缺乏标准化，CPO测试难以规模化

共封装光学（CPO）正迎来发展热潮，AI数据中心想尽一切办法提升性能、降低功耗。但从实验室仪器过渡到工厂量产自动测试设备（ATE），却跟不上市场需求的脚步。

CPO几乎满足下一代计算的全部诉求：更高带宽、更低功耗、更低延迟。但异构集成、热管理、可维护性、制造测试的可选方案繁多复杂，拖累了这项技术的落地进度。

从测试规范到数据管理，物理测试单元几乎每个环节都存在挑战。连接器、产品规格、测试数据格式均没有统一标准，每一套CPO设计都需要定制化方案。这直接拉长产品上市周期、抬高成本，设备与软件也难以复用。

Ayar Labs产品管理总监Vishal Chandrasekar表示：“传统方案采用可插拔光模块，但对比当前所需带宽，这类产品带宽密度差、功耗偏高。另外，需要把光器件尽可能靠近GPU，同时控制功耗。对于横向扩展（scale‑up）场景，带宽需求极为敏感。横向扩展的带宽需求是纵向扩展（scale‑out）的10倍，传统可插拔光模块已经无法满足，行业才考虑将光与芯片封装整合在一起。”

行业正分阶段推进光器件与电子芯片的集成。Chandrasekar称：“第一阶段是近封装光学NPO，将光器件集成到电路板，目前尚未大规模量产，预计12‑18个月后实现量产。第二阶段就是CPO，光器件置于基板之上，预计18‑24个月实现量产，至少会先落地在横向、纵向扩展AI场景。英伟达、博通已经推出相关方案，目前正在大力扩产。CPO还需要走完概念验证阶段，我们也在持续缩短组装工时。同时，我们和合作伙伴同步推进测试设备的研发。”

和AI数据中心相关的所有新技术一样，CPO引发全行业争相布局，市面上涌现大量不同的CPO架构与实现方案，选型成为难题。现阶段大多是定制化测试单元方案，涵盖ATE仪器、机械抓取设备、软件代码。行业迫切需要标准，减少测试单元架构种类，以此降低物料成本，减轻工程团队负担。

英特尔晶圆厂制造测试架构师Abram Detofsky谈道：“标准化可以减少CPO在测试过程中，接入、激励、测量、结果上报环节不必要的方案差异。目前很多光测试方案高度定制，封装形态、光接口、校准方式、处理方案、数据定义差异巨大。标准化可以统一测试接入方式、参考条件、术语、校准流程、结果报告规范。帮助设备厂商、封测厂、代工厂、客户搭建可互通的方案，而不是一个个独立定制的工程系统。”

Amkor制造测试技术专家Vineet Pancholi也持相同观点：“标准能够推动客户、供应商、封测厂达成技术共识。设备供应商会围绕特定功能与性能区间设计测试设备，简化量产测试；客户会按照统一标准定义产品，包括速率、失效指标、测试阈值、保护裕度等；封测厂也可以基于统一标准定义量产测试单元、判定条件以及完整测试流程。”

图1共封装光学组成，分为电子芯片、光子芯片、外部激光器

但芯片行业至今还没有敲定光测试数据模型。DR Yield首席执行官Dieter Rathei指出：“硬件层面的挑战备受关注，但数据问题常常被忽视。STDF格式原本面向电性能参数与功能测试结果，并不是为波长扫描、偏振相关损耗曲线这类数据设计。光测试数据只能压缩成简单标量阈值，或是保存在厂商私有文件中，还没进入分析环节，良率分析所需的完整信息就已经丢失。”

行业标准

标准化始于器件设计，从设计阶段到测试测量，建立统一共识。Lightmatter在3月发布公告，联合开放计算项目OCP其他成员开发机架级开放参考设计。这套参考设计配套规格与标准，将助力生态实现每年千万级产能，其中也包含测试规范。

多位行业专家指出，当前测试规范、测试数据格式、光纤连接器版本繁多，亟待统一。制造测试与核心器件的标准化，可以从多方面压缩成本。举例来说，如果测试单元的光纤连接器种类减少，设备厂商将直接受益。

泰瑞达硅光子测试高级产品经理Matt Griffin表示：“不同CPO封装对应的测试方案差异极大。现有设计会在计算芯片2‑4个侧面集成4‑36个光引擎。光纤连接器、对准方案、激光供给还没有行业通用方案。连接器缺少标准，自动化实现难度上升，测试系统不得不兼容各式各样连接器，几乎每一家客户的新设计都需要单独定制。”

何时落地标准本身就存在不确定性。CPO紧密绑定AI数据中心建设，技术迭代速度很快，市场或许会自行完成光纤连接器方案的优胜劣汰。

爱德万测试美国研发与创投副总裁Ira Leventhal称：“CPO市场迭代速度快于传统标准组织的响应节奏。行业头部企业正通过市场落地、产业联盟、多源协议MSA推动事实标准。光互联这类领域，已经由头部客户与系统厂商的选型部署推动收敛，而非等待正式行业标准出台。”

即便如此，连接器全生命周期仍需要一系列统一规范。生产环节连接器可能要完成上万次插拔，如果连接器无法承受该工况，就无法用于量产。

很多设计优先级和主流半导体封装保持一致。Ayar Labs的Chandrasekar说：“必须兼顾散热、可制造性、良率，还要支持现场可更换。这都是设计需要权衡取舍点。举个例子，部分CPO方案选用外部激光器，因为激光器本身是可靠性风险最高的部件。”

各类测试方法与配套规范同样缺少统一标准，大多跟随设计做定制开发。减少量产测试方案的种类，才能实现低成本高效测试，前提是充分厘清主要失效机理。

Amkor的Pancholi表示：“数家晶圆厂正在梳理硅光器件的全部制造缺陷类型。这些数据将用来确定测试优先级和测试阈值。比如部分客户的光引擎、光开关工作在O波段、C波段，性能差异巨大。封测厂使用的测试设备需要兼容尽可能多的产品，才能最大化资本开支复用率。”

目前标准化工作大多聚焦物理层、电气接口。DR Yield的Rathei提出：“还有一个关注度很低的缺口，就是测试数据标准化。即便模块之间可以互通，如果各家厂商上报光参数的数据模型各不相同，跨厂商良率分析就只能依靠人工整理。如果可以用一套统一格式记录光测试数据与器件溯源信息，代工厂、封测厂、系统集成商的数据就可以直接关联，不用每次都定制对接工具。这正是我们聚焦的方向，也是标准化能够直接降低测试成本的地方。”

其他从业者也呼吁统一测试数据格式。yieldWerx首席执行官Aftkar Aslam提到：“STDF当初并没有考虑光测试，波长扫描、远场图谱、光谱仪曲线、LIV曲线都不在设计范围内，各家厂商只能自行定义格式。如果可以拓展STDF，或是推出一套同等规范的并行格式妥善处理光测试数据，下游数据分析效率会大幅提升。”

标准缺失拖累数据分析

谈及如何实现低成本高效测试，多位行业专家提到数据格式、器件唯一标识，打通各测试环节的数据孤岛，搭建完善数据分析平台。纯电性器件领域，这类平台已经成为良率分析、工艺优化、质量管理的核心工具。CPO想要达成目标量产规模，同样离不开这类平台。

图2硅光子从晶圆到系统级的各测试节点

当下标准缺失，搭建、维护数据分析平台处处受阻。Lightmatter产品工程总监Meg O’Brien指出三大关键方向：

1. 通用光测试格式：光测试没有像电测试那样，各ATE厂商通用的输出格式。统一格式可以省去大量定制数据对接工作，实现测试即插即用。

2. 统一标识协议：光子集成电路PIC、电子集成电路EIC厂商的芯片ID需要行业标准，同时规范封测厂如何管理ID，实现端到端完整溯源，简化质量管控。

3. 标准化测试元数据：统一环境条件、测试程序版本、硬件状态字段，数据分析平台就可以对接多家供应商，无需人工做数据映射，大幅缩短上市周期。

器件溯源

数据分析的基础是器件溯源，需要两大条件：

第一，CPO最终组装所有零部件具备可读物理ID，或是虚拟ID（数字绑定）。包含EIC、PIC、激光器、光纤连接器、分光器、合波器、基板、散热片。

第二，数据平台基于这些ID整合全部信息，需要跨平台共享ID。但器件ID在工厂流转过程中很容易丢失。

Aslam说：“这不是技术难题，而是商务合同问题。想要做好CPO良率分析，就必须把ID传递要求写进封测厂工作协议，来料环节就要校验。我们可以接收工厂输出的信息，把关联ID作为关联索引，但我们无法凭空生成没有采集过的数据。”

采集后的数据还需要分析。爱德万测试的Leventhal表示：“随着CPO制造走向大规模量产，数据分析在全测试流程的结果关联上将发挥越来越重要的作用。跨测试环节完成故障溯源、识别工艺异常、优化测试覆盖率、预判良率影响，对提升产品质量、控制制造与测试成本至关重要。”

落地这套方案，需要全链条工厂配合，一般由制造方负责维护物理ID，输入数据管理分析系统。现实中依旧存在不少阻碍：统一CPO客户的数据分析方法论、完善光器件实体ID、工厂之间链路校验。

Lightmatter的O’Brien称：“CPO场景下实现溯源，核心难点在于数据建模。单颗模块生命周期，需要追踪EIC/PIC芯片、激光器、最终组装成品、每一次测试节点，甚至返工流程。我们的中心化数据平台串联全产业链标识。原始数据到多层集成结构全程可审计，在不泄露供应商知识产权前提下，每一个零部件都可以追溯源头。”

Detofsky也提到，实现溯源的同时，需要保护供应商知识产权，服务整体行业良率提升。“目标不是暴露私有工艺细节，而是保留足够结构化信息：器件标识、批次历史、测试条件、校准状态、性能结果，支撑先进封装与供应链的良率分析和质量管理。”

良率分析

完善的数据管理平台，工程师就可以挖掘测量数据之间的关联，定位良率问题根源，输出解决方案。进一步使用自适应测试算法提升产品质量，通过前馈数据优化测试方案。

这套平台需要满足大数据管理的四大特征：海量、高速、多样、真实可靠。

O’Brien表示：“共封装光子提升良率，需要横跨EIC、PIC制造、组装、光测试、系统级测试的综合能力，单一工程领域很难覆盖全部。为打通各个信息孤岛，我们搭建中心化硬件数据平台，处理复杂业务与分析需求。这套平台核心能力包括流畅的数据链路、统一基准、完整器件谱系、可扩展架构、权限与IP管控。”

依托平台，产品工程团队可以合并电测试与光测试数据，开展良率分析。

Rathei谈到：“CPO测试领域，数据分析不再是可选项。电测试和光测试数据分属两套体系：一边是电性分档、功能通过 / 失败；另一边是光谱扫描、插入损耗、回波损耗、波长、偏振数据。只有同一器件可以同时关联两类数据，才能完成良率分析。我们搭建平台的初衷就是实现跨流程关联，把组装、单颗器件、系统级数据汇总。工程师可以直接查询：光裕度衰减是否和某一类键合工艺、某一批EIC芯片、某一个测试工位相关，不用导出三份数据集手动比对。在CPO领域进展最快的团队，都把多域数据关联作为核心能力，而不是事后补救手段。”

不少客户也体会到，合并多测试节点数据的价值。

yieldWerx的Aslam说：“我们服务过很多光子厂商，测试流程和CPO非常接近：条带测试、tile测试、远场测试、统计过程控制SPC、在线检测。数据分析价值集中在三点：第一，全部数据汇集到同一分析框架，把条带电性能和远场光指标关联，就能发现‘阈值电流裕度不足的器件，后续测试中远场功率发生损耗’这类规律。第二，器件维度的异常识别，例如PAT、MV‑PAT，提前发现人工看表格很难察觉的系统性问题。第三，管理人员、工艺负责人、测试团队使用同一套报表，基于相同数据开展讨论。难点往往不是算法，而是原始数据的合并。”

结语

CPO的各类测试挑战已经被行业充分认知，但标准化的重要性才刚刚受到重视。想要实现每年千万级产能，标准化必不可少。缺少标准，整个生态就要背负定制化量产测试带来的沉重工程负担。

行业专家一致认为，测试相关标准缺一不可，既包含正式标准（例如拓展STDF适配光测试），也包含非正式的的数据管理协议。同时设备厂商、封测厂大多跟随头部客户的需求推进。

英特尔晶圆厂Detofsky总结：“如果每一款产品、供应商、封装、光接口、测试单元都当做定制工程项目，CPO测试就无法规模化。行业需要一套通用制造框架：统一光测试接入思路、可复用封装级机械接口、标准化溯源方案、统一数据结构，以及DFT设计，保证光引擎在多供应商、全测试流程中可观测、可控制。这不代表各家企业要公开私有设计和工艺细节。核心是统一光、机械、测试方法、校准、数据的接口边界，让代工厂、封测厂、设备商、器件供应商、系统厂商实现互通，做出一致的质量判断。接口层面的互通才是关键。”