ラックあたりのペタビット：AIトラフィックによるネットワークの再構築 - OFC 2026が示すネットワークアーキテクチャ、測定ギャップ、サプライチェーンリスク

AIトラフィックは、既存ネットワークが前提としてきたクラウドやエンタープライズトラフィックとは大きく異なります。ラックあたりペタビット級の帯域幅で稼働するトレーニングクラスター、ゼロロスプロトコル、マイクロ秒単位の同期はインフラにとって新たな課題となっています。ハイパースケーラー各社は、この課題に対処するため、今年だけで6,000億米ドルを超える設備投資を行っています。

本レポートでは、OFC 2026で発表されたMeta、KDDI、China Mobile、Samsung、TSMCなどによる30本の論文を基に、現在のAIネットワーク構築の実態、アーキテクチャの将来像、サプライチェーンにおけるリスクが最も高い領域について、技術面から明らかにします。

主な結論：

• AIトラフィックは従来のトラフィックとは性質が異なります。ラックあたりペタビット級の帯域幅要件、ゼロロスプロトコル、マイクロ秒単位の同期制約を伴うトレーニングクラスターは、既存のネットワークが伝送を想定していた確率的でジッター耐性のあるトラフィックとはほとんど共通点がありません。
• 業界はある意味「目隠しをしたまま」進んでいると言えます。AIトラフィックの量、パターン、あるいは成長に関する包括的な公開調査は存在しません。NokiaやEricssonなどが部分的な分析を行っているものの、ハイパースケーラーはトラフィックデータを共有していません。今年6,000億米ドル以上の設備投資を行う業界にとって、これは計画策定上の重大な課題です。
• コパッケージドオプティクス (CPO) は信頼性の閾値を超えました。MetaによるCPOスイッチの3,600万デバイス時間におよぶフィールド評価はこの市場の実現性を強力に裏付けています。スケールアップ層におけるリタイミング対応のプラグインモジュールの置き換えは、もはや「起こるかどうか」ではなく、「いつ起こるか」の問題となっています。
• 「スケールアクロス」が次のフロンティアです。電力制約により、GPUクラスターは複数の施設やキャンパスに分散せざるを得なくなっています。KDDIは、30kmに及ぶ分散トレーニングでも、単一サイトクラスターと同等のAI処理完了時間を達成できることを確認しています。Microsoftは、AI接続向けに15,000kmの中空コアファイバーの展開を発表しました。
• 光通信のバリューチェーンは転換期を迎えています。ハイパースケーラーがTSMCやSamsungのプラットフォームを活用してシリコンフォトニクスの設計を自社内製化する中で、相互接続の価値はディスクリートモジュールベンダーからファウンドリ、チプレットサプライヤー、ハイパースケーラーへと移行しつつあります。ファウンドリのプロセス設計キット (PDK) 戦略を持たないベンダーは、総生産量がピークに達するまさにそのタイミングで対象市場の縮小に直面することになります。

言及された組織

• 1FINITY Inc.
• Alcatel Submarine Networks
• Alibaba Cloud
• Alphabet (Google Cloud Platform)
• Amazon (Amazon Web Services, AWS)
• AMD
• Ampere
• Anthropic (Claude)
• ARM
• AttoTude Inc.
• Berxel Photonics Co. Ltd. (深セン、中国)
• Broadcom
• ByteDance
• Centre Tecnologic de Telecomunicacions de Catalunya (CTTC-CERCA) (スペイン)
• China Mobile Research Institute (北京、中国)
• Chinese University of Hong Kong
• Ciena
• Cornell University
• Corning Inc.
• DeepSeek
• Ericsson
• Flexcompute Inc.
• Furukawa Electric Co., Ltd.
• Huazhong Univ. of Science and Technology (武漢、中国)
• Hubei Optical Fundamental Research Center
• II-VI/Coherent
• Innolight
• Intel
• iPronics
• Jinyinhu Laboratory
• KDDI Research, Inc.
• Lumentum
• Lumiphase AG
• McGill University
• Meta Platforms
• Microsoft (Azure)
• Mistral
• Nagoya University (名古屋、日本)
• National Institute of Advanced Industrial Science and Technology (AIST) (日本)
• Nokia Bell Labs
• Nokia Corporation
• NVIDIA
• NYSERNet
• OpenAI (ChatGPT)
• Photonics Electronics Technology Research Association (PETRA) (東京、日本)
• Photonics-Electronics Integration Research Center (つくば、日本)
• Politecnico di Torino (トリノ、イタリア)
• Ruijie (福州、中国)
• Samsung Electronics Co., Ltd.
• State Key Lab of Information Photonics and Optical Communications, BUPT (北京、中国)
• State Key Laboratory of Photonics and Communications, Peking University (北京、中国)
• Taiwan Semiconductor Manufacturing Company (TSMC) (新竹、台湾)
• Toyota Technological Institute
• Tsinghua-Berkeley Shenzhen Institute
• University of California, Santa Barbara
• Wuhan Changjin Photonics Technology Co.
• Wuhan Research Institute of Posts and Telecommunications
• Yonsei University (韓国)

目次

• サマリー
• AIトラフィックの基礎
  • ハイパースケール投資が急増する中でAIトラフィックを理解することは極めて重要
  • AIトラフィックの種類：概要
  • AIトラフィックの測定と予測における課題
• トラフィックの方向性と分析結果：スケールアップ/スケールアウト/スケールアクロス
  • スケールアップ：クラスター内部のトラフィック
  • スケールアウト：データセンターファブリック内のトラフィック
  • スケールアクロス：データセンター間のAIトラフィック
• ハイパースケール市場への影響
  • スケールアップ
  • スケールアウト
  • スケールアクロス
  • トランスオーシャン
• 参入事業者への提言
  • 光部品およびトランシーバーベンダー向け
  • コヒーレント通信分野のベンダー向け
  • InfiniBandおよびEthernetスイッチ/NICベンダー向け
  • AIインフラを展開するデータセンター事業者向け
  • 分散トレーニングインフラを計画する事業者向け
  • 地域・都市ネットワークでAIトラフィックを扱う通信事業者向け
  • 海底ケーブル資産を保有する通信事業者向け
• 結論
• 付録1：OFCペーパーの詳細
• 付録2：レポートおよびパブリッシャー情報