Lambda setzt NVIDIA-Photonics-Switches bei mehr als 10.000 GPUs ein

Lambda gibt an, weltweit erstmals Co-Packaged-Optics-Netzwerke in großem Maßstab eingesetzt zu haben. Am Standort in Quebec verbindet die Technologie mehr als 10.000 NVIDIA Blackwell Ultra GPUs. Nach Angaben des Unternehmens bieten die Optiken eine geringere Latenz, stabilere Signale und niedrigere Temperaturen als herkömmliche steckbare Netzwerklösungen.
- Lambda verbindet in Quebec mehr als 10.000 NVIDIA Blackwell Ultra GPUs.
- Die Bereitstellung nutzt NVIDIA-Photonics-Switches mit 144 Ports mit 800 Gb/s.
- Die CPO-Latenz war auf Rack-Ebene um 3,8 Prozent und auf Pod-Ebene um 10,1 Prozent niedriger.
- CPO-Optiken erreichten eine Mediantemperatur von 36 °C gegenüber 51 °C bei steckbaren Optiken.
- Lambda zufolge bieten die Optiken eine bis zu 15-mal höhere Zuverlässigkeit.
CPO verbindet Tausende GPUs
Die Bereitstellung nutzt NVIDIA-Photonics-Netzwerk-Switches auf dem Quebec-Campus von Lambda. Lambda hatte seine frühe Einführung von NVIDIA-CPO-Netzwerken erstmals im November 2025 angekündigt und die Technologie nun in Rack-, Scalable-Unit- und Pod-Konfigurationen mit herkömmlichen Optiken verglichen.
Bei Co-Packaged Optics sitzen optische Engines direkt neben dem Switch-ASIC. Herkömmliche steckbare Optiken wandeln elektrische Signale dagegen an der Vorderseite des Switches in Licht um. Laut Lambda verkürzt der elektrische Signalweg sich dabei von Zoll auf Millimeter. Das verringert den Signalverlust, macht Retimer-Chips überflüssig und erhöht die Ausfallsicherheit des Netzwerks.
„Netzwerke müssen mit den Anforderungen immer größerer KI-Cluster Schritt halten. Co-Packaged Optics in einer Bereitstellung dieser Größenordnung einzusetzen, ist ein wichtiger Schritt zum Aufbau der effizienten und robusten Infrastruktur, die für die nächste Generation von KI erforderlich ist“, sagte Dave Ward, President of Cloud Services bei Lambda.
Geringere Latenz und kühlerer Betrieb
Lambda zufolge erzielte CPO in den Benchmarks denselben Durchsatz und eine stabilere Signalintegrität als herkömmliche steckbare Optiken. Die Latenz war auf jeder getesteten Ebene niedriger. Der Unterschied stieg von 3,8 Prozent auf Rack-Ebene auf 10,1 Prozent auf Pod-Ebene.
Die CPO-Optiken erreichten außerdem eine niedrigere Mediantemperatur: 36 °C gegenüber 51 °C bei herkömmlichen steckbaren Optiken. Lambda zufolge sorgen kühlere und stabilere Optiken für eine bis zu 15-mal höhere Zuverlässigkeit und helfen dabei, große Trainingsjobs am Laufen zu halten.
Die bei der Bereitstellung eingesetzten NVIDIA-Photonics-Switches verfügen über 144 Ports mit 800 Gb/s, Flüssigkühlung und 18 herausnehmbare externe Lichtquellen. NVIDIA beschreibt das Netzwerksystem als Lösung zur Senkung des Stromverbrauchs und zur Verbesserung der Ausfallsicherheit. „In einer KI-Fabrik ist das Netzwerk ein Geschäftsbeschleuniger. Jede Unterbrechung hält den Job auf, und jedes Watt zählt. NVIDIA Photonics senkt den Energieverbrauch des Netzwerks, verbessert die Ausfallsicherheit und bietet eine bis zu 15-mal höhere Zuverlässigkeit. So erhalten Lambdas Kunden mehr produktive GPU-Stunden für ihre Investition“, sagte Gilad Shainer, Senior Vice President Networking bei NVIDIA.
Bereitstellung an energieeffizienten Campus gekoppelt
Lambda zufolge verfügt der Campus in Quebec über eine gesicherte Kapazität von 142 MW aus nahezu 100 Prozent erneuerbarer Energie. Der Standort ermöglicht bis zu 80 Prozent des Jahres eine kostenlose Kühlung und erreicht garantiert einen PUE-Wert von 1,2. Für die Kühlung der Server wird dabei kein Prozesswasser verbraucht.
Die Bereitstellung wird in der Sonderansprache von NVIDIA auf der SC26 vorgestellt. Dabei soll Lambdas Implementierung von CPO-Netzwerken im großen Maßstab näher beleuchtet werden. Für Lambda verbindet die Ankündigung Fortschritte bei der optischen Vernetzung mit dem wachsenden Infrastrukturbedarf großer KI-Cluster. Das Unternehmen zufolge reicht seine Kundenbasis von KI-Forschern über Unternehmen bis hin zu Hyperscalern. Damit sind Netzwerklatenz, Zuverlässigkeit und Stromverbrauch für den Betrieb seiner KI-Cloud-Infrastruktur von Bedeutung.


