铜的趋肤效应就是客观规律。也是铜和光的主要划分线，距离带宽积。
今天再加一点Lightcounting给出的铜和光的简单划分吧。GPU的组网，分成芯片之间的互联，托盘间互联，以及机柜之间的互联组网。
芯片，目前以铜为主，积极研究片间光互联，Lightcounting认为三年五年后大约光互联占据~5%的比例。
片间的Die与die采用铜互联是现在多芯片封装的传统技术，采用TSV、TGV、TMV等等，实现基于铜的立体互联结构。
光互联属于很早就提的概念，但是一方面市场驱动力不足，另一方面可靠性和功耗不能降下来，在现如今的市场占比很小，未来在更大容量铜难以实现的场合，基于硅光混合波导及调制解调技术（硅波导、玻璃波导、氮化硅波导等等）来实现晶圆级片上die互联是有可能的。
硅内互联，也就是托盘之间的互联，目前是以铜为主的市场，铜缆模块有源或无源的铜缆模块，对于托盘间几米的距离，还是十分有低成本竞争优势的。
但对于链接带宽越来越大的场景，不可避免的要光进铜退，发挥光传输距离带宽积很大的优势。
机柜为单位的宏观互联，是光通信的主要应用场地，基本上铜缆模块与光模块的比例在于各自坚守的一亩三分地，几十米以上的距离是光的，但凡是铜能做的，光也难抢走。
再看之前写过的几个数字，算是参考一下吧。
【2024-10-19】大算力时代光通信网络趋势及核心光器件
