打破 AI 算力瓶頸：從 AEC 到光通訊，解析下一代數據中心的傳輸命脈! скачать в хорошем качестве

打破 AI 算力瓶頸：從 AEC 到光通訊，解析下一代數據中心的傳輸命脈!

Credo Technology Group (CRDO) 已從單一產品供應商轉型為擁有 五大核心產品支柱 (5 Strategic Pillars) 的平台型企業。 這五大產品矩陣——AEC、IC 解決方案、ZeroFlap 光器件、ALC 以及 OmniConnect——分別針對 AI 數據中心在「機櫃內」、「機櫃間」以及「記憶體牆」等不同層級的物理瓶頸提出了具體的解決方案。 以下是這五大核心產品如何解決 AI 數據中心互連瓶頸的詳細分析： 1. 主動式電纜 (AEC)：解決機櫃內 (Intra-Rack) 的「距離與密度」瓶頸 這是 Credo 目前營收的核心引擎，也是解決 AI 機櫃高密度互連的事實標準。 • 瓶頸： 隨著傳輸速率提升至 112G/224G (單通道)，傳統被動銅纜 (DAC) 受限於物理定律，傳輸距離被壓縮至 1 公尺以內，且纜線過粗、難以彎曲，嚴重阻礙散熱風流。而光纖 (AOC) 雖然距離長，但成本高昂且功耗過高。 • Credo 的解法： AEC 在纜線兩端嵌入了 Credo 專利的 Retimer/DSP 晶片，對訊號進行重定時與放大。     ◦ 突破距離限制： 將銅纜傳輸距離延伸至 3-7 公尺，完美覆蓋機櫃內 (Rack Scale) 的連接需求。     ◦ 輕量化與節能： 相比傳統銅纜更細軟，相比光纖功耗降低 50%，且可靠性比傳統光模組高出 1000 倍。     ◦ 應用場景： 成為微軟、AWS 等巨頭連接 GPU 伺服器與 Top-of-Rack 交換機的標準配置。 2. IC 解決方案 (Optical DSPs & Retimers)：解決高速訊號的「完整性」瓶頸 這部分包含了光學 DSP、Retimer (重定時器) 和 SerDes IP，是所有高速連接的基礎。 • 瓶頸： 當數據速率邁向 1.6T (8x200G) 時，訊號在傳輸過程中極易衰減和失真。Nvidia 的 NVL72 等架構在銅纜背板上需要極高的訊號補償能力。 • Credo 的解法：     ◦ Retimers (如 Blue Heron)： 專為 AI Scale-up 場景設計，作為訊號的中繼站，確保 224G 訊號在銅纜背板 (如 Nvidia NVL72) 中能穩定傳輸而不失真。     ◦ Optical DSPs (如 Bluebird)： 為光模組提供高效能的數位訊號處理，支持從 50G 到 200G 單通道的演進，是 LPO (線性驅動光學) 和傳統光模組的關鍵大腦。 3. ZeroFlap (ZF) 光器件：解決光網路的「可靠性」瓶頸 這是 Credo 針對大規模 AI 訓練痛點推出的顛覆性產品，將 AEC 的可靠性帶入光學領域。 • 瓶頸： 在數萬張 GPU 的訓練集群中，傳統光模組容易出現「鏈路抖動」(Link Flap)。一旦單條鏈路失效，可能導致整個價值數千萬美元的訓練任務中斷或重啟，造成巨大的算力與時間損失。 • Credo 的解法： ZeroFlap 光模組內建了先進的 遙測軟體 (Telemetry)。     ◦ 預測性維護： 它能即時監控誤碼率 (BER) 和 FEC 狀態，在鏈路真正失效前進行預警或切換，實現「自我修復」能力。     ◦ 定義新標準： 將光模組從單純的硬體變成了具備 AEC 級別可靠性的「服務」，特別受到 Oracle 和 Meta 等對穩定性要求極高客戶的青睞。 4. 主動式 LED 電纜 (ALC)：解決列與列之間 (Row-Scale) 的「中距離」瓶頸 這是 Credo 利用 MicroLED 技術開闢的全新戰場，填補了銅纜與長距光纖之間的空白。 • 瓶頸： 在 10 公尺至 30 公尺 (跨機櫃/列與列之間) 的距離上，銅纜傳不到，而使用傳統雷射光模組 (VCSEL/EML) 成本又太高，形成了技術與成本的斷層。 • Credo 的解法： 結合 MicroLED 技術進行光電轉換。     ◦ 性價比最優解： ALC 保持了 AEC 的低功耗和高可靠性，同時擁有光纖的輕便與長距離特性 (可達 30 公尺)。     ◦ 擴大 TAM： CEO 預測 ALC 的潛在市場規模 (TAM) 將是 AEC 的兩倍，因為它覆蓋了更廣泛的 Scale-up 網路連接需求。 5. OmniConnect "Weaver" 變速箱：解決 AI 推論的「記憶體牆」瓶頸 這是最具戰略意義的產品，從網路連接跨足到了計算與記憶體的架構改革。 • 瓶頸： AI 推論受限於記憶體頻寬與容量。HBM (高頻寬記憶體) 昂貴且容量小，且必須緊貼 GPU 散熱，導致熱管理困難。傳統架構下，記憶體受限於物理距離 (約 1 英寸) 無法擴展。 • Credo 的解法： Weaver 是一款記憶體扇出 (Fanout) 變速箱晶片。     ◦ 物理結耦： 利用 112G VSR SerDes 技術，將 XPU (加速器) 與記憶體的連接距離從 1 英寸拉長到 10 英寸，讓記憶體可以移出高熱區。     ◦ 容量與頻寬暴增： 允許使用低成本、大容量的標準 DDR/LPDDR5X 記憶體，實現 30 倍容量提升 和 8 倍頻寬提升，這對於 DeepSeek 或 OpenAI o3 等大模型推論至關重要。 總結 Credo 的這五大產品並非獨立存在，而是共同構成了一個 端到端 (End-to-End) 的連接生態系統。 • AEC 守住了機櫃內的銅纜防線。 • IC 賦能了所有高速傳輸介面。 • ZeroFlap 與 ALC 進攻了傳統光學的領地，解決了可靠性與中距離成本問題。 • OmniConnect 則跳出網路層，直接解決了 AI 晶片的內存架構痛點。 這五大支柱共同將 Credo 的潛在市場規模 (TAM) 推升至超過 100 億美元。 #AI #DataCenter #AEC #SerDes #CRDO #Nvidia #Microsoft #Meta #高速傳輸 #數據中心 #記憶體牆 #AI概念股