技术背景介绍
AI 系统互连的技术背景
技术背景介绍
AI 计算正在从单芯片性能走向系统级能力
随着 AI 训练与推理规模持续扩大,系统性能正从单芯片能力转向由互连带宽、时延与能效决定的系统级能力。
传统电互连正在逼近物理极限
传统电互连在带宽、距离、功耗与散热方面逐步逼近物理极限,已难以支撑 GPU–GPU 互连的持续扩展。
光 I/O 成为关键路径,但“形态”决定可扩展性
光 I/O 被视为突破互连瓶颈的关键技术路径,但依赖固定形态的光互连方案难以适配多样化的计算架构与封装形式。
下一代 AI 互连需要架构级的灵活性
面向可规模化的 AI 系统,光互连需要向模块化、架构感知与封装灵活性方向演进。
技术背景介绍
AI 计算正在从单芯片性能走向系统级能力
随着 AI 训练与推理规模持续扩大,系统性能正从单芯片能力转向由互连带宽、时延与能效决定的系统级能力。
传统电互连正在逼近物理极限
传统电互连在带宽、距离、功耗与散热方面逐步逼近物理极限,已难以支撑 GPU–GPU 互连的持续扩展。
光 I/O 成为关键路径,但“形态”决定可扩展性
光 I/O 被视为突破互连瓶颈的关键技术路径,但依赖固定形态的光互连方案难以适配多样化的计算架构与封装形式。
下一代 AI 互连需要架构级的灵活性
面向可规模化的 AI 系统,光互连需要向模块化、架构感知与封装灵活性方向演进。
奇点的技术路径
奇点的技术路径

奇点光子采用芯粒级光 I/O 技术路线,将互连能力模块化,并前移至更靠近计算核心的位置。


通过缩短电路径并支持多样化封装集成,实现可扩展、低时延、低功耗的 AI 系统互连。

核心技术优势
独立光 I/O 芯粒架构
独立光 I/O 芯粒架构
将光互连能力以独立 OE 芯粒形式模块化,实现跨不同架构与封装形态的灵活集成。
光电协同设计与先进封装
光电协同设计与先进封装
在光学、电路与封装层面协同优化,在系统层面平衡带宽密度、功耗与可靠性。
面向量产的可扩展与持续演进设计
面向量产的可扩展与持续演进设计
基于工艺成熟度与可制造性,支持规模化部署,并具备长期技术演进能力。
系统级核心价值
面向 Scale-up 与 Scale-out AI 网络,重构互连性能边界
×10
带宽密度提升
×5
互连功耗降低
×100
互连时延降低
×10
系统可靠性提升

通过芯粒化光 I/O 与光电协同设计,在带宽密度、功耗、时延及系统可靠性等关键维度实现量级跃迁,为 AI 计算系统提供更高效、更稳定、更具扩展性的互连基础。

相关产品
光 I/O 芯粒( NPO/CPO/XPO )
光 I/O 芯粒( NPO/CPO/XPO )
面向 AI 计算的芯粒化光 I/O 方案,实现高带宽密度、低时延与低功耗光互连。
芯粒化光 I/O 架构
支持 NPO/CPO/XPO 等多种封装形式
高带宽密度、低时延、低功耗
了解更多
高速硅光芯片
高速硅光芯片
面向新一代高速光模块的高速硅光芯片,实现高性能电光和光电转换,为 1.6T 及以上光互连提供大带宽、高线性度与高集成度的核心光器件。
高集成度
大带宽
高线性度
了解更多
联系我们
首次名称
现名称
邮箱
公司
职位
手机号
留言