网络系列CPO行业分析：光电协同，算力革新.pdf

网络系列CPO行业分析：光电协同，算力革新。

规模定律由参数、算力扩展至并行流，互联带宽亦将受推动

随着 Scaling law 由 Pre learning 阶段的 parameter scaling 扩展至 Post learning 阶段的 inference time scaling，模型性能显著提升，应 用渗透亦在加速。为了在尽可能少的增加参数规模及硬件负载的情况 下实现更好的模型性能，parallel scaling 进入学界视野。根据 Qwen 的研究团队数据，开 8 个并行流等效于参数量翻 3 倍的效果，但实际 增加的硬件成本微乎其微。训练阶段的并行过程会大幅提升“大规模 同步”的需求，不同处理器或节点之间需要通信以同步模型参数或梯 度，并推动集群内互联带宽的需求。

集群低功耗、高速率的需求下，更高的集成度或为更优解

一方面，根据数据中心 TCO 数据，无论上架率和外电负载，电费占比 始终维持在成本首位；另一方面，parallel Scaling 在模型部署过程中 的渗透亦将推动集群内互联带宽的需求提升。在集群的低功耗、高速 率需求下，CPO（共封装光学）技术得以受到重视。功耗方面，CPO 架构的功耗降至 5–10 pJ/bit（传统可插拔方案 15–20 pJ/bit），博 通 CPO 交换机实现 5.5W/800G，英伟达方案降耗达 70%。速率方面， 信号传输距离缩短至毫米级，带宽密度提升，延迟降低 50%以上。根 据 LightCounting 预测，由于 CPO 所具有的性能优势，到 2027 年 800G 和 1.6T 端口总数中，CPO 端口将占近 30%。