SK海力士于8月20日表示，已在国际学术期刊《自然·电子学》发表论文，阐述共封装光学（CPO）技术发展路线。

　　这篇题为《面向高性能计算与人工智能的共封装光学技术》的论文，将CPO视作破解AI计算平台面临“带宽墙”难题的解决方案，并明确该技术的研发方向。

　　本次研究通讯作者为SK海力士AI基础设施团队负责人洪承勋、弗吉尼亚大学电气与计算机工程系教授李圭相；伊利诺伊大学厄巴纳-香槟分校、南洋理工大学、麻省理工学院、延世大学的研究人员也共同参与研究。

　　洪承勋主导SK海力士AI存储行业中长期战略。近期SK海力士不再将内存视作独立元器件，而是从系统层面开展研发。李圭相主攻下一代计算系统，研究如何在单一封装内集成超薄光电器件，实现异质集成。

　　CPO性能目标与3D异质集成挑战

　　CPO是新一代封装技术，可将依靠光传输信号的光学芯片（硅光引擎）与高性能电子芯片集成在同一个封装内。洪承勋解释：“该技术将光收发器与处理器共封装，芯片之间不再依靠长距离电气互连，而是通过光传输数据。”

　　研究团队设定了下一代AI基础设施CPO的性能指标：单点带宽超过100太比特每秒（Tb/s），数据传输功耗低于1皮焦每比特（pJ/bit），芯片间传输时延小于10纳秒（ns）。同时，论文梳理了技术演进路径：从二维封装，到2.5D中介层方案，最终实现三维异质集成，并分析各阶段商业化难点。

　　研究团队还提出长期研发方向：将光互连延伸至内存接口，打造以光为中心的全新架构——借助光中介层直接连接内存与处理器，突破传统封装的空间限制。

　　CPO依靠光引擎缩短封装内部电信号传输距离，长距离传输则借助光纤光路。该技术可将芯片通信拓展至服务器机柜、整机pod集群层面，同时维持高带宽密度、高能效、可扩展性与稳定的信号质量。

　　机柜用于搭载多台服务器；pod集群由多个机柜整合而成，配套统一网络与电源管理。大规模AI模型训练均在pod集群环境下完成。计算芯片、内存之间以及机柜之间的数据传输速度与效率，直接决定整套系统的性能上限。

　　告别铜互连，突破带宽墙

　　传统铜互连方案中，传输距离越长，信号失真与衰减问题越严重；若增设补偿电路修正信号问题，又会推高功耗、增加发热与传输时延。

　　李圭相教授表示：“即便计算芯片性能提升，如果芯片间的数据传输跟不上，整套系统性能依旧无法增长。受物理极限约束，铜互连已经走到瓶颈，用光替代铜线传输数据，是实现算力扩容最具前景的路线。”

　　高带宽内存（HBM）缓解了AI加速封装内部的内存瓶颈。但随着数千颗GPU与HBM互联的大型算力集群落地，系统级带宽墙成为新挑战。

　　近两年，AI硬件算力约提升3倍，但互连带宽仅增长1.4倍，二者增速错配，制约AI数据中心扩容。

　　李圭相谈到：“光互连产业化仍处于早期阶段，存在诸多待攻克难题：低功耗光器件集成、保障数据一致性与可靠性的信号传输协议等。核心思路是将存储器件、控制器、光器件、封装方案进行一体化协同设计，这也是本次与SK海力士合作的重要价值所在。”

　　研究团队后续将围绕超薄光学材料集成、基于微型LED的大规模并行光互连等方向开展研究，提出高效数据传输方案。