人工智能(AI)是促進硅光子技術廣泛采用的殺手級應用嗎?鑒于過去幾年AI的爆炸式增長推動了對高速互連和更高帶寬的需求,以及隨之而來的以太網光收發器的需求,人們可能會這么認為。
這是Soitec和CEA-Leti于今年3月在加利福尼亞州圣地亞哥舉行的行業研討會上提出的問題,研討會由英偉達(Nvidia)共同主持,隨后由EE Times作為獨家媒體合作伙伴主持了圓桌討論。在光纖通信(OFC)大會展覽期間,來自LightCounting、捷普(Jabil)、臺積電、谷歌和英偉達的演講者介紹了硅光子技術在云數據中心以及企業和電信網絡中滿足AI的海量數據傳輸和處理需求的案例。
圖1:人工智能使以太網收發器市場規模在短短兩年內翻了一番,預計今年和2025年的銷量都將翻番。(來源:LightCounting)
根據LightCounting的數據,人工智能使以太網收發器的市場規模在短短兩年內翻了一番,預計今年和2025年的銷量都將翻一番。光學器件在未來可以發揮關鍵作用,但光連接的功耗需要降低。LightCounting公司創始人兼首席執行官Vladimir Kozlov表示,截至2023年,50GW的電力足以支持云數據中心的所有硬件。但到2029年,這一數字將增加到150GW以上。
“光互連所消耗的電力占總電力的比重將從現在的0.5%上升到1.5%。”Kozlov說道。
從演講中可以明顯看出,我們正處于硅光子技術的潛在轉折點。但在擴展、能效、封裝、生態系統、EDA和第三方IP等工具以及材料方面仍然存在挑戰。
封裝和EDA尤其是討論的焦點。
在封裝方面,捷普公司產品管理和開發總監Giorgio Cazzaniga表示,需要一種具備大規模制造能力的光子器件封裝工藝。他說,由于有用于原型設計的試驗線,硅光子技術的入門成本目前還較低。
“如果需要一種解決方案來生產數百萬個器件,以滿足AI的數量要求,會發生什么情況呢?”Cazzaniga問道。
圖2:硅光子封裝需要可預測性和可擴展性,這是目前的瓶頸。(來源:Jabil)
他指出了硅光子封裝工藝和芯粒(chiplet)的共同點。
“芯粒架構提供了一種可能性,即在同一中介層上集成不同的芯片,這些芯片采用專門針對內存、計算和加速等不同任務而設計的技術。”Cazzaniga表示,“芯粒可以是硅光子集成電路(PIC),可以與各種其他芯片集成在同一襯底上。從封裝的角度來看,芯粒架構需要一些步驟(倒裝芯片和鍵合等),而這些步驟也是光子封裝活動所必需的。然而,光子芯片需要特定的步驟,如光纖連接。”
大多數發言人都強調了光纖連接在可靠性和擴展方面的挑戰。然而,Cazzaniga認為,光子封裝需要從“手工制作”發展為全自動化流程,以應對人工智能的大批量需求。
“這需要對自動化進行投資,有些投資與芯粒封裝共享,以縮短整體生產時間,最終降低成本。”他說。
在這方面,發言人普遍強調,要使AI成為殺手級應用,硅光子技術必須在部署方面切實可行、具有成本效益、可靠(或至少具有可預測的可靠性)、可維護和可擴展。
與會者提出的一個關鍵點是EDA工具方面的挑戰:目前還無法預測首次正確設計。光子領域缺少類似SPICE的工具,即所有工具都能支持的標準建模包,例如,調制器的標準模型,你可以將其插入參數中,并在第一時間對設計進行正確預測。
然后,你還需要能夠在模型中插入可變性,以預測你的器件將會發生什么變化。最后,你不僅需要元器件的數字孿生,還需要環境的數字孿生,這樣才能確保設計的所有元素都能協同工作。
圖3:硅光子技術在收發器中的應用越來越廣泛。(來源:LightCounting)
那么,廣泛采用的觸發點可能是什么呢?大多數發言人一致認為,關鍵在于硅光子技術的集成規模。他們表示,最好能實現更多的封裝標準化,并像發展電子產品一樣發展光學生態系統。解決功耗問題也很重要。
他們總結說,大公司或大客戶的決策才是推動人工智能硅光子技術的關鍵因素。
(原文刊登于EE Times美國版,參考鏈接:Is AI the Killer Application for Silicon Photonics?,由Franklin Zhao編譯。)
本文為《電子工程專輯》2024年11月刊雜志文章,版權所有,禁止轉載。免費雜志訂閱申請點擊這里。