文章核心观点 硅光子技术是驱动数据中心，特别是人工智能网络发展的关键技术，其应用正从横向扩展（可插拔光模块）向纵向扩展（共封装光学）演进，并将推动市场规模在未来几年内实现数倍增长，同时重塑半导体制造产业链格局，台积电有望成为该领域未来的主导者 [1][3][25][26] 市场增长与规模预测 - 光纤器件市场规模预计将从2023年的约130亿美元增长至2030年的250亿美元，主要得益于人工智能网络发展 [3] - 另一预测（CignalAI）认为，到2029年市场规模将达到310亿美元 [3] - 可插拔光器件市场预计将从2023年的60亿美元增长到2030年的250亿美元，届时市场将以1.6T和3.2T数据速率为主 [12] - 光路交换机（OCS）的潜在市场规模（TAM）预估已从超过20亿美元上调至超过30亿美元 [15] - 硅光子集成电路市场规模预测：到2031年达320亿美元（DataM Intelligence），或到2034年达290亿美元（Precedence Research） [25] - 硅光子晶圆代工收入预计将从2026年到2032年（六年内）增长八倍 [25] 技术应用与演进路径 - **横向扩展（Scale-out）**：当前主要使用可插拔光收发器，通过光纤实现高速、低功耗的数据传输 [12] - **纵向扩展（Scale-up）**：链路数量远多于横向扩展（例如NVL72机架有1296个链路），未来采用光纤将驱动市场大幅增长 [3] - **可插拔光收发器**：主要组件包括激光器、CMOS芯片和硅光子芯片，使用马赫-曾德尔调制器 [12] - **光路交换机（OCS）**：用于数据中心顶层互连的重新配置，谷歌采用MEMS镜技术，Lumentum（MEMS）和Coherent（液晶）也提供该技术 [13][15] - **共封装光学器件（CPO）**：相比可插拔器件，可实现更高密度和更低功耗（仅为可插拔式的三分之一），已开始蚕食可插拔交换机市场份额 [16][18][25] - **技术过渡**：横向扩展已开始向CPO过渡，纵向扩展在不久的将来也需要CPO [25] - **AI加速器互连**：当前GPU/加速器使用铜缆，但性能提升接近瓶颈，未来将转向光纤连接以实现更高带宽和更低延迟 [20] 关键组件与供应链 - **光纤电缆**：市场领导者康宁公司年销售额达68亿美元，与Meta达成一项价值60亿美元的供应协议 [7] - **硅光子制造**：目前主要代工厂商包括GlobalFoundries（GF）、Tower Semiconductor，以及台积电、三星、联电等正在开发技术的厂商 [21][24] - **GlobalFoundries (GF)**：收购AMF后自称全球第一硅光子代工厂，预计2026年硅光子收入接近3亿美元，到本十年末超过10亿美元 [21][22] - **Tower Semiconductor**：被认为是全球第二大硅光子代工厂，提供200毫米和300毫米硅光子工艺 [23][24] - **台积电（TSMC）**：目前为英伟达、AMD、谷歌、AWS等生产几乎所有AI加速芯片，并开发COUPE工艺，未来五年内很可能从零基础跃升为全球第一的硅光子晶圆代工厂 [25][26] 技术原理与设计挑战 - **硅光子学**：将光子器件集成到改进的CMOS工艺中 [6] - **光纤与波长**：数据中心主要使用单模光纤（SMF），通信波长位于红外光谱的O、E、S、C、L波段，其中O波段因在硅波导中损耗低而被用于硅光子学 [7][9][11] - **波分复用**：使用粗波分复用（CWDM）和密集波分复用（DWDM）实现更高带宽 [11] - **设计现状**：硅光子学设计类似上世纪80年代的硅设计，缺乏成熟的设计库和IP，需从底层物理原理进行建模 [27] - **关键器件与挑战**： - **波导**：由硅或氮化硅制成，不能急转弯，需要最小弯曲半径，两个波导可垂直交叉且相互作用极小 [34] - **光耦合**：边缘耦合器效率高但对准难，光栅耦合器（一维用于偏振光，二维用于非偏振光）对准简单但各有损耗和成本权衡 [34] - **调制器**：可插拔器件中使用马赫-曾德尔调制器，CPO中使用尺寸小得多的微环调制器 [35] - **信号损耗**：波导中的信号损耗会随距离累积，精确控制损耗是设计关键 [33] - **制造工艺**：采用200毫米和300毫米SOI晶圆，工艺精度可达65纳米，通常不包含CMOS器件 [29][37]

报告行业投资评级 未提及 报告的核心观点 报告围绕Google集群展开研究，深入剖析其Scale up和Scale out架构，涵盖3D结构、光互联等方面，对比不同GPU的技术参数，并分析TPU集群内互联组件占比及十万卡集群不同互联方案[4][117]。 根据相关目录分别进行总结 Google集群的Scale up: 3D结构 - Google集群柜内Scale up采用3D结构，从TPU到TPU Tray再到TPU Rack，一个机架有16个TPU Tray、64个TPU芯片[9][28] - 对比不同GPU，如Nvidia从Hopper到Blackwell，NVLink带宽不断提升，Blackwell NVLink 5达1.8TB/s；AMD从MI350到MI400，MI400单卡有72条200Gb UALink Lane，对应1.8TB/s的Scale up网络[20][25][27] Google集群的Scale up光互联：光路交换机 - 光路交换机的光信号输入输出涉及相机模块、二色分光元件等，通过二维MEMS微镜阵列控制光束反射到目标输出端口，并实现光路监控和对准[46][47] - TPU V4和V7 Superpod由光路交换机连接实现TPU全连接，V4 Superpod为8*8，V7为16*9；每套系统含64个机架，分8组，共4096芯片，共享256TiB HBM内存，总计算超1 ExaFLOP[48][52][60] TPU集群内，光路交换机和光模块占比 - TPU V4光路交换机占比1.1%，光模块数量6144，比例1.5；TPU V7光路交换机占比0.52%，光模块数量13824，比例1.5[70][75][84] - 单个Rack向外光模块6*16，PCB Traces 4*16，Copper cables 80，ICI连接含96光纤、80铜缆和64 pcb traces[94][95] Google集群的Scale out - Scale out采用Tomahawk 5交换机，有128个400G端口，TPU SuperPod外通过数据中心网络通信[103][106] - NV Scale out中的OCS在通用三层FT拓扑中有主要集成点，可增强硬件和软件故障弹性[116] - 十万卡集群不同互联方案对比，InfiniBand、NVIDIA Spectrum - X、Broadcom Tomahawk5的交换机和光模块数量、占比及成本各有不同[125]