ColorChip:支持中国数据中心“弯道超车”

简介:

在CIOE2016期间,讯石公司有幸受邀采访了ColorChip公司的北美产品规划和销售副总裁西门宏宇博士。在这次采访中,西门博士侃侃而谈过去一年ColorChip经历的关键性变化,详细介绍了公司SOG(SystemsonGlass)技术的优势和ColorChip的下一步发展规划,并分享了对于北美和中国数据中心市场发展现状的看法。

西门博士于2014年加入ColorChip,目前担任产品规划副总裁,并负责中国市场销售。西门博士在光通信行业拥有丰富的产品管理、应用工程和销售等经验,曾在NeoPhotonics和Opnext等行业公司担任关键职位。

西门博士表示,从CIOE2015到CIOE2016的短短一年间,ColorChip发生了两件大事。一是去年11月,ColorChip获得2500万美元融资;其二是今年8月,公司再次募得2000万美元资金。至此,自2001年成立以来,ColorChip已总共筹得1.05亿美元资金,反映出业界对公司积累多年的SOG技术的认定。目前,公司的40G和100G模块产品已经得到数家美国数据中心和企业客户的肯定,尤其是数据中心客户对公司100G需求十分旺盛,公司产能已经供不应求。西门博士表示,凭借融得的资金,公司可以进一步扩大100G产能,满足市场需求。

近年来,ColorChip以其开发的突破性光子集成解决方案--SOG技术闻名于业界。SOG技术采用玻璃作为平台,安装激光二极管、光电二极管等有源光学元件和其他部件。相比由许多分立器件组成的传统技术收发器产品,ColorChip基于SOG技术的收发器产品构造非常简单,结构紧凑,可扩展性强,功耗更低。在可扩展性方面,西门博士特别举例道,从40G到100G的升级,在上游供应商的产品面世后,由于无需重新做技术平台,ColorChip的升级只耗费了仅仅三个月时间。当被问及对于硅光子和磷化铟等技术的看法时,西门博士表示几种技术各具优势,硅光子到目前为止主要还是应用在并行光学中,磷化铟与SOG差不多,但其后期是采用分立器件耦合。

现阶段,数据中心架构正从10G/40G朝25G/100G升级,这为100G光模块厂商带来前所未有的机遇。西门博士表示,北美数据中心对100GbE的需求确实非常旺盛。据他们从上下游公司的了解,中国市场也不堪落后,正打算“弯道超车”,即跳过40G,从10G直接过渡到100G。西门博士表示,思科、Juniper和Arista等北美设备商的100G路由器和交换机在两年前已经出样,目前早已量产,现在希望华为中兴等国内厂商的100GQSFP28接口产品能加速上市,才能帮助运营商早日实现“弯道超车”。ColorChip的100GbE光模块已经量产,西门博士希望公司有机会支持中国数据中心市场的这次超车。

ColorChip在高速收发器方面有自己的发展规划。对于下一步的发展,西门博士表示,目前ColorChip的规划主要是跟随数据中心的脚步,纵向方面开发更高速率产品,比如200G、400G等,横向方面发展不同封装方式,比如QSFP-DD、OSFP、micro-QSFP和COBO等。不过,西门博士表示,作为光模块厂商,他们希望业内同仁能协力合作,开发出一种能支持大部分应用的封装模式。

ColorChip的产品主要针对数据中心应用,同时公司也计划朝其他领域扩展。去年公司推出了100GBASEQSFP28CLR4/CWDM4产品,今年OFC期间则推出了100GQSFP28PSM4收发器。在两周后的ECOC2016展会上,ColorChip还计划正式推出另一款全新产品。敬请大家期待!

ColorChip成立于2001年,总部在以色列,一直致力于为数据通信/电信市场和光纤接入市场提供超大规模单模解决方案,是集成光学元件和系统领域的先导者和世界领先的创新者。公司拥有两大业务,一是应用于FTTx市场的无源PLC分路器产品系列,包括1*NPLC分路器晶圆片和芯片全套产品;一是应用于高速网络的收发器产品系列,包括40GBASEQSFP+LR4、LRL4、PSM4收发器,56GQSFP+SMF收发器和100GBASEQSFP28CLR4/CWDM4收发器等。

本文转自d1net(转载)

相关文章
|
存储 传感器 监控
探索现代数据中心的冷却技术革新
【4月更文挑战第23天】 在信息技术迅猛发展的今天,数据中心作为计算和存储的核心枢纽,其稳定性和效率至关重要。然而,随着处理能力的增强,设备发热量急剧上升,有效的冷却方案成为确保数据中心持续运行的关键因素。本文将深入分析当前数据中心面临的热管理挑战,并探讨几种前沿的冷却技术,包括液冷系统、热管技术和环境自适应控制策略。通过比较不同技术的优缺点,我们旨在为数据中心管理者提供实用的冷却解决方案参考。
|
7月前
|
存储 双11 数据中心
数据中心网络关键技术,技术发明一等奖!
近日,阿里云联合清华大学与中国移动申报的“性能可预期的大规模数据中心网络关键技术与应用”项目荣获中国电子学会技术发明一等奖。该项目通过端网融合架构,实现数据中心网络性能的可预期性,在带宽保障、时延控制和故障恢复速度上取得重大突破,显著提升服务质量。成果已应用于阿里云多项产品及重大社会活动中,如巴黎奥运会直播、“双十一”购物节等,展现出国际领先水平。
|
运维 负载均衡 监控
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【7月更文挑战第36天】在数据中心管理和运营中,能源效率已成为关键性能指标之一。随着能源成本的不断上升以及环境保护意识的增强,开发智能化、自动化的解决方案以降低能耗和提高能源利用率变得尤为重要。本文探讨了如何应用机器学习技术对数据中心的能源消耗进行建模、预测和优化,提出了一个基于机器学习的框架来动态调整资源分配和工作负载管理,以达到节能的目的。通过实验验证,该框架能够有效减少数据中心的能耗,同时保持服务质量。
|
存储 大数据 数据处理
探索现代数据中心的冷却技术
【5月更文挑战第25天】 在信息技术迅猛发展的今天,数据中心作为其核心基础设施之一,承载了巨大的数据处理需求。随着服务器密度的增加和计算能力的提升,数据中心的能耗问题尤其是冷却系统的能效问题日益凸显。本文将深入探讨现代数据中心所采用的高效冷却技术,包括液冷解决方案、热管技术和环境自适应控制等,旨在为数据中心的绿色节能提供参考和启示。
|
人工智能 监控 物联网
探索现代数据中心的冷却技术
【5月更文挑战第27天】 在信息技术迅猛发展的今天,数据中心作为信息处理的核心设施,其稳定性和效率至关重要。而随着计算能力的提升,数据中心面临的一个重大挑战便是散热问题。本文将深入探讨现代数据中心冷却技术的进展,包括传统的空气冷却系统、水冷系统,以及新兴的相变材料和热管技术。通过对不同冷却方式的效率、成本及实施难度的分析,旨在为读者提供一份关于数据中心散热优化的参考指南。
221 4
|
机器学习/深度学习 资源调度 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第30天】在数据中心管理和运营中,能源效率的优化是降低运营成本和减少环境影响的关键。本文旨在探讨如何应用机器学习技术来提升数据中心的能源效率。通过对现有数据中心运行数据的深入分析,开发预测性维护模型,以及实施智能资源调度策略,我们可以显著提高数据中心的能效。本研究提出了一种集成机器学习算法的框架,该框架能够实时监控并调整数据中心的能源消耗,确保以最佳性能运行。
|
存储 传感器 人工智能
探索现代数据中心的冷却技术革新
【5月更文挑战第18天】 在数字化时代,数据中心作为信息处理与存储的核心设施,其稳定性和效能至关重要。随着计算需求的激增,数据中心的冷却系统面临着前所未有的挑战。传统的空调冷却方法不仅耗能巨大,而且效率低下。本文将深入探讨现代数据中心冷却技术的最新进展,包括液冷技术、热管应用、环境辅助设计以及智能化管理等方面,旨在提供一种高效、可持续且经济的解决方案,以应对日益增长的冷却需求。