AIファクトリーの性能を左右するシリコンフォトニクスとCPO技術

AI時代の半導体競争において、データ転送の効率化が鍵となっている。Metaの試験では、CPO方式の光接続による電力消費が従来のプラグ型と比較して約65%低いことが示された。

AI時代の半導体競争力は、個別の演算チップの計算速度だけに留まらない。データがどこに位置し、どのような経路を経て、どれほどの遅延なく到着するかが、AIファクトリー（AI Factory）全体の性能を決定する核心的な変数として浮上している。GPU（グラフィックス・プロセッシング・ユニット）の演算能力がいかに優れていても、データを運ぶ通路が滞れば、システム全体が待機状態に陥るためだ。

漢陽大学ERICAキャンパス次世代半導体融合工学部のキム・ヨンヒョン教授は、AIファクトリーにおけるデータボトルネックを指摘し、これを解決する次世代技術としてシリコンフォトニクスと共同パッケージング光（CPO, Co-Packaged Optics）を提示した。GPUが増加してもAIの性能が期待通りに上がらない理由は、結局のところデータ転送効率、すなわち「道路の幅」の問題であるという分析だ。

銅配線の限界と「光の高速道路」シリコンフォトニクス

これまで半導体間の接続は、主に銅配線による電気信号の伝達に依存してきた。銅は短い距離での信号伝達には効率的だが、データ転送速度が上がり距離が長くなるほど致命的な弱点が露呈する。電気信号が銅線を通過する際に減衰したり、相互に干渉を引き起こしたりするためだ。これを補正するために信号を増幅するリピーター（Repeater）を使用する必要があるが、この過程で追加の電力消費と発熱の深刻化という問題が発生する。

こうした電力と発熱の負担を軽減するため、光接続技術が注目を集めている。光ファイバーは、異なる波長の光を同時に送る波長分割多重化（WDM）技術を通じて、伝送容量を飛躍的に拡大できる。シリコンフォトニクスは、こうした光技術を小さな半導体チップ上に実装する技術だ。半導体の微細プロセスを活用してチップ内部に光が通る道である「光導波路」を作り、電気データを光に変換する変調器と、光を電気信号として読み取る光検出器を集積する。

ただし、シリコンは光を直接生成するのに不向きな特性があるため、インジウムリン（InP）などの化合物半導体を用いる外部レーザー光源（ELS）方式を組み合わせて効率を高める。これは、熱が発生しやすい電子チップとレーザーを分離して配置できるため、メンテナンスの側面でも有利となる。

スイッチチップのすぐ隣に光エンジンを配置するCPO技術

光接続技術がデータセンターの長距離区間を超え、チップ内部の短距離区間まで拡張されるにつれ、CPO（Co-Packaged Optics）が核心技術として浮上している。従来はスイッチチップ（ASIC）と光モジュールが離れており、電気信号が基板に沿って移動しなければならなかったが、CPOは光エンジンをスイッチチップのすぐ隣に配置し、一つのパッケージ基板上に載せる。

これは、工場と物流ターミナルを同じ敷地内に移転して移動距離を最小限にするようなものだ。電気信号の移動距離が短縮されれば信号品質が向上し、高速電気信号の補正に使われていた電力消費を大幅に削減できる。結果として、限られた面積でより多くのデータを処理できる帯域幅密度が高まる。

グローバルなビッグテック企業は、すでにこの技術の商用化を加速させている。Metaは2025年の欧州光通信学術大会（ECOC）において、CPOスイッチシステムの評価結果を公開した。Metaの試験結果によると、CPO方式の光接続における電力消費は、従来のプラグ型（Pluggable）方式と比較して約65%低い水準であることが示され、長時間の稼働による接続の安定性も確認された。

HBMとCPOの結合、AIファクトリーを完成させるハイブリッド構造

CPOは、GPUのすぐ隣でデータを供給するHBM（高帯域幅メモリ）とは役割が異なるものの、相互に補完的な関係にある。HBMがGPUと極めて近い距離で広い電気通路を通じてデータを供給する一方で、CPOは複数のGPUシステムを繋ぐネットワーク区間の効率を極大化する。HBMがいかに高速であっても、GPU間の通信網が滞れば、全体の性能は低下せざるを得ない。

今後のAIシステムは、性能と電力効率に応じて多様な光接続方式を混合して使用する方向へと進化する見通しだ。信号歪み補正装置（DSP）を省略して電力を節約するLPO（Linear Pluggable Optics）や、光エンジンをチップの近くに置くNPO（Near-Packaged Optics）などがその代表例である。

結局のところ、未来のAI競争力は単一のGPUの演算速度ではなく、GPUとメモリ（HBM）、そしてネットワーク（CPO）をいかに緊密に結合させ、「待ち時間のないデータフロー」を作り出せるかにかかっている。キム・ヨンヒョン教授は、最も強力なAIファクトリーとは、数多くのGPUとメモリが互いを待つことなく共に働く構造を備えた場所であると強調した。

出典：news.skhynix.co.kr