大模型动辄几千上万张GPU一起跑，芯片之间不停交换数据。现在靠电信号走铜线，距离一长、速度一快，信号就衰减；为保信号只能猛加功耗。有测算说，AI集群不少电不是用来算，而是用来搬数据。
业界转向光：损耗低、带宽大、发热少。但光模块不能离芯片太远，否则电信号先损耗大半。于是方向变成把光引擎搬到芯片旁，甚至和芯片封装在一起，叫共封装光学。问题也来了：芯片边寸土寸金，光纤接口不能多。办法是波分复用——一根光纤划出多条“车道”，不同颜色的光各跑各的。
传统做法每多一个通道，就多一个激光器。8通道就是8个激光器，功耗、体积、成本全涨，还要逐个稳频。
中国团队换了材料：薄膜钽酸锂。电场一加，光就跟着变，编码极快；双折射低，做波分复用的“分车道”特别顺手。铌酸锂调制也快，但双折射高，容易串道，要额外补偿。
他们在5×15毫米芯片上，把“拆成8条—各自加载数据—再合回一根”集成到一起。输入一根，输出一根，中间8条独立干活。
AI算力互联已是全球最激烈的科技战场之一。美国英特尔、Ayar Labs、Lightmatter等猛攻硅光和共封装光学；欧洲IMEC用硅光平台托起一批公司；日本器件材料有老底子，但新一代薄膜平台动作偏慢。
核心是材料平台。硅光成本低、能借CMOS产线，可硅没有泡克尔斯效应，调制得靠注电子，效率和损耗难两全。薄膜铌酸锂性能好，但加工难、双折射麻烦。薄膜钽酸锂成了第三条路：性能接近铌酸锂，双折射低一个数量级，大规模集成更省心。
材料端，中科院上海微系统所做了晶圆级制备开拓，把薄膜钽酸锂从“实验室切小块”推到“整片晶圆长出来”。器件端，华东师大、华中科大、上海微系统所等在调制器、波分复用、频率梳上持续产出。
未来AI芯片可能不再“计算芯片外插光模块”，而是计算和光互联封装在一起，光引擎贴着芯片，电信号只走毫米级。谁掌握高性能、可制造、封装友好的光引擎平台，谁就多一分底层话语权。
薄膜钽酸锂不是唯一答案。硅光、铌酸锂都在跑。多条路线并进，对中国不是坏事：材料、器件、封装，我们都有牌可打。
一根光纤跑1.6T，今天是大新闻；过几年回头看，它可能只是下一代算力集群的一块“标准砖”。
— 感谢阅读 · 欢迎点赞关注 · 小编 —
热门跟贴