A arquitetura das redes de data centers destinadas a cargas de trabalho de inteligência artificial está mudando à medida que os clusters ultrapassam os limites de um único rack, ampliando o papel das conexões ópticas e enfraquecendo a regra tradicional que associa o cobre às operações de scale-up e as fibras ópticas às operações de scale-out. Segundo um artigo publicado pela Semiconductor Engineering em 13 de agosto de 2026, o aumento das taxas de transferência de dados dentro do rack está levando o cobre aos seus limites de perda, distância e consumo de energia, enquanto a luz pode oferecer um caminho mais adequado para altas taxas de dados, desde que os requisitos de energia e confiabilidade sejam controlados.
A importância dessa mudança decorre do impacto da latência no desempenho das unidades de processamento gráfico. Eric Aguilar, CEO e cofundador da Omnitron, afirmou que vários relatórios indicam que a eficiência das unidades GPU pode chegar a cerca de 25% porque elas ficam esperando os dados em vez de executar o trabalho. Portanto, a escolha do meio de conexão não está relacionada apenas à distância de conexão, mas também à capacidade da rede de manter os processadores ocupados e reduzir a latência e a energia desperdiçada.
Do scale-up dentro do rack a uma escala mais ampla
O scale-up costumava ser definido como uma conexão dentro de um único rack usando cobre, permitindo lidar com a memória de acordo com a semântica de memória. Mas essa definição se tornou menos precisa à medida que os clusters de computação se estendem a servidores localizados em racks adjacentes. Nesse caso, a distância aumenta, e o cobre pode deixar de ser a melhor opção.
Vishal Chandrasekar, chefe de gerenciamento de produtos da Ayar Labs, afirma que o cobre tende a ser usado dentro do rack, enquanto as conexões ópticas se tornam a opção esperada quando se ultrapassam racks adjacentes. A uma taxa de transmissão de 200 gigabits, o cobre pode ser adequado para uma distância de até cinco metros, ou sete metros quando levado ao limite, enquanto as conexões ópticas se tornam necessárias ao atingir dez metros ou mais, segundo sua estimativa.
Isso não significa que o cobre desaparecerá de todas as aplicações de scale-up; o elemento mais estável na definição de scale-up pode passar a ser o uso da semântica de memória, e não a localização do sistema dentro de um único rack ou o tipo de meio físico. Priyank Shukla, diretor de gerenciamento de produtos para unidades de IP de interfaces da Synopsys, explicou que a definição de software está relacionada à existência de um único domínio de sistema operacional e de uma única memória, de modo que o processador possa escrever em um local de memória independentemente de onde essa memória esteja localizada.
O surgimento do termo scale-in
Além de scale-up, scale-out e scale-across, surgiu um novo termo: scale-in. Segundo Chandrasekar, o termo começou a ser usado durante os três meses anteriores ao artigo e se refere à quantidade de largura de banda que sai de uma unidade GPU e permanece dentro de um único chassi de servidor.
- Scale-in: a conexão entre processadores dentro de um único servidor ou em uma única placa.
- Scale-up: a conexão dentro do domínio de memória compartilhada, tradicionalmente associada ao interior do rack e ao cobre.
- Scale-out: a conexão entre racks, que usa a semântica Ethernet RDMA e apresenta dependência crescente de conexões ópticas.
- Scale-across: a conexão entre diferentes data centers ou campi por meio de fibras.
O padrão UALink mantém uma expectativa básica em ambientes de scale-up: cada acelerador deve estar a um salto dos demais aceleradores. Segundo Shukla, as redes UALink foram projetadas para manter uma conexão entre os aceleradores que passe por um único comutador, mesmo quando o escopo do scale-up se estende por mais de um rack. Esse comutador pode ser colocado em diferentes posições dentro da arquitetura do rack, como no topo ou no meio do rack, mas o princípio é manter o tráfego de dados entre as duas extremidades dentro de um único salto.
Topologia e comutação óptica
À medida que o escopo do scale-up se amplia, o tipo de meio, por si só, deixa de ser suficiente para determinar o desempenho; a topologia da rede que conecta aceleradores, comutadores e servidores se torna um fator decisivo. Entre os projetos mais comuns está a arquitetura Clos, ou leaf-and-spine, que oferece um caminho curto entre os servidores. Mas o Google usa, segundo o artigo, uma rede torus em sua rede de inteligência artificial, na qual as unidades TPU se conectam a unidades vizinhas em três direções, conferindo ao projeto uma natureza semelhante à de uma arquitetura sistólica systolic.
Uma rede torus normalmente precisa de um número variável de saltos para chegar entre dois pontos, e o caminho mostrado no artigo pode chegar a quatro saltos, em comparação com um salto em uma arquitetura leaf-and-spine. Com o uso de comutação por pacotes, as informações do pacote precisam ser examinadas em cada comutador ou roteador. Como a tecnologia óptica não lida diretamente com pacotes, o sinal é convertido em cada nó de óptico para elétrico para determinar o salto seguinte e, depois, retorna ao formato óptico. Essas conversões repetidas aumentam a latência e o consumo de energia.
Por esse motivo, as tecnologias de comutação de circuitos circuit switching voltam ao centro do debate. Em vez de processar pacotes em cada nó, a comutação de circuitos abre um caminho completo da origem ao destino e o dedica a um único fluxo. O Google implementou uma rede de comutação de circuitos ópticos com configuração torus, enquanto outras organizações estudam o uso de redes OCS com diferentes topologias. Isso indica que a expansão dos clusters de inteligência artificial não depende apenas da substituição do cobre pela luz, mas também inclui uma reavaliação da forma de organizar os caminhos, do número de saltos e do mecanismo de encaminhamento dos dados.