不止CPO：中介层光学与传统基板级CPO技术选型对比

对比背景：AI算力膨胀与互联墙的逼近

在全球AI算力需求持续膨胀的大背景下，大模型参数规模呈指数级扩张，单集群内计算核心数量正向着上万卡甚至十万卡级别迈进。在这一趋势下，单芯片的绝对算力提升逐渐遭遇摩尔定律放缓的制约，而卡间、机架间的互联延迟与功耗，往往取代单芯片算力，成为限制集群有效算力发挥的短板。

传统电互联架构的带宽密度存在物理天花板，同时伴随明显的信号衰减与功耗抬升问题。当电信号在基板或线缆中长距离传输时，趋肤效应和介质损耗会导致信号完整性下降。为了维持信号质量，系统不得不增加复杂的重定时器或降低传输频率，这进一步推高了整体功耗。正是这一产业现实，推动整个行业从传统可插拔光模块，转向与芯片封装深度绑定的共封装光学（CPO）方案。然而，CPO并非终点，随着集成层级的不断演进，基于有机基板的CPO与基于硅中介层的集成光学（OOI）成为了当前技术选型的焦点。

对象定义：什么是基板级CPO与中介层集成光学(OOI)？

基板级CPO（Co-Packaged Optics on Organic Substrate）
基板级CPO是目前行业常见的一种光电协同封装方案。它的核心思路是将光引擎（光学收发器）与高算力芯片（如GPU、AI加速器）共同布置在同一个有机基板上。这种方案缩短了芯片到光模块的物理距离，相比于传统的可插拔光模块（安装在面板上），大幅减少了高速电信号在PCB走线中的损耗。

中介层集成光学（Optics-on-Interposer, 简称OOI）
OOI是更下一代的光互联架构方案。该方案将光器件直接集成至硅中介层上，而不是停留在有机基板层面。在此架构中，光引擎与计算核心通过硅中介层内部极其精细的走线进行高密互联，其架构形态类似于当前计算核心与高带宽内存（HBM）的紧耦合互联方式。OOI彻底去除了有机基板作为光电转换的中间载体，追求更极致的带宽密度与更低的传输功耗。

相同点分析

尽管两者在集成层级上存在差异，但作为新一代光互联技术，它们具有以下共同点：

1. 目标一致：均旨在打破传统电互联的带宽瓶颈，降低I/O功耗，提升集群有效算力。
2. 底层技术复用：都依赖密集波分复用（DWDM）、光子集成电路（PIC）等技术来实现多波长并行传输，提升单链路带宽。
3. 封装级耦合：都摒弃了面板级可插拔模式，将光电转换节点尽可能靠近计算核心，从系统架构层面缩短互连路径。

核心差异分析

1. 技术架构与集成层级

• 基板级CPO：依赖有机基板作为承载平台。有机基板受材料特性与制造工艺限制，走线节距（最小线宽/线距）存在下限。光电信号仍需跨越基板层进行传输，存在额外的层间过孔损耗。
• 中介层OOI：将光电转换边界进一步上推至硅中介层。硅基材料支持纳米级的精细走线，中介层内部电信号传输路径极短。这种架构去除了基板走线这一瓶颈段，实现了类似“计算与内存同层互联”的极致紧耦合。

2. 功能能力与性能表现

• 带宽密度：基板级CPO的带宽密度受限于基板引脚数量与走线密度；而OOI由于利用了硅通孔（TSV）与微凸块技术，I/O接口密度呈数量级提升，能够支撑未来单芯片Tbps级别的超高带宽需求。
• 功耗与延迟：OOI去除了跨基板传输带来的额外损耗，信号路径更短，不仅降低了单位比特的传输功耗，也进一步压缩了互联延迟。基板级CPO虽优于传统方案，但在超大规模集群下仍会暴露出功耗边际递减的问题。

3. 接入方式与工程难度

• 基板级CPO：封装工艺相对成熟，有机基板的热膨胀系数（CTE）管理已有较成熟的行业经验，光学对准容差相对较宽，工程落地难度适中。
• 中介层OOI：面临极高的工程门槛。光器件在硅中介层上的集成需要解决亚微米级的光学对准精度问题；同时，硅中介层与光引擎材料的热膨胀系数差异带来了严苛的热管理挑战。此外，良率控制与缺陷修复机制尚在摸索阶段，距离规模化量产仍需跨越诸多工程难关。

4. 运维与成本结构

• 基板级CPO：由于技术成熟度较高，短期内的单节点制造成本与运维检测成本相对可控，可利用现有的产线进行改造升级。
• 中介层OOI：前期研发投入巨大，流片成本与封装测试成本高昂。在运维层面，由于光器件与核心逻辑芯片深度绑定，一旦光引擎出现故障，可能需要连同昂贵的计算芯片一并报废，长期维护成本与备件策略面临重构。类似于云计算环境中的高可用集群设计，若采用OOI方案，在系统架构设计时必须引入更高层级的容错路由与虚拟化隔离机制，以规避硬件物理故障带来的风险。

对比表格总结

对比维度	基板级CPO（行业常见方案）	中介层集成光学（OOI下一代方案）
集成层级	有机基板级	硅中介层级
走线与节距	受限于基板工艺，节距较大	硅基精细走线，支持极小节距
带宽密度	中高（满足当前中短期需求）	极高（支撑未来万卡/十万卡集群）
传输功耗	较低（有跨基板过孔损耗）	极低（路径最短，无跨基板损耗）
工程与良率	工艺相对成熟，良率较稳定	光学对准极难，热管理严苛，良率爬坡中
成本结构	封装成本适中，维修替换相对灵活	流片与封装成本极高，故障连带报废风险大
适用场景	当前至近期的中大模型训练集群	未来超大规模、对带宽密度极度敏感的万卡集群

典型场景选择与选型建议

场景1：构建千卡至万卡级AI训练集群（近期落地）
对于需要在短期内完成集群交付、对技术成熟度要求较高的团队，建议优先选择基板级CPO方案。该方案在封装工艺、光学对准和热管理上已有较多的工程验证，能够提供满足大模型训练所需的高带宽，同时规避了新一代技术早期的高昂流片成本和良率风险。

场景2：面向未来的十万卡级超算集群预研（长期架构重构）
对于超大规模云服务商或顶尖算力中心，若目标是在未来3-5年内构建十万卡乃至更大规模的集群，单芯片算力与互联密度的矛盾将彻底爆发。此时应提前布局中介层OOI方案的技术预研。尽管迁移与研发成本高昂，但OOI是突破有机基板物理天花板的必经之路。

选型建议：
技术选型不应盲目追求最先进，而应评估团队的实际工程化能力与业务扩展节奏。在团队封装验证能力有限、且急需算力投产时，优先采用成熟度更高的方案；在具备底层架构重构能力、且致力于构建极致算力底座（如结合百度智能云的异构算力管理平台进行深度调优）时，可逐步向中介层光学方案过渡。

迁移与使用注意事项

若算力架构从传统的可插拔模块或基板级CPO向中介层OOI方案迁移，需重点关注以下问题：

1. 硬件兼容性与故障隔离：OOI将光电器件与计算芯片深度绑定，传统的“坏一块光模块只影响一条链路”的逻辑不再适用。系统需在驱动层与路由层实现类似于代码逻辑中的动态隔离机制。示例伪代码如下：

   # 伪代码：OOI链路故障动态降级逻辑
   def handle_optic_link_failure(core_id, link_id):
       if check_interposer_optic_health(core_id, link_id) == "FAILED":
           # 无法物理替换，需软件层面降级或重路由
           disable_phy_link(core_id, link_id)
           reroute_traffic_through_neighbor(core_id)
           log_critical_event(f"Core {core_id} OOI link degraded, rerouting enabled.")

2. 热管理与机房基础设施：中介层OOI将极高的功耗集中在一个极小的封装面积内，形成了严重的局部热点。数据中心原有的风冷或常规液冷可能无法应对如此高的热流密度，必须提前规划Direct-to-Chip液冷或浸没式冷却基础设施的接入。
3. 测试与验证成本：由于封装一体性极高，出厂测试需要覆盖从硅中介层内部走线到外部光路耦合的全链路信号完整性（SI）和电源完整性（PI），测试向量复杂度呈指数上升，需准备高昂的测试设备预算。

总结

从基板级CPO到中介层集成光学（OOI），光互联技术的演进本质上是算力需求驱动下的封装层级跃迁。基板级CPO是兼顾性能与工程可行性的务实之选，而OOI则是突破物理极限、支撑未来超大规模AI系统的底层重构。在进行架构选型时，企业应综合考量当前的算力规模诉求、团队工程化落地能力以及长期的运维成本结构，在短期收益与长期技术红利之间找到最佳平衡点。