AI数据移动链升温，硅光、InP和光互连进入基础设施主线

随着 AI 模型规模和集群规模扩大，数据移动正在成为 AI 基础设施的关键约束之一。Tower、UMC/SILITH、Coherent 等公司的最新动作显示，硅光、InP、光模块、CPO、连接器和测试测量正在进入同一条数据移动产业链。

AI 基础设施扩张不只需要更多计算芯片，也需要更高效的数据移动。训练和推理集群规模扩大后，数据需要在芯片、加速卡、交换机、机柜以及数据中心之间高速传输。带宽、功耗、延迟和链路可靠性，正在成为影响系统效率的重要因素。

Tower Semiconductor 近日宣布在日本推进 300mm 产能扩张，重点涉及硅光和 SiGe 等工艺平台。公开报道显示，该公司计划投资约 30 亿美元，并获得日本政府约 10 亿美元补助，用于提升日本制造能力，服务 AI 和数据中心相关需求。

与此同时，UMC 与 SILITH 宣布在硅光量产方面取得进展，面向 AI 光互连应用交付光子集成电路晶圆。硅光的价值在于把光学传输能力与半导体制造平台结合，服务于更高带宽、更低功耗的数据连接需求。

Coherent 也在扩大与 AI 数据中心相关的光通信制造能力。美国 CHIPS 计划此前宣布与 Coherent 达成意向，拟提供最高 5000 万美元支持，用于扩大 InP 产能。InP 是高速光通信中关键的化合物半导体材料，与激光器、调制器和光模块等产品紧密相关。

这些动作共同说明，AI 数据移动不再只是光模块厂商的话题。它正在连接代工、硅光平台、InP 材料和器件、DSP/retimer、CPO/LPO、连接器、封装、热管理和测试测量。随着机柜内和数据中心间连接需求提升，铜互连和光互连的边界也会继续变化。

对工程师来说，未来 AI 系统设计需要同时考虑计算、存储和互连。单颗芯片算力越高，数据进出芯片和系统的成本越不能被忽略。光互连、硅光和先进封装的协同，将成为 AI 基础设施继续扩张的重要支撑。