本文来自微信公众号“镁客网（im2maker）”，作者：jh。
当地时间周三，AMD宣布收购一家名为Enosemi的初创公司。
该公司是一家专注于硅光子设计支持和设计IP的新型无晶圆厂半导体企业，由一群经验丰富的管理团队领导，在硅光子、模拟混合信号、激光器、控制、封装和系统硬件方面都拥有非常丰富的知识储备。
随着AI大模型从百亿参数向万亿参数跃迁，数据中心的算力需求正以指数级爆发。
当传统电互连技术开始遭遇速率的瓶颈时，硅光子技术有望成为打破算力瓶颈的战略突破口。
这种利用光子传输数据的创新方案，不仅能实现每秒数百吉比特的传输速率，更将能耗降低20%以上，成为支撑下一代AI系统的核心技术之一，AMD自然不会错过。
从外部合作到战略并购：AMD的技术整合路径
AMD对硅光子技术的探索其实早有铺垫。
早在2023年底，AMD就与多家初创公司展开硅光子研发合作，试图通过外部资源快速切入这一领域。而Enosemi的出现则为其提供了更直接的技术跳板。
这家成立于2023年的硅谷初创公司，虽仅筹集了15万美元风险投资，却掌握着光子集成电路的量产能力——其产品已应用于数据中心光互连场景，将计算与网络组件高效集成。
更关键的是，Enosemi团队与AMD早有合作基础，其创始人Ari Novack和Matthew Streshinsky在半导体工程领域的积累，尤其是在高密度光互连技术上的突破，与AMD的AI芯片路线高度契合。
根据网上公布的信息，在收购完成后，Enosemi团队将迅速转化为AMD内部的硅片设计工程力量。
这种从合作伙伴到子公司的身份转变，将显著缩短新技术的整合周期。
硅光子：弯道超车？
虽然AMD一直在多方面发力AI芯片，但在与英伟达的竞争中，AMD始终“差一口气”。
例如，在性能差不多的情况下，AMD的ROCm平台远没有英伟达的CUDA和cuDNN广泛和成熟，应用生态更丰富的英伟达自然是优先选择。
既然如此，那AMD只能从性能上做文章。
CPO技术的优势，主要是速率。在AI系统中，数据传输延迟往往成为算力发挥的最大瓶颈——当数千颗AI芯片协同工作时，节点间互连带宽需求可达传统网络的数十倍。而CPO技术通过将光引擎直接与AI芯片封装集成，可实现更低延迟、更高带宽的系统级互连。
AMD技术与工程高级副总裁Brian Armick指出，随着AI模型复杂度提升，“更快、更高效的数据传输”成为刚需。
据行业预测，到2027年，CPO在超大规模数据中心的渗透率将达35%，成为替代传统可插拔光模块的主流方案。如果AMD能在短时间能率先商用CPO技术，那自然能打开新的市场机会。
值得一提的是，在硅光子赛道，英特尔、英伟达等巨头其实比AMD更早进行布局。
英特尔作为先行者，已出货超800万个光子集成电路，其1.6Tbps CPO模块带宽密度较传统方案提升40%；英伟达则将硅光子技术融入交换机与GPU集群，构建光电融合的数据平台。
虽然AMD入局稍晚一步，但好在其全栈技术生态足以支撑新技术的整合。
从x86 CPU、RDNA架构GPU到自适应SoC，再到通过收购ZT Systems建立的服务器制造能力，其已形成“芯片-封装-系统”的完整链条。
随着Enosemi的加入，AMD可以立即扩展光子学解决方案的开发能力，恰好补强了高速互连这一关键短板。这种整合能力使AMD能够快速提供端到端解决方案。
挑战与未来：技术落地的多道门槛
尽管前景广阔，硅光子技术的大规模商用仍需跨越多个挑战。
首先，是技术整合难题：硅基材料的发光效率较低，需通过异质集成工艺融合磷化铟（InP）等新材料，这对封装技术提出极高要求。
Enosemi与GlobalFoundries的合作经验，或许可能成为AMD突破这一瓶颈的关键。
其次，是成本控制：目前硅光子芯片的量产成本仍高于传统方案，AMD需通过扩大产能和优化工艺降低单位成本。
最后是生态竞争：英伟达、英特尔等对手拥有更庞大的专利池和客户基础，AMD需加速与光学材料供应商、EDA工具厂商的合作，构建开放生态。
从行业趋势看，硅光子技术正从数据中心向智能驾驶、光计算等领域延伸，其市场规模预计将从2023年的14亿美元增长至2030年的61亿美元。
AMD此次收购Enosemi，不仅是技术层面的补位，更是对未来AI计算架构的重新定义。在这场关乎算力霸权的竞赛中，其能否凭借全栈整合能力后来居上，取决于技术落地速度与生态协同效率。而无论结果如何，硅光子技术引发的变革，都将深刻重塑全球半导体产业的竞争格局。
毕竟，在AI时代，数据传输的速度与能效，已经确定是定义算力未来的关键维度之一。
