AI時代のネットワーク：需要、革新と投資機会

大規模モデル時代の到来に伴い、ネットワークはAI産業チェーンの重要な一環となっています。本稿では、AI時代におけるネットワークの重要性、通信技術の革新方向、そして関連する投資機会について探ります。

1. ネットワーク需要の出所

大規模モデルのトレーニングは、ネットワークに対してより高い要求を提起し、主に以下のいくつかの側面に表れています:

1. モデルの規模と単一カードの計算能力の差が拡大し、複数のサーバークラスターによる協調トレーニングが必要です。
2. ネットワークはデータの伝送だけでなく、GPU間のモデルパラメータの同期にも使用されます。
3. ネットワークの密度と容量に対する要求が大幅に増加

モデルのトレーニング時間 = トレーニングデータの規模 * モデルパラメータの量 / 計算速度 計算速度 = 単一デバイスの計算率 * デバイス数 * 複数デバイスの並列効率

トレーニング時間を短縮するために、計算効率を向上させる必要があります。これは、デバイスの数を増やし、並列効率を高めることで実現されます。

トレーニング中、各計算後に単一カード間で整合が必要であり、ネットワークの伝送と交換に対してより高い要求が課されています。

障害コストは高額です。大規模モデルのトレーニングは数ヶ月続き、中断すると深刻な進捗とコストの損失が発生します。

2. ネットワーク革新の方向

2.1 通信媒体の変更

光、銅とシリコンは主要な伝送媒体です。光モジュールは、より高速なデータ転送を追求する一方で、LPO、LRO、シリコン光などのコスト削減の道を模索しています。銅ケーブルはコストパフォーマンスによりラック内接続で主導的な地位を占めています。Chiplet、Wafer-scalingなどの新技術がシリコンベースの相互接続の限界を探求しています。

2.2 ネットワークプロトコルの競争

ピア間通信プロトコルは、NVIDIAのNV-LINKやAMDのInfinity FabricなどのGPUとの強いバインディングを持っています。ノード間通信は主にIBとイーサネットの競争です。

2.3 ネットワークアーキテクチャの変化

現在一般的に葉脊アーキテクチャが採用されています。しかし、クラスターの規模が大きくなるにつれて、Dragonflyやレール専用アーキテクチャなどの新しいアーキテクチャが超大規模クラスターの進化の方向性として期待されています。

3. 投資アドバイス

通信システムのコアリンク:Zhongji Innolight、Xin Yisheng、Tianfu Communication、Industrial Fortune Union、Invic、Shanghai Electric Co.、Ltd

通信システムの革新:YOFC、Tetherlight、Yuanjie Technology、Centec Communications-U、Cambrian、Taclink

4. リスク警告

1. AIの需要は予想を下回った
2. スケーリング法則の失効
3. 業界における競争の激化