从原型走向量产，CPO迎来拐点

共封装光学（CPO）正处在发展拐点。该项技术正快速从概念验证原型，过渡到可量产的系统方案。如今，我们已经可以看到该技术嵌入横向扩展交换机ASIC封装之中，在这些场景，铜缆已经无法满足带宽‑距离的需求。

尽管借助波长复用、更高调制速率以及端口密度提升，CPO具备多代迭代潜力，对AI基础设施前景可观，但要实现大规模部署，仍需要攻克制造、测试与运维层面的各类难题。

来自Alchip、Astera Labs以及Ayar Labs的CPO领域先行者近期展开交流，围绕一系列实际落地问题展开探讨：如何搭建可靠的供应链？将会形成哪些行业标准？如何保障系统实现规模化制造、测试与运维？专家们一致认为，即便该技术可以带来优异性能，想要取得成功，仍需要实现生态全链路商业化，覆盖晶圆厂工艺到机柜级运维。这场对话也展现出行业正在如何应对上述挑战。

未来几年CPO将如何演进？

讨论从横向扩展网络切入，这类网络用于实现数据中心内部不同计算集群之间互联。横向扩展通常采用InfiniBand、以太网等成熟网络技术，适用于数据中心范围内的通信，完成不同计算集群之间的连接。CPO已经开始在横向扩展网络落地，但距离下一阶段仍有不少工作要完成。

下一阶段是纵向扩展网络，该架构应用于AI计算集群内部，目标最大化集群内通信带宽、降低时延。纵向扩展网络设想成千上万颗XPU协同工作，由此带来一系列全新技术挑战。专家也梳理出从交换机向计算引擎迁移的现实时间线。

Astera Labs新兴技术副总裁兼总经理Adit Narasimha表示：“横向扩展场景对光互联有硬性需求，受带宽与传输距离约束。光互联的必要性毋庸置疑，叠加客户端巨大的需求量，已经实现不错的成本表现与供货能力，这已经是成熟的商品化领域。”

Narasimha着重指出其中的复杂性：“纵向扩展场景下，通道数量极其庞大，需要定制PHY、全新调制器技术、全新耦合技术，还有高集成度共封装技术…… 封装、测试流程，与交换机、CPU集成，乃至后续整机柜集成，各个环节之间存在深度耦合。”

图1：AI计算架构硅光技术三阶段路线：横向扩展 → 纵向扩展 → 内存扩展。按照分析师判断，这条演进路径将达成各项经济与性能目标，推动CPO在2028年前后实现大规模落地。

为什么CPU、XPU上需要CPO？

围绕将CPO集成进计算引擎的讨论，核心在于AI系统需要一轮技术变革。专家们认为，仅依靠现有技术迭代已经不足以支撑发展，现在正是重大技术更迭的窗口期。

Ayar Labs联合创始人、首席技术官Vladimir Stojanovic谈道：“我们需要具备多代演进潜力的技术。过去25年，铜缆承担这一角色，而现在AI系统需要拥有同等潜力的新技术，答案就是CPO。”

Stojanovic进一步阐述CPO的扩容潜力：“看这项技术本身，波长数量、调制速率、每个芯粒的端口数（也就是连接器密度）、偏振态等维度，都拥有迭代空间。当把微环谐振器这类高集成潜力器件与先进晶体管结合，就能支撑多代产品演进。”

Alchip首席技术官Erez Shaizaf补充：“我们不再做渐进式改良，而是尝试新路线。把天然传输性能更优异的光互联引入纵向扩展网络，现在正是CPO的时机。”

Stojanovic总结：“这套方案的形态规格，至少要具备二十年迭代潜力，否则前期投入就无法收回。”

图2：Alchip合作推出的CPO方案，集成8颗Ayar Labs TeraPHY光引擎与两颗AI加速器。

CPO会形成统一标准，还是各家厂商各自为战？

参会专家探讨多个议题：不同供应商的光引擎能否互通？计算芯片厂商、交换机厂商各自开发的光引擎能否协同工作？还是行业会经历一段混乱期？专家判断，行业会形成一定程度标准化，但头部大客户未必会完全遵从标准，甚至会带动产业链部分环节跟随自家路线。Ayar Labs在博客《构建AI基础设施未来：强大ASIC生态的价值》中提出，生态协作模式更有利于各方。Stojanovic认为，测试与供应链的重要性，高于细化的技术规范。“只要形态规格、供应链实现共享，充分复用下游组装测试与供应链资源，细节差异就不会成为大问题。大规模部署追求统一性。除少数巨头企业，没有厂商有实力自建数百套乃至上千套测试设备、连接器组装产线。”

结合实际落地，Stojanovic做出预判：“晶圆厂生态会孵化出一套经过认证的OSAT封测生态，也将成为行业优选。遵循这套生态工艺、满足对应形态规格，是关键。允许一定程度差异化，但整体要适配这套工艺与规格。否则单独搭建一套方案，再集成进计算封装，投入成本会高到难以承受。”

内存扩展如何实现大规模应用？

内存扩展是一种系统架构思路，将内存资源和独立计算单元解耦。该模式可以实现更灵活、更高效的资源调度，解决传统内存架构应对数据密集型AI负载的短板。专家认为，内存扩展距离落地比纵向扩展架构更远，前提是光互联实现广泛普及。行业演进路径清晰：先落地交换机侧CPO（正在发生），接下来2‑3年推进至计算引擎，之后才是光互联内存扩展系统。

Stojanovic解释：“我把内存扩展视作上层的优化手段。没有光互联纵向扩展作为基础，内存扩展无法实现目标性能。它属于第二步，但意义重大，能够破解高带宽内存中容量与带宽互相制约的痛点。可以高效实现该目标，但底层必须拥有天然低时延的技术底座。”

Shaizaf也认同拐点条件：“纵向扩展网络全面采用光互联，同时遇到内存瓶颈时，拐点才会到来。届时行业已经信任CPO与光网络，才会围绕内存方案开展创新。”

可制造性、成本、可靠性、可维护性如何保障？

Shaizaf表示，以上要素同等重要。“不能只偏重某一项。超大规模厂商运维着庞大的AI服务器与机柜集群，只有全部条件成熟，新机柜才会接入现有集群。只要其中一项短板，新系统就无法入网，对云厂商而言业务稳定优先于技术创新。只有上述指标全部成熟，CPO才会迎来规模化采用。”

光互联有哪些特有失效模式，系统如何检测与处置？

专家一致认为，这是必须攻克的关键课题。

Narasimha指出：“现在已经积累大量横向扩展场景下光模块失效数据，覆盖启动过程与长期可靠性。需要把这些经验合理推演，同时考虑单机柜内部海量光纤、海量连接点的现实。”

Stojanovic观点更为直接：“我们需要对每一条链路、每一个通道、模块内部每一只激光二极管做状态遥测。软件可配置，遥测数据反馈给固件与系统软件，暴露故障信息。通过软件灵活配置，完成检查、检测、诊断，执行对应处置动作。我们把系统设计成软件可管控单元，只有这样，才能适配不同机柜基础设施、不同部署方案。”

展望：持续数十年的平台级变革

这场交流印证：CPO并非简单性能改良，而是具备至少二十年迭代空间的平台级技术。想要取得成功，不能局限于单一组件，必须着眼完整生态，覆盖晶圆厂合作、测试基础设施、运维软件。