行业趋势：从计算竞赛到光互连瓶颈的转移 - 人工智能基础设施竞争的核心压力点正从计算能力转向数据的高速、高效、可靠传输，光收发器模块是技术与部署现实的关键交汇点[2] - 行业长期押注正快速转向光学而非铜缆互连，英伟达向Coherent和Lumentum投资40亿美元以锁定先进光学和光子技术能力即是明确信号[3] 可插拔光模块市场发展 - 可插拔光模块仍是行业支柱，正快速从400G向800G及1.6T过渡，预计1.6T模块将在2026年实现量产[2] - 随着市场向800G/1.6T过渡，EML（约占33%）和硅光子技术的贡献将日益显著，而VCSEL和DML的市场份额将在2026年后降至50%以下[2] 技术路径与材料创新 - 可插拔光模块的发展趋势是提高单通道速度、减少通道数量，为TFLN、BTO、有机材料及基于InP的集成技术等新型器件和材料平台创造空间[3] - 硅光子技术因能提供更高集成密度和兼容代工厂制造，正成为800G和1.6T高速光引擎的关键推动因素[3] - 光子集成电路的发展不仅限于传统硅光子学，TFLN、BTO、有机材料和InP等新兴材料和混合方法因追求更高调制效率、更低每比特功耗和更高单通道速度而日益重要[4] 共封装光学与可插拔器件的共存 - 共封装光学与可插拔器件将共存而非立即取代，可插拔器件在灵活性和生态系统兼容性上仍有优势，而共封装光学在电力、能效和带宽密度受限的环境中更具战略意义[5] - 横向扩展环境仍倾向于可插拔器件，而纵向扩展环境因带宽密度和功耗限制加剧，使得更紧密的光集成更具吸引力[5] 光子封装的价值演变 - 截至2025年，光子封装的主要驱动力来自数据通信和电信市场的光收发器，该细分市场将持续增长至2031年[5] - 预计到2026/2027年，光子封装可能占共封装光学系统价值的近50%，但随着硅光子技术在芯片层面价值显现，其相对份额预计将从峰值下降到2031年的约35%[6] - 封装的角色正从以产量为导向的模块组装，转变为定义系统架构、推动人工智能基础设施扩展的战略因素[6] 生态系统视角的转变 - 市场正从孤立的组件决策转向互联的光子生态系统视角，其中收发器、光子集成电路、架构和封装成为同一基础设施逻辑的组成部分[7] - 理解人工智能中的光子学需超越单一产品视角，光收发器虽是当前最明显和最具商业价值的部分，但只是其中一层[6]

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]

半导体封装技术进展 - 半导体封装的下一个重大飞跃需要新技术、新工艺和新材料，以实现性能数量级提升，对人工智能时代至关重要 [1] - AMD、台积电、三星、英特尔等公司在混合键合、玻璃芯基板、微通道冷却等方面取得显著进步 [1] - 人工智能对计算的需求将持续增长，芯片制造和封装创新将发挥核心作用 [2] 热管理与液体冷却技术 - 芯片级液体冷却技术正在兴起，以解决强制风冷技术的极限问题 [4] - 台积电的硅集成微冷却器 (IMEC-Si) 在10升/分钟水流条件下可实现超过3,000瓦的均匀功耗，功率密度高达2.5 W/mm² [6] - 佐治亚理工学院提出“芯片作为冷却剂”概念，采用5nm TSV的硅散热器冷却能力超过300W/cm² [9] - 三星在移动处理器中采用铜基散热块，散热性能提高20% [11][13] 混合键合技术 - 混合键合间距已从10µm微缩至1µm，英特尔展示了相关研究成果 [5][16] - 工研院和Brewer Science展示了五层堆叠结构，采用聚合物/铜RDL进行铜-铜混合键合，适用于高速数字应用 [14] - 晶圆间键合和芯片间键合各有优势，后者在贴装精度和翘曲控制方面面临挑战 [17] 背面供电技术 - 背面供电技术在晶圆背面构建供电网络，降低晶体管电压降，但加剧了热点问题 [19] - IBM开发了AI模型用于精确计算后端堆栈的传热，优化设计阶段的散热考虑 [21] - Imec模拟显示，背面供电网络在逻辑和存储器堆叠中的热影响显著，逻辑芯片位于顶层的配置受存储器温度限制 [23][24] 共封装光学器件 (CPO) - 共封装光学器件将光学引擎与GPU和HBM集成，传输速度从200 Gb/s提升到6.4Tb/s，带宽提高32倍 [26] - ASE展示了用于ASIC交换机和以太网/HBM的模块化CPO平台 [28] - 康宁和Fraunhofer IZM提出可扩展的平面二维波导电路，减少光纤电缆端接和手动组装需求 [28] 热模拟与封装设计 - 热模拟在多芯片组封装设计中发挥关键作用，用于选择最终设计并降低风险 [28] - Imec的3D堆栈模拟显示，层间冷却技术可将温度从500°C降至50°C左右 [24]

核心观点 - AMD宣布收购光子芯片初创公司Enosemi，正式加入共封装光学(CPO)竞赛，旨在将技术融入下一代机架式系统以提升AI领域竞争力[2] - 共封装光学相比铜互连具有更高带宽、更低延迟和更低功耗优势，通过光纤传输信号实现性能突破[2] - 行业巨头如英特尔、博通和Nvidia已布局CPO多年，Nvidia计划在2024年推出采用该技术的网络交换机[2][5] - CPO技术可解决AI时代铜缆覆盖范围有限和高性能光模块功耗激增的痛点[2][3] 技术细节 共封装光学优势 - 光纤互连突破铜线几英尺的物理限制，可将整排GPU整合为大规模集群[3] - Nvidia采用CPO的交换机设计使功耗降低3.5倍，消除64-512个可插拔光模块（每个20W-40W）的能耗[5][6] - 博通已实现1.6TB/s无差错双向带宽的光学芯片集成[6] 企业技术路线 - AMD计划将Enosemi光子技术集成至MI300系列芯片，但具体方案尚未明确[3] - Nvidia在机架内保留铜互连（避免增加20kW功耗），横向扩展网络采用CPO连接多节点[5] - 英特尔认为光学器件是机架级架构关键要素，正在探索相关应用[7] 行业竞争格局 - 博通第一代51.2Tbps CPO交换机已被腾讯采用，Micas Networks等公司提供相关产品[6] - Celestial AI、Lightmatter等初创公司持续推进光学中介层设计创新[7] - 当前CPO技术仍面临可靠性、可维护性等技术成熟度挑战[7]

收购事件概述 - AMD宣布收购硅谷初创公司Enosemi，该公司专注于光子集成电路开发，旨在加速AI系统共封装光学器件发展 [1] - 交易财务条款未披露，Enosemi成立于2023年，拥有16名员工和11名投资者 [1] - Enosemi产品包括集成光电探测器、TIA和数字控制芯片组，并提供定制硅片服务 [1] 技术价值分析 - 光子集成电路将激光器、探测器和调制器等光学元件集成在单芯片上，利用光子传输数据，具有高速和低功耗特性 [1] - 共封装光学器件可提供更高带宽密度和更佳功率效率，是系统架构的变革性进步，支持高级AI工作负载需求 [2][4] - Enosemi团队在光子集成电路量产和出货方面有卓越记录，其技术将增强AMD在光子学和共封装光学解决方案的能力 [2][3] 战略布局意义 - 此次收购是AMD快速发展AI战略的关键一步，此前已整合Xilinx、Pensando、Silo AI、Mipsology和ZT Systems等公司 [2][3] - 收购将帮助AMD构建从基础芯片到系统级集成的全栈AI能力，结合其CPU、GPU和自适应SoC技术优势 [3][4] - 行业趋势显示AI提供商正转向全栈转型，类似英伟达和英特尔的策略，AMD通过此次收购强化竞争优势 [2] 行业应用前景 - 光子集成电路在高速数据传输、传感和光学计算领域有广泛应用前景，涉及医疗、汽车和通信等行业 [1] - 随着AI模型复杂度提升，对更快更高效数据传输需求增长，光互连技术成为极具吸引力的发展路径 [4] - Enosemi曾与Jabil合作开发先进封装工艺技术，显示其在产业链中的技术整合能力 [2]