Blog über KI-Boom treibt Ethernet-Dominanz im Markt für Rechenzentrums-Switches voran

Das explosive Wachstum der künstlichen Intelligenz (KI) verändert die globale Technologielandschaft mit beispielloser Kraft. Rechenzentren als Kerninfrastruktur für KI-Rechenleistung unterliegen tiefgreifenden Veränderungen in ihrer Netzwerkarchitektur. Einst ein ruhiger Sektor, ist der Markt für Rechenzentrums-Switches zu einem strategischen Schlachtfeld für Technologiegiganten geworden. Eine aktuelle Prognose der Dell'Oro Group zeichnet ein beeindruckendes Bild: Bis 2030 werden die Ausgaben für Rechenzentrums-Switches, die speziell für KI-Backend-Netzwerke entwickelt wurden, 100 Milliarden US-Dollar übersteigen.

Diese erstaunliche Zahl spiegelt nicht nur die steigende Nachfrage nach KI-Rechenleistung wider, sondern signalisiert auch den dringenden Bedarf an einer leistungsstarken Netzwerkinfrastruktur mit hoher Bandbreite und geringer Latenz. Dieser Artikel untersucht die durch KI vorangetriebene Markttransformation, untersucht die zugrunde liegenden Faktoren und aufkommenden Technologietrends und analysiert die zentrale Rolle von Ethernet in dieser technologischen Revolution.

Die rasante Entwicklung der KI in allen Anwendungen – von der Verarbeitung natürlicher Sprache bis hin zu Computer Vision, autonomem Fahren und wissenschaftlicher Forschung – hat die Nachfrage nach leistungsstarken Rechenfunktionen direkt angeheizt. Das Training großer KI-Modelle, insbesondere Deep-Learning-Modelle, erfordert riesige Datensätze und enorme Rechenressourcen. GPUs als Kernhardware für KI-Computing stellen beispiellose Herausforderungen für Rechenzentrumsnetzwerke dar, da sich ihre Leistung verbessert und ihre Anzahl zunimmt. Herkömmliche Netzwerkarchitekturen haben Schwierigkeiten, die strengen Anforderungen von KI-Workloads an Datenübertragungsgeschwindigkeit, Bandbreite und Latenz zu erfüllen.

Der Bericht der Dell'Oro Group macht diesen Trend deutlich und prognostiziert, dass der Markt für KI-Backend-Netzwerk-Switches bis 2030 die 100-Milliarden-Dollar-Schwelle erreichen wird. Diese Prognose basiert auf dem anhaltenden Wachstum des KI-Computing-Bedarfs. Da KI-Modelle immer größer werden – mit Parametern in der Größenordnung von Dutzenden oder Hunderten von Milliarden oder sogar Billionen – erfordern Trainingsprozesse die parallele Verarbeitung riesiger Datensätze und die häufige Synchronisierung von Modellparametern. Hochgeschwindigkeits-GPU-Verbindungen und ein effizienter Datenaustausch zwischen GPUs und Speicher erfordern eine außergewöhnliche Netzwerkbandbreite und Latenz. Ohne ausreichende Netzwerkleistung bleiben selbst die leistungsstärksten Rechenressourcen unzureichend ausgelastet.

KI-Workloads unterscheiden sich erheblich von herkömmlichen Rechenzentrumsanwendungen:

• Paralleles Rechnen mit hoher Dichte:Beim KI-Training handelt es sich in der Regel um groß angelegte parallele Berechnungen, bei denen Tausende von GPUs zusammenarbeiten. Dies erfordert eine extrem hohe GPU-zu-GPU-Kommunikationsbandbreite und minimale Latenz, um die Recheneffizienz sicherzustellen.
• Datenintensiv:Das Training von KI-Modellen erfordert die Verarbeitung riesiger Datensätze, wodurch das Laden, Übertragen und Speichern von Daten von entscheidender Bedeutung ist. Netzwerke müssen Daten schnell und effizient an Rechenknoten liefern.
• Komplexe Kommunikationsmuster:KI-Workloads umfassen Multicast-, Broadcast- und andere kollektive Kommunikationsvorgänge und erfordern, dass Netzwerke eine effiziente Gruppenkommunikation unterstützen.
• Dynamisch und elastisch:Der Ressourcenbedarf von KI-Trainingsaufgaben kann schwanken, sodass sich Netzwerke dynamisch anpassen müssen.

Diese Eigenschaften stellen Rechenzentrumsnetzwerke vor große Herausforderungen:

• Bandbreitenengpässe:Die herkömmliche Netzwerkbandbreite reicht möglicherweise nicht für die schnelle Übertragung großer Datenmengen zwischen GPUs aus, was zu ungenutzten Rechenressourcen führt.
• Latenzprobleme:Eine hohe Latenz kann die Effizienz des KI-Modelltrainings erheblich verringern und sogar die Modellkonvergenz beeinträchtigen.
• Skalierbarkeitsgrenzen:Da KI-Modelle wachsen, werden mehr Rechenknoten benötigt, was die Skalierbarkeit des Netzwerks entscheidend macht.
• Stromverbrauch:Hochleistungsnetzwerkgeräte verbrauchen oft viel Energie, sodass neben der reinen Leistung auch die Energieeffizienz ein wichtiger Aspekt ist.

Die Prognose der Dell'Oro Group ist nicht allein; Mehrere Marktforschungsunternehmen sind hinsichtlich des KI-gesteuerten Netzwerkwachstums von Rechenzentren optimistisch. Ein 100-Milliarden-Dollar-Markt stellt ein enormes kommerzielles Potenzial dar und zieht die Aufmerksamkeit von Netzwerkausrüstungslieferanten, Chipherstellern und technischen Dienstleistern auf sich. Dieses Wachstum geht über den Hardware-Verkauf hinaus und treibt Innovationen im gesamten Ökosystem voran.

Um den wachsenden Anforderungen an KI-Computing gerecht zu werden, entwickeln sich die Netzwerkarchitekturen von Rechenzentren ständig weiter. Der Bericht der Dell'Oro Group identifiziert mehrere wichtige Bereitstellungsmodelle, die die Ausgaben für Backend-Netzwerke steigern und neue Architekturen ermöglichen.

Scale-up (vertikale Skalierung):Dieser Ansatz erhöht die Ressourcen innerhalb vorhandener Systeme, um die Leistung zu steigern. Bei der KI umfasst die Skalierung in der Regel die Integration von mehr GPUs und Speicher in einzelne Server oder Rechenknoten unter Verwendung von Hochgeschwindigkeitsverbindungen wie NVLink, um die Latenz der GPU-Kommunikation zu minimieren. Dies ermöglicht eine engere Kopplung und verbessert die Rechendichte und Leistung einzelner Knoten.

Scale-out (horizontale Skalierung):Bei dieser Strategie werden weitere Server und Rechenknoten hinzugefügt und über Netzwerke zu Clustern verbunden. Scale-out unterstützt groß angelegte KI-Trainingscluster und ermöglicht die parallele Verarbeitung komplexer Aufgaben und riesiger Datensätze. Wenn die Cluster jedoch wachsen, nimmt die Kommunikation zwischen den Knoten exponentiell zu, was eine größere Netzwerkbandbreite und geringere Latenz erfordert.

Die Dell'Oro Group betont, dass sowohl Scale-up- als auch Scale-out-Strategien die Ausgaben für Backend-Netzwerke deutlich erhöhen. Für die Skalierung sind dichtere, fortschrittlichere Netzwerkschnittstellen und Switches erforderlich, um knoteninterne GPU-Verbindungen zu unterstützen. Scale-out erfordert leistungsfähigere Netzwerk-Backbones und effizientere Switches, um die Kommunikation zwischen Knoten in großem Maßstab zu bewältigen.

Insbesondere gewinnt eine neue Architektur namens „Scale-Across“ an Bedeutung. Dieses Modell verbindet geografisch verteilte, aber logisch einheitliche Rechenzentren zu einem einzigen Rechencluster. Im Gegensatz zu herkömmlichen zentralisierten Hyperscale-Rechenzentren verteilt Scale-Across die Rechenressourcen über Regionen – näher an Datenquellen oder Benutzern – und integriert sie gleichzeitig durch fortschrittliche Vernetzung in ein effizientes Ganzes.

Scale-Across geht die Herausforderungen in Bezug auf Bereitstellung, Energieeffizienz und Kosten an, mit denen herkömmliche Hyperscale-Rechenzentren konfrontiert sind. Zu den Hauptvorteilen gehören:

• Optimierter Energieeinsatz:Die Verteilung von Rechenressourcen in der Nähe von Energieversorgungs- oder Kühlquellen verbessert die Energieeffizienz und senkt die Stromverbrauchseffektivität (PUE).
• Maximale Leistung pro Watt:Die verteilte Bereitstellung passt die Rechenanforderungen besser an die Energieverfügbarkeit an und verbessert so die Leistung pro verbrauchter Energieeinheit.
• Reduzierte Latenz:Durch die Platzierung von Rechenressourcen in der Nähe von Datenquellen oder Benutzern werden Verzögerungen bei der Datenübertragung und -verarbeitung minimiert, was für Echtzeit-KI-Anwendungen von entscheidender Bedeutung ist.
• Erhöhte Belastbarkeit:Verteilte Systeme verbessern natürlich die Fehlertoleranz, da einzelne Knotenausfälle den Gesamtbetrieb nicht stören und gleichzeitig eine bessere regionale Notfallwiederherstellung ermöglichen.
• Überwindung von Standortbeschränkungen:Es kann schwierig sein, Land, Strom und Kühlung für große Rechenzentren zu finden. Scale-Across vermeidet diese Einschränkungen.

Projekte wie Project Rainer von AWS und Fairwater von Microsoft veranschaulichen die Scale-Across-Prinzipien. Diese Initiativen zielen darauf ab, eine flexible, effiziente verteilte KI-Computing-Infrastruktur aufzubauen und globale Rechenzentren über fortschrittliche Netzwerke zu verbinden, um einheitliche, skalierbare KI-Plattformen zu schaffen.

Die Implementierung von Scale-Across stellt höhere Anforderungen an das Netzwerk. Es erfordert nicht nur interne Verbindungen mit hoher Bandbreite und geringer Latenz, sondern auch effiziente, zuverlässige überregionale Verbindungen. Dies kann fortschrittliche Routing-Technologien, robustere Netzwerkprotokolle und intelligentere Netzwerkverwaltungssysteme umfassen.

Von dieser KI-gesteuerten Netzwerktransformation werden Switch-Anbieter erheblich profitieren. Auf technologischer Ebene erweist sich Ethernet mit seinem robusten Ökosystem als wahrscheinlicher langfristiger Gewinner.

Als offene, ausgereifte und weit verbreitete Technologie bietet Ethernet beispiellose Vorteile bei der Vernetzung von Rechenzentren:

• Offene Standards:Die offenen Standards von Ethernet fördern ein riesiges Ökosystem mit umfassender Herstellerunterstützung, wodurch Kosten gesenkt und die Interoperabilität verbessert werden.
• Wirtschaftlichkeit:Im Vergleich zu proprietären Technologien bietet Ethernet eine bessere Wirtschaftlichkeit, insbesondere im großen Maßstab.
• Reife und Zuverlässigkeit:Jahrzehntelange Entwicklung hat die Zuverlässigkeit und Leistung von Ethernet bewiesen.
• Kontinuierliche Innovation:Ethernet-Standards entwickeln sich stetig weiter, wobei die Geschwindigkeiten von 100 GbE auf 400 GbE, 800 GbE und 1,6 TbE steigen, um den steigenden Anforderungen gerecht zu werden.

Die Dell'Oro Group weist darauf hin, dass trotz der Koexistenz mehrerer Technologien der Aufstieg von Ethernet zu leistungsstarken Backend-Netzwerken unaufhaltsam ist. Im Jahr 2025 war Ethernet bereits zum dominierenden Verbindungsstandard im Supercomputing geworden. Innovationen wie die Slingshot-Ethernet-Lösungen von HPE wurden weithin in Hochleistungssystemen der Spitzenklasse eingesetzt und demonstrieren das Potenzial von Ethernet in diesem Bereich.

Die vorherige Prognose der Dell'Oro Group zeichnet ein noch besseres Bild: Ethernet wird in den nächsten fünf Jahren fast 80 Milliarden US-Dollar zum Umsatz mit Rechenzentrums-Switches beitragen. Dies deutet darauf hin, dass Ethernet den Großteil des Marktes erobern wird, insbesondere bei KI-gesteuerten Hochleistungs-Backend-Netzwerken.

Allerdings steht Ethernet vor Konkurrenz. In Scale-up-Architekturen basiert die enge Kopplung von GPU und Speicher häufig auf proprietären Strukturen wie NVLink. Sameh Boujelbene, Vizepräsident der Dell'Oro Group, erklärt: „Um den explosiven Computing-Anforderungen gerecht zu werden, können wir uns nicht länger ausschließlich auf Scale-out-Netzwerke für GPU-zu-GPU-Verbindungen über Racks hinweg verlassen. Dieser Wandel treibt Scale-Up-Architekturen voran, die GPUs und Speicher in gemeinsam genutzten Umgebungen mit hoher Bandbreite für verteilte Inferenz eng koppeln.“

Bei der Skalierung dominieren seit langem NVLink und ähnliche proprietäre Strukturen, die eine außergewöhnliche Bandbreite und minimale Latenz für die GPU-Kommunikation zwischen Knoten bieten. Boujelbene stellt jedoch fest: „So wie Ethernet InfiniBand in großen Scale-out-Umgebungen überholt hat, sehen wir jetzt, dass Alternativen wie UALink und Ethernet in Scale-up-Architekturen an Dynamik gewinnen.“

UALink, eine neue Verbindungstechnologie, soll NVLink mit höheren Geschwindigkeiten und geringerer Latenz übertreffen und möglicherweise bei der Skalierung eine starke Akzeptanz finden. Dennoch kommt Boujelbene zu dem Schluss: „Während wir eine starke Akzeptanz von UALink vorhersagen, gehen wir davon aus, dass Ethernet sowohl beim Scale-up als auch beim Scale-out als langfristiger Gewinner hervorgehen wird.“ Dies deutet darauf hin, dass sich trotz des kurzfristigen Potenzials von UALink letztendlich die Offenheit, die Kostenvorteile und die kontinuierliche Innovation von Ethernet durchsetzen werden.

Um die Netzwerkleistung für KI-Workloads weiter zu verbessern, gewinnt die Co-Packaged Optics (CPO)-Technologie an Bedeutung. CPO integriert optische Module mit Switch-Chips in einem einzigen Gehäuse und verkürzt so die optischen Signalwege, um den Stromverbrauch und Signalverlust zu reduzieren und gleichzeitig eine höhere Bandbreite, geringere Latenz und eine verbesserte Energieeffizienz zu ermöglichen.

Sogar Nvidia, das seit langem mit InfiniBand verbunden ist, setzt auf Ethernet und CPO. Seine Ethernet-basierte Spectrum-X-Reihe hat sich von den anfänglichen Konfigurationen zu einer „ungefähr vergleichbaren“ Qualität mit den Angeboten der Konkurrenz entwickelt. Die Dell'Oro Group unterstreicht Nvidias Führungsrolle bei der CPO-Einführung für Silizium-Photonikschalter.

Nvidias CPO-Versionen von Spectrum-X und Quantum-X (InfiniBand-basiert) werden noch dieses Jahr erwartet. Nvidia-Ingenieure berichten, dass diese CPO-Lösungen die Energieeffizienz um das 3,5-fache und die Signalintegrität um das 63-fache verbessern und eine 10-mal höhere Netzwerkstabilität im großen Maßstab bieten. Diese Kennzahlen zeigen das transformative Potenzial von CPO für KI-Netzwerke.

Broadcom treibt auch die CPO-Technologie voran. Seit 2021 werden CPO-Switches entwickelt, die Geschwindigkeiten von 800 Gbit/s und 1,6 Tbit/s unterstützen. Ende letzten Jahres gab Broadcom die Tests seiner photonischen Produkte durch Meta bekannt, bei denen über Millionen von Stunden 400G-äquivalenter Port-Betrieb hinweg keine Verbindungsausfälle erzielt wurden – was eine bemerkenswerte Zuverlässigkeit beweist.

Hock Tan, CEO von Broadcom, bleibt dennoch vorsichtig und sagt den Anlegern: „Ich kann mir eine Zukunft vorstellen, in der Silizium-Photonik die einzige Lösung sein wird, aber wir sind noch nicht ganz da – obwohl wir über die Technologie verfügen und sie weiterentwickeln.“ Dieser gedämpfte Ausblick spiegelt die verbleibenden Herausforderungen von CPO in Bezug auf Kosten, Ertrag und Massenproduktion wider, trotz seines allgemein anerkannten Potenzials.

Die KI-gesteuerte Transformation von Rechenzentrumsnetzwerken birgt nicht nur enorme Marktchancen, sondern auch ein neues Kapitel in der technologischen Entwicklung. Ob Ethernet wie vorhergesagt dominieren kann – indem es seine Offenheit und Kostenvorteile nutzt, um der wachsenden Komplexität gerecht zu werden – wird in den kommenden Jahren ein zentrales Thema sein.

Die Offenheit und Standardisierung von Ethernet bleiben seine Kernstärken und ermöglichen eine breite Beteiligung am Ökosystem, die Innovation und Kostensenkung vorantreibt. Mit der zunehmenden Verbreitung von KI-Arbeitslasten wird die Nachfrage nach leistungsstarken Netzwerken mit hoher Bandbreite steigen, wobei die sich entwickelnden Standards und die Wirtschaftlichkeit von Ethernet eine günstige Positionierung darstellen.

Die Komplexität der KI-Workloads stellt jedoch neue Herausforderungen dar. Beispielsweise erfordert die Anpassung der Leistung proprietärer Fabrics über Ethernet in Scale-up-Architekturen gezielte Forschung und Entwicklung. Die CPO-Integration erfordert außerdem eine bessere Kompatibilität optischer Komponenten für eine effiziente Signalübertragung.

Zukünftige Rechenzentrumsnetzwerke werden wahrscheinlich vielfältige Lösungen bieten. Ethernet wird dominieren, aber in Spezialbereichen wie Hochleistungs-Scale-up-Computing könnten neue Technologien wie UALink Nischen finden. In der Zwischenzeit wird InfiniBand in bestimmten Hochleistungs-Computing-Szenarien weiterhin relevant bleiben.

• Hochgeschwindigkeits-Ethernet:800 GbE, 1,6 TbE und mehr werden beschleunigt, um den Anforderungen an KI-Training und Inferenz gerecht zu werden.
• CPO-Einführung:Mit zunehmender Reife von CPO und sinkenden Kosten wird es nach und nach Einzug in Mainstream-Rechenzentrums-Switches halten und so Leistung und Effizienz steigern.
• Netzwerkintelligenz:KI wird die Netzwerkverwaltung und -optimierung verbessern und die betriebliche Effizienz und Zuverlässigkeit verbessern.
• Softwaredefiniertes Netzwerk (SDN):SDN bietet eine flexiblere Steuerung und Verwaltung, um der dynamischen Natur von KI-Workloads gerecht zu werden.

Das explosive Wachstum von KI verändert den Markt für Rechenzentrums-Switches grundlegend, wobei eine Chance von 100 Milliarden US-Dollar ein beispielloses Potenzial signalisiert. Die Prognose der Dell'Oro Group zeigt eine klare Zukunft: Eine KI-gesteuerte Netzwerkrevolution ist im Gange, wobei Ethernet aufgrund seiner Offenheit, Kosteneffizienz und kontinuierlichen Innovation als langfristiger Gewinner gilt. Revolutionäre Technologien wie CPO verleihen der Leistung von KI-Netzwerken neuen Schwung. Bei dieser KI-gesteuerten Transformation werden die Akzeptanz von Veränderungen, strategische Planung und nachhaltige Innovation für den Wettbewerbserfolg von entscheidender Bedeutung sein. Wir stehen an der Schwelle einer aufregenden neuen Ära und sind Zeuge und Teilhaber der bemerkenswerten Entwicklung der Vernetzung von Rechenzentren.