微软详解MicroLED突破性技术 助力AI数据中心降低能耗

微软公布了一种新型数据传输技术，旨在改进人工智能基础设施的构建方式，该技术在数据中心内部使用MicroLED来替代铜缆和基于激光的光纤。

该系统由微软位于英国剑桥的研究部门开发，使用商用MicroLED芯片和成像光纤，通过光来传输数据。微软表示，随着计算需求的持续增长，这种方法可以降低能耗、提高可靠性，并缓解AI数据中心设计中的物理限制。

从左至右：参与开发MicroLED布线系统的微软研究人员考塔尔·本亚亚、石凯和保罗·科斯塔，他们身旁是测试和开发过程中使用的原型设备。照片来源：克里斯·韦尔施/微软

微软研究核心实验室企业副总裁道格·伯格在领英发文中提及了这一消息，他表示这项创新"有望推动AI（及其他）系统的构建方式向前发展"。他还补充说，微软已选择广泛提供这项技术，并指出"整个行业降低能耗对我们大家都有好处"。

当前数据中心网络系统的局限性

这项开发旨在解决服务器与GPU之间数据传输日益增长的瓶颈问题，特别是在AI工作负载中。

目前，数据中心内部的大多数短距离数据传输依赖于使用电信号的铜缆。铜缆因其低成本而被广泛使用，但它存在物理限制。随着传输速度的提高，铜缆的最大有效距离会缩短，通常降至两米左右。这导致机架内功率密度升高，使冷却变得更加复杂，并限制了系统的设计方式。

对于更长距离的传输，数据中心使用由激光驱动的光纤电缆。这些电缆可以在高带宽下实现远得多的数据传输距离，但需要权衡利弊，包括更高的功耗、更大的组件以及对温度和灰尘等环境条件更高的敏感性。

伯格在其领英发文中总结了这一挑战，他解释说，不断提高的数据速率迫使芯片放置得更近，导致"机架功率密度迅速增加"，他将此描述为"不可持续"。

MicroLED方法引入全新架构

新系统采用基于MicroLED的方法，通过数千个并行通道发送数据，取代了铜缆和基于激光的传输技术。

这一概念源于2020年，当时研究人员探索是否可以将类似于消费电子产品中使用的商用LED芯片，改造用于高速数据传输。该团队开发了一种使用成像光纤的系统，这是一种通常用于医疗内窥镜的线缆，其内部包含数千个纤芯，能够承载并行的光流。

微软合作伙伴研究经理保罗·科斯塔解释了这种方法与现有方法的区别："成像光纤看起来像标准光纤，但内部有数千个纤芯。"他补充说："这正是过去缺失的一环。我们终于找到了一种方法，可以在一条线缆中传输数千个并行通道。"

与通过少量高速通道传输数据的传统光纤不同，MicroLED系统将数据分配到许多低速通道上。科斯塔将这种方法描述为"宽且慢"，而基于激光的系统则是"窄且快"的模型。

伯格表示："早期关于使用LED发送数据——比铜缆和光纤更便宜、功耗更低——的想法似乎像是天方夜谭。这项突破有可能改变计算基础设施的几乎每一个方面……从高带宽光缆开始。"

性能、能耗与可靠性考量

微软的内部测试表明，与当前基于激光的光学系统相比，MicroLED系统的能耗可降低约50%。该公司还预期可靠性会有所提高，因为LED对可能影响激光元件的环境因素不那么敏感。

该系统设计用于数十米距离内的传输，在传输距离上介于铜缆和传统光纤之间，旨在结合两者的优势。

为了推进该技术的部署，微软与联发科等合作伙伴合作，开发了一个可集成到现有数据中心基础设施中的概念验证系统。该团队已将该系统小型化为与当前服务器硬件兼容的收发器设备。

Azure基础设施中的互补性网络技术发展

MicroLED系统正与微软基础设施内的其他网络技术同步开发，其中包括已在部分Azure区域部署的空芯光纤（HCF）。

HCF与传统光纤不同，它通过空心纤芯内的空气传输光，而非玻璃，从而能够实现更快的数据传输和更低的延迟。据微软称，与传统光纤相比，HCF的数据传输速度最高可提升47%，延迟降低约33%。

Azure 超大规模网络总经理弗兰克·雷伊解释了两项技术如何互补。他说："有了MicroLED，你就能获得LED相对于激光的纯粹效率优势。这对任何特定数据中心的功耗都会产生直接的盈亏影响。"

他补充说，空芯光纤扩展了数据中心的覆盖范围："如果在需要任何信号放大之前能传输更远的距离，那就意味着更少的建筑、更少的电力、更少的发电机、更少的能源消耗。"

总而言之，这些技术旨在支持网络的不同部分，MicroLED专注于数据中心内部的连接，而HCF则能在更长距离上实现更快、更低延迟的连接。

原文：Microsoft MicroLED tech targets AI data center efficiency | ETIH EdTech News — EdTech Innovation Hub

从研究概念到行业部署

随着计算需求的增加以及现有网络方法触及物理和操作极限，MicroLED系统反映了AI基础设施设计方式的更广泛转变。

该项目涉及微软研究院、Azure工程团队和外部合作伙伴之间的合作，工作涵盖光学工程、信号处理和硬件设计。剑桥实验室已开发出一个工作原型，该系统已被缩小为紧凑型收发器形态，以便集成到服务器中。

微软预计该技术将于2027年底与行业合作伙伴实现商业化，将其定位为下一代数据中心网络的一部分。

伯格在其领英发文中强调了这项技术的长期影响，指出该方法可以"开辟额外的设计选项，使我们的系统变得更好"，同时应对AI基础设施中的能耗和可扩展性挑战。