这家Yole集团市场研究公司在其最新报告中表示，人工智能的快速发展，尤其是大型语言模型和发电机的AI，正在促进联合包装光学的广泛应用（CPO）。 AI的工作量很高，带宽要求，低潜伏期和高能源效率，以将数百万GPU连接到超尺度数据中心或“ AI工厂”。关键驱动因素包括数据传输要求，能源效率，可扩展性和行业投资。借助比例网络，CPO可以实现高距离带宽连接（例如机架），低延迟和能源消耗，这使其非常适合具有AI和Ethernet/Infiniband网络的云网络体系结构。插头 - 光学模块将继续在计算机节点中使用，直到YouCpo Cycology更加成熟为止。在扩展网络中，CPO替换铜电缆以提供更好的连接yielD，更长的传输距离和较低的能耗，特别是在AI训练和高性能计算方案（HPC），具有更好的连接，更长的传输距离和较低的能源消耗，这对于GPU或节点和开关之间的互连至关重要。 CPO的首次实现首先集中在扩展网络上，然后扩展到比例网络。在GTC 2025会议上，NVIDIA推出了Spectrum-X和Quantum-X硅开关芯片，这标志着在AI基础架构中应用CPO的关键步骤。这些开关使用CPO使用1.6TBPS端口连接到GPU。 NVIDIA使用与Rubin Architecture的CPO技术打破了NVLink的限制，实现更快的功率互连，更可扩展和较低的功率。根据Yole的说法，CPO的市场价值在2024年为4600万美元，预计到2030年将达到81亿美元，年增长率为137％。这种增长主要由PLU的过渡驱动g -IN光学模块和铜电缆，以解决光学通信，以应对功率挑战，密度，可扩展性，带宽和传输距离。我们正在指出这一点。 CPO将光学模块与交换机或处理器集成在一起，以启用高规模网络（云网络体系结构）和比例尺（集群AI/GPU）的高功率网络。 CPO供应链涵盖了多个链接（如下所示），包括半导体晶圆工厂，Optolectronic制造商，包装服务提供商和光纤制造商。 CPO使用的积分电路插电（PIC）与激光器，调节器和波导指南相结合，以实现有效的FotleGraph信号转换。比例网络使用标准化的照片接收低成本以太网开关，而刻度网络依赖于自定义照片来实现大容量AI互连（例如NVLink），通过PAM-4或NRZ调制技术实现了每秒数十亿位的位。基于ASIC的变化TSMC的5NM和3NM过程保证了有效的数据。从光子包装的角度来看，主要使用了2.5D技术（在同一基板上彼此放置）或3D技术（通过EMIB孔或堆叠）主要使用。解决方案2.5D提供了高密度互连和简单结构的优势，但面临可扩展性和热量消散的挑战。 3D解决方案降低了太空消耗，但增加了制造的复杂性。 ASIC/Photons chiplet的边缘的带宽密度很重要，并且光子插入器以2D光学元件接纳了堆叠的Fugacies。 Yole认为CPO不断发展以满足AI的需求。量表着重于成本和规模，而量表则侧重于性能和自定义，改变数据中心的连接方式。同时，CPO正在重组其数据中心架构，因为NVIDIA，BRODCOM和TSMC等公司的趋势。