光芯片的真正瓶颈

公众号记得加星标⭐️，第一时间看推送不会错过。

光互连本质上是将电信号转换为光信号，然后在另一端将光信号转换回电信号的过程。光纤位于两者之间。其结构看似简单，但实际应用中最难的部分在于稳定地产生光信号。

产生光信号的核心器件是激光器。

对于人工智能数据中心使用的高速 1310nm 和 1550nm 光模块，作为光源的 EML 和众多连续波激光器实际上都构建在 InP 平台上。更准确地说，这些器件是通过在 InP 衬底上生长外延层来制造的。

在接收端，某些基于 InGaAs 的光电探测器和特定的长距离、高性能接收器结构也依赖于 InP 生态系统。在硅光子收发器中，Ge-on-Si 光电二极管是目前商业化的平台。但在实际需要产生光信号的发射端，InP 却处于结构瓶颈的位置。

进入CPO时代，对InP的依赖性进一步增强。CPO将光引擎紧邻ASIC，以提高电源效率。问题在于，这个位置温度很高。激光器对温度非常敏感，因此很难将其直接置于高温环境中。实际上，这意味着将激光器从封装中取出，作为独立的外部激光源（ELS）运行。而该ELS的核心仍然是基于InP的连续波激光器。

这就是“通道”概念的重要性所在。在之前的可插拔光器件时代，每个模块所需的激光器数量相对有限。但在CPO结构中，单个开关ASIC连接了多个光引擎，每个光引擎包含多个通道。激光器的需求不再与模块数量成正比，而是与通道数量成正比。这意味着巨大的变化。过去以模块数量衡量的市场规模，现在必须以通道数量来衡量。InP激光器的需求不仅在增长，市场本身的计量单位也在改变。

市场格局发生十倍级的转变

现在的问题不再是为什么需要 InP，而是这种需求未来会以多快的速度增长。

在我看来，问题的核心在于，这不仅仅是简单的增长。并非光器件市场规模在扩大，而是光器件在人工智能基础设施内部的权重正在发生转变。

人工智能数据中心从 GB200 和 GB300 过渡到 Vera Rubin，再到 Rubin Ultra，每一代产品中每个机架的光器件数量和价值都在同步增长。据高盛估计，从 GB300 NVL72 到 Rubin Ultra NVL576，光器件的横向扩展和纵向扩展市场规模总和增长了近十倍。这不仅仅是市场扩张，更意味着构建单个机架所需的光器件的重要性和价值都达到了与上一代产品截然不同的水平。

这种转变同时发生在两个维度上。

首先是速度。传输速率从 800G 提升至 1.6T，再到 3.2T。即使链路数量保持不变，每条链路对组件性能的要求也更高，价格自然也更高。1.6T 模块的平均售价 (ASP) 明显高于 800G 模块。即使链路数量保持不变，市场依然能够增长。

第二个维度是连接密度。随着集群规模的扩大和网络拓扑结构的日益复杂，每个 GPU 连接的光模块数量也在增加。业界将此称为连接率。高盛估计，在 GB200 和 GB300 时代，GPU 与光模块的比例约为 2 到 3，而从 Vera Rubin 时代开始，这一比例将上升到 4 到 6。GPU 端口速度不断提升，更大的集群需要更密集的互连。人工智能基础设施不仅需要更快的链路，同时也需要更多的光连接。

硅光子技术渗透率

这种需求的增长与模块架构的结构性变化密切相关。在数据通信光模块市场，从以EML为中心的结构向基于硅光子技术的结构的转变正在快速推进。公开市场数据显示，硅光子技术的市场份额已经攀升至相当可观的水平，一些预测甚至认为，几年内其市场份额将达到近一半。

关键在于，即使架构发生转变，对InP的需求也不会消失。恰恰相反，模块架构越复杂，外部激光器的供应就越具有战略意义。硅光子技术的普及并没有取代InP。市场结构发生了变化，但InP仍然占据着核心地位。

人工智能基础设施之外的需求

此外，仅人工智能数据中心并不能完全解释对InP的需求。人工智能基础设施是最大的增长引擎，但需要InP的领域远不止于此。

高速InP器件对于人工智能无线接入网（AI RAN）和6G前传中的高频信号处理至关重要。在量子计算领域，基于磷化铟（InP）的器件是单光子源和探测器的核心候选材料。在自动驾驶激光雷达领域，1550nm人眼安全激光器至关重要，而基于InP的器件在该波段表现出色。除此之外，医疗诊断、空间通信和军用红外传感器等领域也存在规模较小但门槛极高的市场。

关键在于，这些细分市场的供应链并非与光互连完全分离。它们争夺相同的衬底、相同的外延线、类似的设备和材料。当光互连需求激增时，这些细分市场的产能也会受到挤压。反之，当细分市场的需求超出预期时，光互连的产能则会更加紧张。InP更像是一种被多个行业共享的单一资源。在这种结构下，哪个市场增长最快，就会加剧整个供应链的紧张局面。

为何增加产能不容易

如果需求增长如此迅速，而供应也能跟上，那么瓶颈理论就会站不住脚。但这恰恰是磷化铟（InP）与普通半导体材料的不同之处。尽管产能公告层出不穷，但由于一些结构性原因，InP的供应无法快速提升。

首先是认证周期。

光器件需要经过漫长而严格的客户认证流程。从新建外延生产线或器件生产线到获得超大规模数据中心客户的量产批准，通常需要12到24个月的时间。虽然公告发布得很快，但从公告到实际收入的转化却需要很长时间。

其次是设备交付周期。

订购MOCVD设备并不意味着生产就能立即开始。设备需要到货、安装，工艺需要稳定，良率也需要逐步提升。今天的订单预示着未来的供应，而不是解决当前短缺的方案。

第三是制造技术本身就是一道准入门槛。

对于InP而言，引进设备并不能自动带来稳定的良率。要始终如一地协调晶体生长、晶圆均匀性、外延层质量和激光器性能，需要多年的经验积累。在6英寸晶圆领域，难度更是倍增。新进入者或许能迅速提升产能，但这并不意味着实际的供应能力也能同步提升。

第四个风险是原材料和地缘政治风险。

InP供应链不仅仅关乎晶圆和设备。关键原材料铟的供应高度集中于中国，并且容易受到出口管制等政策因素的影响。这些风险并非止步于原材料层面，而是会向下延伸至衬底、外延层和器件等环节。供应链越短，微小的冲击就越容易被放大。

第五点是，短缺蔓延至整个供应链。

主要器件制造商正在积极扩大自身产能，但人工智能数据中心的需求增长速度可能更快。

业内人士透露，一些主要的光学元件集成器件制造商（IDM）正在大力提升其InP产能。

一旦这种情况发生，有限的衬底和设备资源将优先分配给这些制造商，而没有自有晶圆厂的器件制造商则被迫求助于外部外延代工厂。外部代工厂的产能随即迅速收紧。这种溢出效应正是市场尚未充分消化的。

这就是为什么数据显示供应正在扩张，但业内人士仍然感觉供应短缺。事实上，业内人士经常谈论的话题是“InP外延产能”、“MOCVD交货周期”和“衬底供应商多元化”，这本身就说明了一些问题。在市场数据证实之前，供应链内部人士已经感受到了瓶颈所在。

问题的核心很简单。需求不仅在增长，而且正在结构性地加速增长。供应也在增长，但其扩张的速度和质量都未能跟上需求。两者之间的差距就是 InP 周期。

若您对硅光SiGe技术及流片相关话题有更多探讨需求，欢迎添加微信深入交流。

（来源：半导体行业观察综合）

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第4388内容，欢迎关注。

加星标⭐️第一时间看推送

求推荐