文章核心观点 - 人工智能系统互连架构正经历从铜缆向光互连的演进，但并非简单替代，而是基于传输距离、功耗和延迟等需求形成务实分工[2][11] - 共封装光学器件是解决网络交换层SerDes扩展性、功耗和信号完整性挑战的关键技术转折点，通过将光引擎靠近ASIC封装来优化系统设计[6][7][11] 纵向扩展与横向扩展架构 - 纵向扩展指在紧密耦合系统（如单个服务器或加速器域）内最大化性能，强调极低延迟和高度同步，物理传输距离通常短于十米[3] - 在纵向扩展领域，高速铜缆互连仍占主导，由电串行器/解串器及NVLink等协议支持，铜缆因低延迟、成本优势和规模化可靠性而被NVIDIA等公司继续推广[3][6] - 横向扩展指将工作负载分配到多台服务器以提高系统总吞吐量，当通信范围超出机架或机架行时，光互连变得至关重要[3] - 以太网和InfiniBand构成大规模AI集群骨干网络，在数十米到数百米距离实现高带宽、高能效通信，光插拔设备在连接数据中心网络的二层网络交换机层级占据主导[3][4] 电控SerDes面临的挑战 - 电信号SerDes容量持续从112G向224G PAM4及更高扩展，但电气通道（封装、基板、PCB走线、连接器和电缆）成为瓶颈[4][5] - 为在远距离保持信号完整性，需更强均衡和数字信号处理能力，导致每比特功耗增加和热负载上升[5] - 在拥有数千条SerDes通道的大型AI交换机和加速器架构中，每比特能耗的略微增加可在机架层面转化为数百瓦的功耗，使SerDes成为首要的架构限制因素[5] - 随着交换机ASIC带宽从每秒几十太比特提升到几百太比特，可插拔光模块模式在功耗、信号完整性和前面板密度方面面临严峻挑战[6] 共封装光学器件的角色与演进 - CPO通过将光引擎放置在更靠近交换机ASIC的位置（通常在同一封装内），大幅缩短电气路径，从而降低I/O功耗、提高信号完整性并实现更高的总带宽扩展[7] - CPO使光模块解决传输距离问题，同时将电SerDes限制在其最高效的工作范围内[7] - 行业对光链路应用存在不同看法：NVIDIA在纵向扩展中坚持铜缆优先，而Marvell和Broadcom等其他厂商似乎更愿意在纵向扩展架构中引入光链路[9] - 人工智能系统架构的中短期演进是渐进式的，光器件不会立即完全取代铜线[6][11] - 长远来看，纵向与横向扩展的界限可能模糊，随着逻辑节点上加速器数量增加和系统物理尺寸增大，即使电气性能可行，铜基架构也将面临功率密度、气流和布线复杂性压力，光纤I/O可能开始在纵向扩展中发挥作用，特别是在推理优化架构中[10]