新聞 
幣種資訊 
關於我們 
SK海力士(SK Hynix)公布了新一代「共同封裝光學」(CPO)技術路線圖，目標是緩解人工智慧(AI)基礎設施中的資料傳輸瓶頸。
根據科創板日報報導，SK海力士與美國維吉尼亞大學(University of Virginia)等研究團隊於20日在科學期刊《自然電子學》(Nature Electronics)上共同發表論文，內容聚焦高效能運算與AI領域中「共同封裝光學」技術的發展方向。
論文指出，核心問題在於運算效能與資料傳輸能力之間的落差持續擴大。研究團隊表示，運算效能大約每兩年成長三倍，但互連頻寬僅成長1.4倍左右。
隨著AI模型與資料中心規模不斷擴大，光靠運算裝置本身的效能已難以提升整體處理速度。研究人員將這道瓶頸稱為「頻寬牆」。
「共同封裝光學」是將光學元件盡量貼近晶片或封裝配置，藉此縮短資料傳輸距離的技術。傳統以電訊號為主的連接方式在速度與功耗效率上逐漸逼近極限，因此業界近來把光連接導入封裝內外，視為AI基礎設施的替代方案之一。
這次路線圖的特點在於，「共同封裝光學」的應用範圍不再侷限於交換器或加速器周邊的連接，而是延伸到記憶體介面。此前，輝達(NVIDIA)推動共同封裝光學交換器量產與供應鏈擴張，讓這項技術先在網路設備端受到關注；而此次論文則把討論範圍進一步擴大到記憶體連接架構。
研究團隊也提出更長遠的構想：讓多顆AI加速器共享同一個記憶體池，而非各自使用固定配置的記憶體，藉此提高記憶體使用效率。
不過，這項構想目前僅止於論文提出的技術路線圖，並未附帶具體的產品化時程或量產計畫。
科創板日報指出，這是SK海力士首次在同等級學術期刊上公開AI互連架構的技術藍圖。這篇論文的意義在於，一家記憶體廠商把AI系統內部的資料傳輸問題，正式提上技術議程。
半導體業界普遍認為，AI基礎設施的瓶頸涉及運算資源、記憶體容量、功耗效率與裝置間連接速度等多重因素交織。而「共同封裝光學」被歸類為用來降低資料傳輸環節損耗與延遲的技術。
此次路線圖也呼應了SK海力士不只提供記憶體，還試圖在AI系統架構層面一併處理資料傳輸問題的方向。至於「共同封裝光學」實際會對AI基礎設施的成本、功耗與記憶體使用率帶來多大影響，仍有待論文發表後的驗證與實際導入階段來檢驗。
留言 0