從800G到1.6T，AI高速傳輸為何要走向CPO？

Question

Accepted Answer

AI高速傳輸正朝向CPO演進，以應對龐大的資料傳輸需求與功耗挑戰

AI伺服器架構的演進，不僅體現在 GPU 算力的提升，更關鍵的是底層的電力與傳輸基礎設施。高速傳輸方面，市場正從 800Gbps 邁向 1.6Tbps，而共同封裝光學（CPO）技術的興起，正是為了解決傳統架構在處理龐大資料量時所面臨的瓶頸，尤其是在功耗與頻寬的限制上。
CPO技術整合，提升頻寬與效率

共同封裝光學（Co-Packaged Optics, CPO）是一種將光學元件與電子晶片（如 CPU 或 GPU）直接封裝在同一基板上的技術。其核心優勢在於大幅縮短了電子訊號傳輸的距離，從原先需要透過印刷電路板（PCB）上的銅導線傳輸，轉變為在同一封裝內部以光訊號傳輸。這不僅能顯著提高資料傳輸的頻寬，更能大幅降低訊號傳輸所需的功耗。
1.6T傳輸標準的驅動力

隨著 AI 運算需求的指數級增長，GPU 之間的資料交換量急劇攀升。傳統的 800Gbps 傳輸速率，在面對未來更強大的 GPU 模組和更龐大的模型時，將逐漸顯得力不從心。為了滿足更高頻寬的需求，1.6Tbps 的傳輸標準應運而生。CPO 技術的出現，為實現如此高密度的光訊號傳輸提供了關鍵的技術基礎，它能夠更有效率地將多個高速光訊號整合，滿足 1.6T 傳輸的嚴苛要求。
減少功耗，優化資料中心能源效率

傳統的伺服器架構中，訊號在 PCB 上傳輸時會產生顯著的電阻損耗，尤其是在高頻率、長距離傳輸時，功耗會急劇增加。CPO 技術將光引擎直接整合在靠近運算晶片的位置，大幅縮短了電子訊號的傳輸路徑，並將訊號轉換為光訊號的過程提前。這不僅降低了訊號傳輸的損耗，也減少了所需的散熱需求，進而優化了整個資料中心的能源效率。就產業慣例來看，能源效率的提升是現代資料中心設計中日益重要的考量因素。
CPO的發展挑戰與未來展望

儘管 CPO 技術展現出巨大的潛力，但其發展仍面臨挑戰。例如，如何確保光學元件與電子晶片在同一封裝內的良率、散熱問題的解決，以及供應鏈的整合等，都是需要克服的難題。此外，CPO 的維修與升級也可能比傳統架構更為複雜。然而，隨著輝達（Nvidia）等領導廠商積極推動相關技術，以及 CSP 業者透過 OCP 聯盟（Open Compute Project）的協作，CPO 技術正逐步走向成熟，預計將成為未來 AI 伺服器高速傳輸的關鍵趨勢。

閱讀紀錄

隱藏 →

此記錄會在頁面關閉後消失

從800G到1.6T，AI高速傳輸為何要走向CPO？

Loading

你覺得這篇文章有幫助嗎？

有幫助

沒幫助

回報問題

1

0

0

分享給好友