在光网络领域，人工智能正在实时改变行业在各个规模（从机架到机架内部，甚至封装层面的芯片到芯片）对光互连组件的设计、封装和制造方式。受AI驱动的带宽需求也迫使数据中心运营商重新思考电源供应方案，而数据中心中的光子技术已不再仅由可插拔模块定义。共封装光学器件（CPO）、光子芯片小单元以及紧密集成的光波导正推动着下一阶段的发展。

随着这一建筑变革的推进，材料平台所面临的挑战也在不断变化。总体而言，这些动态正在打破行业对可插拔架构的一些传统假设，并为探索不同甚至在某些情况下全新的材料平台打开了大门。

除了锂铌酸盐（LN）和磷化铟（InP）等成熟材料外，钛酸钡（BTO）也展现出极具吸引力的应用和部署方案，为数据中心提供新的光子学能力。BTO等新兴电光材料所获得的推动力源于架构层面的广泛变革：系统设计的转变正在重塑光子学的集成方式，进而影响着每种材料必须满足的技术要求。

可插拔式，可一起包装，也可单包装

直到最近，数据通信市场一直引领着光子学的发展。可插拔式器件主导了整个行业，围绕它们构建的技术生态系统多年来也呈现出可预测的演变趋势。变化主要较为细微但依然明显，改进主要集中在稳定性等参数上。热环境和集成边界十分明确。由于光学与电子领域之间存在清晰且无争议的分离，光子器件在很大程度上可以独立于电子系统进行开发。

如今，AI基础设施的需求正推动整个行业向更高水平演进，而这一转变的核心模型（以及其特征）正在不断显现。由于GPU集群对内部带宽的需求极高，其扩展方式与传统的交换环境存在显著差异。光通信链路正逐渐靠近计算层，光子器件研发与电子系统运行之间的差距也在逐步缩小。CPO（光子芯片封装）正是这种趋势的典型体现：不再将光学器件视为独立接口，而是将其与交换机和加速器集成在同一封装领域中。光子模块和芯片小单元被安装在插接卡上，与电子元件共用同一封装结构，从而实现热管理与功耗约束的统一。

在宏观层面，这些生态系统的变化正迫使企业重新思考如何优化性能。在价值链的下游，企业也开始评估如何评价和选择光子材料。仅提供出色的光学性能已不再足够，光子材料必须能够无缝集成到半导体代工流程中，支持高密度布局，并在最初为电子系统设计的封装方案中正常工作。

人工智能光子学中的材料需求

从可插拔架构向共封装、内封包架构的演进，对多种材料提出了更高要求。首先，AI基础设施运营商需要与CMOS制造和封装流程相匹配的材料，同时支持低驱动电压下的高速调制。其次，随着器件数量的增加，减少对热调谐的依赖至关重要。综合考虑这些需求后，人们越来越需要能够扩展至晶圆级制造、在高密度但受控的热环境中保持稳定，并能与激光器、探测器和电子驱动器良好集成的平台。

这一转变比以往的架构演进更为迅速，意味着光子学正逐步接近半导体堆叠结构，而非仍作为独立的光学层存在。因此，材料讨论变得更加复杂。氮化铝（LN）、磷化铟（InP）和硼氧钛（BTO）各具独特优势，其适用性取决于它们在系统中所处的集成程度。

熟悉的名字：铌酸锂

几十年来，铌酸锂凭借广泛的应用而成为工作主力材料。其电光性能已得到充分验证，使其在各种条件下运行可靠。薄膜铌酸锂（TFLN）进一步拓展了该材料的适用性，支持更紧凑的器件设计并提升空间限制能力。其优势尤为显著，尤其适用于对环境稳定性及长期性能要求较高的应用领域。

工艺限制常常迫使企业采用独立的制造环境。这种分离在系统向紧密集成、基于芯片小单元的架构演进时会带来摩擦。在可插拔模块中，这种分离尚可管理。但在共封装环境中，多个组件必须在同一统一工艺中集成，每增加一个接口都会带来复杂性，影响成本、设计灵活性以及良率。随着集成密度的提高，额外接口的管理难度也比早期光子系统时代更加困难。

依然重要：磷化铟

磷化铟（InP）仍是关键材料，尤其在激光器、探测器及其他有源器件中发挥着重要作用。在共封装架构中，InP组件常与硅光子平台集成在一起。这种混合模式已确立并持续发展，随着InP与其他集成策略的演进，其作用预计仍将保持稳定。

值得注意的是，随着集成度不断提高，技术领域企业越来越需要深入了解InP与BTO等电光材料之间的相互作用机制。当调制器、波导和电子驱动器能够高效地共制造或共封装时，系统灵活性将得到提升。因此，这些材料通常被共同使用，以充分发挥各自的优势。

BTO：性能优势

在不断发展的技术背景下，BTO具备独特的优势。其电光系数远高于同类材料，可同时实现紧凑型调制器和较低的驱动电压。这使得该材料特别适用于器件数量达到数百万级的运行环境。

BTO的主要优势在于其与硅基制造工艺的兼容性。BTO可直接沉积在硅基衬底上，而不会引入液氮（LN）相关的污染风险。正是这种兼容性使该材料能够直接融入半导体制造生态系统，而非仅作为辅助存在。CMOS兼容性至关重要，随着CPO（碳化硅外延片）的重要性日益凸显，其重要性已达到前所未有的高度。

当光子器件能够在与电子器件相同的环境中进行制造、加工和封装时，尺寸的增大和缩小变得更为简单。此外，它还能简化制造和供应链流程，使企业无需建立并行工作流，而是可利用现有的半导体基础设施。除了与CMOS兼容外，BTO还有助于降低功耗，相比TFLN最高可减少100倍的功耗。同时，它还能实现更小的器件面积，因此在片内光子学和芯片级集成日益兴起的背景下，成为一种极具吸引力的材料选择。

迈向芯片级集成

除了采用封装内架构之外，向基于芯片小片（chiplet）的设计转变也是本次讨论的核心。光子功能正被分割为可与计算和存储元件一同在插件上组装的模块化组件。此外，随着带宽需求持续增长，未来将需要实现光子直接堆叠至电子芯片层面。在共封装和芯片小片系统中，对准精度、热性能以及互连密度都变得至关重要。除了众多额外的性能要求外，材料平台还必须支持精细图案化、均匀沉积，并兼容键合与封装工艺，以跟上发展步伐。

BTO 满足这些要求：如前所述，它可集成到硅光子平台中，使调制器能够与电子驱动器共封装或紧密耦合。其对热调谐结构的依赖降低，简化了布局设计和功耗管理。紧凑的器件尺寸支持高密度布局，可在封装内实现紧密耦合的光网络，从而降低延迟并优化计算单元之间的数据传输。随着互连距离不断缩小、带宽需求持续上升，高密度光子网络对于维持系统性能至关重要。

这些特性结合在一起，可支持光子组件作为更大系统中的模块化构建单元。液氮（LN）还可集成到共封装和芯片级架构中，通常通过混合方式实现。然而，随着系统规模扩大，所需的额外制造步骤会增加摩擦。

系统级考量

随着人工智能推动共封装和内嵌式架构的发展，高密度AI数据中心中的能效问题变得更加复杂。部分基础设施已使电网承受压力，并接近电源供应的极限。光互连进一步加剧了这一问题，调制效率、驱动电压和热损耗都会影响系统的功耗预算。

面对这些挑战，BTO强大的珀克效应能够实现高效的调制，而无需过度依赖热控调节。减少或去除热控元件可简化器件设计、降低功耗，并在共封装架构中改善热管理。在高密度环境中，这些优势会进一步叠加。即使器件层面的微小改进，在大规模部署时也能带来显著的能效提升。

此外，不同架构的热行为也存在差异。AI集群运行于更为可控的环境，这改变了材料需要承受的条件范围。稳定性仍然重要，但其约束条件与变化更剧烈的环境有所不同。除了功耗和热管理方面的考量外，AI基础设施运营商在评估材料选择时，还必须综合考虑制造成本和经济因素。

制造规模与经济因素

人工智能基础设施的需求更接近于半导体的制程扩展，而非传统电信周期。在这一领域，产量、良率和单位成本是关键考量因素。能够良好集成于晶圆级制造及现有封装基础设施的材料，更有助于满足这些需求。

同样，不同材料也各具优势。例如，BTO（背板光学组件）与硅基工艺的兼容性是一个显著优势。而LN（氮化镓）则拥有成熟的生态系统（尽管其制造模式与半导体大规模生产有所不同）。最终，随着需求增长，直接融入高吞吐量的制造流程将成为更重要的考虑因素。从经济角度来看，部署大量光器件的系统将受益于能简化整个制造和封装过程的材料。

附加应用

尽管人工智能基础设施正在推动当前的架构变革，但同样的材料特性也开始影响相邻的计算架构。BTO的非线性光学特性为新兴应用场景提供了更多可能性，包括频率转换和信号处理。例如，量子光子学领域的早期研究表明，它可能支持与纠缠态生成和光子量子比特相关的功能。

目前，人们越来越关注利用电光材料将某些计算功能从传统的硅基材料中剥离出来。在神经形态和光子神经网络架构中，调制器阵列可直接在光学域内执行加权和信号变换等操作。这种方法有望在特定机器学习工作负载上将能效提升一个数量级，同时减少计算与存储之间的数据传输。

然而，这类材料的短期应用价值在数据中心和人工智能基础设施方面尤为明显。随着集成光子学技术的成熟，这些能力有望进一步推动现有环境中的发展进程。随着共封装和芯片级架构的发展，支持高性能和可制造性的材料仍将至关重要。氮化铝（LN）将继续服务于传统应用场景，而蓝宝石（BTO）则将进一步推动多光子功能集成到适用于高密度、高性能计算环境的半导体兼容平台中的发展路径。

生态系统正在演进

随着集成光子学的发展，建筑与材料的选择正变得日益紧密。最终，生态系统将围绕材料的平衡而融合，而非单一平台。

当前的进展涵盖多个层面。CPO（碳化硅光电芯片）已开始影响设计策略，并有望在长期基础设施规划中推动更多趋势。尽管诸如BTO（硼氮氧化物）等新兴材料正逐步融入这一转型，提供CMOS兼容性、优异的电光效应及其他优势，但随着人工智能基础设施持续扩展，光子学与半导体堆叠之间的深度整合仍将保持关键驱动力。

因此，在下一代光子引擎中，采用一个能够实现这种集成且不增加复杂性的材料平台，具有明显优势。

分布于： 2026年8月