芯耀
与非AI
618
近期 SK 海力士联合全球顶尖科研院所，在《Nature Electronics》发布内存级 CPO 技术路线，提出通过光子中介层直接连接处理器与内存池的 “以光为中心” 架构，将 CPO 的应用边界从交换芯片层推进到了内存接口。市场多将其解读为存储厂商的跨界跟风，但穿透技术路线与产业逻辑便会发现：这不是一次赛道热点追逐，而是全球 HBM 龙头在增长天花板逼近前，主动发起的一场架构级反围剿，它既改写了 CPO 的产业内涵，也埋下了 AI 算力供应链重新洗牌的伏笔。
01繁荣下的隐忧：HBM 的天花板，倒逼海力士破局
当下海力士是全球 HBM 市场的核心受益者，AI 算力爆发带动 HBM 量价齐升，但其增长逻辑从诞生起就自带枷锁：HBM 的出货量完全绑定 GPU 的单卡配置，一块高端 AI 芯片搭配固定数量的内存颗粒，GPU 出货天花板就是 HBM 的增长边界。
这一隐忧的底层根源，是 AI 行业正在加剧的 “带宽剪刀差”。论文给出了一组核心数据：近年来 AI 计算芯片吞吐量约每两年增长 3 倍，而同期互连带宽仅增长 1.4 倍。两条曲线渐行渐远的背后，是传统铜互连筑起的 “带宽墙”—— 在毫米到厘米级的短距离内，铜线仍是经济高效的传输介质，但随着速率持续飙升，铜线的信号损耗、串扰与功耗呈指数级恶化，系统不得不叠加复杂的 DSP、重定时器与均衡器补偿损失，最终导致网络层功耗失控，昂贵的 GPU 算力因数据吞吐跟不上而长期闲置。
这堵墙最先困住的，恰恰是站在 HBM 风口上的海力士。 随着单卡封装面积耗尽、供电与散热逼近物理极限，单颗 GPU 可堆叠的 HBM 数量很快就会触顶。如果始终固守 “GPU + 绑定内存” 的紧耦合模式，即便 HBM 再迭代几代，海力士的业务规模也终将摸到天花板。CPO 与内存池化，正是其为自己撬开的第二增长空间 —— 打破 GPU 对内存容量的物理限制，把行业蛋糕整体做大。
02同名不同命：英伟达与海力士的 CPO，根本不是一回事
市场常将海力士的 CPO 与英伟达 Spectrum-X 交换机的 CPO 混为一谈，但两者分属完全不同的技术维度，战略诉求更是天差地别。
英伟达的 CPO，是网络层的效率优化。其核心是将光引擎与交换 ASIC 共封装，省去板卡上的长距离电气走线，解决数据中心交换机的高功耗难题，本质是 “横向修路提速”。整套方案不触碰 GPU 内部架构，也不改变 GPU 与 HBM 的绑定关系，英伟达做 CPO 的核心目的，是巩固自身在数据中心网络生态中的主导权。
海力士的 CPO，是系统级的架构重构。它提出的 “以光为中心” 架构，直接将光互连推进到内存接口，通过光子中介层打通 AI 加速器与共享内存池。在这套构想中，对延迟最敏感的热数据依然驻留在紧贴 GPU 的本地 HBM 中，但海量模型参数、长上下文中间态数据可存入远端共享内存池，多颗 GPU 按需灵活调度资源，彻底打破 “一颗 GPU 配固定容量内存” 的物理约束。
简单概括：英伟达做 CPO，是让现有路网跑更快；海力士做 CPO，是直接拆掉车道围栏，重构整个交通规则。
03真正的野心：从 “卖颗粒的供应商”，到 “定规则的玩家”
海力士砸重金布局内存级光互连，绝不是为了多卖几组光组件，而是要完成一次关键的身份跃迁：从标准化内存器件供应商，升级为下一代 AI 系统架构的定义者。
在当前 AI 供应链中，存储厂商始终处于被动配套地位：GPU 厂商决定内存的规格、容量与搭配方式，海力士即便占据 HBM 市场主导，本质上依然是计算厂商的 “上游配件商”，产品附加值与议价权始终锚定在颗粒本身。 而一旦内存池化的光互连架构落地，整个游戏规则都会发生改变：
市场空间扩容：HBM 的部署量不再受单卡封装面积限制，从 “单卡配套” 扩容到 “全集群内存池”，行业整体规模被直接放大；
产品价值升级：交付物从单一内存颗粒，变为 “内存芯片 + 控制器 + 光组件 + 先进封装” 的系统级解决方案，附加值与毛利率大幅提升；
产业话语权跃迁：通过主导内存侧的互连标准，海力士将从被动跟随 GPU 架构，转向与计算厂商共同定义系统架构，在 AI 供应链中的生态位实现阶跃式提升。
这步棋的深层逻辑，是提前应对 “计算存储解耦” 的行业大趋势。当内存不再与 GPU 强绑定，存储厂商如果只守着颗粒制造业务，只会在架构变革中被逐步边缘化。提前布局架构级技术，本质是一场生存卡位战。
04愿景虽性感，量产仍需跨五道生死坎
必须清醒界定：此次发布的是实验室研究成果与长期技术路线图，绝非量产方案。内存级 CPO 想要走向规模化商用，行业普遍预期要到 2030 年之后，期间至少要跨过五道难以绕开的核心门槛。
极限能效门槛：论文提出低于 1pJ/bit 的能效目标，要求调制器、光源、驱动电路等全链路环节同步实现技术突破，当前商用硅光方案距离这一指标仍有数量级差距。
热耦合管理难题：GPU 本身就是高热流密度器件，而光子器件对温度波动极其敏感。光引擎越靠近计算核心，散热设计、材料热膨胀差异带来的挑战就呈指数级放大，3D 异构堆叠场景下难度更是陡增。
异构集成良率挑战：从 2D、2.5D 中介层向 3D 光电异构堆叠演进，对微凸点精度、光纤耦合误差的要求近乎苛刻，任何一个环节的微小缺陷都会导致整体报废，测试与良率控制成本极高。
协议与标准化壁垒：光内存池需要兼容现有计算软件栈，内存一致性协议、地址管理机制都需要全行业统一标准。仅靠海力士一家无法推动生态落地，必须与英伟达、AMD 等头部计算厂商达成技术共识。
运维体系重构：传统可插拔光模块损坏后可直接更换，而 CPO 方案中光引擎与芯片共封装，一旦故障往往涉及整机返修，对系统冗余设计、数据中心运维模式都提出了颠覆性要求。
05产业终局：价值重构下的机遇与洗牌
海力士的入局不会在短期内颠覆现有产业格局，但会长期重塑 CPO 产业链的价值分布，几个核心趋势已经清晰可见。
第一，可插拔光模块不会快速消亡。未来 2-3 年内，1.6T/3.2T 可插拔光模块依然是 AI 网络建设的主力；当前 CPO 在 AI 数据中心的渗透率仅约 0.5%，大规模替代尚需漫长窗口期。 第二，HBM 不会被替代，而是走向分层。未来更可能形成精细化的分层存储架构：热数据留在紧贴 GPU 的本地 HBM，长上下文、冷数据与模型中间态存入共享光内存池。二者是互补生态，而非零和博弈。 第三，产业链价值重心持续上移。长期来看，传统面板插拔式光模块的价值占比会被 CPO 逐步削弱，价值将向技术壁垒更高的上游转移 —— 硅光子芯片、高性能连续波激光器、磷化铟衬底，以及支撑光电协同的 2.5D/3D 先进封装技术，将成为产业链中最具含金量的环节。 第四，存储行业分化将持续加剧。具备架构设计、先进封装与光互连协同能力的头部厂商，将在下一代架构中占据核心生态位；而仅具备标准化颗粒生产能力的厂商，会进一步沦为低端产能，行业差距持续拉大。
【结语】
正如论文中所言：“AI 基础设施的未来，不只是更快的芯片，更是更智能的架构。” 当 AI 算力竞赛从单芯片性能比拼进入系统效率深水区，架构能力才是真正的护城河。海力士此次押注内存级 CPO，看似是跨界布局，实则是存储巨头在 AI 时代的一次身份自救 —— 它不想只做算力时代的 “零件供应商”，而是要成为架构规则的参与者甚至定义者。
这条路道阻且长，量产尚需十年磨剑，但对于站在 HBM 巅峰的海力士而言，坐着等天花板降临，才是最大的风险。
END
