AI 用の 400G 対 800G 対 1.6T 光モジュール

AI データセンターの光モジュールは、受動的な接続部品から、コンピューティング パフォーマンスの中核コンポーネントへと移行しています。理由は簡単です。最新の AI トレーニング クラスターは、GPU、スイッチ、ストレージ ノード間で膨大な量のデータを移動します。その移動速度は、高価なアクセラレータをいかに効率的に使用できるかに直接影響します。これが理由です400G、800G、および 1.6T 光モジュールは現在、ほぼすべての AI インフラストラクチャに関する会話の中心となっています。

によると、Ethernet Alliance 2026 ロードマップハイパースケーラーはすでに 100G から 800G の相互接続を導入しており、AI スケールのファブリックの次の主要なステップとして 1.6 Tb/s イーサネットが登場しています。-の

IEEE 802.3ワーキンググループは、銅線およびシングルモード ファイバー上の 200G、400G、800G、1.6T イーサネットを定義するために P802.3dj タスク フォースを推進しています。これにより、業界に高速導入への明確な道筋が与えられます。{6}}

ネットワーク チームにとって、実際的な問題は、速度が向上するかどうかではなくなります。それは、ネットワークの各層に適切な速度を選択する方法、電力と冷却を計画する方法、実稼働 AI クラスターに数千のモジュールを展開する前に互換性を検証する方法です。

AI ワークロードが光モジュールの高速化を要求する理由

AI トレーニングは、従来のクラウド、エンタープライズ、ストレージのワークロードとは根本的に異なります。大規模な言語モデルとレコメンダー システムは、単一の分散システムとして動作する数千、さらには数万の GPU にわたってトレーニングされます。各トレーニング ステップ中に、アクセラレータは勾配を同期し、アクティベーションを交換し、ノード間で中間テンソルを渡す必要があります。これにより、非常に大量の東西トラフィックが生成されます。つまり、トラフィックはインターネットに送信されず、データセンター内に留まります。

16,000 ～ 100,000 GPU のフロンティア トレーニング クラスターでは、内部ファブリックは外部リンクよりもはるかに多くの帯域幅を伝送します。 NVIDIA は、Spectrum-X イーサネット プラットフォームは 100,000 GPU を超える導入環境全体で約 95 パーセントの実効スループットを維持しますが、輻輳制御のない標準イーサネットは通常、同じ負荷の下で約 60 パーセントを実現します。その違いは学問的なものではありません。ファブリック効率の 35% の損失は、トレーニング実行の延長と GPU 使用率の低下に直接つながります。

これが光速度が上がり続ける本当の理由です。遅いまたは不安定な光学レイヤーは、AI ファクトリー全体のボトルネックになります。

400G から 800G、1.6T まで: 各ステップの原動力は何ですか

400G、800G、および 1.6T への移行は、単にケーブルを追加するだけでは解決できないスケーリングの問題によって推進されています。 AI クラスターのサイズが 2 倍になると、ノード間の通信パスの数は直線的よりも速く増加します。並列リンクを追加すると、スイッチ ポートが消費され、ファイバ数が増加し、ケーブルの混雑が生じ、高密度のラック環境では管理が困難になります。

ポートあたりの速度が高いほど、よりスケーラブルなパスが提供されます。{0} 800G ポートは、同じ物理インターフェイス上で 400G ポートの 2 倍の帯域幅を伝送します。 1.6T ポートではさらに 2 倍になります。 2025 ～ 2026 世代のスイッチ ASIC は、800G が新しい AI 導入の実質的な主流となる基数と帯域幅レベルをサポートしており、次世代スイッチ世代の計画目標は 1.6T です。

400G、800G、1.6T イーサネットにわたるマルチベンダーのライブ相互運用性が OFC 2026 で実証されました。{0}Ethernet Alliance OFC 2026 ショーケースエコシステムが AI スケールのファブリックに対応できる準備ができていることの証拠として提示されました。{0}} AI クラスターは単一ベンダーのソリューションを待つことができないため、その準備が重要です。大規模に連携して動作するスイッチ、NIC、光学系、テスト プラットフォームが必要です。

400G vs 800G vs 1.6T 光モジュール: 選択の比較

適切な速度は、クラスターのサイズ、ネットワーク層、スイッチのロードマップ、電力バジェット、およびすでに設置されているファイバー プラントによって異なります。以下の表は、現時点で各速度が最も合理的であることを示しています。

多くのデータセンターは 100G または 200G からアップグレード中であるため、400G は依然として重要です。{{1}また、400G は非 AI ワークロードに対してコスト、可用性、パフォーマンスの優れたバランスを提供します。{6}}特に AI クラスタの場合、800G が新しいビルドの作業ベースラインとなり、1.6T は現在、特にスイッチ世代がすでにレーンあたり 200G のシグナリングと調整されている場合に、バックエンドのスケールアウト ファブリックを真剣に計画しています。--これらの速度に対応する高密度ケーブル配線を評価している場合は、-MPO および MTP 光ファイバーケーブル配線800G 以上で最も一般的に使用されるコネクタとトランクのオプションをカバーします。

400Gでも十分な場合

クラスタ サイズが控えめな場合、使用中の GPU が 400G NIC を飽和させない場合、または既存のスイッチ フリートが前世代の ASIC で構築されている場合は、400G が依然として正しい選択です。{2}推論クラスタ、小規模なトレーニング ポッド、エッジ AI サイト、およびほとんどの汎用データセンター ファブリックは、依然として 400G で快適に動作します。-これらの環境では、800G に直接ジャンプすると、ジョブの完了時間に目に見える改善が得られずに、コストと熱的圧力が増加します。

実際のテストは、トレーニング中の GPU 使用率を調べることです。 GPU が 5 ～ 10% を超えてデータを待機している場合、ネットワークはすでにボトルネックになっています。使用率が安定して高い場合は、400G がその役割を果たしています。

800Gが必要になった場合

400G リンクによって過剰な並列接続が強制されるクラスターの規模に達した場合、スイッチの基数制限によりトポロジの選択が制限され始めた場合、または GPU 世代で 800G ポートが飽和状態になる可能性のある NIC が導入された場合、800G が必要になります。典型的な AI トレーニング ファブリックでは、これは通常、数千個以上の GPU のクラスターに相当し、バックエンド ネットワークが勾配交換トラフィックの大部分を伝送します。

800G への移行により、実際のエンジニアリング作業も必要になります。 -800G モジュールのポートあたりの電力は 400G より大幅に高く、FEC モードが移行し、スイッチ面のケーブル密度が 2 倍になります。同期トレーニング ジョブでは、単一の不安定な光リンクによって再試行がトリガーされ、クラスタ全体の速度が低下する可能性があるため、バーンイン テストとリンクの安定性検証が不可欠になります。{6}}

1.6T をいつ計画するか

1.6T は現在、最も積極的な AI バックエンド ネットワーク向けに初期展開中であり、次世代スイッチ世代の標準計画ターゲットです。現在、ほとんどのエンタープライズ チームやクラウド チームは実稼働環境に 1.6T 光ファイバーを必要としませんが、3{3}}～5- 年を見据えたファブリックを設計する場合は、ケーブル配線、ファイバー プラント、電力計画において 1.6T 光ファイバーを考慮する必要があります。

IEEE P802.3dj 特別委員会は、シングルモード ファイバー上の 1.6T の物理層仕様を定義しました。OFC 2026 は、この速度でマルチベンダーの相互運用性が機能することを示しました。-実際的なシグナルは、1.6T が現実であるということですが、スイッチの可用性、冷却、運用ツールなどの周囲のインフラストラクチャが、モジュール自体と同じくらい重要であることに変わりはありません。

QSFP-DD と OSFP: 適切なフォーム ファクターの選択

400G と 800G では、2 つの主要なフォーム ファクタは QSFP-DD と OSFP です。どちらも主流のスイッチ プラットフォームで同じ速度を実現しますが、機械設計と熱挙動が異なります。 QSFP-DD は QSFP28 および QSFP56 ケージと下位互換性があるため、アップグレード中に既存のスイッチ スロットを再利用したい環境にとって魅力的です。 OSFP はわずかに大きく、内部容積が大きく、一般に優れた熱ヘッドルームを提供します。これは 800G、特に 1.6T で重要になります。

1.6T の場合、業界は主に熱容量の理由から、OSFP と OSFP-XD を有力な選択肢として選択する方向に進んでいます。ネットワーク チームが同じスイッチ世代内で 800G を超えるアップグレードを予定している場合、通常は OSFP がより安全な選択です。 400G QSFP-DD 投資の再利用を優先する場合、現時点では QSFP-DD が有力な選択肢となります。

AI ネットワーク用の光モジュールを選択する際の重要な要素

距離、到達距離、ファイバーの種類

ラックの列内の短距離リンクでは並列シングル モード (DR) または短距離マルチモード (SR) モジュールを使用できますが、列間またはポッド間リンクでは FR または LR バリアントが必要になる場合があります。-モジュールを選択する前に、実際のファイバ長、ファイバ グレード、コネクタの種類、およびリンク バジェットを確認してください。コネクタとスプライス間で損失がどのように蓄積するかについての有用な入門書は、当社のガイドにあります。ファイバーネットワークにおける挿入損失。長距離の場合、OS1 と OS2 のシングルモード ファイバーの違いも重要になります。これについては、概要で説明します。-

シングルモード ファイバの種類と用途-.

消費電力と冷却

高速光学系ではより多くの熱が発生します。- 400G から 800G にアップグレードする前、または 1.6T の計画を立てる前に、ポートごとの電力、スイッチのエアフロー方向、ケージ温度、熱ディレーティング ルール、ラック レベルの冷却マージンを確認してください。{6}すでに GPU に高電力を供給している高密度 AI ラックでは、数千の高速光学系による追加の熱負荷は軽微ではなく、無視すると稼働時間に影響を与える可能性があります。{8}}

スイッチの互換性とファームウェア

互換性はマッチング速度以上のものです。モジュールは、一括導入前に、正確なスイッチ プラットフォーム、ファームウェア バージョン、FEC 構成、EEPROM コーディング、および予想される動作温度で検証する必要があります。互換性の一致が不十分な場合の症状には、リンク フラップ、BER の上昇、DOM アラーム、負荷が継続した場合の時折のサーマル シャットダウンなどがあります。小規模な実験室のバーンインでこれらを検出する方が、実稼働環境で検出するよりもはるかに安価です。-

ケーブル配線と高密度コネクタ戦略-

800G または 1.6T への移行は、通常、異なるケーブル計画を意味します。 MPO-12、MPO-16、MPO-24 などのマルチファイバー コネクタが高速のデフォルトとなり、高速スイッチ ポートを複数の低速接続にファンアウトするためにブレークアウト ケーブルがよく使用されます。この移行を評価しているチーム向けのガイドは、MPO ブレークアウト ケーブルの選び方実際のトレードオフについて説明します。-

MPO および MTP トランク ケーブル オプション800G スパイン導入で最も一般的なトランク構成を示します。

LPO、CPO、シリコン フォトニクス: 800G の次に来るもの

業界は現在、単なる速度を超えて、効率性を重視しています。テクノロジーの 3 つの方向性が最も重要です。

リニアプラガブルオプティクス (LPO)DSP を光モジュールから削除し、イコライゼーションをホスト ASIC にプッシュバックします。これにより、モジュールの電力が通常は同じ速度で 30 ～ 50% 低下しますが、スイッチとモジュールの間のより緊密な調整が必要になります。 LPO は、ホスト プラットフォームが LPO をサポートしている AI クラスタ内の短距離リンクで最も魅力的です。-

共同パッケージ化された光学素子（CPO）-光学エンジンをスイッチ ASIC と同じ基板上に移動し、電気経路を短縮し、ビットあたりのエネルギーを削減します。で説明されているように、光インターネットワーキング フォーラムは 112G および 224G CEI および CPO フレームワークに取り組んでいます、CPO は、プラグイン可能な光学系のドロップイン代替品ではありませんが、次世代 AI スケールアップ ファブリックの設計において、ますます中心的な役割を果たしています。{0}{1}{2} NVIDIA はすでに、ポートあたり 1.6 Tb/s と大幅なエネルギー節約を目標として、光学部品を共同パッケージ化した Spectrum-X フォトニクスおよび Quantum-X シリコン フォトニクス スイッチを発表しています。{6}}

シリコンフォトニクスこれらの傾向のほとんどの根底にあります。変調器、導波路、検出器をシリコン上に直接統合することで、高密度化、より優れた熱挙動、スイッチ ASIC とのより緊密な統合が可能になります。現在、ほとんどの主要な光学ベンダーは、AI ワークロードのロードマップにシリコン フォトニクスを組み込んでいます。

2026 年のほとんどのチームにとって、プラガブル 800G オプティクスが引き続き主力製品である一方で、LPO、CPO、およびシリコン フォトニクスはラボ設定と選択されたパイロット ファブリックで評価されます。

避けるべきよくある間違い

最も一般的な間違いは、ネットワークの残りの部分が最高速度をサポートできるかどうかを確認せずに最高速度を選択することです。必要な電気インターフェイスまたは熱ヘッドルームを提供できないスイッチ上の 800G 光モジュールは、実稼働環境で 800G を提供できません。 2つ目は権力を過小評価していることです。何千もの光学系において、電力効率の高いモジュールと一般的なモジュールとの違いにより、ラックが許容範囲内から予算超過に移行する可能性があります。{6}} 3 つ目は、互換性をプロセスではなくチェックボックスとして扱うことです。実際の互換性は、実際のスイッチ プラットフォーム、ファームウェア、および動作環境での検証から得られます。 4 つ目は、不適切なケーブル配線計画です。 800G および 1.6T では、コネクタの品質、ファイバー数、およびパッチ管理がより重要になり、ここでのショートカットは、展開後にリンク フラップや損失の増加として表面化することがよくあります。

結論

400G、800G、および 1.6T 光モジュールの台頭は、テクノロジーの流行ではありません。これは、AI ワークロードが数千の GPU 間でどのように通信、同期、スケーリングするかに対する直接的な応答です。 Ethernet Alliance、IEEE 802.3、およびより広範な光エコシステムは、400G から 800G、そして 1.6T までの明確なロードマップに沿って連携しており、LPO、CPO、およびシリコン フォトニクスがその後の未来を形成しています。

ほとんどのネットワーク チームにとって、正しい戦略は、どこでも最速のモジュールを追いかけないことです。それは、光速度をネットワーク機能に適合させ、規模を拡大する前に互換性を検証し、電源と冷却を慎重に計画し、少なくとももう 1 回のアップグレード サイクルを通じてネットワークを維持できる配線プラントを設計することです。 AI インフラストラクチャが成長し続ける中、適切に計画された光学レイヤは、高価な GPU 投資を最大限に活用し続けるための最も費用対効果の高い方法の 1 つです。-