Marvell brengt AI-switchchip met capaciteit van 102,4 Tbps uit

In dit artikel:

Marvell heeft de Teralynx T100 onthuld, een high-end netwerkswitchchip voor AI-datacenters met een doorvoercapaciteit van 102,4 Tbps. De chip is ontworpen voor netwerken die grote clusters van GPU’s en andere AI-accelerators verbinden en moet inspelen op de groeiende schaal van trainingsomgevingen — tegenwoordig vaak bestaande uit duizenden tot tienduizenden accelerators — waar bandbreedte, latency, energieverbruik en schaalbaarheid cruciaal zijn.

De T100 is vervaardigd op een 3-nanometerproces en als één geïntegreerd siliciumontwerp opgebouwd, wat volgens Marvell efficiëntere keuzes mogelijk maakt dan bij oudere switchontwerpen die later voor AI werden aangepast. Belangrijke technische kenmerken zijn ondersteuning voor maximaal 512 poorten, een energieverbruik van minder dan 1.000 watt en verschillende verpakkingsopties met geïntegreerde koper- of optische interfaces. Dankzij de hogere poortdichtheid kunnen operators grotere netwerken met minder tussenliggende schakels bouwen, wat latency vermindert en het aantal benodigde optische verbindingen kan terugdringen.

Marvell positioneert de T100 zowel voor traditionele Ethernet-omgevingen als voor nieuwere AI-georiënteerde netwerkarchitecturen. De chip ondersteunt onder meer Ethernet Scale-Up Networking (ESUN) en volgt specificaties van het Ultra Ethernet Consortium, zodat hij toepasbaar is in zowel scale-out- als scale-up-ontwerpen binnen AI-systemen.

De introductie benadrukt de verschuiving binnen AI-infrastructuur waarbij de netwerklaag steeds bepalender wordt voor prestaties en operationele kosten: netwerkapparatuur kan volgens Marvell 15–25% van het stroomverbruik van een GPU-rack uitmaken, terwijl moderne racks al rond de ~120 kW komen. Marvell verwacht in het lopende kwartaal te starten met de eerste leveringen van de Teralynx T100 aan klanten.

De aankondiging weerspiegelt ook toenemende concurrentie in de netwerklaag van AI-infrastructuur, waar leveranciers strijden om lagere latency, betere energie-efficiëntie en grotere schaalbaarheid naast de gevestigde spelers in GPU- en acceleratorhardware.