最近一则“硬氪首发”的融资消息在硬科技圈里被讨论得不少一家由硅光领域资深团队创建的公司拿到了数千万级天使轮融资主攻方向正是 CPO 和 OIO也就是共封装光学与光互连输入输出目标是为下一代的算力基础设施提供光互连解决方案。如果你平时做后端、AI 平台、网络或基础设施这类新闻可能看起来离业务远了点但如果你参与过万卡集群、超大规模数据中心或者交换机选型就会知道这些方向不是 PPT而是真真切切影响单位功耗算力和单位机柜带宽的技术路线。这篇文章不讨论估值和退出只做三件事把硅光、CPO、OIO 的概念和区别讲清楚顺着光链路把技术原理拆开再从工程和产业角度说说什么东西正在发生变化。无论你是刚接触网络的新手还是已经在做 AI 基础设施的工程师都可以用这篇文章当作一份关于下一代光互连的入门笔记。1. 背景一条融资消息背后的硬科技信号先回到这条消息本身一家“硅光资深团队”创办的公司在天使轮就拿到数千万元级别融资方向是 CPO/OIO 光互连。这里有两个信息值得注意。第一个是“资深团队”。硅光不是写几行代码就能验证方向的软件项目它涉及流片、封装、测试、可靠性验证周期很长成本也很高。一个没做过硅光芯片、没踩过工艺坑的团队很难在天使轮获得资本信任。反过来也说明这轮融资的核心逻辑是“投团队过去十几年积累的工程经验”。第二个是“瞄准 CPO/OIO”。过去几年硅光创业公司大多还在做传统可插拔光模块用的光芯片而这次直接切入 CPO 和 OIO说明团队判断技术路线已经走到转折点AI 集群对带宽、功耗、封装密度的需求正在把光互连从“机箱之间”推向“芯片封装内部”甚至“计算 Die 旁边”。天使轮资金额度本身不算特别夸张但方向具有代表性。如果你关注光通信和 AI 基础设施会看到近一两年头部交换芯片厂商、FPGA 厂商、GPU 互联方案都在往这个方向集中。可以说这笔融资是行业技术周期的一个切片。2. 核心概念硅光、CPO、OIO 与光互连很多文章喜欢把硅光、CPO、OIO 放在一起说但它们其实处在不同层面。下面拆开讲。2.1 什么是硅光硅光Silicon Photonics是一种利用硅基 CMOS 兼容工艺来制造光子器件的技术平台。传统光模块里的激光器、调制器、探测器、波导是独立器件通过耦合和封装组装在一起硅光则尝试把这些光子功能集成到一颗硅芯片上用半导体的方式制造光器件。硅光的关键器件包括光波导硅和二氧化硅折射率差大理论上可以把光路由做得很小调制器用载流子浓度变化实现高速电光调制探测器锗Ge材料在硅光工艺里可以做近红外光的探测激光器这是硅光的难点因为硅是间接带隙半导体发光效率很低通常需要外置激光源或者把 InP 激光器通过异质集成的方式放到硅光芯片上。硅光最大的优势是“可以用半导体产线制造光器件”。一旦上量芯片的边际成本会明显低于传统分立光器件。这也是为什么产业界一直把它看成高速光互连的下一代工艺平台。不过硅光并不是“硅”完全取代其他材料它更像一个平台CMOS 工艺做波导和调制三五族材料做光源封装阶段再混合集成。2.2 什么是 CPOCPO 的英文全称是 Co-Packaged Optics中文通常翻译为“共封装光学”。它的核心思想是把光引擎Optical Engine从可插拔模块的位置移动到交换芯片或计算芯片的同一封装基板附近缩短电信号从芯片到光模块之间的传输距离。传统交换机的结构里交换芯片在 PCB 中间光模块插在前面板。芯片的电信号要经过 PCB 走线、连接器、光模块内部的驱动芯片才能完成电光转换。信号速率越高这段电链路损耗越大功耗也越高。CPO 的做法是把光引擎直接放在交换芯片旁边中间通过基板走线或硅桥连接。这样芯片到光引擎的电传输距离从十几厘米缩短到几厘米甚至更短减少了高速电信号的损耗和功耗。CPO 解决三个问题功耗电链路短SerDes 信号幅度可以降低密度光引擎可以紧贴芯片前面板不再被光模块占据单位面积带宽密度更高时延电传输距离缩短信号时延略降。代价是工艺难度明显增加。光引擎要和交换芯片做在同一封装里涉及 2.5D/3D 封装、光纤阵列耦合、散热设计、测试方法等一系列问题。2.3 什么是 OIOOIO 的英文全称是 Optical I/O也就是“光互连输入输出”。这个概念比 CPO 更前一步。CPO 主要针对网络侧交换交换芯片旁边放光引擎解决交换机端口互连。而 OIO 更偏向计算侧把光收发器集成到计算 Die 附近甚至作为 Chiplet 与 CPU/GPU/AI 加速器封装在一起让芯片对外部的数据交换直接走光信号。为什么要做 OIO因为 AI 芯片的算力增长非常快但 IO 带宽增长跟不上。传统电互连的带宽密度和能效有限制HBM 的容量和成本也有天花板。如果把光收发器做进计算芯片封装数据从 Die 出去就变成光信号可以绕过电互连的带宽墙。OIO 的典型场景包括大规模 GPU 集群的 node-to-node 互连内存池化比如把远端的 DRAM/CXL 内存通过光互连扩展芯片到芯片之间的 Chiplet 互连用光代替板级电互连。OIO 是一个比 CPO 更彻底的“光进电退”落地难度也更大。目前大多还处于原型和早期量产阶段但很多团队已经把 OIO 看作是 CPO 之后的下一站。2.4 硅光、CPO、OIO 与“光互连”的关系一张表看清它们的关系概念层面解决的问题当前阶段硅光芯片工艺平台用 CMOS 工艺制造光器件降本增效已规模商用持续演进CPO封装架构把光引擎放进交换芯片封装降低互连功耗早期商用正在爬坡OIO系统/封装架构让计算芯片直接光互连解决带宽墙和内存墙原型/早期量产光互连技术方向统称用光信号替代铜线/电互连从网络侧走向计算侧也就是说硅光是做器件和芯片的底层平台CPO 和 OIO 是在不同位置的系统级应用光互连则是这些技术共同指向的长期方向。它们不是对立关系而是递进关系。3. 为什么 AI 基础设施开始押注光互连光互连并不是新概念骨干网和 DCI数据中心互联早就用了光纤。但以前“光”基本止步于交换机机箱端口芯片之间的通信主要靠 PCB 上的电信号。AI 集群出现后这个平衡被打破了。3.1 电互连的瓶颈电信号在 PCB 上传输时铜线的电阻、介质损耗、串扰都会消耗能量。信号速率从 56Gbps 涨到 112Gbps、224Gbps 之后PCB 的设计余量越来越小高性能板材成本越来越高。更麻烦的是功耗。AI 大模型训练时GPU 之间需要频繁做集合通信比如 AllReduce、AllGather。这些操作会产生海量数据流如果网络侧的电互连功耗太高单位机柜能放的算力就会受限。简单说算力越来越强但功耗和 IO 带宽没有同步增长电互连成了限制整个系统的“瓶颈”。3.2 交换机的功耗墙和面积墙超大规模数据中心的交换机容量在快速提升51.2T、102.4T 的交换芯片已经陆续出现在路线图上。如果继续用可插拔光模块机器前面板会插满光模块光模块功耗和体积也会占据大量空间。CPO 的思路就是绕开这个限制光引擎直接封装在交换芯片旁边不再受前面板端口数量的约束带宽密度可以做得很高。交换芯片每提升一代光引擎也跟着升级整机形态可以做得更紧凑。3.3 内存墙与计算节点互连GPU 集群还有一个传统痛点叫“内存墙”芯片需要的带宽越来越大但 HBM 的容量有限单机显存又没法无限扩展。光互连可以作为“带宽放大器”把计算节点之间的数据交换拉近到芯片封装级别。OIO 的价值就在这里当光收发器和计算 Die 封装在一起时芯片对外通信不再依赖主板上的电走线直接把数据变成光信号送出去带宽密度提升一个量级。这也是为什么头部 AI 芯片公司和云厂商愿意早期押注 OIO 的原因。4. 从光链路看原理一个可运行的光预算计算讲完概念进入工程视角。无论 CPO 还是 OIO落到最终形态都离不开一条完整的光链路。理解光链路预算是理解所有光互连方案的基础。4.1 光链路的核心组成一条最简化的光互连链路包含发射端激光器产生光信号调制器把电信号加载到光上传输介质光纤负责把光信号传到对端接收端探测器把光信号还原成电信号再经放大和时钟恢复交给芯片。工程上我们需要确认一件事从发射端到接收端光功率衰减之后接收端还能不能正确解调信号这就是链路预算。链路预算的公理式表达是接收端实际光功率 发射光功率 - 光链路总损耗 只要接收端实际光功率 ≥ 接收灵敏度 工程余量链路基本可行光链路损耗主要来自三部分光纤传输损耗、连接器插损、熔接或跳线损耗。单个连接器插损通常在 0.3 到 0.5dB光纤每公里损耗按波长不同约为 0.2 到 0.4dB。4.2 链路预算计算的 Python 示例写一个可运行的 Python 脚本输入发射功率、接收灵敏度、光纤长度和连接器数量自动判断链路是否满足余量要求。 文件路径link_budget.py 运行方式python3 link_budget.py 说明光互连链路预算快速估算工具 def calc_link_budget( tx_power_dbm: float, # 发射端平均光功率单位 dBm rx_sensitivity_dbm: float, # 接收端灵敏度单位 dBm fiber_length_km: float, # 光纤长度单位 km connector_count: int 2, # 连接器数量 fiber_loss_per_km: float 0.4, # 光纤每公里损耗 dB/km connector_loss_db: float 0.5, # 单个连接器插损 dB splice_loss_db: float 0.1, # 每个熔接点损耗 dB splice_count: int 0, # 熔接点数量 margin_db: float 3.0, # 工程余量 dB ): 返回 (链路总损耗 dB, 功率余量 dB, 是否合格) fiber_loss fiber_length_km * fiber_loss_per_km conn_loss connector_count * connector_loss_db splice_loss splice_count * splice_loss_db total_loss fiber_loss conn_loss splice_loss budget tx_power_dbm - rx_sensitivity_dbm remaining_margin budget - total_loss - margin_db ok remaining_margin 0 return total_loss, remaining_margin, ok if __name__ __main__: # 示例800G 光模块常见场景2km 单模光纤 tx 1.0 # 发射光功率 1 dBm rx -9.0 # 接收灵敏度 -9 dBm loss, margin, ok calc_link_budget( tx_power_dbmtx, rx_sensitivity_dbmrx, fiber_length_km2.0, connector_count2, ) print(f链路总损耗: {loss:.2f} dB) print(f扣除工程余量后的功率余量: {margin:.2f} dB) print(f是否满足设计余量: {通过 if ok else 不通过})在终端运行python3 link_budget.py预期输出类似链路总损耗: 1.80 dB 扣除工程余量后的功率余量: 5.20 dB 是否满足设计余量: 通过4.3 计算结果怎么解读在这个例子里发射光功率 1dBm接收灵敏度 -9dBm中间总预算 10dB。去掉 1.8dB 的链路损耗和 3dB 的工程余量还剩 5.2dB 余量。工程余量非常重要。光纤连接器会老化收发端温度变化会改变激光器输出以及后续可能加跳线或分路器。如果在设计阶段就把余量压到 0系统运行一段时间之后很容易出现误码率升高。所以链路预算不仅是计算更是工程经验的一部分。真正做系统集成的人通常会在预算里留 3dB 以上甚至更多。OIO/CPO 因为链路短、连接器少预算压力比长距离线缆小但对耦合损耗和封装阶段的光纤对准精度要求很高。5. 从可插拔到 CPO/OIO技术路径与封装形态了解了光链路原理再回到系统层面看不同光互连形态之间的差异。5.1 演进路线可插拔、LPO、CPO、OIO当前数据中心的主流是“可插拔光模块”。光模块插在交换机前面板 QSFP-DD 或 OSFP 笼子里优点是维护方便、生态成熟、故障更换简单。LPOLinear-drive Pluggable Optics是近两年的过渡方案去掉光模块里的 DSP 芯片用线性驱动直接驱动光器件降低功耗和成本。代价是系统对信号质量的容忍度更差需要交换机芯片和模块之间做联合优化。CPO 则彻底把光引擎从可插拔模块中拿出来放进交换芯片封装。它既解决了功耗密度问题也改变了维护方式。出问题不再简单“拔模块”而是要面对返修和可靠性更多挑战。OIO 则把光互连进一步推到计算芯片和内存侧解决的是芯片与芯片之间的带宽墙问题。四者的对比如下方案光引擎位置主要优势主要挑战可插拔光模块前面板维护方便、通用功耗和体积密度受限LPO前面板比 DSP 模块功耗低系统协同难度大CPO交换芯片封装内功耗密度大幅优化良率、测试、返修难OIO计算 Die 附近突破芯片 IO 带宽墙封装和生态不确定性高5.2 CPO 的关键封装技术CPO 要实现核心是几个封装相关技术2.5D 封装平台交换芯片和光引擎通过中介层放在同一封装里激光器外置或异质集成硅光芯片本身难以高效发光CPO 通常需要独立的激光源或把 InP 激光器贴装到硅光芯片上光纤阵列耦合光引擎和外部光纤通过 FAUFiber Array Unit连接耦合精度要求到亚微米级别散热方案光引擎对温度敏感激光器波长会随温度漂移CPO 场景往往需要液冷或更高效的散热设计。这些都是工程难点。一个 CPO 交换机的良率、可靠性、返修成本直接决定它能否大规模落地。5.3 OIO 在计算节点中的位置OIO 更像是给计算芯片开了一扇“光窗口”。它可以以 Chiplet 的形式集成在 CPU/GPU/AI 加速器旁边也可以通过硅桥和计算 Die 相连。一旦芯片原生支持光 I/O节点与节点之间的通信就不需要经过外部交换机光模块那么长的路径而是直接在芯片封装层面完成光电转换。这带来的变化是带宽密度提升、功耗降低、连接拓扑更灵活。当然OIO 目前还没有形成统一标准。哪些协议应该承载在光 I/O 上系统软件怎么感知光链路故障散热怎么解决都还在定义阶段。6. 工程实践检查和评估光互连链路作为工程师即使你现在不参与芯片封装设计也能通过系统和工具理解光模块、计算光链路指标。下面给出一套日常可用的检查方法。6.1 用 ethtool 读取光模块信息Linux 服务器上可以使用 ethtool 读取可插拔光模块的 DDMDigital Diagnostic Monitoring信息例如温度、电压、光功率。这是日常排查光模块故障最常用的命令。写一个简单的批量检查脚本#!/usr/bin/env bash # 文件路径check_optical.sh # 用途批量查看服务器网卡光模块的接收光功率与温度 # 运行方式sudo bash check_optical.sh for dev in /sys/class/net/*; do name$(basename $dev) echo $name sudo ethtool -m $name 2/dev/null | grep -Ei \ Identifier|Temperature|Laser output power|Receiver signal average \ || echo 接口不支持光模块信息读取 done运行后你会看到类似这样的输出 eth0 Identifier : SFP28 Temperature : 38.2 degrees C Laser output power : 1.24 mW Receiver signal average optical power : 0.98 mW收到“Receiver signal average optical power”明显偏低时可以结合第 4 节的链路预算逻辑判断是发射端问题、光纤问题还是接收端问题。6.2 用简单的功耗模型理解 CPO 的价值很多文章说 CPO 比可插拔功耗低但到底低在哪可以从“每比特能耗”的角度建模。 文件路径power_compare.py 功能对比同一带宽下可插拔方案和 CPO 方案的光互连功耗 说明pJ/bit 只用于量级示意不代表具体产品规格 def optical_power_watt(line_rate_gbps: float, pj_per_bit: float, lanes: int 1): line_rate_gbps单通道速率单位 Gbps pj_per_bit每 bit 能耗单位 pJ/bit bit_rate line_rate_gbps * 1e9 # bit/s energy_per_bit pj_per_bit * 1e-12 # J/bit return bit_rate * energy_per_bit * lanes # W if __name__ __main__: # 示意模型总带宽 51.2Tbps total_capacity_gbps 51200 pluggable_power optical_power_watt(total_capacity_gbps, pj_per_bit50) cpo_power optical_power_watt(total_capacity_gbps, pj_per_bit10) print(f可插拔方案示意功耗: {pluggable_power:.0f} W) print(fCPO 方案示意功耗: {cpo_power:.0f} W) print(f能量效率差距: {pluggable_power / cpo_power:.1f} 倍)这里用到的 50pJ/bit 和 10pJ/bit 只是量级示意具体数值需要根据真实模块规格和系统架构调整。但趋势是明确的电互连距离越短、光电协同越紧密每比特能耗越低。6.3 工程上需要记录哪些关键指标如果你负责光互连系统的运维或测试建议至少记录每个端口的光模块类型、序列号、固件版本发射光功率、接收光功率光模块温度链路训练状态和 FEC 纠错前/后误码率链路预算余量。光互连系统的故障往往不是瞬间断掉而是先出现误码率升高、温度异常、接收光功率下降。把这些指标采集起来就能在真正出故障前发现风险。7. 产业生态、融资逻辑与主要风险从技术回到产业。一个 CPO/OIO 方向的创业公司需要和整条产业链合作。7.1 产业链分层光互连产业链大致可以分三层上游硅光 EDA、硅光代工、激光器外延片、光电芯片设计中游光引擎封装、光纤阵列、CPO 模组、测试设备下游交换芯片厂商、GPU/AI 加速卡厂商、交换机系统厂商、云基础设施厂商。硅光代工是上游非常重要的一环。大多数做设计的中小团队不自建产线而是依赖专业的半导体代工厂来生产硅光芯片。代工厂的工艺成熟度和良率直接决定创业公司产品的成本。7.2 为什么天使轮会投“硅光老团队”天使轮投资通常看重人、方向和时机。硅光团队能拿到钱核心是这三个因素同时成立人的因素团队做过硅光芯片并成功量产踩过工艺坑对封装和良率有直觉方向因素AI 集群在快速扩大带宽市场窗口正在打开时机因素CPO 开始进入商业化早期OIO 开始有原型行业需要更多能落地的团队。天使轮阶段账面上可能还没有多少营收但产业链位置和技术壁垒已经足以让资本提前布局。7.3 技术路线的不确定性光互连最大的风险不是没有需求而是技术路线还没有完全收敛。可插拔光模块不会立刻消失LPO 也在争取窗口期CPO 在交换机和 AI 加速器两种场景的落地节奏不同OIO 的标准和封装生态也没有定型。硅光、磷化铟、薄膜铌酸锂等材料平台也存在竞争。对于技术公司来说最大的挑战不是“把样品做出来”而是“在量产良率、可靠性和成本上同时达到客户要求”。这也是为什么资本更偏好资深团队因为这条路上容错空间很小经验和工艺积累比创意重要得多。8. 常见误区与易混淆概念下面整理一些我经常在讨论里看到的误区方便快速对照。误区正确理解CPO 就是把光模块贴着芯片放CPO 是把光引擎封装进芯片封装内部不走可插拔笼子结构完全不同OIO 和 CPO 是同一个东西CPO 偏向网络侧交换芯片OIO 偏向计算侧芯片 IO方向不同、有重叠硅光 CPO硅光是工艺平台CPO 是封装方案CPO 可以基于硅光也可以不用有了 CPO可插拔光模块会立刻消失短期不会可插拔生态成熟、运维便利长期会逐步共存过渡OIO 已经能直接替代 HBMOIO 更多是补充和扩展 IO 带宽HBM 在容量和延迟上仍有不可替代性光互连不需要 DSP 了短距场景去 DSP 是趋势但纠错和信号管理仍然需要系统级协作另外要注意很多文章把“光芯片”和“光模块”混着说。光模块是系统级产品里面包含光芯片、驱动芯片、DSP、结构件等光芯片只是其中一个核心零部件。讨论 CPO/OIO 时需要明确说的是哪一层。9. 给开发者与基础设施团队的建议最后说一点务实建议。如果你不是芯片公司员工也不做硅光流片这波技术变化对你有什么影响9.1 短期先建立观测能力当前阶段绝大多数数据中心的采购和运维还是以可插拔光模块为主。你可以先把光模块的 DDM 数据采集和监控做起来把链路预算、误码率、温度这些指标积累成基线。有了基线之后无论是 LPO 还是 CPO 引入你都有数据判断好坏。9.2 中期关注机房散热和机房布局CPO 和 OIO 的功耗密度变化会影响电源和散热设计。新机房规划时建议提前考虑液冷支持别等设备到位才发现散热能力不够。另外CPO 交换机的光纤连接方式也和传统前面板不同光纤槽位的设计要留出足够空间。9.3 长期关注协议和软件生态OIO 一旦进入计算芯片周边就不再只是网络问题。系统软件、集群调度、故障隔离都需要适配。建议留意相关标准化组织的进展以及头部交换芯片厂商的 CPO/光互连路线图判断技术什么时候开始影响你的软件栈。9.4 建立自己的工程判断框架信息很多观点很杂判断技术价值最可靠的方式还是回到物理量功耗每比特多少 pJ、带宽密度多少 Tbps/mm、故障率多大、可维护性如何。用这些指标去评估一个方案会比听各家厂商的宣传更清楚。10. 结语这条“硅光资深团队获数千万天使轮融资瞄准 CPO/OIO 下一代光互连”的消息单独看体量不大但它踩在 AI 基础设施带宽焦虑的节点上传递的信号很清晰光互连正在从交换机的端口走向封装内部再从封装走向计算 Die 旁边。对开发者而言不一定要参与芯片设计但理解硅光、CPO、OIO 这些概念能帮你更好地判断未来网络和算力基础设施的演进方向。建议你抽一个下午把文中的链路预算脚本跑一遍再打开一台服务器的 ethtool 看看光模块的实际运行数据。数据永远比新闻更先透露技术的真实进度。
