硅光子与CPO技术将成为提升AI工厂性能的关键

汉阳大学ERICA校区Kim Yeong-hyeon教授指出，为解决AI工厂的数据传输瓶颈，硅光子技术与共封装光学（CPO）技术将成为核心。Meta在2025年ECOC会议上展示的测试结果显示，CPO方式的光连接功耗比现有可插拔方式低约65%。

在AI时代，半导体的竞争力不再仅仅局限于单个运算芯片的计算速度。数据所处的位置、经过的路径以及能否无延迟到达，已成为决定AI工厂（AI Factory）整体性能的核心变量。因为即使GPU（图形处理器）的运算能力再强，如果承载数据的通道受阻，整个系统也会陷入等待状态。

汉阳大学ERICA校区下一代半导体融合工程学部Kim Yeong-hyeon教授指出，AI工厂存在数据瓶颈问题，并提出了硅光子技术与共封装光学（CPO, Co-Packaged Optics）作为解决该问题的下一代技术。他分析称，即使增加GPU的数量，AI性能也无法达到预期，究其原因在于数据传输效率，即“道路宽度”的问题。

铜布线的局限性与“光速公路”硅光子技术

迄今为止，半导体间的连接主要依赖通过铜布线进行电信号传输。铜在短距离信号传输方面效率较高，但随着数据传输速度加快和距离增加，其致命弱点便会显现。这是因为电信号在通过铜线时会减弱或产生相互干扰。为了补偿这一现象，必须使用中继器（Repeater）来放大信号，而这一过程会导致额外的功耗并加剧发热问题。

为了减轻电力和散热负担，光连接技术正受到关注。光纤可以通过波分复用（WDM）技术同时传输不同波长的光，从而大幅提升传输容量。硅光子技术便是将这种光学技术实现在微小的半导体芯片之上。该技术利用半导体微缩工艺在芯片内部构建光传输路径——“光波导”，并集成将电数据转换为光的调制器以及将光读取为电信号的光检测器。

然而，由于硅材料在直接产生光方面具有不利特性，该技术结合了使用磷化铟（InP）等化合物半导体的外部激光光源（ELS）方式以提高效率。这种方式可以将产生大量热量的电子芯片与激光器分开配置，在维护方面也具有优势。

将光引擎置于交换芯片旁的CPO技术

随着光连接技术从数据中心的长距离区间扩展到芯片内部的短距离区间，CPO（Co-Packaged Optics）正成为核心技术。以往，交换芯片（ASIC）与光模块是分离的，电信号必须沿着基板移动；而CPO则是将光引擎直接放置在交换芯片旁边，并置于同一个封装基板上。

这就像是将工厂与物流终端搬到同一块土地上，以最小化移动距离。电信号移动距离缩短后，信号质量会得到提升，且用于补偿高速电信号的功耗也将大幅降低。结果是，在有限的面积内可以实现更高的带宽密度，处理更多数据。

全球科技巨头已在加速该技术的商业化。Meta在2025年欧洲光通信学术会议（ECOC）上公开了对CPO交换系统的评估结果。根据Meta的测试结果，CPO方式的光连接功耗比现有的可插拔（Pluggable）方式低约65%，并确认了通过长时间运行实现的连接稳定性。

HBM与CPO的结合：完成AI工厂的混合结构

CPO与在GPU旁边提供数据的HBM（高带宽内存）角色不同，但具有互补性。如果说HBM是在极近距离内通过宽阔的电通道提供数据，那么CPO则是为了极大化连接多个GPU系统的网络区间的效率。即便HBM速度再快，如果GPU之间的通信网络受阻，整体性能也必然会下降。

未来，AI系统预计将朝着根据性能和功耗效率混合使用多种光连接方式的方向演进。代表性的技术包括通过省略信号失真补偿装置（DSP）来节省电力的LPO（Linear Pluggable Optics），以及将光引擎置于芯片附近的NPO（Near-Packaged Optics）等。

最终，未来的AI竞争力不在于单个GPU的运算速度，而在于如何将GPU、内存（HBM）和网络（CPO）紧密结合，从而创造出“无等待的数据流”。Kim Yeong-hyeon教授强调，最强大的AI工厂是具备众多GPU与内存能够互不等待、协同工作的结构的场所。

来源：news.skhynix.co.kr