硅光子芯片，AMD不想缺席

当地时间周三，AMD宣布收购一家名为Enosemi的初创公司。 该公司是一家专注于硅光子设计支持和设计IP的新型无晶圆厂半...

当地时间周三，AMD宣布收购一家名为Enosemi的初创公司。

该公司是一家专注于硅光子设计支持和设计IP的新型无晶圆厂半导体企业，由一群经验丰富的管理团队领导，在硅光子、模拟混合信号、激光器、控制、封装和系统硬件方面都拥有非常丰富的知识储备。

随着 AI 大模型从百亿参数向万亿参数跃迁，数据中心的算力需求正以指数级爆发。

当传统电互连技术开始遭遇速率的瓶颈时，硅光子技术有望成为打破算力瓶颈的战略突破口。

这种利用光子传输数据的创新方案，不仅能实现每秒数百吉比特的传输速率，更将能耗降低 20% 以上，成为支撑下一代 AI 系统的核心技术之一，AMD自然不会错过。

从外部合作到战略并购：AMD 的技术整合路径

AMD 对硅光子技术的探索其实早有铺垫。

早在2023年底，AMD就与多家初创公司展开硅光子研发合作，试图通过外部资源快速切入这一领域。而Enosemi 的出现则为其提供了更直接的技术跳板。

这家成立于2023年的硅谷初创公司，虽仅筹集了15 万美元风险投资，却掌握着光子集成电路的量产能力 —— 其产品已应用于数据中心光互连场景，将计算与网络组件高效集成。

更关键的是，Enosemi 团队与 AMD 早有合作基础，其创始人Ari Novack和 Matthew Streshinsky在半导体工程领域的积累，尤其是在高密度光互连技术上的突破，与 AMD 的 AI 芯片路线高度契合。

根据网上公布的信息，在收购完成后，Enosemi 团队将迅速转化为 AMD 内部的硅片设计工程力量。

这种从合作伙伴到子公司的身份转变，将显著缩短新技术的整合周期。

硅光子：弯道超车？

虽然AMD一直在多方面发力AI芯片，但在与英伟达的竞争中，AMD始终“差一口气”。

例如，在性能差不多的情况下，AMD的ROCm平台远没有英伟达的CUDA和cuDNN广泛和成熟，应用生态更丰富的英伟达自然是优先选择。

既然如此，那AMD只能从性能上做文章。

CPO 技术的优势，主要是速率。在AI系统中，数据传输延迟往往成为算力发挥的最大瓶颈——当数千颗 AI 芯片协同工作时，节点间互连带宽需求可达传统网络的数十倍。而CPO 技术通过将光引擎直接与 AI 芯片封装集成，可实现更低延迟、更高带宽的系统级互连。

AMD 技术与工程高级副总裁 Brian Armick 指出，随着 AI 模型复杂度提升，“更快、更高效的数据传输” 成为刚需。

据行业预测，到 2027 年，CPO在超大规模数据中心的渗透率将达 35%，成为替代传统可插拔光模块的主流方案。如果AMD能在短时间能率先商用CPO 技术，那自然能打开新的市场机会。

值得一提的是，在硅光子赛道，英特尔、英伟达等巨头其实比AMD更早进行布局。

英特尔作为先行者，已出货超 800 万个光子集成电路，其 1.6Tbps CPO 模块带宽密度较传统方案提升 40%；英伟达则将硅光子技术融入交换机与 GPU 集群，构建光电融合的数据平台。

虽然AMD入局稍晚一步，但好在其全栈技术生态足以支撑新技术的整合。

从 x86 CPU、RDNA 架构 GPU 到自适应 SoC，再到通过收购 ZT Systems 建立的服务器制造能力，其已形成 “芯片 - 封装 - 系统” 的完整链条。随着Enosemi 的加入，AMD可以立即扩展光子学解决方案的开发能力，恰好补强了高速互连这一关键短板。这种整合能力使 AMD 能够快速提供端到端解决方案。

挑战与未来：技术落地的多道门槛

尽管前景广阔，硅光子技术的大规模商用仍需跨越多个挑战。

首先，是技术整合难题：硅基材料的发光效率较低，需通过异质集成工艺融合磷化铟（InP）等新材料，这对封装技术提出极高要求。

Enosemi 与 GlobalFoundries 的合作经验，或许可能成为 AMD 突破这一瓶颈的关键。

其次，是成本控制：目前硅光子芯片的量产成本仍高于传统方案，AMD 需通过扩大产能和优化工艺降低单位成本。

最后是生态竞争：英伟达、英特尔等对手拥有更庞大的专利池和客户基础，AMD 需加速与光学材料供应商、EDA 工具厂商的合作，构建开放生态。

从行业趋势看，硅光子技术正从数据中心向智能驾驶、光计算等领域延伸，其市场规模预计将从 2023 年的 14 亿美元增长至 2030 年的 61 亿美元。

AMD 此次收购 Enosemi，不仅是技术层面的补位，更是对未来 AI 计算架构的重新定义。在这场关乎算力霸权的竞赛中，其能否凭借全栈整合能力后来居上，取决于技术落地速度与生态协同效率。而无论结果如何，硅光子技术引发的变革，都将深刻重塑全球半导体产业的竞争格局 毕竟，在 AI 时代，数据传输的速度与能效，已经确定是定义算力未来的关键维度。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！