Mạng quang AI: từ định nghĩa đến nút thắt dữ liệu mới
Mạng quang AI là lớp kết nối trong trung tâm dữ liệu AI dùng công nghệ quang học để truyền dữ liệu giữa GPU và bộ tăng tốc, nhằm vượt giới hạn của cáp đồng truyền thống về băng thông, khoảng cách, điện năng và khả năng mở rộng cụm tính toán quy mô lớn. Quan điểm quan trọng cần nhấn mạnh là: AI không còn bị giới hạn bởi sức mạnh của từng chip, mà bởi tốc độ dữ liệu di chuyển giữa hàng nghìn, thậm chí hàng trăm nghìn bộ xử lý trong một cụm. Trong huấn luyện và suy luận phân tán, khi băng thông không theo kịp, GPU đắt tiền bị buộc phải chờ dữ liệu dù công suất tính toán vẫn dư thừa, biến mạng trở thành nút thắt dữ liệu nghiêm trọng. Ai giải được nút thắt này sẽ quyết định thế hệ trung tâm dữ liệu AI tiếp theo.
iPronics: mạng quang lập trình và tham vọng tái cấu hình cụm GPU
Câu chuyện iPronics cho thấy tiền thông minh đang dịch chuyển từ GPU sang lớp mạng quang AI. Startup Tây Ban Nha này không sản xuất chip tính toán mà tập trung vào chuyển mạch mạch quang (OCS), tức lớp kết nối vật lý giữa các tài nguyên tính toán trong và giữa các rack. Trong cấu hình huấn luyện phân tán, rủi ro tăng theo quy mô: càng nhiều GPU, máy chủ và liên kết, càng nhiều điểm có thể lỗi; mạng cố định khiến việc cô lập phần hỏng và đổi đường trở nên khó khăn. iPronics ONE dùng quang tử silicon kết hợp phần cứng chuyển mạch với điều khiển bằng phần mềm, dữ liệu đo xa và giao diện lập trình để thay đổi đường kết nối mà không phải đấu dây lại thủ công. Đây không chỉ là nâng băng thông; đó là cách biến mạng thành tài nguyên có thể lập trình như GPU, tối ưu luồng dữ liệu theo thời gian thực.
Điểm đáng lưu ý là kế hoạch "triển khai thương mại" iPronics ONE mới ở bước mở rộng hoạt động và đưa sản phẩm ra thị trường, chưa phải dấu mốc phổ biến đại trà hay có chứng cứ độc lập về mức tăng tỷ lệ sử dụng GPU. Thế nhưng hướng đi vẫn đáng khen: thay vì chấp nhận mạng là cấu trúc tĩnh, iPronics coi mạng quang AI là hệ thống có thể tái cấu hình liên tục để tránh lỗi, giảm nút thắt dữ liệu và kéo dài tuổi thọ cụm. Nếu thành công, đây có thể là mảnh ghép bắt buộc trong mọi trung tâm dữ liệu AI quy mô lớn – nơi khả năng thích ứng mạng quan trọng không kém tốc độ thô.
Huawei Hi-ONE: kéo quang học sát chip để phá giới hạn cáp đồng
Trong khi iPronics tập trung vào khả năng tái cấu hình, Huawei lại tấn công trực diện vào điểm yếu vật lý của kết nối bằng đồng. Khi số lượng GPU tăng từ hàng nghìn lên hàng chục nghìn, thậm chí hàng trăm nghìn, lượng dữ liệu trao đổi tăng nhanh đến mức hệ thống kết nối trở thành điểm nghẽn; cáp đồng vấp phải giới hạn về khoảng cách truyền, băng thông, kích thước dây dẫn, nhiệt lượng và điện năng. Vì thế, ngành bán dẫn và hạ tầng AI chuyển mạnh sang công nghệ quang học, nơi tín hiệu dữ liệu được truyền bằng ánh sáng. Kiến trúc Hi-ONE của Huawei là dạng quang học gần đóng gói (NPO) đưa bộ phận chuyển đổi quang đến sát chip AI, rút ngắn đường truyền điện từ khoảng 1 m xuống còn khoảng 5 cm và mở rộng truyền quang lên tới 100 m.
Cách tiếp cận này mang tính hệ thống chứ không chỉ là một mô-đun quang. Huawei kết hợp Hi-ONE với Unified Bus để thay thế nhiều lớp giao thức bằng một cơ chế giao tiếp thống nhất, nhằm giảm độ trễ truy cập giữa các nút. Theo kiến trúc được phát triển theo "Tau Scaling Law", họ coi việc rút ngắn thời gian dữ liệu di chuyển giữa các thành phần là đòn bẩy hiệu năng AI, thay vì chỉ tiếp tục thu nhỏ tiến trình để tăng mật độ transistor. Quy mô mà Huawei đặt mục tiêu không nhỏ: Atlas 950 SuperPoD có thể tích hợp tới 8.192 chip Ascend 950DT với tổng băng thông kết nối lên 16 PB/s, dùng kết nối hoàn toàn bằng quang học và dự kiến cung cấp từ quý IV/2026. Đây là lời tuyên bố rằng trong trung tâm dữ liệu AI thế hệ mới, quang không chỉ là tuyến backbone mà là cốt lõi của kiến trúc.
Ethernet 1.6 terabit: chuẩn mở cho kỷ nguyên băng thông AI
Nếu iPronics và Huawei đại diện cho giải pháp sản phẩm, thì IEEE P802.3dj là nỗ lực chuẩn hóa trần băng thông mới cho mạng quang AI. Mạng luôn được thúc đẩy bởi nhu cầu tốc độ và băng thông cao hơn, và trong kỷ nguyên AI, nhu cầu đó đang đẩy nhanh lộ trình tới kết nối Ethernet 1.6 terabit. Công việc cho 1.6T bắt đầu từ năm 2020, trở thành nhóm nghiên cứu chính thức năm 2021 và sau đó là IEEE P802.3dj Task Force – hiện đang xây dựng đặc tả, ở giai đoạn bỏ phiếu và rà soát, có thể hoàn tất trong năm nay. Đây là trọng tâm: AI không đợi tiêu chuẩn; các nhà mạng và nhà sản xuất thiết bị đã bắt tay vào làm phần cứng, kiểm tra xem switch, module và cáp của hơn chục nhà cung cấp có "nói chuyện" được với nhau hay không.
Song song, một giao diện 1600ZR được xây dựng để mang trọn kết nối Ethernet 1.6 terabit trên một bước sóng, ở khoảng cách tách biệt các tòa nhà trong một campus hoặc phủ một khu vực đô thị. Điều này biến chuẩn mở thành đối trọng với kiến trúc khép kín của các hãng lớn: thay vì bị khóa vào một hệ sinh thái duy nhất, các trung tâm dữ liệu AI có thể ghép GPU, accelerator và switch của nhiều bên lên cùng một mặt bằng Ethernet 1.6 terabit. Quy đổi quan trọng: chuẩn này không chỉ nâng băng thông backbone; nó chuẩn hóa cách công nghệ quang học được dùng để xử lý nút thắt dữ liệu từ tầng mạng nội bộ đến kết nối liên tòa nhà, tạo nền chung để iPronics, Huawei, Nvidia hay Broadcom buộc phải tương thích thay vì xây dựng "tiểu quốc" riêng.
Kết luận: ba lộ trình quang học, một mục tiêu là phá nút thắt dữ liệu
Nhìn từ trên xuống, mạng quang AI đang có ba lộ trình rõ ràng. iPronics đánh vào tính linh hoạt bằng mạng quang lập trình, cho phép cụm GPU tái cấu hình đường đi dữ liệu theo thời gian thực để tránh lỗi và tối ưu sử dụng phần cứng. Huawei đẩy quang học sát chip với Hi-ONE và Unified Bus, dùng kiến trúc quang gần đóng gói để giảm chiều dài truyền điện, cắt nhiệt và điện năng, đồng thời mở rộng băng thông mỗi module lên nhiều terabit. IEEE P802.3dj lại đặt nền chung với Ethernet 1.6 terabit, để mọi bên tham gia trên một chuẩn mở.
Thông điệp xuyên suốt rất rõ: trung tâm dữ liệu AI không còn bị giới hạn bởi silicon tính toán mà bởi cách dữ liệu di chuyển. Công nghệ quang học đang được dùng để xử lý giới hạn của kết nối truyền thống, từ khoảng cách truyền, băng thông đến kích thước dây dẫn và mức tiêu thụ điện; chuyển từ đồng sang quang giúp tăng băng thông, giảm điện năng và dễ mở rộng quy mô kết nối giữa các chip. TrendForce dự báo công nghệ quang học đồng đóng gói có thể chiếm khoảng 35% trung tâm dữ liệu AI vào năm 2030. Câu hỏi không còn là "có chuyển sang quang hay không", mà là doanh nghiệp sẽ chọn mạng quang lập trình, kiến trúc quang sát chip, hay bám chuẩn Ethernet 1.6 terabit – hoặc pha trộn cả ba – để phá vỡ nút thắt dữ liệu cho thế hệ AI kế tiếp.
