فوتونیک سیلیکونی؛ راهحل نوری برای بحران محاسبات و انرژی هوش مصنوعی
یک GPU NVIDIA H100 به تنهایی ۷۰۰ وات برق مصرف میکند. یک خوشه بزرگ آموزش هوش مصنوعی با ۱۰۰ هزار عدد از این GPUها بیش از یک شهر متوسط برق مصرف میکند. پیشبینی میشود مصرف برق مراکز داده هوش مصنوعی تا سال ۲۰۳۰ حدود ۱۶۰ درصد رشد کند و به نزدیک ۹۴۵ تراواتساعت در سال برسد - معادل تقریبا کل مصرف برق ژاپن. دولتهای محلی در حال مسدود کردن مجوزهای جدید مراکز داده هستند. شرکتهای برق هم برای تامین ظرفیت کافی با سرعت لازم دست و پا میزنند. صنعت هوش مصنوعی یک مشکل انرژی دارد و خود تراشهها تنها بخشی از آن هستند.
بخش قابل توجهی از این انرژی - تا ۵۰ درصد در خوشههای متراکم - صرف محاسبات نمیشود، بلکه صرف جابجایی داده بین تراشهها میشود. اتصالات الکتریکی مسی که GPUها را به یکدیگر و به حافظه متصل میکنند، گرم میشوند، در برابر نرخهای بالای داده مقاومت نشان میدهند و مقادیر عظیمی انرژی را به صورت گرما تلف میکنند. فیزیک مس در مقیاس بزرگ دیواری است که رویکردهای سنتی نمیتوانند از آن عبور کنند.
فوتونیک سیلیکونی رشتهای است که پیشنهاد جایگزینی این اتصالات مسی با نور را میدهد. ایده اصلی استفاده از سیگنالهای نوری - پالسهای نور لیزر که در موجبرهای سیلیکونی حرکت میکنند - برای انتقال داده بین تراشهها و درون قفسهها (racks) است. نور بدون مقاومت الکتریکی، بدون تولید گرما از انتقال سیگنال و با پهنای باندی حرکت میکند که سیمهای مسی از آن عاجزند. در سال ۲۰۲۶، این فناوری از تحقیقات امیدوارکننده به تولید انبوه در حال گذار است و اعداد به اندازهای قابل توجه هستند که برای مسیر انرژی صنعت اهمیت داشته باشند.
نحوه کار
فوتونیک سیلیکونی قطعات نوری - موجبرها، مدولاتورها، آشکارسازهای نوری - را روی تراشههای سیلیکونی با استفاده از فرایندهای ساخت CMOS که هماکنون برای پردازندهها استفاده میشود، میسازد. این مهم است زیرا به این معنی است که قطعات نوری را میتوان در مقیاس در کارخانههای نیمههادی موجود تولید کرد، بدون نیاز به زیرساختهای تولید کاملاً جدید. اینتل از اواسط دهه ۲۰۱۰ به این روش فرستندهگیرندههای فوتونیک سیلیکونی میسازد؛ این فناوری نزدیک به یک دهه است که برای اتصالات مرکز داده به صورت تجاری اثبات شده است.
صرفهجوییهای کارایی از فیزیک نور در مقابل الکترونها ناشی میشود. سیگنالهای نوری به ازای هر بیت منتقل شده تنها ۰.۰۵ تا ۰.۲ پیکوژول مصرف میکنند، در مقایسه با ارقام بسیار بالاتر برای مس در فواصل مشابه. Co-Packaged Optics - ادغام موتورهای نوری مستقیماً در بسته تراشه به جای استفاده از ماژولهای قابل اتصال در لبه قفسه - مصرف برق اتصالات را تقریباً ۷۵ درصد نسبت به راهحلهای نوری قابل اتصال فعلی و حدود ۷۰ درصد نسبت به جایگزینهای الکتریکی معادل کاهش میدهد.
شرکتهای سازنده
سه استارتاپ پیشرو در تجاریسازی فوتونیک سیلیکونی در مقیاس هوش مصنوعی هستند که هر کدام رویکرد فنی متفاوتی دارند.
پلتفرم Passage شرکت Lightmatter مبتنی بر interposerهای فوتونیک - اساساً بردهای مدار نوری که بین تراشهها قرار میگیرند و آنها را با نور به جای ردهای مسی متصل میکنند - است. M1000 Passage که از تابستان ۲۰۲۵ در دسترس است، ۱۱۴ ترابیت بر ثانیه پهنای باند نوری کل را روی یک interposer فوتونیک ۴۰۰۰ میلیمتر مربعی ارائه میدهد. L200X Passage که برای تولید در سال ۲۰۲۶ هدفگذاری شده، ۶۴ ترابیت بر ثانیه به ازای هر بسته برای شتابدهندهها و سوئیچهای نسل بعدی هوش مصنوعی تحویل میدهد. Lightmatter بر پلتفرم فوتونیک سیلیکونی GF Fotonix شرکت GlobalFoundries ساخته شده است که یک شریک تولیدی با مقیاس لازم برای فراتر رفتن از تولید آزمایشی به آن میدهد.
Ayar Labs مسیر chiplet را در پیش گرفت. TeraPHY آن، اولین chiplet I/O نوری با استاندارد UCIe در جهان، یک رابط نوری ۸ ترابیت بر ثانیه را مستقیماً در بسته تراشه هوش مصنوعی با استفاده از بستهبندی سهبعدی پیشرفته TSMC ادغام میکند. نسل سوم TeraPHY که در اوایل ۲۰۲۵ عرضه شد، ادعای پهنای باند ۵ تا ۱۰ برابر بیشتر از جایگزینهای مسی، تأخیر ۱۰ برابر کمتر و کارایی برق ۳ تا ۵ برابر بهتر را دارد. در سپتامبر ۲۰۲۵، Ayar از مشارکت با Alchip Technologies و Global Unichip Corp برای آوردن اپتیکهای همبسته به طرحهای تراشه تولیدی از طریق فناوری بستهبندی COUPE TSMC خبر داد.
Celestial AI که در دسامبر ۲۰۲۵ توسط Marvell به قیمت ۳.۲۵ میلیارد دلار خریداری شد، تهاجمیترین یکپارچهسازی را دنبال کرد: تعبیه اتصالات نوری مستقیماً در داخل خود قالب سیلیکون به جای یک لایه جداگانه. chiplet Photonic Fabric آن پهنای باند ۱۶ ترابیت بر ثانیه به ازای هر chiplet ارائه میدهد و ماژول کامل - ترکیبی از یک ASIC 5 نانومتری TSMC با interposer فوتونیک و انباشتههای حافظه HBM3e - ۷.۲ ترابیت بر ثانیه اتصال نوری فراهم میکند. انتظار میرود خرید توسط Marvell استقرار در مقیاس را تسریع کند و درآمد از اواخر ۲۰۲۷ محقق شود.
ابر مقیاسها (Hyperscalers) در حال خرید هستند
مهمترین سیگنال برای مسیر کوتاهمدت فوتونیک سیلیکونی نه استارتاپها، بلکه تصمیمات خرید hyperscalerهاست. مایکروسافت از سال ۲۰۱۶ اتصالات فوتونیک سیلیکونی را در مراکز داده Azure مستقر کرده است و در نوامبر ۲۰۲۵ یکپارچهسازی را در زیرساخت خوشه هوش مصنوعی خود عمیقتر کرد. گوگل در دسامبر ۲۰۲۵ استقرار داخلی سوئیچینگ مدار نوری و اتصالات فوتونیک را افزایش داد. AWS، Google، Meta و مایکروسافت همگی به Co-Packaged Optics در ارتقاهای نسل بعدی شبکه متعهد شدهاند و برنامههای خرید فعال در سالهای ۲۰۲۵ و ۲۰۲۶ در جریان است.
ارقام حجم نشاندهنده این شتاب است. ماژول نوری ۱.۶ ترابیت بر ثانیه - محصول پیشرو فعلی - پیشبینی میشود از حدود ۲.۵ میلیون واحد در سال ۲۰۲۵ به ۲۰ میلیون واحد در سال ۲۰۲۶ برسد. انتظار میرود فوتونیک سیلیکونی تا پایان سال ۵۰ تا ۷۰ درصد از این بخش پهنای باند بالا را تصاحب کند. کل بازار فوتونیک مرکز داده در سال ۲۰۲۶ حدود ۲.۷ میلیارد دلار پیشبینی میشود که تا سال ۲۰۳۴ به ۴.۱ میلیارد دلار میرسد.
چالشهای باقیمانده
چالشهای باقیمانده واقعی هستند و ارزش نام بردن دارند. یکپارچهسازی لیزر اساسیترین است: سیلیکون به دلیل ساختار الکترونیکی خود به طور طبیعی نور ساطع نمیکند، بنابراین فوتونیک سیلیکونی عملی نیاز به اتصال مواد ساطعکننده نور (معمولاً ایندیم فسفید) روی بسترهای سیلیکونی دارد. دقت ساخت مورد نیاز قابل توجه است و مدارهای مجتمع فوتونیک پیچیده در حال حاضر بازدهی زیر ۶۰ درصد برای طرحهای پیشرفته دارند.
حساسیت حرارتی یک سردرد دائمی است. تشدیدگرهای حلقه (ring resonators) و تداخلسنجها (interferometers) که اجزای نوری اصلی تراشههای فوتونیک سیلیکونی را تشکیل میدهند، به تغییرات دما بسیار حساس هستند - چند درجه گرم یا سرد شدن میتواند آنها را به اندازهای ناهماهنگ کند که باعث خطاهای سیگنال شود. تنظیم حرارتی فعال و پایدارسازی باعث افزایش پیچیدگی و سربار برق میشود که تا حدی صرفهجوییهای کارایی را خنثی میکند.
زنجیره تامین نیز به گونهای متمرکز است که ریسک ایجاد میکند. TSMC در حال حاضر تنها کارخانهای است که قادر به انباشت سهبعدی فوقدقیق تراشه برای Co-Packaged Optics در مقیاس است. هرگونه اختلال در تولید TSMC به کل زنجیره تامین فوتونیک برای هوش مصنوعی سرایت میکند.
مسیر پیش رو
قوس فوتونیک سیلیکونی در زیرساخت هوش مصنوعی اکنون واضحتر از هر نقطه قبلی است. Hyperscalerها در حال آزمایش فناوری نیستند - آن را در مقیاس خریداری میکنند. استارتاپهای پیشرو از دمو به محصولات قابل عرضه رسیدهاند. تولید انبوه ماژولهای ۱.۶T در جریان است. سهم اینتل در فوتونیک سیلیکونی در فرستندهگیرندههای نوری امروز حدود ۳۰ درصد است که پیشبینی میشود تا سال ۲۰۳۰ به ۶۰ درصد برسد.
دیوار مسی که خوشههای امروزی هوش مصنوعی را محدود میکند، یک محدودیت فیزیکی واقعی است، نه یک مشکل برنامهریزی که بودجه بیشتر بتواند حل کند. فوتونیک سیلیکونی واضحترین مسیر برای دور زدن آن است. این که آیا این گذار به اندازه کافی سریع اتفاق میافتد تا مسیر انرژی زیرساخت هوش مصنوعی را تغییر دهد، بیشتر به مقیاس تولید و توسعه زنجیره تامین بستگی دارد تا فناوری بنیادی. در سال ۲۰۲۶، شواهد نشان میدهد که این اتفاق سریعتر از آنچه بیشتر ناظران انتظار داشتند در حال رخ دادن است.