算力暴涨带来的互连瓶颈

大模型训练的规模以惊人速度增长，动辄需要成千上万颗芯片协同工作。数据在芯片之间、机柜之间的传输速度，直接决定了整个集群的算力利用率。传统方案中，电信号先经电路板传输，再在可插拔光模块处转换成光信号，这条链路越长，损耗和延迟就越大，功耗也越高。当单芯片带宽迈向更高水平时，电互连的物理极限开始显现，成为制约系统性能的短板。

要理解这个瓶颈，可以把它想象成一座城市的交通：芯片算力相当于工厂产能，互连则相当于道路。产能再高，如果道路狭窄拥堵，货物依然运不出去。因此，业界需要一种更短、更快、更省电的传输方式，共封装光学正是在这一背景下被推到台前。

CPO的技术原理

共封装光学的核心思路，是把负责光电转换的光引擎，从远离芯片的可插拔模块里「搬」到芯片封装内部，与交换芯片、计算芯片封装在一起。光信号直接在封装附近完成转换，电信号的传输距离被压缩到毫米级，大幅降低了信号衰减和功耗。它通常采用硅光技术，在硅基衬底上集成调制器、探测器等光器件，再通过光纤把光信号引出。

这样做的好处是多方面的。一是带宽更高，能够在同样面积内提供数倍的互连吞吐；二是能效比更好，光电转换更贴近芯片意味着更少的能耗浪费；三是有利于设备小型化，让数据中心在有限空间内塞下更多算力。当然，技术挑战同样存在，比如高密度光耦合的良率、封装散热以及可靠性，都是量产前必须解决的关键问题。

产业落地现状与前景

目前CPO仍处于产业化的早期阶段，主要芯片厂商、光模块厂商和设备商都在积极布局，推出原型机或小规模试用产品。业内普遍判断，随着单芯片带宽持续爬升，CPO会先在交换机、AI训练集群等对带宽最敏感的场景落地，再逐步向更广泛的算力基础设施扩散。对于关注科技趋势的读者来说，理解CPO并不需要掌握复杂的光学公式，只需抓住一条主线：当算力成为核心生产力，让数据「跑得动」的互连技术，正变得越来越重要。