CPO 可维护性（CPO Serviceability）

3 秒看懂

一句话： 光引擎与交换芯片共封装后，光学部件故障时不能像传统可插拔模块那样”拔了换新的”，必须解决”怎么修、怎么换、换什么、值不值”的问题。这是 CPO 大规模商用的核心拦路虎之一，可维护性方案的成熟度直接决定 CPO 的 TCO（总拥有成本）能否成立。

3 分钟产业解释

问题从哪来？

传统数据中心交换机采用可插拔光模块（Pluggable Optics）——QSFP-DD、OSFP 等形态。光模块是独立的、标准化的、可热插拔的器件。端口坏了，运维人员拔掉旧模块、插上新模块，几分钟搞定，不影响交换机主板上的交换芯片（ASIC）。

CPO（Co-Packaged Optics，共封装光学） 的核心理念是把光引擎（Optical Engine）直接集成到交换芯片封装体内或封装基板上。好处是：

• 大幅缩短电信号传输距离，降低功耗（尤其是 SerDes 功耗）
• 支撑下一代超高带宽交换芯片（51.2T 及以上）的功耗墙问题
• 减少连接器/接口数量，提高信号完整性

但代价是： 光学部件和电子部件”绑死了”。光引擎中的激光器、调制器、探测器等是有寿命的光电器件，故障率高于纯硅芯片。一旦共封装后，一个光通道故障，整块可能价值数千美元甚至更高的”ASIC + 光引擎”模组面临报废风险。

为什么这很严重？

核心矛盾： CPO 节省的功耗和带宽收益，能否 cover 掉因可维护性变差而增加的运维成本？

这就是 CPO Serviceability 的产业意义。

15 分钟专家深入

可维护性问题的三层拆解

第一层：故障概率与影响范围

光引擎内部典型包含以下组件（以硅光方案为例）：

• 硅光调制器 / 微环调制器
• 外部或片上激光器（光源）
• 光电探测器（Ge PD / InGaAs PD）
• 光耦合结构（edge coupler / grating coupler）
• TIA（跨阻放大器）、驱动芯片

这些组件的可靠性指标各异。激光器尤其关键——半导体激光器有退化机制（暗线缺陷、腔面退化），典型寿命在合理驱动条件下可达数万至十万小时量级，但在高温封装环境下实际寿命会缩短 [定性，具体可靠性数据各厂商未充分公开]。

如果一块 CPO 模组上集成了数十个光引擎、数百个光通道，那么即使单通道故障率很低，按系统级 MTBF 计算，数千台交换机的集群中，光通道故障将不再是小概率事件。

第二层：维修操作的物理可行性

传统可插拔模块的标准维护流程：

[故障检测] → [告警定位到端口] → [运维人员到场] → [热拔插更换] → [验证] → [完成]

整个过程无需停机，分钟级完成。

CPO 的维修面临物理约束：

1. 无法热拔插光引擎 —— 光引擎与 ASIC 共基板/共 interposer，物理上不可分离（至少在最紧密的集成方案下）
2. 维修操作精度要求高 —— 如果采用 chiplet 方案需要更换光学 chiplet，可能涉及精密对准（光耦合精度要求亚微米级），远超现场运维能力
3. 维修风险 —— 对共封装模组进行拆装，存在损坏昂贵 ASIC 的风险

第三层：经济性算账

假设：

• 传统可插拔光模块：单模块成本量级数十至数百美元（因速率、距离而异）[行业估算]
• CPO 整板模组（ASIC + 光引擎）：成本可达数千至万美元量级（交换芯片本身在高端产品中即为昂贵器件）[供应链估算]
• 一个 51.2T 交换机可能需要数百个光通道

如果因一个光通道故障就要更换整板，单次维修成本将比可插拔方案高一到两个数量级。即使 CPO 节省了每端口的功耗，TCO 模型中维修成本可能成为主导项。

可维护性的技术解决路径

业界正在探索多种路径来解决这个问题，可归纳为 “可替换”、“可冗余”、“可容忍” 三大策略：

策略一：光学部件可替换（Replaceability）

方向 A：光学 Chiplet 可拆卸

将光引擎设计为独立的光学 chiplet，通过某种形式的接口（微光学连接器、光纤阵列连接器等）与 ASIC chiplet 共置在同一封装基板上，但物理上可拆卸。

┌─────────────────────────────────────┐
│           封装基板（Organic/硅）      │
│                                     │
│  ┌─────────┐  ┌──────┐ ┌──────┐    │
│  │  ASIC   │  │OE_1  │ │OE_2  │    │
│  │ Chiplet  │  │(光)  │ │(光)  │    │
│  └─────────┘  └──────┘ └──────┘    │
│         ↑          ↑        ↑       │
│    Die-to-Die   可拆卸连接  可拆卸连接 │
│    接口         (光+电)    (光+电)    │
└─────────────────────────────────────┘

挑战：

• 可拆卸光连接器的插入损耗通常高于永久性耦合（如 edge coupling 后 UV 胶固化）
• 反复拆装的可靠性与精度保持
• 标准化程度低——各厂商方案各异，没有统一的”光学可插拔 chiplet”标准

方向 B：板载光引擎（On-Board Optics）

光引擎不进入 ASIC 封装，而是安装在交换机 PCB 板上，紧邻 ASIC。这介于传统可插拔与完全共封装之间。

        ┌─────────────────────────────┐
        │         交换机 PCB           │
        │                             │
        │   ┌──────────┐              │
        │   │  ASIC    │              │
        │   │          │              │
        │   └──────────┘              │
        │         ↕ 较短电走线         │
        │   ┌──────┐ ┌──────┐        │
        │   │OE_1  │ │OE_2  │  ...   │
        │   │(板载) │ │(板载) │        │
        │   └──┬───┘ └──┬───┘        │
        │      │光纤出   │光纤出       │
        └──────┼────────┼─────────────┘
               ↓        ↓

优势：光引擎可独立更换，维护性接近可插拔方案，同时缩短了电连接距离。

劣势：无法像真正共封装那样极端缩短 SerDes 距离，功耗节省幅度打折。

策略二：冗余设计（Redundancy）

光通道级冗余： 在 CPO 模组中多设计若干备用光通道。当主用通道故障时，通过交换芯片内部的端口映射切换到备用通道。

正常状态:  逻辑端口 P0 → 光通道 Ch0（主用）
                            Ch1（备用，idle）

故障切换:  逻辑端口 P0 → 光通道 Ch0（故障 ✗）
                            Ch1（激活 ✓）

挑战：

• 增加备用通道意味着更多光引擎面积和功耗
• 切换逻辑需要在交换芯片或固件层面实现
• 备用通道也会老化——长期 idle 的激光器不一定比持续工作的更可靠

系统级冗余： 在网络拓扑层面通过 ECMP、链路冗余等机制绕过故障端口。这在传统网络中已有成熟实践，但在 CPO 场景下，需要关注故障检测速度和收敛时间。

策略三：可靠性提升使故障可容忍

从根本上降低光引擎的故障率，使其在设备生命周期内（通常 5-7 年）故障概率低到可以接受。

技术路径：

• 激光器外置方案（External Laser Source, ELS）： 激光器不集成在硅光芯片上，而是作为独立光源通过光纤/波导耦合入。激光器是寿命最短的组件，外置后可单独更换。这是目前很多 CPO 方案采用的折中路线。
• 更成熟的硅光工艺可靠性： 随着硅光平台（如 GlobalFoundries 45CLO、Tower Semiconductor 硅光平台等）的工艺成熟度提升，器件可靠性预期改善。
• 降额设计： 在光引擎设计中降低驱动电流、降低工作温度等，以提高可靠性、延长寿命。

关键参数与指标（定性）

CPO 可维护性的成熟度光谱

可维护性好 ←──────────────────────────────────→ 可维护性差

可插拔模块     板载光引擎      光chiplet可拆卸    完全共封装
(传统)       (On-Board)      (Replaceable OE)   (Monolithic)
  ★★★★★       ★★★★            ★★★               ★☆
最成熟         功耗节省有限     工艺标准化未完成    功耗最优但维护最差

当前产业共识尚在形成中。光 chiplet 可拆卸方案被普遍认为是兼顾功耗收益和可维护性的最佳折中，但标准和工艺成熟度仍是主要障碍。

技术原理

CPO 可维护性问题的根因分析

从信号链路角度理解为什么 CPO 带来可维护性挑战：

传统可插拔架构：

ASIC SerDes ←──电PCB走线(10-25cm)──→ 可插拔光模块 ←──光纤──→ 远端
    │                                      │
    │ 电信号路径                            │ 光电转换边界
    │ (可独立维护)                          │ (标准接口、可插拔)

CPO 架构：

┌──────────────────────────────────┐
│        CPO 封装模组               │
│                                  │
│  ASIC ←──短电走线(<数mm)──→ OE  │──光纤──→ 远端
│                                  │
└──────────────────────────────────┘
   ↑ 无法单独维护其中一部分          ↑
   │ 二者物理绑定                   │
   │                                │
   如果 OE 故障,ASIC 也受影响（整板停用）

光耦合——可维护性的物理瓶颈

光学耦合是 CPO 可维护性设计中最关键的物理约束之一。

永久性耦合（工艺级，不可现场操作）：

• Edge Coupling： 光波导端面直接对准光纤阵列，使用 UV 胶固化。耦合效率高（单通道插入损耗可低至 ~1dB 量级 [厂商公开数据范围，具体因方案而异]），但固化后不可逆。
• Grating Coupling： 光栅耦合器，对准容差较大，但耦合效率通常低于 edge coupling。

可拆卸耦合（运维级）：

• 需要设计某种形式的光学连接器/适配器，允许光引擎与外部光纤之间可断开/重连。
• 典型挑战：每次拆装引入额外插入损耗、回波损耗变化、对准偏移。
• V-groove 光纤阵列连接器等方案在可插拔光模块中已成熟应用，但适配到 CPO chiplet 级别需要新的小型化和精度方案。

电接口的可维护性考量

除了光耦合，光学 chiplet 与 ASIC 之间还需要电连接（供电、控制信号、高速数据信号）。

如果采用可拆卸方案，电连接也需要支持拆装：

• 高速信号接口： Die-to-Die 接口（如 UCIe 等标准的变体），需要在可拆卸连接器上实现高速信号传输
• 供电与控制： I2C/SPI 等控制总线、电源轨
• 可靠性： 可拆卸电连接器的接触可靠性、阻抗一致性

故障检测与隔离

CPO 系统需要完善的故障检测机制：

光通道健康监测
├── 光功率监测（发射端/接收端）
│   ├── 光电二极管集成监测
│   └── 功率异常告警阈值
├── BER（误码率）监测
│   ├── 硬 FEC 纠错前/后 BER
│   └── 渐进性退化趋势检测
├── 激光器状态监测
│   ├── 驱动电流监测（电流增大 → 激光器退化）
│   └── 温度监测
└── 诊断与定位
    ├── 通道级故障定位
    └── 引擎级/模组级故障分类

关键能力： 精确到通道级的故障定位，是实现”最小可替换单元”的前提。如果只能判断”整块模组有故障”而无法定位到具体通道，就无法采用更精细的维修策略。

技术演进史

关键趋势： 产业共识从”不需要维修（靠高可靠性）“逐步演变为”需要可维修设计”，因为完全依赖可靠性的方案在经济性和风险管控上不够稳健。

技术路线对比

注： 功耗节省的量化数据各厂商/分析机构口径差异较大，且取决于具体速率、距离配置，上表为定性排序。[行业估算/定性判断]

上下游

产业链全景

上游（关键组件/工艺）
├── 硅光平台代工: GlobalFoundries, Tower Semiconductor, TSMC(部分)
├── III-V族材料（激光器/探测器）: Lumentum, II-VI(Coherent), 三安光电
├── 光纤/光波导组件: Corning, 长飞光纤
├── 可拆卸光连接器: US Conec, Senko, 中航光电
└── 先进封装: TSMC(CoWoS/InFO), ASE, 日月光, 长电科技

中游（CPO模组/系统集成）
├── 交换芯片厂商: Broadcom(Tomahawk、Trident、Jericho系列), Marvell, Cisco(自研)
├── 光chiplet公司: Ayar Labs, Lightmatter, Celestial AI, Rain AI
├── CPO模组集成: 各系统厂商自有方案
└── 可维护性方案设计: 系统设计层面，涉及热设计、机构设计、连接器

下游（终端用户）
├── 超大规模数据中心: Google, Microsoft, Meta, Amazon, 字节跳动, 阿里巴巴
├── 云服务商
└── AI训练集群运营商

可维护性特有关联
├── 运维工具/系统: 故障检测、远程诊断
├── 备件供应链: 光chiplet备件管理
└── 服务合同: SLA条款需适配新的维修模式

关键供应链瓶颈

• 可拆卸光连接器： 目前缺乏行业统一标准，各家方案互不兼容，制约备件通用性和成本
• 精密对准工具： 现场更换光学 chiplet 可能需要专用对准工具，目前主要用于实验室环境
• 硅光工艺可靠性数据： 缺乏大规模长时间运行的可靠性统计数据，难以精确量化故障率

关键指标

衡量 CPO 可维护性的核心 KPI

供需与市场数据

驱动 CPO 可维护性需求的核心力量

供给侧驱动：

• 交换芯片带宽持续翻倍（12.8T → 25.6T → 51.2T → 102.4T 路线图），每代带宽翻倍意味着可插拔模块数量翻倍或速率提升，功耗和密度压力推动 CPO 需求
• SerDes 速率提升（112G → 224G PAM4），高速 SerDes 功耗占交换芯片总功耗比例持续上升，CPO 是解决路径之一

需求侧约束：

• 超大规模数据中心运维团队规模有限，不接受运维复杂度大幅增加
• SLA 要求（通常 99.999% 以上可用性）对 MTTR 有严格约束
• 设备生命周期 5-7 年，需要在此期间维持可接受的维修成本

市场规模参考

注： CPO 本身尚处于商业化早期，相关市场数据以分析师预测为主，存在较大不确定性。可维护性作为子议题尚无独立市场规模估算。

代表公司与资本映射

CPO 可维护性产业链关键玩家

值得关注的产业链动态

• Broadcom 每代 Tomahawk、Trident、Jericho 系列交换芯片对 CPO 的推进力度
• OIF 等组织对 CPO 光接口标准化的进展
• 光 chiplet 创业公司的技术里程碑和融资进度
• 超大规模用户（Google、Meta 等）对 CPO 的采购态度和可维护性要求

产业链观察框架

CPO 可维护性视角下的产业框架

核心判断： CPO 可维护性方案的成熟度是 CPO 大规模商用的必要条件而非充分条件。即使功耗优势再大，如果运维成本失控、可用性不达标，超大规模数据中心不会部署。

产业链层级：

确定性高
│
│   ┌──────────────────────────────┐
│   │ 第一层：交换芯片厂商          │ ← 无论CPO形态如何，ASIC不可或缺
│   │ Broadcom, Marvell 等          │   可维护性设计能力是竞争壁垒之一
│   └──────────────────────────────┘
│
│   ┌──────────────────────────────┐
│   │ 第二层：光器件/硅光平台       │ ← 光引擎可靠性提升的直接受益者
│   │ Coherent, Lumentum 等         │   ELS 方案增强可维护性
│   └──────────────────────────────┘
│
│   ┌──────────────────────────────┐
│   │ 第三层：光chiplet + 连接器    │ ← 可维护性方案的核心创新区
│   │ Ayar Labs, 光连接器公司        │   但技术路线不确定、商业化较远
│   └──────────────────────────────┘
│
│   ┌──────────────────────────────┐
│   │ 第四层：先进封装              │ ← CPO 封装工艺的承载者
│   │ TSMC, ASE, 长电科技等         │   可拆卸封装工艺是技术挑战
│   └──────────────────────────────┘
│
确定性低 / 周期较长

关键风险

• 可维护性方案不达标 → CPO 商用推迟 → 产业链投资回报周期拉长
• 技术路线赌错： 当前难以确定最终胜出的可维护性方案（可拆卸 chiplet vs 板载 vs 其他），投资需分散风险
• 可插拔光模块持续演进： 可插拔形态（如 OSFP-XD 等）如果能解决 51.2T 的功耗和密度问题，CPO 需求可能低于预期

常见误读纠偏

误读一：「CPO 就是把光模块焊死在板上」

纠偏： CPO 的集成层级和方式有多种：

• On-Package（封装级）： 光引擎在 ASIC 封装内部或封装基板上，这是最严格定义的 CPO
• On-Board（板级）： 光引擎在 PCB 上紧邻 ASIC，严格来说不是 CPO，但经常被归入 CPO 讨论范畴
• 光 Chiplet（chiplet 级）： 光引擎以 chiplet 形态与 ASIC chiplet 共置，中间方案

不同集成层级对应的可维护性挑战程度差异很大。“焊死”只是最极端情况。很多 CPO 方案在设计时就考虑了某种形式的可替换性。将 CPO 简单等同于”不可维修”是过度简化。

误读二：「只要可靠性够高，就不需要可维护性设计」

纠偏： 这是早期部分 CPO 推动者的观点，但产业实践已证明其局限性：

1. 没有任何器件能保证零故障。 即使 FIT 率很低，在数万台交换机、数百万光通道的大规模部署中，故障是必然事件。
2. 可靠性数据不足。 硅光器件的大规模长期运行数据尚不充分，无法在商用前充分验证可靠性承诺。
3. 经济性风险。 一旦发生故障，没有可维护性设计意味着整板报废，单次损失巨大。即使故障概率低，期望损失（概率 × 损失） 可能仍不可接受。
4. 运维信心。 超大规模数据中心的运维团队需要确定性的维修方案，而非”应该不会坏”的承诺。

正确观点： 可靠性提升和可维护性设计是互补关系，而非替代关系。需要同时推进。

误读三：「可插拔光模块将被 CPO 完全取代」

纠偏： 这在可预见的未来不太可能发生：

• 不同速率、距离、应用场景对功耗和可维护性的权衡不同
• 中低速率交换机和企业级市场仍将以可插拔为主
• 即使在高端 AI 集群，可插拔模块仍在向更高速率演进（如 800G、1.6T 可插拔模块）
• CPO 和可插拔将长期共存，各自适用不同场景

误读四：「CPO 可维护性只是运维问题，不涉及技术设计」

纠偏： 可维护性是贯穿整个技术栈的设计约束：

• 芯片架构层面： 端口映射灵活性、诊断能力、故障隔离粒度
• 封装层面： 可拆卸耦合方案、热管理（维修时不破坏热界面材料）
• 光器件层面： 可靠性设计、外部激光器方案、器件寿命管理
• 系统层面： 备件策略、维修工具设计、运维软件适配
• 网络层面： 故障收敛机制、流量重路由

可维护性必须在 CPO 产品定义阶段就被纳入设计目标，而非事后补救。

学习路径

入门（1-2 小时）

1. 了解可插拔光模块的基本工作原理和运维模式
2. 阅读 OCP（Open Compute Project）关于 CPO 的概述文档
3. 理解为什么交换芯片功耗墙推动 CPO 需求

进阶（4-8 小时）

4. 学习硅光技术基础：波导、调制器、探测器、激光器集成方式
5. 阅读 OIF CPO 技术框架文档（关注接口标准化部分）
6. 研究各主要厂商的 CPO 技术路线图和公开演讲
7. 了解先进封装技术（2.5D/3D 集成、硅桥、有机 interposer）

专家级

8. 深入分析光耦合技术的工程细节（edge coupling vs grating coupling、可拆卸方案的损耗预算）
9. 研究光电器件可靠性建模（Arrhenius 模型、Eyring 模型在光器件中的应用）
10. 构建 TCO 模型：将可维护性成本纳入 CPO vs 可插拔的经济性对比
11. 跟踪行业标准组织（OIF、IEEE 802.3、OCP）的相关工作进展

一句话总结

CPO 可维护性不是”锦上添花”的运维细节，而是决定 CPO 技术能否走出实验室、进入百万台规模数据中心的生死门槛——光引擎与交换芯片共封装带来的功耗收益，必须在可接受的维修成本和可管理的运维复杂度下才能真正实现商业价值。

延伸阅读与来源

1. OCP（Open Compute Project）CPO 工作组文档 —— CPO 技术规范与可维护性讨论的官方来源
2. OIF（Optical Internetworking Forum）CPO Implementation Agreement —— 光接口标准化进展
3. Broadcom Tomahawk、Trident、Jericho 系列交换芯片产品页面 —— 了解 CPO 在实际产品中的推进状态
4. Ayar Labs 技术白皮书 —— 光 I/O Chiplet 架构与可维护性设计思路
5. LightCounting / Dell’Oro Group 光模块市场报告 —— CPO 与可插拔模块的市场预测
6. IEEE 802.3 以太网工作组 —— 物理层标准演进，与 CPO 接口标准化相关
7. 各交换芯片厂商投资者关系与公开演讲 —— 第一手技术路线图信息