CPO热仿真验证：风冷失效，液冷达标

共封装光学（CPO）的变革已经近在眼前。但要改造数据中心互连架构，需要攻克架构、供电、机械设计以及热管理层面的全新挑战。在这些难题当中，热管理已经成为超大规模AI环境下成功部署共封装光学（CPO）最为关键的领域之一。

热稳定性一直是CPO技术备受关注的问题。Ayar Labs与GUC联合开展了先进封装设计的热联合仿真，确定封装以及内部各芯粒的热分布图，同时覆盖风冷与液冷两种应用环境。

由于基于微环谐振器的CPO方案存在热稳定性方面的顾虑，我们希望正面回应这一问题。联合仿真数据表明：CPO可以在先进多芯片封装（MCP）的温度耐受区间内稳定工作。我们公开本次仿真结果，是为了给超大规模云服务商信心，推动CPO实现规模化落地部署。

全新设计可实现超100太比特每秒速率

我们先来介绍这款全新多芯片封装（MCP）设计，它将Ayar Labs的TeraPHY光引擎集成到GUC的先进封装与专用集成电路（ASIC）开发流程中。这款全新XPU多芯片封装设计，用Ayar Labs光引擎替代传统电互连，光引擎直接贴装在MCP有机基板上。该架构可让XPU封装输出超过100Tbps的全双工光接口，相比当前XPU性能提升一个数量级以上。

UCIe‑S通过MCP基板，实现光引擎与I/O芯粒之间的带宽传输；而UCIe‑A则借助本地硅互连（LSI）桥接，完成I/O芯粒和AI主裸片之间的通信。

该设计的硬件规模带来了必须解决的热难题。整套封装尺寸为105毫米 ×140毫米，内部集成器件包括：

• 2颗XPU（单颗尺寸25.69毫米 ×32.40毫米）

• 8组HBM4内存模组

• 4颗I/O芯粒

• 8个TeraPHY光引擎（单颗尺寸12.5毫米 ×13.0毫米）

单封装整机功耗可达3千瓦，这凸显出热管理的重要性，也要求光引擎可以和高功耗AI处理器协同稳定运行。这套复杂多芯片架构对封装工艺要求很高，设计采用9‑2‑9层基板结构，以满足复杂布线需求。

该设计同时解决大型封装带来的信号完整性与电源完整性难题。团队在XPU多芯片封装层级完成热优化；加固结构设计兼顾光引擎的使用需求，实现可拔插光纤连接，满足机械应力以及基板翘曲的指标要求。

什么是热联合仿真？它为何如此重要？

热联合仿真是对芯片的电气行为与热量流动开展耦合仿真。设计人员可以在真实工作工况下，预测集成电路以及封装内部的温度、热点与可靠性风险。仿真数据能够保障整套系统运行在规定温度范围内，对项目落地至关重要。

在GUC的热完整性设计流程中，会读取每一颗芯片的功耗分布图，开展热串扰分析与动态热联合仿真，从设计早期一直到设计签核，全程保障MCP封装的热完整性。借此定位局部热热点，评估热串扰对光引擎造成的影响。

热联合仿真在GUC的高级ASIC开发流程中不可或缺。本次联合分析的MCP封装集成多颗芯粒，重点分析相邻裸片之间的热串扰；整个中介层组件产生的热量，都有可能影响光引擎性能。

想要优化光引擎性能，热建模必不可少。本次联合技术验证，专门针对热热点与热串扰做测试，在贴近客户实际封装形态下评估CPO整体热稳定性。本次仿真没有回避棘手问题，刻意给系统施加压力，把全部潜在风险暴露出来。

这些研究结论，对于评估先进封装设计、联合产业链伙伴，为高热设计功耗等级的AI服务器与交换机打造最优冷却方案具备极高参考价值，本次测试正是为此而开展。

热联合仿真测试

本次一共完成三组仿真：一组确定各个芯片器件的热阻目标，另外两组分别测试两种不同冷却方案；其中一套方案达标，另一套不满足规格。

3D VC散热器测试

在25摄氏度环境下，分别以5米 / 秒、6米 / 秒风速，测试标准风冷鳍片散热器。

图1：GUC+Ayar Labs基于CoWoS‑L的CPO散热器仿真

该方案未达到指标要求，除I/O裸片之外，其余全部器件温度均大幅超出规格。

热阻分析

分析最大结温‑热阻曲线，确定适配CoWoS‑L先进封装与光引擎的热阻参数，满足温度规范。

图2：GUC+Ayar Labs CoWoS‑L CPO热阻 (Rsa) 分析

当ASIC热阻RSA‑ASIC ≤0.008 K/W，光引擎热阻RSA‑OE ≤0.15 K/W，整套系统级热方案即可满足指标。冷板方案可以实现该目标：ASIC冷板压降11.2千帕，光引擎冷板压降18.8千帕，在保障散热性能的同时实现冷却液高效流通。

冷板测试

最后，测试冲击式冷板散热方案，冷却液流量4.5升 / 分钟。

图3：GUC+Ayar Labs CoWoS‑L CPO冷板仿真

这套方案符合规格，所有器件温度均控制在规格以内。

冷板方案细节

选用冲击式冷板，是因为相比传统平行流道结构，它可以带走更高的热流密度。该方案采用经过优化的鳍片尺寸（ASIC侧鳍片厚0.15毫米、高2.4毫米；光引擎侧鳍片厚0.15毫米、高3.0毫米），搭配导热界面材料（导热系数5.2 W/mK），实现所需散热性能。

该方案可以高效带走多颗高功耗芯粒产生的集中热量，同时将光引擎维持在工作温度区间。

核心测试结果

给出各芯粒用于热签核约束的热阻设计目标：

• HBM4：低于95℃

• SoC：低于125℃

• 光引擎：低于100℃

完成热热点位置定位；

证实传统风冷散热器无法满足该方案需求；

验证真实液冷设备可以满足全部规格要求。

上述结果代表CPO落地的一项重要突破。单封装总热设计功耗超过3千瓦（仅AI处理器功耗就达到1500瓦），依然可以将光引擎温度稳定控制在100℃以内，结温留有充足余量，证明CPO能够稳定工作，为面向严苛热环境的应用铺平道路。

后续规划

下一步将开展动态负载仿真，进一步分析真实工况下温度变化对CPO带来的热影响。本次公开测试基于静态功耗假设，也就是各器件功耗恒定不变。但实际系统会从空闲状态启动，训练或者开机瞬间功耗飙升，运行阶段功耗也会随业务需求不断波动；大量用户并发会带来热量尖峰。

动态负载仿真可以还原更贴近现实的工况，测试设计方案的表现，帮助我们掌握光器件对温度骤变的响应，保障系统高效运行。

本次热联合仿真测试结果证明：只要搭配合适的冷却方案，CPO完全可以在高功耗AI系统中稳定工作。随着行业不断突破算力与热设计功耗的上限，CPO将在解决带宽与功耗瓶颈方面扮演重要角色。