硅光子芯片，AMD不想缺席

當地時間周三，AMD宣布收購一家名為Enosemi的初創公司。 該公司是一家專注于硅光子設計支持和設計IP的新型無晶圓廠半...

當地時間周三，AMD宣布收購一家名為Enosemi的初創公司。

該公司是一家專注于硅光子設計支持和設計IP的新型無晶圓廠半導體企業，由一群經驗豐富的管理團隊領導，在硅光子、模擬混合信號、激光器、控制、封裝和系統硬件方面都擁有非常豐富的知識儲備。

隨著 AI 大模型從百億參數向萬億參數躍遷，數據中心的算力需求正以指數級爆發。

當傳統電互連技術開始遭遇速率的瓶頸時，硅光子技術有望成為打破算力瓶頸的戰略突破口。

這種利用光子傳輸數據的創新方案，不僅能實現每秒數百吉比特的傳輸速率，更將能耗降低 20% 以上，成為支撐下一代 AI 系統的核心技術之一，AMD自然不會錯過。

從外部合作到戰略并購：AMD 的技術整合路徑

AMD 對硅光子技術的探索其實早有鋪墊。

早在2023年底，AMD就與多家初創公司展開硅光子研發合作，試圖通過外部資源快速切入這一領域。而Enosemi 的出現則為其提供了更直接的技術跳板。

這家成立于2023年的硅谷初創公司，雖僅籌集了15 萬美元風險投資，卻掌握著光子集成電路的量產能力 —— 其產品已應用于數據中心光互連場景，將計算與網絡組件高效集成。

更關鍵的是，Enosemi 團隊與 AMD 早有合作基礎，其創始人Ari Novack和 Matthew Streshinsky在半導體工程領域的積累，尤其是在高密度光互連技術上的突破，與 AMD 的 AI 芯片路線高度契合。

根據網上公布的信息，在收購完成后，Enosemi 團隊將迅速轉化為 AMD 內部的硅片設計工程力量。

這種從合作伙伴到子公司的身份轉變，將顯著縮短新技術的整合周期。

硅光子：彎道超車？

雖然AMD一直在多方面發力AI芯片，但在與英偉達的競爭中，AMD始終“差一口氣”。

例如，在性能差不多的情況下，AMD的ROCm平臺遠沒有英偉達的CUDA和cuDNN廣泛和成熟，應用生態更豐富的英偉達自然是優先選擇。

既然如此，那AMD只能從性能上做文章。

CPO 技術的優勢，主要是速率。在AI系統中，數據傳輸延遲往往成為算力發揮的最大瓶頸——當數千顆 AI 芯片協同工作時，節點間互連帶寬需求可達傳統網絡的數十倍。而CPO 技術通過將光引擎直接與 AI 芯片封裝集成，可實現更低延遲、更高帶寬的系統級互連。

AMD 技術與工程高級副總裁 Brian Armick 指出，隨著 AI 模型復雜度提升，“更快、更高效的數據傳輸” 成為剛需。

據行業預測，到 2027 年，CPO在超大規模數據中心的滲透率將達 35%，成為替代傳統可插拔光模塊的主流方案。如果AMD能在短時間能率先商用CPO 技術，那自然能打開新的市場機會。

值得一提的是，在硅光子賽道，英特爾、英偉達等巨頭其實比AMD更早進行布局。

英特爾作為先行者，已出貨超 800 萬個光子集成電路，其 1.6Tbps CPO 模塊帶寬密度較傳統方案提升 40%；英偉達則將硅光子技術融入交換機與 GPU 集群，構建光電融合的數據平臺。

雖然AMD入局稍晚一步，但好在其全棧技術生態足以支撐新技術的整合。

從 x86 CPU、RDNA 架構 GPU 到自適應 SoC，再到通過收購 ZT Systems 建立的服務器制造能力，其已形成 “芯片 - 封裝 - 系統” 的完整鏈條。隨著Enosemi 的加入，AMD可以立即擴展光子學解決方案的開發能力，恰好補強了高速互連這一關鍵短板。這種整合能力使 AMD 能夠快速提供端到端解決方案。

挑戰與未來：技術落地的多道門檻

盡管前景廣闊，硅光子技術的大規模商用仍需跨越多個挑戰。

首先，是技術整合難題：硅基材料的發光效率較低，需通過異質集成工藝融合磷化銦（InP）等新材料，這對封裝技術提出極高要求。

Enosemi 與 GlobalFoundries 的合作經驗，或許可能成為 AMD 突破這一瓶頸的關鍵。

其次，是成本控制：目前硅光子芯片的量產成本仍高于傳統方案，AMD 需通過擴大產能和優化工藝降低單位成本。

最后是生態競爭：英偉達、英特爾等對手擁有更龐大的專利池和客戶基礎，AMD 需加速與光學材料供應商、EDA 工具廠商的合作，構建開放生態。

從行業趨勢看，硅光子技術正從數據中心向智能駕駛、光計算等領域延伸，其市場規模預計將從 2023 年的 14 億美元增長至 2030 年的 61 億美元。

AMD 此次收購 Enosemi，不僅是技術層面的補位，更是對未來 AI 計算架構的重新定義。在這場關乎算力霸權的競賽中，其能否憑借全棧整合能力后來居上，取決于技術落地速度與生態協同效率。而無論結果如何，硅光子技術引發的變革，都將深刻重塑全球半導體產業的競爭格局 畢竟，在 AI 時代，數據傳輸的速度與能效，已經確定是定義算力未來的關鍵維度。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！