6月15日~16日,华为伙伴暨开发者大会2022成功举办。在“与光同行,F5G行业创新技术分享”专场,华为光系统首席专家张德江,分享了在数据中心互联网络的发展趋势,以及华为光技术在数据中心网络的创新应用。

华为光系统首席专家张德江
数据中心互联网络(DCI)是行业数字化转型的重要基础设施。随着大数据、云计算、移动互联网快速发展,全球数据中心的流量和数量与日俱增。根据相关报告,DCI流量年复合增速达到45%,全球数据中心的数量也将增加4倍以上。流量持续的高速增长,也意味着运营成本的增加。因此,通过技术创新,帮助企业建设能满足数字化发展的更高速、可靠、高效的联接,成为了华为的投入方向。
提供更大单纤容量,降低单bit成本
WDM(波分复用)将多个不同的波长复用到一根光纤中进行传输,极大提升了光纤的带宽传输能力,成为DCI大带宽时代的首选方案。而超大型数据中心互联网络原规划使用8~10年的DCI网络,不到3年就面临带宽瓶颈,促使WDM技术在单波道速率和波道数量上持续创新,突破传输容量的瓶颈。
在单波道速率方面,华为依托自研光电器件和DSP能力,通过光电合封工艺,端到端损伤补偿算法,不断逼近香农极限:在DCI干线将200G速率,提升到300G/400G,在传输距离能力不变的前提下提升单波速率,为业界提供单纤容量最大的长距解决方案;在城域DCI传输上,从400G全面演进到800G代际,不断下降单Bit成本,为业界提供城域覆盖最完整,成本最优的解决方案。
在波道数量方面,华为坚持扩展频谱,向频谱要带宽,通过新型增益光纤与工艺突破,SRS效应控制技术等创新,实现业界首个Super C+L的超宽频谱创新,为光纤传输提供更多的波道数,领先业界能力25%。同时,华为独有的Super C 和L的联动控制技术,通过Dummy Light提升光谱稳定性,保障系统端到端的可靠。
张德江表示:“华为通过单波速率提升和频谱不断扩展,将实现单纤96T bit/s的传输能力。最大限度释放光纤潜力,助力数据中心互联带宽提速。”
提供更可靠的DCI网络,为业务保驾护航
超高速的数据中心互联网络,意味着每1微秒都有海量的数据在网络中流动,一旦出现故障,会有海量的数据丢失或者阻塞,影响应用业务。据统计,一线城市光纤故障每年约200次,而每一次光纤故障都可能导致高额的经济损失或者客户流失。
华为推出“存储与光协同”(SOCC)技术方案,在光链路和存储I/O链路两个层面,提供更高效的链路冗余保护机制。一方面,基于创新的光器件和智能算法,在光链路层面,将保护倒换时间从50毫秒降低至5毫秒,性能提升90%,大大提升了数据中心应用的业务体验。另一方面,在存储I/O链路层面,因存储设备无法直接感知光层链路的健康状态,I/O链路恢复时间过长,从而导致上层应用操作失败。基于华为的创新技术,将原来需要2-3分钟才能完成的链路切换过程,缩短至1秒,大幅度降低了应用操作的失败率。特别在金融行业,为关键数据中心业务提供了更可靠的保障。
在产业上,华为在持续投入和追求更高的技术能力发展;在行业上,数字化转型也为光技术创新提供了更多可能性。任何创新技术的产生、落地与成长,都是从业务发展现实需求出发的主动探寻,华为也将携手客户不断创新,构筑超宽、可靠、智能的全光数据中心解决方案,为客户创造新的价值。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。