人工智能是否是硅光子的杀手级应用？

人工智能(AI)是促进硅光子技术广泛采用的杀手级应用吗？鉴于过去几年AI的爆炸式增长推动了对高速互连和更高带宽的需求，以及随之而来的以太网光收发器的需求，人们可能会这么认为。

这是Soitec和CEA-Leti于今年3月在加利福尼亚州圣地亚哥举行的行业研讨会上提出的问题，研讨会由英伟达(Nvidia)共同主持，随后由EE Times作为独家媒体合作伙伴主持了圆桌讨论。在光纤通信(OFC)大会展览期间，来自LightCounting、捷普(Jabil)、台积电、谷歌和英伟达的演讲者介绍了硅光子技术在云数据中心以及企业和电信网络中满足AI的海量数据传输和处理需求的案例。

图1：人工智能使以太网收发器市场规模在短短两年内翻了一番，预计今年和2025年的销量都将翻番。（来源：LightCounting）

根据LightCounting的数据，人工智能使以太网收发器的市场规模在短短两年内翻了一番，预计今年和2025年的销量都将翻一番。光学器件在未来可以发挥关键作用，但光连接的功耗需要降低。LightCounting公司创始人兼首席执行官Vladimir Kozlov表示，截至2023年，50GW的电力足以支持云数据中心的所有硬件。但到2029年，这一数字将增加到150GW以上。

“光互连所消耗的电力占总电力的比重将从现在的0.5%上升到1.5%。”Kozlov说道。

从演讲中可以明显看出，我们正处于硅光子技术的潜在转折点。但在扩展、能效、封装、生态系统、EDA和第三方IP等工具以及材料方面仍然存在挑战。

封装和EDA尤其是讨论的焦点。

在封装方面，捷普公司产品管理和开发总监Giorgio Cazzaniga表示，需要一种具备大规模制造能力的光子器件封装工艺。他说，由于有用于原型设计的试验线，硅光子技术的入门成本目前还较低。

“如果需要一种解决方案来生产数百万个器件，以满足AI的数量要求，会发生什么情况呢？”Cazzaniga问道。

图2：硅光子封装需要可预测性和可扩展性，这是目前的瓶颈。（来源：Jabil）

他指出了硅光子封装工艺和芯粒(chiplet)的共同点。

“芯粒架构提供了一种可能性，即在同一中介层上集成不同的芯片，这些芯片采用专门针对内存、计算和加速等不同任务而设计的技术。”Cazzaniga表示，“芯粒可以是硅光子集成电路(PIC)，可以与各种其他芯片集成在同一衬底上。从封装的角度来看，芯粒架构需要一些步骤(倒装芯片和键合等)，而这些步骤也是光子封装活动所必需的。然而，光子芯片需要特定的步骤，如光纤连接。”

大多数发言人都强调了光纤连接在可靠性和扩展方面的挑战。然而，Cazzaniga认为，光子封装需要从“手工制作”发展为全自动化流程，以应对人工智能的大批量需求。

“这需要对自动化进行投资，有些投资与芯粒封装共享，以缩短整体生产时间，最终降低成本。”他说。

在这方面，发言人普遍强调，要使AI成为杀手级应用，硅光子技术必须在部署方面切实可行、具有成本效益、可靠（或至少具有可预测的可靠性）、可维护和可扩展。

与会者提出的一个关键点是EDA工具方面的挑战：目前还无法预测首次正确设计。光子领域缺少类似SPICE的工具，即所有工具都能支持的标准建模包，例如，调制器的标准模型，你可以将其插入参数中，并在第一时间对设计进行正确预测。

然后，你还需要能够在模型中插入可变性，以预测你的器件将会发生什么变化。最后，你不仅需要元器件的数字孪生，还需要环境的数字孪生，这样才能确保设计的所有元素都能协同工作。

图3：硅光子技术在收发器中的应用越来越广泛。（来源：LightCounting）

那么，广泛采用的触发点可能是什么呢？大多数发言人一致认为，关键在于硅光子技术的集成规模。他们表示，最好能实现更多的封装标准化，并像发展电子产品一样发展光学生态系统。解决功耗问题也很重要。

他们总结说，大公司或大客户的决策才是推动人工智能硅光子技术的关键因素。

（原文刊登于EE Times美国版，参考链接：Is AI the Killer Application for Silicon Photonics?，由Franklin Zhao编译。）

本文为《电子工程专辑》2024年11月刊杂志文章，版权所有，禁止转载。免费杂志订阅申请点击这里。