Y10T27 AI与高速以太网光模块技术
AI，人工智能，2023下半年在这个领域与高速的光模块的新型市场和技术，产生很大的交集。
下半年画了~1500个PPT图，有十几万字，今天上午做个小结。1500个图里边，抽出来200+页做线上解读，可能会超时，不想再压缩内容了。
2023下半年，写了一部分的高速以太网，一部分的干线传输，一部分的接入，和少量的激光雷达与光通信的共用基础技术。
其中用于AI场景的内容，占了一半的篇幅。略做个逻辑梳理。
算力增长，导致传输bit指数上升，需要的光模块就很多。
并行GPU，对于时延要求很苛刻
光模块数量增加，对功耗的要求变得苛刻，低功耗LPO，低功耗的硅光技术，低功耗的DSP设计，低功耗的VCSEL等等。
AI的断点计算需重新计算，对光模块的故障率要求很苛刻，光模块的气密封装就是用于提高可靠性。
800G、1.6T模块对于高速率器件，需求迫切，100G、200G的EML技术开始进入大规模制造的预期中。
英伟达的AI采用的是电交换技术，谷歌的AI技术采用了一部分的光交换，光交换具有更低功耗，更低时延的效果。电交换的阵列数更大，集成度高。光交换的阵列数小，集成度低，光学损耗大。
AI，对于模块的可靠性要求比传统数据中心更苛刻，以前的以太网用非气密封装，而现在的以太网高速模块需要气密来降低三五族材料的失效率
8通道的EML封装与探测器封装，采用BOX金盒做气密
还有采用玻璃上盖，硅上盖等透光材料做微型气密，降低成本。
还有一部分的准气密封装，液晶材料的阻水性和阻氧性是不错的，但是x轴和y轴呈现了不同的分子键合力，达不到长期气密
EML的4ch 8ch的封装，会采用大面积的TEC制冷，TEC用的碲化铋是颗粒状的，对应力比较敏感，旭创也有降低应力的一些技术。
谷歌的光交换，损耗大，通道数小，需要模块内置环形器，内置低损耗的ZBlock，以及高性能的EML
还有一些是采用单模激光器，来匹配多模光纤，替代多模通信传输距离不足的劣势
还有一些特殊的单模激光器来替代多模VCSEL，延长传输距离。
量子点的技术，则是窄线宽、低温漂系数，在高温下的模块功耗可以大幅度降低。也是研究热点。采用GaAs技术InAs量子阱，替代传统的InP量子阱激光器。
还有传统的多模高速光模块
硅光集成，低功耗和小型化高集成度，在AI场景里占比会超过VCSEL的市场和EML的市场份额，
硅光的优势，老生常谈。
硅光的劣势，产业链在不断的弥补。
劣势之一，硅波导光场很小，需要高精度耦合，其实现在的硅光光场，从亚微米，到9微米左右的单模光纤的适配，到几十微米直径的盲对准，发展是日新月异。在下半年里写了很多硅光的大模场的耦合方案
劣势之二，硅不能发光，基于硅的材料混合集成激光器，在下半年也写了不少。
劣势之三，硅调制器带宽不足，对于集成RC、LC等峰化或均衡电路来提升带宽的技术，也写了不少。
对于硅光集成的劣势，可以从技术的发展角度来观察其优化路径。
9:30 ，直接扫二维码进入即可。
