颠覆！硅光“黑马”打造革命性光学IO技术，可取代芯片内铜线

来源： Evelyn维科网光通讯

近日，位于加利福尼亚州的硅光子初创公司Ayar Labs透露，其革命性的光学I/O技术即将面世：

这一突破性成果可以取代芯片内部的铜线，在芯片内部进行更快的通信。它旨在彻底颠覆芯片内部的传统铜线连接方式，有望成为数据传输领域的一个重磅突破！

经过十余载的潜心研发，该公司已成功将光学I/O技术融入芯片架构之中，旨在实现前所未有的高速通信能力。

Ayar Labs的首席执行官Mark Wade虽未明确透露具体发布日期，但在公开场合中透露了一些线索。他表示，随着片上I/O市场在2026-2028年间步入成熟期，他们的技术将在这一黄金时段内迎来关键里程碑：“我们现在在实验室里与客户一起做的工作，真正的目标是在2-3年后开始大规模市场部署。”

Mark Wade满怀信心地表示，未来2-3年内，该技术将实现从实验室到市场的飞跃，出货量预计将达到数百万级，并在随后几年内广泛渗透至各行各业。

长久以来，光I/O技术在远距离通信中大放异彩，而Ayar Labs则将其引入短距离通信领域，通过将光子学技术置于芯片计算堆栈的顶端，极大地提升了各级通信的速度与效率。

Mark Wade强调，目前技术已跨越科学实验的门槛，正式迈入制造与设计部署的关键阶段，这一进程虽充满挑战，但前景极为鼓舞人心。Ayar Labs将自己定位为不断增长的封装内光学I/O市场之中的参与者，并于近年来获得了丰厚的融资：

Ayar Labs融资历程（维科网·光通讯整理）

光学I/O技术蓄势待发

人工智能市场的蓬勃发展，为Ayar Labs的光学I/O技术提供了广阔的舞台。面对芯片与基础设施层面对于更快通信速度的持续渴求，传统电气连接的距离限制成为瓶颈。而光学I/O技术的引入，将彻底打破这一限制，使得用户能够跨越数十乃至数百米的距离，连接更多GPU或加速器，极大地拓展了计算能力的边界。然而，新技术的推广并非一蹴而就。光学I/O技术的引入，将深刻改变芯片与服务器的部署方式，要求Ayar Labs与包括英伟达、英特尔在内的合作伙伴紧密协作，共同推动生态系统的构建。尽管铜线在成本上占据优势，且光学技术的功率效率仍需优化，但Ayar Labs坚信，通过每美元/每瓦特的产量来衡量，其光学技术将在成本与效率上实现领先。此外，光子学技术的应用不仅简化了系统与基础设施的设计，降低了设备成本，更为客户带来了更高的投资回报与更快的产出速度。Mark Wade指出，要全面评估这一技术的价值，必须从整个系统的角度出发，方能洞察其带来的深远影响。在高性能计算领域，可持续性已成为衡量技术价值的重要标尺。Ayar Labs的光学I/O技术，通过提升带宽、能源效率与降低延迟，为大规模人工智能计算及其他数据密集型工作负载提供了前所未有的支持。若其客户能够充分挖掘这一技术的潜力，无疑将助力Ayar Labs加速迈入下一个增长高峰。随着专利申请的加速推进与Teraphy商标的积极争取，Ayar Labs正稳步向商业发布的目标迈进。光学I/O技术的到来，预示着数据传输与计算能力的全新时代即将开启。

革新生成式人工智能性能

在生成式人工智能（AI）与高性能计算（HPC）领域，随着模型复杂性的飞速提升，传统互连技术正面临前所未有的挑战。庞大的AI系统，通过连接成百上千台GPU和其他加速器构建而成，却因数据流通的瓶颈导致计算性能受限、利用率下降，同时伴随着功耗与成本的激增。这一现状成为了实现数据中心全面加速、推动经济高效且有利可图AI发展的重大障碍。面对这一困境，Ayar Labs以其即将发布的光学I/O技术，为AI行业带来了变革的曙光。该技术专为AI优化，旨在突破传统互连技术的局限，最大化提升AI基础设施的计算效率和性能，同时显著降低成本、延迟和功耗。AI模型复杂性的不断增加，使得多GPU系统的效率问题愈发凸显。传统互连方式下，单个GPU可能保持80%的高效运行，但当系统扩展至64个或256个GPU时，效率却急剧下降至50%甚至30%。Ayar Labs的光学I/O技术，正是为解决这一痛点而生，它以光速传输数据，为AI系统提供了前所未有的通信带宽和低延迟能力。今年早些时候，该公司展示了业界首个每秒4Tbps的光解决方案，并展示了集成了英特尔业界领先的Agilex®FPGA技术的封装式光I/O解决方案。

TeraPHY™ 光学 I/O 芯片（图片来源：Ayar Labs）

英伟达（NVIDIA）首席科学家兼高级副总裁比尔·达利对Ayar Labs的光学I/O技术给予了高度评价：“光学连接对于扩展加速计算集群以满足AI和HPC工作负载的快速增长需求至关重要。Ayar Labs的独特技术，正是满足下一代基于硅光子学的AI架构扩展需求的理想选择。”Ayar Labs的光学I/O解决方案，不仅基于开放标准设计，更针对AI训练和推理进行了深度优化。这一创新技术不仅解决了当前AI/HPC网络中的解耦难题，还通过光学互连的方式，实现了前所未有的系统整合与性能提升。它的推出，预示着AI系统将迎来一次全面的性能飞跃，为生成式AI的发展开辟了新的道路。

审核编辑 黄宇