從CPO到OOI:台積電COUPE全面解析,51.2Tb/s+開啟AI光互連新時代!

AI速讀
面對 AI 算力因 I/O 瓶頸而產生的「I/O 牆」問題,台積電推出 COUPE 光子引擎平台。該技術透過 SoIC 與 CoWoS 的深度融合,將光互連從板級模組推進至 XPU 封裝內部(OOI),預計可提升 4-10 倍功耗效率並大幅降低延遲。COUPE 透過提升通道速度、數量及波分復用(WDM),規劃將頻寬從 3.2Tb/s 逐步擴展至 51.2Tb/s 以上。此舉使台積電不僅提供製造,更建立完整的矽光生態平台,將 COUPE 定位為連接計算、記憶體與光電互連的「光學中介層」。

🔷CPO並非終點,OOI讓光引擎進一步深入XPU封裝
🔷SoIC+CoWoS+矽光深度融合,COUPE劍指51.2Tb/s+


最近在看 AI 算力產業時,小編越來越明顯地感受到一個變化:決定下一代 AI 系統性能上限的,已經不只是 GPU 算力,而是晶片之間“資料怎麼跑得更快”。隨著算力持續飆升,傳統銅互連正在逼近頻寬、距離與功耗極限,Optical I/O、CPO 開始真正走向舞台中央。

這一次,小編重點關注的是台積電展示的 COUPE 光子引擎平台——通過 SoIC、矽光與 CoWoS 的深度融合,台積電正在嘗試把光互連直接推進 XPU 封裝內部。從 CPO、OOI,到 51.2Tb/s+、CWDM/DWDM,再到光源與 SOA 異質整合,一條面向 AI 時代的下一代光互連技術路線已經越來越清晰。


一、這份材料真正想說明什麼?

主要圍繞台積電 COUPE(Compact Universal Photonic Engine,緊湊型通用光子引擎)如何突破 AI/HPC 系統的 I/O Wall,並推動 AI 互連從銅互連向 Optical I/O、CPO/OOI 演進展開。


二、AI算力高速增長,真正的瓶頸正在從“計算”轉向“I/O”

報告首先指出,Agentic AI 正推動 Token 使用量快速增長。引用 Goldman Sachs 的預測,到 2030 年全球 AI Token 使用量可能達到 120 quadrillion tokens,相比此前增長約 24 倍。與此同時,AI 計算能力與互連頻寬的增長速度已經明顯失配:Logic 算力約每兩年提升 3 倍,而 I/O 頻寬僅提升約 1.4 倍,由此形成越來越嚴重的 I/O Wall。因此,未來 AI 晶片競爭不再只是電晶體數量和計算性能競爭,如何把資料高速、低功耗地送進和送出 XPU,正在成為系統性能擴展的關鍵。


三、銅互連逼近物理極限,AI Scale Up與Scale Out開始轉向光互連

隨著資料速率不斷提升,傳統銅互連在高頻條件下面臨明顯的傳輸距離、損耗和功耗限制。報告認為,Optical Interconnect 能夠顯著延長訊號傳輸距離,因此不僅適用於伺服器之間的 Scale Out,也開始向伺服器內部、XPU之間的 Scale Up 滲透。

報告給出的演進方向非常明確:

Cu → Pluggable Optics → CPO → OOI(Optics on Interposer)

其中 CPO-MCM 將 Optical Engine 整合在封裝基板上,而更進一步的 CPO-OOI,則直接把 Optical Engine 整合到 XPU 的 Interposer 上,光互連正在一步步逼近計算晶片。

四、CPO只是過渡,OOI將光引擎進一步推進到XPU封裝內部

報告給出了一組非常關鍵的資料:相較傳統 Cu,CPO 與 OOI 可以帶來約 4~10 倍的功耗效率提升,同時將延遲降低約 10~20 倍。其中圖表顯示,Cu Wire 能效基準為 1×,Pluggable Optics 約 2×,CPO 約 4×,OOI 可以進一步達到約 10×;延遲則從 Cu 的 1×下降至 CPO 的 <0.1×、OOI 的 <0.05×。

這意味著 AI 光互連的終極方向並不只是“把光模組放得更近”,而是讓 Optical Engine 真正進入先進封裝體系,與 XPU、HBM 和 Interposer 協同整合。報告也因此強調:高整合度、低損耗 Optical Engine 是整個路線的核心。

五、COUPE是台積電打通“矽光+先進邏輯+先進封裝”的核心平台

COUPE 全稱 Compact Universal Photonic Engine。它最大的技術特點,是利用 SoIC Bond Stacking 將先進邏輯 EIC(Electronic Integrated Circuit)與 PIC(Photonic Integrated Circuit)進行垂直整合,並引入 Si μLens、Cu BMR(Backside Metal Reflector)等專有光路設計。

架構圖尤其重要:台積電實際上正在建構一個完整的 AI 整合平台——一側通過 CoWoS + SoIC 整合 HBM 與多個計算 Chiplet,另一側通過 COUPE 將 EIC、PIC 和光學介面加入整個封裝體系。

因此 COUPE 並不是孤立的“矽光晶片”,而更接近於台積電 3DFabric / CoWoS / SoIC + Silicon Photonics 戰略中的關鍵光互連模組。

六、COUPE同時佈局GC與EC兩條光耦合路線,並建立完整矽光器件平台

COUPE 目前包含兩種主要方案:

COUPE-GC(Grating Coupling):採用 Si μLens、Cu BMR、Si/SiN Grating Coupler;

COUPE-EC(Edge Coupling):採用 EC Facet 與 SiN Tip。

在 Tx/Rx 端,COUPE 又進一步整合了 1DGC、2DGC、Tip Coupler、Micro-Ring Modulator(MRM)、Ge Photodetector等關鍵器件。

值得注意的是,台積電不僅提供製造平台,還建立了完整的 Photonics PDK,覆蓋 Si/SiN Waveguide、Bend、Crossing、MMI、MRM、MRR、APD、Phase Shifter、VOA、Temperature Sensor 等大量器件。這說明台積電的目標不是做一個單點 CPO 產品,而是建立一個可以讓客戶進行 Silicon Photonics 設計的平台型生態系統

七、COUPE未來通過“Lane Speed × Lane數量 × WDM”向51.2Tb/s以上擴展

報告給出了 COUPE 最重要的頻寬擴展公式:Bandwidth per COUPE = Lane Speed × Number of Lanes × WDM

也就是說,COUPE 並不依賴單一路徑提升頻寬,而是同時通過三條路線擴展:

Lane Speed:200G → 400G → Beyond 400G

Number of Lanes:16 → 32 → 64 → 128 → Beyond 128

WDM:1λ → 4λ → 8λ → 16λ → Beyond 16λ

由此,COUPE 單引擎頻寬路線從 2026年的約3.2 Tb/s,逐步邁向 6.4 Tb/s、12.8 Tb/s、25.6 Tb/s、51.2 Tb/s乃至更高水平。同時平台兼顧 CWDM 與 DWDM,說明未來 COUPE 的擴展並不只是“把 SerDes 做得更快”,而是高速電介面、多Lane平行和波分復用三條路線共同推進。

八、COUPE下一步走向更深度異質整合,最終成為AI晶片的“光學Interposer”

報告最後展示了 COUPE 後續升級的幾個重點。首先是繼續提高核心器件性能,例如通過Inductive Peaking、MRM 與 EIC Driver 協同最佳化,使 MRM 模擬頻寬提升約 1.8 倍;同時繼續降低 1DGC、2DGC 與 SiN Tip Coupler 的損耗。

更值得關注的是下一階段的異質整合。台積電提出未來可以進一步將 Modulator、SOA(Semiconductor Optical Amplifier)以及 Light Source 整合到 COUPE 平台,而且報告明確指出:“COUPE also functions as an optical interposer.”

這意味著 COUPE 的長期定位可能不僅是一個 Optical Engine,而是逐漸演變成連接 XPU、HBM、EIC、PIC、調製器、光源的光學中介層。最終通過 COUPE + CoWoS + SoIC,把計算、記憶體、電互連和光互連統一到先進封裝平台之中。

🏁 小編總結

AI算力正在撞上I/O Wall,傳統銅互連難以繼續支撐Scale Up與Scale Out的頻寬、距離和功耗需求;台積電希望通過COUPE,將EIC、PIC、矽光器件與SoIC、CoWoS先進封裝深度融合,讓Optical I/O從板級光模組進一步進入XPU封裝內部,並最終形成面向AI/HPC的“光電共封裝”平台(芯聯匯)