作者：爱上FPGA的娃娃
一、AI时代的互连瓶颈呼唤系统级突破
随着生成式 AI 和大模型计算需求持续爆发，传统计算架构面临的挑战不断加剧。2024 年，全球训练一个百亿参数以上的大模型所需的计算资源年均增长超过 3 倍，其中，数据在芯片之间的传输带宽成为限制模型扩展的关键瓶颈。
例如，OpenAI 的 GPT-4 模型在数据中心中需要上千颗 GPU 协同训练，节点间互连带宽需求超过传统 PCIe/以太网数十倍。据 LightCounting 数据，2023 年全球用于数据中心的光模块市场规模达 92 亿美元，预计 2028 年将超过 190 亿美元，其中超过 30% 的增长将来自 AI 数据中心部署。
正是在这一宏观趋势推动下，共封装光学（Co-Packaged Optics, CPO）开始成为数据中心的新核心基础设施技术。CPO 通过将光引擎直接与 AI 芯片封装在一起，显著缩短信号传输路径、提升互连速率、降低功耗，是支撑 ZB 级 AI 数据处理能力的关键路径。
在这一背景下，AMD 宣布收购位于硅谷的光子集成电路企业 Enosemi，补强其 AI 系统栈中“高速互连”环节的关键短板。
二、光互连能力成AI基础设施的战略高地
Enosemi 并非新面孔，此前就已是 AMD 在光子技术上的外部合作伙伴，具备多个关键优势：
光子集成量产经验稀有：Enosemi 是少数能够将光子集成电路从设计走向规模量产的团队；
博士级技术团队：在光通信与芯片封装融合方面具备深厚技术储备；
与AI系统高度契合：专注高密度、低功耗光互连，与AI加速芯片集成需求高度匹配。
此次收购，正是 AMD 从“合作”迈向“并入体系”的关键一步，意图是系统性地整合光互连能力到其AI平台中，推动包括GPU、CPU、FPGA在内的所有核心处理单元，在系统层实现更高效的数据传输。
三、光学互连成为数据中心新拐点
行业普遍认为，CPO 是支撑 800G/1.6T 网络互连时代的关键技术。相比当前主流的 pluggable optics 模块，CPO 模块在单位带宽下的能耗可降低 30~50%，信号损耗更低，封装紧凑，适合部署在机架内部甚至芯片封装层面。
根据 Omdia 预测，到 2027 年，CPO 技术在超大规模数据中心中的渗透率将达到 35%，成为替代 pluggable 光模块的重要方案。而 AMD 此次收购 Enosemi，将有助于其加快在高端 AI 系统中实现“算力+光通信”一体化设计，形成对 NVIDIA Infiniband+NVLink 架构的有效对冲。
模块 | AMD 近年布局 | 战略意义 |
计算芯片 | CPU（EPYC）、GPU（MI300）、FPGA（Xilinx） | 提供强大AI算力 |
智能网络 | Pensando | 加强数据中心内部网络处理 |
软件生态 | Silo AI、Mipsology | 打造AI优化工具链 |
系统设计 | ZT Systems | 加快AI整机/整柜系统部署 |
光互连 | Enosemi（新） | 破解大规模 AI 集群间数据传输瓶颈 |
共封装光学的加入，将帮助 AMD 在面向未来的 AI 计算架构中形成更具差异化的系统解决方案，直接对标 NVIDIA、Intel 在高性能光互连上的长期投入。同时，该技术的成熟，也将推动整个产业链对包括硅光、光封装材料、封装设备、EDA 仿真软件等方向的新投资浪潮，带动整个“AI通信基础设施”生态的新一轮发展。
四、AI平台竞争进入“整栈”阶段
收购 Enosemi 是 AMD 一项明确信号：AI 计算的未来必须打通“算力—通信—系统”全链条。
未来 AMD 的重点发力方向包括：
加快CPO商用部署：将光引擎与MI300等AI加速芯片进行封装集成；
优化AI整机系统能效：以高带宽、低功耗互连构建AI超算/数据中心；
推动AI系统架构演进：从传统 CPU/GPU 网络拓扑，过渡到更加分布式、集成化的“计算+通信一体架构”；
拓展生态协作伙伴：打通封装、光学、EDA、操作系统等领域产业链上下游。
结语：光是下一代算力的“连接器”
在AI迈入ZB级数据时代的今天，谁能率先构建更高效的系统级基础设施，谁就拥有通往AI未来的通行证。Enosemi 的加入，或将成为 AMD 高性能 AI 战略的关键一环。
这是一次不仅“补短板”，更是“抢未来”的收购。
* 本文为原创文章，转载需注明作者、出处及原文链接，否则，本网站将保留追究其法律责任的权利