C114訊 1月12日消息（九九）在日前舉行的2023中國光通信高質量發展論壇 - 硅光技術研討會上，騰訊光網絡架構師封建勝表示，硅光技術一直在以自身獨特的節奏發展，各種應用也讓人眼花繚亂，但好消息是硅光商業化的路徑越來越清晰，可謂“亂花漸欲迷人眼，淺草才能沒馬蹄。”
封建勝介紹，騰訊從社交軟件開始發展，從QQ到微信為越來越多的人提供便捷的通訊工具。截至2022年第三季度，微信月活躍賬戶數達到13億，小程序日活躍賬戶數達到6億，視頻號日活躍賬戶達到5億，目前還在繼續增長中。在這些業務背后是騰訊龐大的數據中心在支持，騰訊數據中心分布在全球26個物理地區，包括70個可用區，國內加速節點超過2000個，海外加速節點超過800個。
數據中心是一個復雜的數字經濟基礎設施，核心是服務器與網絡。目前騰訊在全球有接近200萬服務器，數據存儲規模超過EB級別，全球加速節點超過2800個，帶寬儲備達到200T。服務器與用戶之間的連接便是光通訊網絡，數據中心內部的光網絡主要由網卡、交換機和光模塊等硬件組成，目前騰訊的網卡端口速率達2×50G、2×100G, 2×200G的網卡芯片正在開發中；TOR交換機交換容量為8T，核心交換機容量達25.6T；對應的光模塊有200G 1分2線纜，200G QSFP56封裝的SR4光模塊，以及200G QSFP56封裝的FR4光模塊。
封建勝指出，在騰訊微信、小程序、視頻號等業務的背后，人工智能（AI）和機器學習（ML）等新技術發揮著越來越重要的作用。當前視頻號的推薦越來越精準，這背后就是AI和ML在推動。
封建勝進一步指出，利用算法代替人工進行分級，推薦效率和精準性都得到了很大提升，但也面臨著新的問題：滯后的硬件算力和滯后的網絡帶寬。最近10年，AI訓練模型對算力的需求中，機器視覺、自然語言處理的增長速度為每兩年15倍；Transformer大模型的增長速度更是達到每兩年750倍，遠遠超過摩爾定律的每兩年兩倍。這意味著硬件的算力跟不上訓練模型的需求。
不僅如此，存儲和互聯的速率增長速度更加緩慢。硬件算力在20年內增長了9萬倍，內存總線，例如DRAM 20年內增長僅30倍，互聯帶寬在20年內也僅增長30倍，都遠遠低于硬件算力的增長。
封建勝表示，互聯帶寬和硬件算力之間的鴻溝越來越大，是困境、是挑戰，更是機遇。封建勝認為，高性能計算是未來光通訊的重要增量場景。在過去的一年中，騰訊研發了第一臺25.6T CPO交換機，在端口密度、功耗、延遲等方面都有收益，為高性能計算網絡的建設奠定了基礎。更進一步，硅光將光電轉化部件移動到主要的電芯片近端，利用光I/O代替電I/O，實現互連帶寬的快速增加，可能突破Memory Wall，“這個技術方向是我們非常看好的。”
在未來，騰訊將探索硅光在數據中心的更多應用，400G BR4或800G BR8規格是騰訊目前正在摸索的一個方向。
硅光在數據中心的另一應用場景，就是當前主流計算技術消耗了太多能量，能效低。2016年AlphaGo橫空出世，全世界都在感慨人工智能、機器學習的強大，但卻忽略了背后的能效比較。AlphaGo的功耗是150千瓦，而人腦的功耗約為20瓦，兩者相差超7000倍。其根本原因在于，主流計算機采用的是馮·諾伊曼架構，存在馮·諾伊曼瓶頸。
最近幾年很多初創公司在開發近程計算芯片，積極探索如何解決這一瓶頸。封建勝認為，最好的解決方案是存在一體，相比于電存算一體，光存算一體同樣值得探索和研究。光計算具有高帶寬、信息吞吐量大的特點，國內外也有不少初創公司在開發相關產品，但是數據還是存儲在電學領域，需要大量的光電、電光轉換，“或許當光學憶阻器成熟的時候，硅光在光計算上可以發揮其全部優勢。”封建勝說。 
