作者：Dave

爱德泰产品经理

OFC热点分享 | AI DATACENTERS

人工智能（AI）与机器学习（ML）的快速发展正在从根本上重塑数据中心网络架构。在OFC 2025峰会上关于“AI数据中心光学技术”的演讲揭示了由数据需求激增驱动的三大技术演进方向：未来连接规模的指数级增长、从传统可插拔光模块向CPO的过渡，以及面向更高集成度的OIO技术的长期演进。

01  AI集群对连接与带宽的需求激增

光学创新的核心驱动力是AI模型复杂性和规模的急剧增长。随着算力的提升，未来AI集群可能需连接数十万个处理单元（xPU）。关键瓶颈已从外部（南北向）流量转向AI架构内部的东西向流量，这些流量需处理训练和推理过程中处理单元间的密集通信。此类流量对延迟、抖动极为敏感，且需要超大可靠带宽。

因此，光连接带宽需求呈指数级增长，速率从400G向800G、1.6T及更高演进。满足这一需求涉及复杂的权衡，包括增加光纤数量、利用密集波分复用技术以及提升单通道传输速率（如向200 Gbps/通道迈进）。这一趋势带来了网络拥塞管理、流量突发处理、多样化AI架构适配等挑战，尤其是降低高带宽方案的每比特成本。此外，为了实现横向扩展与纵向扩展，AI系统内部所需的光连接数量激增，要求高产量、低成本制造工艺的有所突破。

02  向共封装光学（CPO）转型

随着带宽和密度需求攀升，传统可插拔光模块面临功耗和面板密度限制。CPO代表了重大的架构转变，将光接口更紧密地集成到同一封装内的主要处理ASICS(如GPU或交换机)中。英伟达作为关键倡导者，强调CPO对于实现一致的低延迟和高端口密度至关重要，这些端口密度是其大型高基数交换机（如提到的115 Tbps背板容量）设计所必需的，这些交换机专为AI网络结构而设计。

CPO的核心目标是能效提升。LPO作为过渡方案，旨在与重定时可拔插模块(例如800G的<9Wvs~15W)相比减少功率，而CPO则瞄准更极致的能效（<5 pJ/bit），有望为大型AI集群节省兆瓦。这通常通常涉及将硅光子引擎集成到交换机ASIC中，可能使用高效的组件如微环调制器（MRM），这需要与制造合作伙伴如TSMC和组件供应商协同创新。

然而，CPO开发面临多重挑战：需突破热稳定性高、性能优异的光组件（激光器、调制器、探测器、TIAs）、新型封装与测试方法，并确保那些不易现场更换的组件具有长期可靠性。IMEC提出的关于高速、低损耗调制器(如使用LiTaO3/LNOI)的研究，可能为CPO所需的高性能光引擎提供技术支撑。

03  向OIO技术的演进

展望CPO之外，集成领域的下一个前沿是光互连（OIO），有时也称为2.5D或3D异构集成。OIO设想将光连接直接引入芯片封装，甚至可能是芯片本身，从而实现极高的带宽密度，并通过减少电信号传输距离进一步降低功耗。

IMEC提出了探索关键OIO建筑模块的研究：

● 2.5D OIO：专注于将光子集成电路与电子集成电路通过中介层集成。研究表明了实现密集WDM的路径（如通过紧凑型硅环实现32通道集成，其热调谐效率高达约5.85 mW/π），并以超低功耗（<1 pJ/bit）为目标。

● 3D OIO：探索者直接键合技术（如晶圆到晶圆的混合键合）以实现光电无缝集成，以及先进的低损耗耦合方法（渐逝波或光栅耦合器），以实现芯片和光纤之间的高效光传输。

英伟达还将OIO（2.5D/3D）纳入长期路线图，认为这是未来几代AI系统突破互连带宽与能效瓶颈的必经之路。尽管OIO前景广阔，但其成功依赖于成熟先进的封装技术、确保稳健的热管理以及开发适合这些复杂集成组装的高良率制造工艺。

总结 | CONCLUSION

OFC峰会的演讲描绘了由AI驱动的光学技术持续革新图景。大规模AI集群对带宽和连接的需求正推动行业超越传统可插拔方案。CPO是当前转型的核心，有望显著提升能效与密度；OIO则代表未来方向，追求更高集成度与效率。成功应对这些转型需要克服组件性能、热管理、封装、可靠性与量产工艺等关键技术挑战。