人工智能基础设施正在快速扩张，根据IDC的数据，去年的总支出达到了3180亿美元。除了投资增加之外，数据在这些系统中的流动方式也开始显现出增长的阵痛。在处理器之间移动数据与计算本身一样耗费资源，而且在许多情况下，它开始决定整个系统的性能。
这种转变在数据中心内部显而易见。在xPU、内存和存储设备之间传输的数据量不断增加，加剧了带宽和功耗预算的压力。传统的数据传输方式——电互连——随着系统跨机架和集群扩展而日益不堪重负。
正是在这种情况下，硅光子学（SiPh）以及共封装光学器件（CPO）的出现应运而生。通过将光连接放置在更靠近芯片的位置，缩短了电气路径，从而提高了互连密度和集成度。随着系统变得越来越复杂，更高效地传输数据变得至关重要，因此这种转变意义重大。
新限制：数据移动
人工智能数据中心正以前所未有的速度向各个方向扩展。封装内的芯片数量更多，机架内的节点数量更多，集群内的机架数量更多，而且数据中心之间的数据传输量也在不断增长。这种增长导致东西向流量急剧增加，数据不再只是简单地流入或流出，而是在GPU和加速器之间持续交换。
几十年来，电气连接一直发挥着重要作用，但它们正逐渐成为瓶颈，导致业内所谓的“铜墙铁壁”。事实上，通过铜线传输更多数据需要消耗更多电力才能达到更远的距离，并且使信号完整性更难维护，尤其是在单个机架之外。作为参考，数据中心的纵向扩展架构要求每比特功耗低于2 pJ，延迟低于1μs。
业界正在做出反应。光纤连接在数据中心的更多地方出现，随着数据速率的不断攀升，光纤互连的增长速度超过了其所支持的处理器，需求也在迅速增长。计算能力的扩展只是故事的一个方面；数据在分布式系统中传输的效率同样至关重要。通过数据传输实现高能效可以节省计算所需的电力资源，优化处理器性能，并最大限度地提升云端人工智能的性能。
为什么硅光子学正在崛起
硅光子技术之所以日益受到关注，是因为它与数据中心的发展方向不谋而合。它基于半导体CMOS技术，利用了硅这种参考材料——半导体行业中最简单、最易于处理的材料——的优势，使得光功能能够更紧密地融入计算，而不是被视为独立于计算之外的组件。
光连接能够处理比电连接多得多的数据，而且不会像电连接那样受到距离的限制。随着系统规模的扩大，这一点尤为重要，尤其是在努力满足不断增长的带宽需求的同时，还要避免功耗过高。
投资也随之而来，预计硅光子市场将以每年约25-30%的速度增长，并有望在本十年末达到100亿美元。这一预测直接源于对人工智能和云基础设施日益增长的需求，而数据传输速度的压力也在不断增加。
硅光子技术的应用位置也发生了显著变化。过去位于系统外围的组件，例如可插拔光器件，现在正向处理器更靠前的位置移动。共封装光器件就是一个很好的例子，它将光学和电子组件集成到同一个封装中，更靠近GPU（xPU）或开关ASIC，从而减少了数据传输的距离。
部分原因是硅光子技术并非完全陌生的领域。它建立在与半导体行业相同的制造和供应链之上，这使得其规模化应用更加便捷。
综上所述，这些因素使得硅光子技术不再是小众解决方案，而是下一代人工智能基础设施的核心组成部分。
随着人工智能系统规模不断扩大、分布日益分散，高效的数据传输已成为一项关键制约因素，而非事后考虑。硅光子技术为数据中心提供了一条切实可行的途径，既能满足带宽需求，又能避免电力过载——这是传统电气方案难以大规模解决的难题。下一代数据中心已初具雏形。它们集成度更高，电气路径更短，并且越来越依赖光连接来确保系统平稳运行。未来的发展轨迹取决于这些系统在实践中的构建和扩展方式。如果数据能够自由流动，且不会增加额外的复杂性或能源消耗，人工智能基础设施就能保持可持续发展。
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
