CPO测试，要开始考虑降本了

光器件的测试成本高昂，已经接近制造成本，环回测试能力是故障诊断的重要一环。针对这一话题，泰瑞达光电子测试高级产品经理Matt Griffin、爱德万测试美国研究与风险投资副总裁Ira Leventhal、长电科技旗下ISE Labs院士Dave Armstrong，以及是德科技硅光子研究员兼工程师Kazuo Yamaguchi展开了探讨，本文为访谈节选。

从左至右分别为泰瑞达 Griffin、是德科技 Yamaguchi、ISE Labs Armstrong、爱德万测试 Leventhal

如何定位电光系统中的故障来源？

Yamaguchi：我们始终以参考面为基准开展工作。测试时，每个测量面都会划定物理、电学、光学边界，比如确定这个边界设在哪里：是裸片焊盘、封装焊球、连接器，还是光纤接口？我们还要对边界之间所有环节做去嵌入处理，包括探针、测试插座、走线、连接器、跳线等所有接入的器件，并且保证第1、2、3次测试使用同一套边界。边界条件也必须保持一致。 在此基础上，我们再模拟缺失的另一半链路。举例来说，如果只单独测试光引擎，就用经过完整表征、已知特性的替代器件对接。我们也可以使用标准参考激光源来完成这项工作。

Griffin：我们看到不少客户在光路中增加监测光电二极管。一旦发射或接收链路测出异常，就可以顺着信号溯源。部分开展环回测试的客户需要信号抽头功能，把信号引到表征仪器，或是仅用来监测光功率。如果不需要做全套参数表征，只进行环回测试或者工况模式测试，这个功能就很实用。 但它也存在短板：一旦测试失败、误码率不达标，或是测试程序出现功能异常，很难定位根因。因此，具备环回信号抽取能力十分关键。

Leventhal：我接着说标准激光参考源这件事。说到底，我们的目标并不是测试激光源本身，而是被测器件。这个激光源在功能上，相当于电学测试里的器件供电电源，我们不会把电源叫做标准参考源，就直接叫器件电源。默认它和测试系统里其他设备一样，能够正常工作。 客户都希望排除激光源这个变量，直接使用设备正式工况下配套的激光器，但这类激光器并不是自动测试设备（ATE）仪器，相关方案还需要持续迭代。就像Dave提到的，失效分析（FA）是顺着线索排查，需要分清哪些器件是故障可疑对象、哪些是已经确认良品、可以排除出故障清单。

共封装光学（CPO）的故障诊断，相比近封装光学（NPO）失效分析，难点体现在哪些地方？

Griffin：行业对NPO和CPO还没有统一的定义。二者面临不少共性难题：模块测试都需要对准多个光连接器，同时还要给器件供电。有些客户认为NPO的一大特点是光引擎可以拆卸。 这会带来一个关键差异：如果能拆掉光引擎，那么拆卸之前的测试覆盖价值会下降 —— 就算查出故障来自一颗不良光引擎，直接换掉就行。但我们也从客户处了解到，后期返工、重新装配的流程非常麻烦。所以即便支持拆卸，客户依然希望提前拿到确认良品的光引擎。

Leventhal：CPO在封装内集成了更多元器件，需要手段把各个模块解耦分开测试。我们前面聊到的很多思路在这里都适用。正如Dave所说，可测试性设计（DFT）非常重要：从单个器件的测试中拿到有效信息，才能关联预判封装之后会出现的故障。

Yamaguchi：带重定时功能的NPO自带数字信号处理器（DSP），光引擎可以像可插拔模块一样单独做合规性测试，故障定位简单。线性驱动型NPO去掉了DSP，由主机ASIC的串并收发器，通过线性驱动器和跨阻放大器（TIA）直接驱动光路。电学链路和光学链路合并成一条信号通路，链路出问题后，很难分清是电端还是光端故障，测试复杂度和CPO相当。

Armstrong：还有一大隐患是功耗过高。CPO方案里电信号传输距离很短，NPO则有望实现更远的电信号传输，更长的电链路也需要针对性管控。另外，所有光学器件的散热问题都不容小觑。

低成本光子器件和高价ASIC、GPU集成在一起时，测试的成本逻辑会发生怎样的变化？

Leventhal：不能因为一颗廉价光引擎，毁掉价值4万至5万美元的GPU或者ASIC，这彻底改变了测试预算的逻辑。我们以往习惯把测试成本按芯片制造成本的固定百分比核算，但这套规则在这里完全失效。 对于围绕高端ASIC配套的这些器件，测试预算相当于没有上限。当然大家都会想办法压低测试成本，但前期可以加码测试筛选，避免昂贵的主芯片报废。随着量产规模扩大，我们也会不断积累良率数据。

Yamaguchi：器件价值越来越高，报废损失、测试复杂度、封装复杂度同步上升。在这种背景下，增加晶圆级测试、光引擎单独测试就变得合理。成本逻辑正在转向装配前筛选，而不是行业传统的封装后测试。

Griffin：我完全同意。补充一点，AI加速器和网络交换芯片的终端客户，都希望在数据中心大规模部署这类硬件，用来生成更多Token。它们属于复杂度最高的一类半导体器件。 单独看一颗光引擎，成本并不高；但如果放到这套极其复杂的封装里，结合它承担的核心功能，意义就完全不同。光引擎能够降低功耗、支撑分布式计算架构，地位十分关键。行业会持续探索高效的系统测试方案。

Leventhal：对整个行业来说，验证CPO方案可行已经不再是难题。Meta今年早些时候发布了可靠性数据，证明CPO可靠性表现良好，技术通路走通了。现在核心问题变成：如何把现有方案推向大规模量产（HVM）？这是整个生态的系统性难题，不是单一环节的问题。 短期对策就是增加测试、筛选、老化、多次测试工序，强化工程管控，等待整个生态成熟落地。NPO在这个过程中承担重要作用，它落地门槛更低，更容易先跑通量产。从NPO积累的经验，能够反过来助推CPO量产，但CPO量产之路不会一帆风顺。 还有一个我们还没深入讨论的点：标准。行业发展速度太快，标准化组织跟不上节奏。标准的作用不是创造新技术，而是支撑规模化制造，实现器件多供应商供货。

Yamaguchi：行业正在推进标准与多源协议（MSA），联动生态伙伴协同落地技术。标准不会改变测量原理本身，但可以统一测试平台，这也是标准化最大价值。部分测试指标还会规定发射光功率、偏置条件等参数，帮助我们明确量产要求和交付规范。

Griffin：我们对接的几乎每家企业内部都有两个团队：光子学团队，他们做器件测试，但大多没有半导体大规模量产的经验；还有半导体量产测试团队。 量产测试团队非常看重设备稼动率、软件与技术服务支持，需要部署大量测试单元。在设计测试单元时，为了兼顾灵活性、模块化、易维护，有时不得不牺牲一部分光学性能。 站在生态角度，企业内部这两个团队必须沟通，共同权衡取舍。没有人比客户、设计和制造团队更懂器件。比如，为了更高通道数、更好灵活性选用某一款连接器，可能会导致被测件（DUT）光功率小幅下降，进而影响整体设计。 这类跨领域沟通现在才刚刚起步，原因就是产线扩产已经启动。这类交流，是推动行业进步最关键的事情。

Armstrong：根据IPSR的调研，光器件的测试成本已经接近制造成本；随着复杂度持续提升，测试成本甚至会超过制造成本。这意味着行业必须接受：要保障品质、拿到已知良品裸片，就要承担对应的测试开销。 正如Ira所说，这里值得投入资金：按占比来看，GPU的测试成本，对比光器件测试成本几乎可以忽略不计。成本模型需要重新调整，也会吸引更多不同企业参与进来。这需要整个产业共同体协作，各方合作伙伴一起搭建体系，形成统一、可扩展、适配大规模生产的方案，带动行业向前发展。