- 综合排序
- 最热优先
- 最新优先
- 来自专栏6G
OCS 四大技术缺陷！
分享一篇早期关于OCS的文章。 谷歌在2022年引入了光交换机以替代主干层电交换机，强调了OCS的几大优势，如数据速率和波长无关、低延迟和高效节能等等。 由于OCS具备全带宽处理能力，当谷歌将leaf switch升级至1.6T/3.2T光模块时，现有OCS设备无需更换，这种可持续使用特性有效抵消了初期投资。 若按谷歌规划的3代设备升级周期计算，OCS单代前期成本约为EPS的3.5倍（考虑到每代EPS的平均售价持续上涨）。若OCS能支持4代设备升级，则两者的资本性支出差异可能高达六倍！ 另外，传统OCS在进行光路切换时耗时较长。打个比方，OCS 就像一个铁路道岔。它们可以有多条路径，但火车一次只能穿过一条特定的轨道/路径。为了改变火车的行驶路径，必须手动重定向轨道。 文档参考： 光是通信的必由之路，OCS已成功应用.pdf AI网络光交换机技术报告.pdf
98601编辑于 2025-03-24 - 来自专栏光芯前沿
UCB的硅光MEMS OCS控制技术
光交换（OCS）类似传统电话交换机，只不过它传输的是光信号。与EPS相比，OCS的直接光连接能降低功率损耗和延迟，但需要提前规划连接路径，适用于流量较为稳定、可预测的场景。 这一实践展示了OCS在大规模数据中心中的可行性和优势，也引发了业界对OCS技术的更多关注。 （三）OCS技术的发展方向 未来，分布式AI/ML工作负载对网络性能提出了更高要求，需要更频繁的拓扑优化。然而，目前OCS的ms级切换速度仍限制了其在这方面的应用。 因此，开发更快切换速度的OCS技术成为了未来的重要研究方向。 （四）现有OCS技术的优劣势 目前的OCS技术主要包括3D MEMS镜子技术、压电式开关、硅光OCS等。 硅光OCS虽然切换速度快且成本潜力低，但存在插入损耗和串扰等问题。基于InP的OCS虽有无损切换的优势，但工艺不成熟、成本高、规模做不大。
2.1K12编辑于 2025-04-23 - 来自专栏AI与算力
为什么谷歌要发展OCS光交换机?
因此，为了高效地将多个计算芯片连接起来，谷歌在通用解决方案基础上，创造性地引入OCS光交换机（Palomar）。那么为何要发展OCS光交换机? TPU v4时期首次引入Palomar OCS提升计算集群性能 谷歌从TPU v2版本开始构建超级计算机集群：谷歌在2017年发布TPU v2的同时，宣布计划研发可扩展云端超级计算机TPU Pods，通过新的计算机网络将 ◼ TPU v3集群（Pod）：2018年与TPU v3芯片一同推出，每个Pod最多拥有1024个芯片； ◼ TPU v4集群首次引入OCS：首次引入Palomar OCS（Optical Circuit 本文内容源引于中泰证券的研究报告"AI系列：光是通信的必由之路，OCS已成功应用"
1.7K11编辑于 2024-04-09 - 来自专栏光芯前沿
Drut Technologies：CPO＋OCS打破静态机架算力局限
Drut Technologies成立于2018年，总部位于美国新罕布什尔州纳舒厄，业务覆盖美国、印度及欧洲市场，是OCS光子解聚合技术领域的先驱企业之一。 而实现服务器解耦的关键，在于低延迟、高带宽的动态互连技术——这正是Drut 2500系列光子架构与光交换（OCS）的核心应用场景。 ◆ OCS与CPO技术：实现低延迟光子互连的关键 Drut报告强调，“PCIe remoting over Optical Circuit Switch（OCS）”是服务器解耦的技术核心—— 即通过OCS（光电路交换机）构建动态光子fabric，实现PCIe信号的长距离、低延迟传输；而CPO技术则是提升光子互连密度、降低功耗的关键突破。 OCS的作用：动态光路由 Drut的光子fabric基于OCS实现“动态互连”：OCS作为Layer-1层交换机，可实时调整iFIC 2500与tFIC 2500之间的光子通路，无需依赖传统以太网或
50911编辑于 2025-10-13 - 来自专栏光芯前沿
光子集成OCS技术：从单材料平台到异质集成平台
剑桥大学的Richard Penty教授在OCP EMEA 2025上做了题目为Photonic Integrated Switch Fabrics：from homogeneous integration to heterogeneous integration的报告，介绍了多年来项目组所研发的多种光子集成光开关技术及其在AI数据中心中的潜在应用及未来演进。 一、光开关技术在AI数据中心的应用背景
64911编辑于 2025-05-17 - 来自专栏光芯前沿
OFC 2026前瞻：AI 数据中心光交换OCS相关成果梳理
一、产业界特邀报告 本章节聚焦谷歌、英伟达、阿里云等全球 AI 与算力产业龙头发布的 OCS 相关特邀报告、高分论文，覆盖 OCS 在 AI 超算集群的规模化落地实践、AI 工厂网络架构级方案 二、OCS 核心器件与芯片级技术突破 本章节覆盖 OCS 核心光器件、硅光子集成芯片、交换矩阵与调度芯片的技术突破，是 OCS 实现高性能、高可扩展性、低成本落地的核心底座。 三、面向 AI 大模型训练 / 推理的 OCS 架构与调度优化 本章节聚焦 OCS 与 AI 大模型训练、推理场景的深度融合，覆盖 LLM 训练流量感知的 OCS 重配置、集体通信加速、推理性能阈值分析 四、数据中心与算力网络 OCS 规模化研究 本章节覆盖 OCS 在 AI 数据中心组网、跨集群扩展、算力网络资源池化等规模化落地场景的创新方案，旨在解决 OCS 商用部署的扩展性、能效、兼容性等核心问题 完成单位：上海交通大学 核心摘要：本文提出了 ocs-DRP 方案，一种基于 OCS 的扁平化、可扩展 AI 数据中心网络架构，通过双资源池化实现灵活的轨内与轨间连接。
1.2K20编辑于 2026-03-10 - 来自专栏光芯前沿
Cignal AI研讨会：面向AI扩展和数据中心自动化的光交换OCS技术
一、OCS基础定义与核心信息 1. 二、OCS应用场景 1. 三、OCS市场规模 - Cignal AI预计到2029年，光交换OCS的总潜在市场规模（TAM） 将超过16亿美元。 软件与系统架构 - 软件支持：SONiC作为开源软件，原定义为Layer-2/3标准，现OCS的SONiC子组项目将其扩展到包含Layer-1 OCS电路。 总结 当前因新技术出现，OCS适用于AI/ML等场景，随着用例发展，OCS架构及与数据中心网络的集成也将演进。
2.3K12编辑于 2025-07-24 - 来自专栏xingoo, 一个梦想做发明家的程序员
记录安装oracle的那些事（四）之oracle 缺包安包
\admin\OCS4J.properties”，点击忽略也能完成安装，但是又担心有不妥，于是四处查找答案，不过也没有看到对这个东东的解释。 原因是 Oracle 安装版本中 \DISK1\stage\Components\oracle.ocs4j\2.1.0.0.0a\1 \DataFiles\Expanded\OCS4J_conf_nt 下缺少 OCS4J.properties.tmp 文件。 如果安装遇到这个，可以自己创建 OCS4J.properties 文件, 然后拷贝到提示的路径，如 D:\oracle \ora92\ocs4j\admin 然后点击retry即可。 = %s_hostName%:%s_cachePort% diskPath = %s_diskPath% logFileName = %s_ocs4jAdmin%\logs\ocs4j.log Oracle
1.7K70发布于 2018-01-17 - 来自专栏光芯前沿
港科大MixNet入选SIGCOMM 2025：区域重构OCS光交换让MoE训练成本效率显著提升1.2-2.3倍
基于此，MixNet提出“区域可重构OCS+静态EPS”的混合架构，在无需全局重构的情况下适配动态流量。 域：每个区域连接80-250台服务器（基于毫秒级OCS的端口限制），专门承载EP的动态区域通信，通过实时重构适配流量热点，单个OCS单元支持576×576端口规模； - 全局静态EPS域：基于以太网/ 2.2 区域OCS的部署智慧 - 部署位置：区域OCS连接一组GPU服务器，每台服务器将部分网络接口卡（NIC）分配给OCS（其余保留给EPS），例如每台服务器配置4张NIC时，2张接入OCS、2张接入 3.2 贪心拓扑重构算法 为最大化高带宽链路利用率，MixNet采用贪心策略生成OCS拓扑： 1. 优先分配电路：为瓶颈链路分配OCS电路，直至端口资源用尽，单区域OCS最多可同时支持288条高带宽电路； 3.
96421编辑于 2025-08-12 - 来自专栏存储公众号：王知鱼
SK hynix：基于对象的计算型存储分析系统
OCS：在OCS架构中，查询以SQL的形式直接发送到OCS系统。OCS能够在存储层筛选出相关数据，将符合条件的数据直接返回给客户端。这样避免了读取不必要的数据，减少了数据移动量，提高了查询效率。 OCS 系统架构 • OCS系统由OCS前端服务器和基于对象的计算存储阵列（OCSA）组成 通过NVMe over Fabrics将后端存储（OCSA）解耦 • OCS是一个垂直优化的分布式分析系统 支持基于标准的对象和查询下推接口 计算与存储的整合 - OCS：OCS不仅是一个存储系统，还在存储层加入了计算能力，可以在数据存储的同时进行数据过滤、查询下推等计算操作。 支持多种异构设备 - OCS：OCS架构中的OCSA设备支持异构硬件（如NVMe SSD、CSD、CXL内存等），并通过异构设备管理来高效利用这些硬件资源。 OCS系统具有高互操作性和灵活性，并且可以节省主机资源。 5. 实验结果表明，使用OCS系统可以显著提高数据分析性能，同时减少数据传输和计算网络开销。
68710编辑于 2025-02-11 - 来自专栏光芯前沿
OCP EMEA 2025：Oriole介绍光子网络(OCS)赋能AI的挑战、机遇和演进
的应用与挑战，以为未来OCS如何做到取代EPS的一些观点。 三、光交换（OCS）的实践困境与突破方向 1. 谷歌的先驱实践：从数据中心核心到推理集群扩展 OCS技术在AI网络中有着重要的应用实践。 因此，OCS技术仅适用于连接持续时间较长的场景，以保证足够的吞吐量，这在很大程度上限制了其应用范围。 为突破这一困境，研究人员致力于将OCS的重新配置速度提升至微秒甚至纳秒级别。 性能对比：OCS vs 电分组交换（EPS） OCS技术面临的另一大挑战是，在集体数据传输过程中，若数据传输时间远短于交换机的重新配置时间、网络控制重新配置时间以及收发器的启动时间，OCS系统的性能将不如快速电分组交换系统 这就引出了一个关键问题：基于OCS的网络能否展现出与传统电分组交换（EPS）系统相媲美的性能？ 构建一个能够替代EPS系统的OCS网络，需要解决诸多技术难题。
1.2K01编辑于 2025-05-13 - 来自专栏光芯前沿
OFC 2026 NVIDIA报告：面向AI工厂的光交换（OCS）技术使能、应用场景与落地挑战
二、OCS在AI数据中心的核心应用场景 OCS的核心价值，在于实现了物理层拓扑的可重构，可针对性解决传统电交换网络在AI场景下的功耗、延迟、灵活性瓶颈。 在电交换层之间插入OCS，配套冗余硬件设计，当网络出现故障时，可通过OCS快速切换链路，剔除故障组件，替换为备用资源，有效缩小故障域，避免大量GPU资源因单点故障被闲置，提升集群整体可用性。 三、OCS规模化部署的核心技术要求与现存缺口 演讲明确指出，当前OCS技术仍无法满足AI集群的规模化商用部署需求，核心需补齐链路预算、集成密度、可靠性、成本四大维度的工程化缺口。 当前的核心缺口是，现有OCS器件的插入损耗过高，无法适配现有标准光模块的链路预算，需开发更低损耗的OCS器件与连接器方案。 当前的核心缺口是，现有OCS设备的故障模式不明确，缺乏适配AI集群高可用要求的冗余设计与热插拔能力。 在成本维度，AI集群的规模化部署要求OCS技术可支撑万级端口的商用落地。
55520编辑于 2026-04-03 - 来自专栏python3
Forefront For Office
一、创建用户并设置用户 首先我们在域控制器上创建一个用户，这个用户用来启动OCS服务和传达Forefront For OCS服务器的即时消息给各OCS客户端。 三、测试Forefront For OCS 我们打开Forefront For OCS控制台看看是什么样子。桌面清晰，一目了然。 我们在域控制器上用管理员的身份登陆OCS客户端，在OCS服务器上用zhangsan的身份登陆OCS客户端，如下图登陆成功后，我们让管理员给zhangsan发一个病毒文件，来测测试一下Forefront 接下来我们打开Forefront For OCS控制台中设置一下，来阻止OCS客户端来互相传送RAR压缩文件，打开Forefront For OCS服务器，选择“筛选”中的“文件”------“添加”- 发送了一个OCS2007安装包，已经发送了一多半了。 ? 马上就快发送完成了，出现了下面的提示“无法将OCS2007标准版.rar”发送给管理员 ?
84810发布于 2020-01-06 - 来自专栏光芯前沿
OFC 2025 Google报告： OCS技术使能AI集群的高效扩展，显著提升系统可用性和能效
OCS 通过动态调整网络拓扑，实现灵活的逻辑分组，显著提升系统可用性。 2. OCS 技术细节与优势 架构设计： 3D Torus 模块：每个机架内的 4x4x4 Torus 模块通过 OCS 连接，形成 16x16x16 的逻辑架构，支持灵活任务分割（如 8x8x4 或 16x8x16 OCS 在 AI 集群中的应用 模型训练案例： Palm 模型训练6 个Super Pod动态分配资源，50天内通过 OCS 调整拓扑，应对节点故障和维护，确保训练连续性。 带宽优化：通过 OCS 动态分配，消除跨机架流量瓶颈，降低延迟。 4. 未来展望与行业影响 行业趋势： 超大规模数据中心需求推动 OCS 技术主流化，解决铜缆连接的能效和扩展性瓶颈。 OCS 的动态拓扑调整、WDM 复用和环形器设计，使其成为大规模 AI 训练的关键技术。未来，随着超大规模数据中心的发展，OCS 技术将在行业中发挥更重要作用，推动 AI 基础设施的革新。
3.2K13编辑于 2025-04-08 - 来自专栏光芯前沿
Nvidia探索光交换OCS在数据中心及高性能计算集群中的应用
然而，高速光交换面临硬件成熟度低、系统时钟同步复杂等挑战，尽管如此，谷歌近期工作推动了OCS在数据中心的部署，最新研究也聚焦于OCS在机器学习应用系统中的使用，如TPU V4的相关研究展示了新的架构优化 ◆ OCS集成的位置与功能 在通用三级胖树拓扑中，OCS有多种集成点，如在叶层和脊层间添加OCS层（脊OCS层）可保持胖树拓扑并实现隔离、冗余和拓扑调整；用OCS替换核心和脊交换机（OCS 本研究利用L1可编程数据平面和OCS，通过在交换层间添加OCS及冗余交换机，动态重配置网络实现高效自动故障恢复。 使用Polatis的320端口商用OCS用于服务器到叶交换机和叶交换机到脊交换机的连接，该OCS由定制的L1控制平面软件控制，用于物理层资源管理。 ◆ 发展方向 需提升光收发器与OCS兼容性，降低OCS成本（遵循成本降低曲线，集成光技术有望带来更大成本收益），提高可靠性（优化各构建模块，考虑芯片增益和放大器设计，改进系统设计），以加速OCS
2.2K11编辑于 2025-04-08 Google TPU架构揭秘：OCS光交换，从4x4x4 Cube到9216卡Ironwood的进化引擎
数量为：6144 Links ÷ 128 Ports/OCS = 48 台 OCS。 为了在物理层严格控制和适配3D Torus，48台OCS被严格化为为三个正交组分别承载X/Y/Z轴不同维度的流量，以X轴组为例，包含16台OCS，遵循“同维互联”原则，每一台OCS仅仅负责连接和承载所有 OCS不读取数据包头、不进行光电转化，仅仅只是物理层面的“光线反射镜”，在Palomar OCS机箱内部光信号的传输路径呈现出一个经典的“W”形状，最大限度减少插入损耗和实现任意端口间的互联。 那么需要多少OCS呢？ 320*320规格的OCS），同时将 OCS 与 Cubes 之间的Twisted 3D Torus连接带宽提升至 800G/1.6T，确保了超大规模集群下的无阻塞通信。
2.7K11编辑于 2025-12-17- 来自专栏全栈程序员必看
数据库分区表关联
create table OCS_COLLECT_PEOPLE ( COLLECT_ID VARCHAR2(32) not null, PEOPLE_ID VARCHAR2(20) not null, P,OCS_COLLECT_PEOPLE_PROP PP WHERE PP.OPERATOR_TIME=P.OPERATOR_TIME AND P.COLLECT_ID=PP.COLLECT_ID P,OCS_COLLECT_PEOPLE_PROP PP WHERE PP.OPERATOR_TIME>TO_DATE('2013-01-01','YYYY-MM-DD') AND P.COLLECT_ID create table OCS_COLLECT_PEOPLE ( COLLECT_ID VARCHAR2(32) not null, PEOPLE_ID VARCHAR2(20) not null, P,OCS_COLLECT_PEOPLE_PROP PP WHERE PP.OPERATOR_TIME=P.OPERATOR_TIME AND P.COLLECT_ID=PP.COLLECT_ID
1.4K10编辑于 2022-08-18 Google OCS光路解耦揭秘：寒武纪大爆发，从供应链双轨到CPO百万卡全光计算织物
AGI小咖 本文基于 Google 十年来的 OCS 研发与部署经验，从 TPUv4 的 48 台 OCS 原型验证，到 TPUv7 Ironwood 的 14 万卡级 Jupiter 网络大规模商用， 1、Google OCS光路解耦演进 世界上唯一大规模商业化应用OCS的估计只有Google，从早期的Apollo 项目探索到Ironwood 架构落地，从 TPUv4 的 3D Torus 拓扑到 Jupiter DCN网络中 Spine 层的全面光化，从48台OCS组建3D Torus的4096颗TPUv4 Pod到1024台OCS支撑起147,456 颗 TPU v7 Pod的超大规模互联网络，OCS成为了 1.1 ICI 网络革命：从 48 台 OCS 构建 TPUv4 Pod 到 3D Torus 范式 在 ICI 专用网络层面，OCS 的引入彻底改变了超算集群的拓扑构建方式 ， Google在NSDI 1.3 Jupiter DCN 范式转移：OCS 重构骨干网迈向 14 万卡集群 如果说 ICI 网络是 OCS 在专用超算领域的胜利，那么 Jupiter DCN 的演进则标志着 OCS 在通用数据中心骨干网层面的全面突围
1.5K10编辑于 2025-12-30- 来自专栏光芯前沿
SC 25：哥伦比亚大学与 NVIDIA 联合提出 ACTINA框架，优化 OCS AI 网络性能与能效
提出的评估方法提供了一个全面框架，可评估不同 OCS 技术下支持 OCS 的网络性能，为下一代光可重构架构的设计提供指导，以满足新兴 AI 系统的功耗和计算需求。 OCS技术的出现打破了这一僵局。与静态网络不同，OCS可动态重构链路、按需分配带宽，且硬件成本低、功耗低，已在大规模生产数据中心和ML集群中部署。 Giant OCS抽象与逻辑拓扑 为简化网络建模，ACTINA提出Giant OCS抽象：所有GPU通过可转向光链路直接连接到一个大端口无阻塞OCS，可任意分配链路资源，模拟任意拓扑。 在较低的 OCS 功耗下，OCSBCube 和 TPUPod 的总功耗相似，但随着 OCS 功耗增加，OCSBCube 的功耗超过 TPUPod，因为其 OCS 组件数量更多。 此外，可以注意到，在较低的 OCS 功耗下，收发器功耗是 OCSBCube 和 TPUPod 的主要贡献者；而当 OCS 功耗增加到 3.8 W(Tunable laser方案)时，OCS 功耗成为主要贡献者
39011编辑于 2025-11-26 - 来自专栏Windows技术交流
24H2 Win11PE的制作和使用
(x86)\Windows Kits\10\Assessment and Deployment Kit\Windows Preinstallation Environment\amd64\WinPE_OCs (x86)\Windows Kits\10\Assessment and Deployment Kit\Windows Preinstallation Environment\amd64\WinPE_OCs (x86)\Windows Kits\10\Assessment and Deployment Kit\Windows Preinstallation Environment\amd64\WinPE_OCs (x86)\Windows Kits\10\Assessment and Deployment Kit\Windows Preinstallation Environment\amd64\WinPE_OCs (x86)\Windows Kits\10\Assessment and Deployment Kit\Windows Preinstallation Environment\amd64\WinPE_OCs
4.9K11编辑于 2025-12-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号