CPO临近量产，下一阶段聚焦接口、良率与可维护性

随着AI计算带宽持续提升，光互联架构正从可插拔光模块，向近封装光学（NPO）、共封装光学（CPO）演进。但大规模落地不只取决于光引擎本身的性能。精密对准、可维护性、制造良率，以及光源、封装、测试、材料供应链能否同步成熟，都变得同等关键。

FIT美国业务发展高级总监Kai-pin Lin表示，CPO让光学器件更靠近芯片封装，使得过去容易被忽略的接口与制造问题，成为行业讨论的核心。

Lin称，光纤精密对准是最基础的能力之一，也是最难快速攻克的环节。光连接器必须长期维持亚微米级对准精度。制作少量实验室样品相对简单，但要在数十万乃至百万级的出货量下持续稳定良率，需要一套覆盖精密工装、微注塑、材料管控、自动化组装与测量的工程能力。

可拆式光纤 - 芯片接口是另一个受到关注的方向。CPO缩短了光引擎与交换ASIC之间的距离，但如果光纤直接永久固定在封装上，一旦组装良率不佳、光纤被污染或是需要维护，更换成本会大幅上升。

Lin表示，可分离、盲插，甚至支持现场更换的光纤接口，或将成为CPO规模化部署的重要条件。FIT正联合上游光学材料与晶圆级光学供应商开发这类接口，依托自身在连接器与精密机械组件方面的积累。

AI机柜拉高集成难度

下一代AI机柜面临的工程挑战，远不止光通信本身。Lin说，供应商越来越多地遇到高速信号、高压电源与液冷方案叠加带来的协同设计难题。从224G信号完整性、高压直流架构下的安全与电弧管控，到液冷回路的密封与长期可靠性，这些以往分属不同专业供应商负责的问题，如今交织在一起。

但在AI机柜内部，这些组件往往集中在同一块托盘、背板，甚至同一个连接器接口周边。优化系统某一部分，就可能压缩另一部分的设计余量。

第二个障碍是AI平台新产品导入（NPI）周期持续缩短。规格迭代加快，意味着原型制作、设计修改和工程决策经常需要并行推进。供应商不仅要具备快速原型能力，还需要信号、电源、热管理与制造团队提前协同。Lin提到，如果零部件供应商继续采用按部门顺序响应客户需求的模式，将难以跟上AI平台的迭代速度。

第三个挑战是，需要同时具备精密工程能力与大规模量产能力。在实验室做出原型，和在大批量生产下维持良率、成本与供应链稳定完全是两回事。

因此FIT计划利用自身工装、电镀、冲压与自动化制造能力，加上富士康集团整柜系统资源，打通设计验证到量产之间的鸿沟。公司也希望跳出传统零部件供应商的定位，参与整机机柜的联合开发。

CPO规模化依赖更广泛的光通信供应链

CPO与NPO只是光通信整体变革的一环。Lin认为，AI数据中心大规模采用光互联，还需要外置光源（ELS）、先进封装、晶圆级光学、测试测量、现场运维和材料供应同步取得进展。

光源方面，外置激光器的可靠性、可维护性，以及磷化铟（InP）外延片与衬底的供货能力，将直接影响系统落地节奏。制造端，行业需要逐步从有源对准转向无源对准、晶圆级工艺，这就要求晶圆厂、封测厂商和光器件供应商建立更完善的设计与工艺规范。

测试仍是另一短板。光学测量基础设施成熟度不及电学测试；光互联论坛（OIF）与各类多源协议（MSA）后续在接口、测试规范上的进展，将直接影响量产效率。

部署后的维护同样关键。光纤端面极易被污染，如果缺少标准化的现场清洁、插拔、拆除、更换与维修流程，即便单个器件满足性能指标，也会损害整套系统可靠性。

玻璃衬底、低损耗光学材料、光纤、光纤插芯等上游精密组件的供给深度，也决定成本下降的速度。

Lin表示，下一阶段光通信领域的竞争，不是由CPO单一技术决定，而是看整个生态能否支撑大规模数据中心运营。随着传输速率从800G迈向1.6T乃至更高，行业需要更强的光供应链管控能力，贯穿量产与现场运维全流程。