学》（Nature Electronics）上发表了关于共封装光学（CPO）的技术路线图。这篇论文超越了HBM（高带宽存储器）领域的既有创新，提出了面向机架级和模组级数据瓶颈的光互联解决方案蓝图。
高带宽存储器（HBM）一直是生成式AI的重要推动力，通过在AI加速器封装内突破内存瓶颈，大幅提升了性能。然而，随着超大规模AI集群不断整合成千上万的GPU和HBM堆栈，新的瓶颈随之浮现：即限制系统间数据传输的“带宽墙”。在此背景下，及其全球研究团队发表了上述论文，系统梳理了CPO在HPC和AI领域的发展历程，明确了关键技术挑战，并勾勒出下一代光互联技术的发展路径。
上述论文提出了一种以光学为核心的协同设计架构——通过光链路连接存储器与处理器，有望显著提升大规模AI系统的可扩展性。这种架构的意义在于，多个AI加速器可共享同一个大容量内存池，无需为每个加速器单独配备独立内存。这一设计不仅能提升内存利用效率，还能让AI基础设施在模型规模增长的过程中，具备更灵活的扩展能力。
SK海力士AI基础设施团队负责人Seunghoon Hong这样描述该技术：“CPO将光收发器（TRx）集成到与处理器相同的封装内，使芯片能够通过光而非长距离电互连来交换数据。这从根本上改变了数据在AI系统中的传输方式，消除了制约计算扩展的一大障碍。”他进一步指出，存储公司正在从提供单一组件的角色，演变为通过CPO等技术帮助提升客户整个系统竞争力的合作伙伴。
弗吉尼亚大学教授Kyusang Lee表示，光互联很可能成为未来AI基础设施的基础性连接技术。这项技术已走出实验室，进入商业化早期阶段。虽然从低功耗光子器件集成、一致性协议开发到系统可靠性提升，仍有诸多挑战，但关键在于将存储器件与控制器、光子组件和封装作为一个整体系统进行协同设计。
AI芯片巨头英伟达也正加速推进CPO（共封装光学）技术落地。近日，旗下NVIDIA ai infrastructure（AIIA）在社交媒体平台发文称，Spectrum-X Ethernet Photonics以太网硅光交换机已经进入全面量产阶段。按照（NVDA）给出的数据，相比传统方案，其激光器数量减少至约四分之一，功耗降至约五分之一，平均事件间隔时间（MTBI）提升10倍。
该交换机采用CPO技术，即将光引擎与交换或计算芯片集成于同一基板，属于先进光电融合方案，旨在突破AI算力爆发带来的数据传输瓶颈，被视为下一代数据中心光互连的核心路径。
爱建证券认为，随着英伟达CPO进入规模量产，产业链各环节测试需求将加速释放；叠加国产测试设备商持续推进下游客户验证导入，相关需求有望逐步向国内设备厂商传导。同时，测试环节正从传统模块级向晶圆/芯片、光引擎、封装及整机延伸，持续看好CPO量产驱动光通信测试设备需求扩容与价值提升。
国泰海通证券指出，光互联作为AI算力基础设施里增长弹性最突出的核心赛道，行业需求在2023年—2025年主要依靠横向扩容（Scale out）与传输速率迭代两大逻辑持续放量。站在2026年视角，横向扩容场景依旧维持高增态势；产业链上游厂商集中扩产、头部企业锁定长期大额订单的行业现状，也充分验证了中长期需求具备高度确定性。
与此同时，以CPO、NPO为核心的纵向集成（Scale up）光互联技术正式进入商业化落地周期，为行业打开全新增量市场，光互联在AI算力集群中的价值权重有望持续上行。2026年也因此成为行业重要拐点：存量成熟产品依托原有场景实现规模放量，CPO、NPO等前沿技术新品同步实现量产落地，行业迎来双线驱动的增长红利。证券建议重点挖掘高壁垒细分赛道与行业龙头投资机会。
发表回复
要发表评论，您必须先登录。