AI 算力竞赛走到今天瓶颈已经从“晶体管能做多小”转移到“数据能传多快”。当交换芯片速率迈向 51.2T、单端口速率走向 800G/1.6T电信号在 PCB 走线上的损耗和高功耗问题越来越难以承受行业开始认真考虑 Co-Packaged OpticsCPO共封装光学。但走进这个领域你会发现最棘手的环节不是激光器亮度、不是调制器带宽而是“成千上万根光纤怎么对得准”。SemiAnalysis 在近几轮的半导体产业分析中持续跟踪 CPO 落地节奏其中反复出现的一个核心议题就是光纤主动对准与被动对准的取舍。我的判断是CPO 真正的门槛是把光纤对准从一项“工艺操作”升维成了“架构设计”。你必须在芯片和封装设计阶段就想清楚几千根光纤将来用什么方式对准、谁来对准、对不准之后怎么处理。这篇文章就用工程视角拆解主动对准与被动对准的原理、差异、取舍逻辑并给出可以跑通的代码示例和产线排查思路帮你在做 CPO 光互连选型时少走弯路。1. CPO 为什么把光纤对准问题推向前台1.1 可插拔光模块的瓶颈过去十年数据中心的主流方案是“可插拔光模块”。光模块插在交换机面板上通过高速电连接器和 PCB 走线连接到交换芯片。这个架构的优点是维护方便光模块坏了直接拔插更换缺点是随着速率提升电信号在 PCB 上的损耗迅速增大需要依赖 DSP 做均衡和重定时功耗居高不下同时面板空间被大量光模块接口占用带宽密度遇到天花板。CPO 的思路正好相反把光引擎Optical Engine与交换芯片放到同一个封装基板上让光模块不再是一个独立的可插拔盒子而是封装内部的一个组件。这样一来交换芯片到光引擎的电走线只剩几毫米到几厘米信号完整性压力大幅下降功耗也能明显优化。代价是光互连从“面板上的标准化接口”变成了“封装内部的精密装配”。1.2 对准数量从“个位数”变成“成百上千”传统可插拔光模块通常是一根光纤对应一个收发通道工厂里逐个模块做耦合。一个模块内部的对准点一般也就是几个到十几个即使是 800G 光模块核心耦合点也在可控范围内。CPO 则完全不同一个高密度交换芯片可能需要驱动上百个光学通道每个通道至少一根光纤一个封装里的光纤数量轻易达到数百甚至上千根。举个例子。如果一根光纤的对准时间按传统主动对准工艺计算是 1 到 2 分钟那么一千根光纤单纯对准就要十几个小时。这还没算点胶、固化、检测、返修。这个数量级的变化意味着过去“用时间换精度”的工艺哲学必须改变。CPO 时代光纤对准不再是光模块厂内部的事而是封装厂、基板厂、芯片设计团队必须共同面对的系统级问题。1.3 对准精度仍然非常苛刻数量上去的同时精度要求一点都没有放松。单模光纤的模场直径在 9 到 10 微米量级硅光波导通过边缘耦合器把模场扩大后对横向偏移的容差仍然只有 1 微米左右如果直接和三五族激光器或半导体光放大器耦合容差甚至会收紧到亚微米。换句话说你要在几平方厘米的封装区域内把几百上千根光纤以微米级精度对准到芯片波导上可能还要承受温度变化、胶水固化应力、结构变形等一系列干扰。这就是 CPO 把光纤对准推向前台的根本原因数量爆炸和精度苛刻同时发生旧工艺不够快新工艺又不够稳整个行业必须重新选择对准技术路线。2. 主动对准与被动对准两条光路耦合路线的本质差异2.1 主动对准用时间换精度主动对准Active Alignment的核心特征是“带光反馈”。光纤和芯片上电后激光器发出发光信号光从波导一端进入另一端由光电探测器接收。控制系统根据探测器读数驱动位移平台在 X、Y、Z 以及角度等自由度上不断调整光纤位置找到光功率最大、耦合效率最高的那个点然后点胶固定。这个过程听起来和调天线、对焦相机很像只是精度要求高了几个量级。实际设备通常是六轴运动平台配合高精度视觉系统和光电探测器部分先进系统还会引入波前传感器通过分析光斑和波前误差来指导高精度对准。主动对准的优点是精度高、鲁棒性强。它能补偿前道工艺带来的位置误差——只要光纤一开始能扫到光斑的大致位置后续就可以靠反馈收敛到最佳点。缺点是时间和成本昂贵。每根光纤都要经过“粗扫 精扫 固化 复测”的流程还要避免热漂移和机械振动干扰设备投入也大。2.2 被动对准用设计和加工精度换时间被动对准Passive Alignment的核心特征是“不带光反馈”。事先在基板、芯片或封装体上加工出机械基准结构例如硅 V 型槽、定位销、定位槽、焊接自对准结构等。光纤放入这些机械结构中后位置就天然地被限制在设计预期位置附近不再需要通电和实时调整。被动对准的优点是快、可并行、成本低。一个 V 型槽放一根光纤可能只要几秒钟而且一次可以同时组装几十上百根。缺点是对前道加工精度要求极高。既然没有反馈修正那么芯片上波导的位置误差、光纤外径的公差、V 型槽的尺寸误差、点胶时的位移误差全部会叠加到最终耦合效率上。任何一个环节超出容差都会直接表现为耦合损耗超标或良率波动。2.3 混合对准先被动定位再主动微调实际工程中还有一种混合对准Hybrid Alignment逻辑很直观先用机械基准结构把光纤放到一个较大的“捕获范围”内例如偏差三五微米保证光斑已经落在探测器或波导的可接收区域内然后再用小行程主动对准平台做几十微米范围内的精细搜索找到最佳耦合点最后固化。这种方案在精度和成本之间取了一个平衡正在成为 CPO 光互连产线上最受关注的路径之一。为了方便对比两种主流路线的核心差异可以整理成下面的表格对比维度主动对准被动对准对准原理加电后靠光功率反馈实时调整靠机械基准结构限定位置单点精度可达亚微米级通常为微米级和机械加工精度相关单点耗时较长需粗扫和精扫很短放到位即可并行能力弱基本逐点对准强可批量组装设备成本高需要高端运动平台和传感器较低依赖加工和工装精度对前道工艺误差的包容性较强可补偿位置偏移较弱误差会直接叠加适合场景研发验证、少通道高精密耦合大批量、通道数极多的产线场景3. CPO 趋势下主动对准与被动对准的取舍逻辑3.1 核心矛盾数量与精度的冲突既然两种路线各有优势为什么 CPO 时代会让这个选择变得特别难关键在于“数量与精度的乘积”。传统光模块年出货量虽然大但单个模块内部对准点少主动对准的慢节奏还能接受。CPO 把“对准点数量”提高了一到两个数量级同时没有降低精度要求。沿用全主动对准方案产线吞吐量会直接崩盘改用全被动对准方案又可能因为前道工艺公差不够稳定而出现批量性耦合损耗超标。所以 CPO 的光纤对准取舍不是一句“被动优于主动”或“主动更可靠”能概括的。真正的决策变量是三个总通道数、耦合容差、前道工艺稳定性。三者一旦确定选择空间基本就出来了。3.2 趋势判断主动对准退守被动与混合走进量产从产业节奏看CPO 落地一定会经历“研发验证 - 小批量试产 - 大规模量产”三个阶段。在研发阶段通道数量少、样品数量少主动对准是最可靠的手段因为它能帮你快速拿到光学性能数据验证设计是否成立。到了小批量试产混合对准开始变得有吸引力先靠 V 型槽或定位结构保证大部分通道落在捕获范围内再对关键通道做主动微调。到了大规模量产工艺成熟度和来料一致性如果足够好整条产线迁移到以被动对准为主体、主动对准作为抽检和返修补充的方案是更现实的方向。换句话说主动对准不会消失但它会从“产线主力”退守为“研发工具、抽检工具、返修工具”。这一判断隐含了一个关键前提你的芯片波导位置精度、光纤阵列制造精度、封装基板加工精度必须足够稳定。如果前道精度不够被动对准带来的时间收益会被良率损失完全吞掉得不偿失。3.3 反面教训不要为了省时间强行被动对准我在行业交流中见过一个典型的反面案例为了赶产线节拍团队把原本的主动对准工艺直接替换成简单 V 型槽被动对准结果耦合损耗分布非常分散部分通道损耗超出指标 2 到 3dB。最后分析发现问题不在 V 型槽本身而在光纤阵列的纤芯位置公差和芯片边缘耦合器位置公差超出了误差预算。被动对准把“后续找位置的灵活性”去掉了前道问题便全部暴露出来。这个教训说明被动对准省下的时间本质上是用“前道设计和加工的确定性”换来的。如果没有确定性省下的时间会在良率损失和返工中加倍还回去。4. 工程落地的核心误差预算与对准策略选择4.1 什么是误差预算误差预算Error Budget是把整个光路耦合链路上所有可能产生位置偏差的环节按方向和量级拆解、分配、求和最终判断总偏差是否落在耦合容差范围内的过程。它是主动对准和被动对准取舍中最基本也最容易被忽视的工具。在硅光耦合场景里常见误差来源包括芯片上波导或边缘耦合器的光刻与刻蚀位置误差光纤阵列FAU中光纤纤芯的间距误差和高度误差光纤端面研磨的角度误差V 型槽或定位销的加工误差基板与芯片贴装Die Attach后的高度和角度偏差胶水固化收缩造成的位移温度变化引起的热膨胀失配每一类误差都有统计分布。工程上通常以 3σ 作为设计边界把所有误差的平方和开根号RSS 方式得到一个总的位置偏差估计再和耦合容差做对比。4.2 误差预算决定策略选择误差预算的价值在于它让你在做对准工艺选型之前先量化地知道“前道误差有多大、被动对准能不能兜住、需要主动对准补偿多少”。我们可以用一个简化的决策逻辑来看场景通道数耦合容差前道误差推荐策略研发样品少紧不确定主动对准为主小批量试产中中等受控混合对准大规模量产很多中等稳定受控被动对准为主量产初期/工艺波动期多紧波动较大混合对准为主这个表格不是公式而是思路。实操中应该用误差预算公式和统计抽样数据来替代拍脑袋。只要前道误差的 RSS 总和远小于耦合容差就可以放心上被动对准如果两者接近甚至超过就必须保留主动对准的补偿环节或者回头优化芯片和工装的制造工艺。4.3 混合对准的工程流程混合对准是 CPO 产线中最值得投入的折中方案大致流程如下用视觉系统定位芯片上的基准标记计算芯片整体位置。通过机械基准结构V 型槽、定位销放置光纤阵列完成被动预定位。对阵列中代表性通道加电测试判断光功率是否落在可捕获范围。对不达标的通道执行小范围主动微调通常只在一个或两个方向补偿即可。点胶、预固化、终固化并再次检测功率漂移。这套流程中主动对准的行程可以做得非常小设备成本低吞吐量也远高于全主动方案。从产业反馈看它是最接近 CPO 量产现实需求的路径。5. 动手验证主动对准控制逻辑与容差分析代码5.1 为什么写代码验证对准问题的本质是一个“寻优 容差分析”问题。即使你没有 CPO 产线设备也可以用 Python 把耦合模型、粗扫、爬山优化这些核心逻辑模拟一遍理解对准系统是怎么收敛的也能知道偏移多少个微米会损失多少功率。这对做封装工艺、光模块测试和算法控制的工程师都有参考价值。5.2 代码示例一高斯模场耦合效率近似模型实际光纤与波导的耦合效率由模场重叠积分决定。为了快速估算工程上常用两个高斯模场近似来评估横向偏移带来的损耗。# mode_overlap.py # 两个高斯模场横向偏移时的耦合效率近似计算 import numpy as np def coupling_efficiency(offset_um, w1_um4.5, w2_um5.0): 近似计算横向偏移为 offset_um 时两个高斯光斑的耦合效率。 参考公式 eta (2 * w1 * w2 / (w1^2 w2^2))^2 * exp(-2 * dx^2 / (w1^2 w2^2)) 其中 w1、w2 分别是两个模式在耦合面上的高斯模场半径单位微米。 参数 offset_um : 横向偏移量单位微米 w1_um : 模式 1 的模场半径单位微米 w2_um : 模式 2 的模场半径单位微米 返回值 耦合效率取值范围 0~1 mode_mismatch (2.0 * w1_um * w2_um / (w1_um ** 2 w2_um ** 2)) ** 2 lateral_loss np.exp(-2.0 * offset_um ** 2 / (w1_um ** 2 w2_um ** 2)) return mode_mismatch * lateral_loss if __name__ __main__: for offset in [0.0, 0.5, 1.0, 1.5, 2.0, 3.0]: eta coupling_efficiency(offset) loss_db -10 * np.log10(max(eta, 1e-6)) print(foffset {offset:.1f} um - eta {eta * 100:.2f}% ({loss_db:.2f} dB))运行方式python mode_overlap.py预期输出大致如下offset 0.0 um - eta 99.57% (0.02 dB) offset 0.5 um - eta 96.30% (0.16 dB) offset 1.0 um - eta 85.50% (0.68 dB) offset 1.5 um - eta 71.94% (1.43 dB) offset 2.0 um - eta 57.37% (2.41 dB) offset 3.0 um - eta 33.65% (4.73 dB)这段代码看起来简单但作用很大。它告诉你为什么单模耦合的容差那么紧偏移 1 微米就有 0.68dB 左右的损耗偏移 3 微米时几乎接近 5dB。CPO 的误差预算设计必须建立在这种定量关系之上。5.3 代码示例二主动对准的粗扫与爬山法实现主动对准的控制逻辑可以简化为两个阶段先粗扫找光斑再用爬山法精调。下面的代码模拟了一个高斯光斑加噪声的场景用于演示核心反馈闭环。# active_alignment_sim.py # 简化版主动对准先粗扫找光斑再爬山法精调 import numpy as np def read_power(x_um, y_um): 模拟光电探测器读数。 真实场景中此函数应替换为对探测器和运动平台的驱动调用。 x0, y0 0.25, -0.15 sigma 1.2 peak 0.85 signal peak * np.exp(-((x_um - x0) ** 2 (y_um - y0) ** 2) / (2 * sigma ** 2)) noise 0.005 * np.random.randn() return max(0.0, signal noise) def coarse_scan(center0.0, step1.0, grid_range8.0): 在网格范围内做粗扫描返回光功率最大点坐标 xs np.arange(center - grid_range, center grid_range step, step) ys np.arange(center - grid_range, center grid_range step, step) best_x, best_y, best_power 0.0, 0.0, -1.0 for x in xs: for y in ys: power read_power(x, y) if power best_power: best_x, best_y, best_power x, y, power return best_x, best_y, best_power def hill_climb(x0, y0, step0.1, min_step1e-3, max_iter200, threshold1e-4): 在粗扫结果附近做爬山法精调。 每次沿 8 个方向搜索更优点找不到改进时缩小步长直到收敛。 x, y x0, y0 best_power read_power(x, y) directions [ (1, 0), (-1, 0), (0, 1), (0, -1), (1, 1), (1, -1), (-1, 1), (-1, -1), ] for _ in range(max_iter): improved False for dx, dy in directions: power read_power(x dx * step, y dy * step) if power best_power threshold: best_power power x dx * step y dy * step improved True if not improved: step * 0.5 if step min_step: break return x, y, best_power if __name__ __main__: np.random.seed(42) cx, cy, cp coarse_scan() print(fcoarse scan - x{cx:.2f}, y{cy:.2f}, power{cp:.3f}) fx, fy, fp hill_climb(cx, cy) print(ffine align - x{fx:.2f}, y{fy:.2f}, power{fp:.3f})运行方式python active_alignment_sim.py预期输出类似于coarse scan - x0.00, y0.00, power0.424 fine align - x0.25, y-0.15, power0.849这个示例里粗扫定位到了光斑附近但受限于步长还不够准爬山法精调后找到了接近真实中心的位置。真实产线上运动平台还会加入 PID 控制、视觉引导和振动抑制但核心的“读数 - 比较 - 移动 - 再读数”闭环思路是一致的。5.4 代码示例三对准工艺参数模板工程上做对准工艺不能把所有参数都写在代码里通常会用配置文件管理配方。下面是一份 YAML 模板定义了主动、被动、混合三种策略下常见的工艺参数。# alignment_recipe.yaml # 对准工艺参数模板strategy 支持 active / passive / hybrid recipe: product: CPO-Switch-51.2T strategy: hybrid # active / passive / hybrid passive_stage: mechanism: v_groove # v_groove / alignment_pins / solder_self_align fixture_tolerance_um: 2.0 expected_position_um: x: 0.0 y: 0.0 active_stage: scan_mode: coarse_then_fine coarse_grid_step_um: 1.0 coarse_range_um: 8.0 fine_step_um: 0.1 convergence_threshold_db: 0.05 max_iterations: 200 curing: adhesive_type: uv_low_shrinkage uv_dose_mj_cm2: 800 post_cure_recheck: true quality: coupling_loss_target_db: 1.0 sampling_ratio_percent: 100 log_enabled: true这类配置文件可以帮助团队统一工艺参数方便追溯产线版本。实际项目中可以在引入 MES 或工艺管理系统后按批次记录每根光纤的对准方式、设备编号、操作配方和测试结果为后续良率分析留好数据基础。6. 主动对准与被动对准在生产中的常见问题不管是主动对准还是被动对准CPO 产线都会遇到一些典型的工艺问题。下面整理了几个高频问题和排查方法。问题现象可能原因排查方式解决方案主动对准固化后耦合功率明显下降UV 胶固化收缩导致光纤位移对比固化前后探测器读数检查胶层厚度和涂布位置换用低收缩胶水采用两段固化固化时用夹具保持位置被动对准批量耦合损耗离散度大V 型槽尺寸、光纤外径公差累计超标测量来料尺寸分布做 SPC 统计过程控制对光纤和基板按公差分档优化 V 型槽加工工艺对准过程中功率读数漂移平台热漂移、外界振动、气流扰动检查设备隔振与温控环境观察长时间静态读数改善环境控制提高采样平均次数用 PID 锁定位置粗扫描找不到光斑起始点偏差太大光纤端面脏污波导耦合器异常先用显微视觉确认机械位置清洁端面确认激光器和探测器工作正常扩大粗扫范围增加视觉预定位增加端面清洁工序阵列对准中个别通道功率偏低FAU 光纤高度不一致光纤间距误差局部点胶位移单独测试低通道用显微镜检查阵列端面检查 FAU 加工质量按通道补偿必要时手工微调不良通道同一配方在量产时良率突然波动来料批次变化工装磨损环境参数变化对比原材检验报告检查工装磨损情况查看 MES 参数变化记录建立来料抽检机制定期校准工装对配方变更做验证这些问题的共性是不要只看对准工序本身要从“来料 - 工装 - 设备 - 环境 - 胶水”全链路找原因。光学耦合对微小变化极其敏感一个看似无关的环节变化最终都会出现在功率测试结果里。7. 实践建议与工程视角补充7.1 在设计阶段就把对准策略定下来很多 CPO 项目是先完成光电设计再到封装阶段才发现对准是个大麻烦。更稳妥的做法是在芯片、基板和封装联合设计阶段就引入对准工艺视角。例如边缘耦合器的位置和尺寸会影响它和光纤阵列之间的间距敏感性V 型槽的加工方式决定了被动对准能拿到多少精度。这些决策最好在 tape-out 前完成而不是等芯片回来再补救。7.2 研发期尽量多采集主动对准数据研发阶段不要急着追求生产效率反而建议多利用主动对准设备收集数据。每一根光纤在对准时其实都在告诉你很多信息粗扫光斑在哪个位置、精调后最佳点在哪个位置、不同通道的位置偏差有多大、固化后偏了多少。这些数据是评估“能否切换到被动对准”的最好依据。如果研发期没有这些数据量产期换被动对准会非常盲目。7.3 用统计过程控制管理前道精度被动对准的前提是前道精度稳定。建议对光纤阵列、硅基板、V 型槽等关键来料建立 SPC 监控定期计算关键尺寸的均值和标准差。一旦发现某个参数出现漂移趋势就要提前调整工艺或提高主动补偿比例。等良率掉下来再处理损失会大得多。7.4 固化工艺要单独验证很多团队在验证对准方案时只测固化前的耦合效率忽略了胶水固化这一环节。实际工程里UV 胶固化收缩、热应力释放都可能让光纤产生几微米的位移对耦合容差 1 微米量级的场景来说这个位移量是致命的。建议每次更换胶水型号、点胶量、固化光源时都做一组“固化前 - 固化后”对比测试并记录功率漂移。7.5 保留返修能力CPO 封装结构复杂几百上千根光纤如果一次性胶死后期维修会非常困难。实践中要考虑是否有返修方案能不能局部解胶能不能重新对准单根光纤至少要在设计阶段评估返修成本和可维护性。这也是主动对准作为“返修工具”继续存在的重要价值。7.6 善用仿真工具新项目的耦合结构和对准公差设计建议先用光学仿真工具如 Zemax 等做初始评估再结合工艺数据验证。仿真能帮你快速做参数扫描理解模场失配、偏移、端面角度对耦合效率的影响。不过要记住仿真永远无法完全替代实际工艺验证因为产线上很多误差来源是非理想、非对称的这些只有数据能看到。8. 总结CPO 趋势下光纤主动对准与被动对准的争论本质上不是技术路线之争而是数量、精度、成本三者之间的平衡问题。主动对准用时间换取精度适合研发和小批量被动对准用设计和加工精度换取时间适合大规模量产混合对准则是在两者之间建立过渡带的现实方案。真正决定你该选哪条路的不是“哪个更先进”而是你的误差预算表上还有多少余量。前道工艺稳定、误差可控被动对准就能跑起来前道工艺波动大、容差紧主动对准仍然是可靠的兜底策略。最好的工程团队会同时掌握主动、被动和混合三种能力在不同的产品阶段灵活切换。如果你正在做 CPO 相关项目建议先把文中的耦合效率模型和主动对准模拟代码跑一遍感受一下“偏移 1 微米意味着多少损耗”再拉着光学设计、封装工艺和制造团队把误差预算表建起来。这比纠结一个具体设备参数更能解决根本问题。下一步值得继续深入的方向包括多芯光纤与 CPO 的结合、更高密度光纤阵列的自动检测技术、以及利用光学仿真和机器学习进行对准参数优化的方法。光纤对准不会永远是“老师傅手艺活”它会像半导体封装里的其他工艺一样逐步走向数据驱动和标准化。希望这篇文章能帮你少走一些弯路。