在AI基础设施的竞赛中，数据传输效率正在成为决定系统性能的关键瓶颈。近日，专注于光互连技术的Ayar Labs宣布完成5亿美元的E轮融资，公司估值达到37.5亿美元，累计融资总额升至8.7亿美元。这一轮融资由Neuberger Berman领投，ARK Invest、Insight Partners、卡塔尔投资局等机构，以及AMD、联发科、Alchip、NVIDIA等半导体行业巨头共同参与，凸显了市场对光互连技术在AI时代价值的认可。
当AI模型参数规模突破万亿级别，训练和推理过程中需要处理的数据量呈爆炸式增长。当前主流的AI基础设施依赖数千个GPU并行运算，而处理器之间的数据传输效率，正在成为制约系统整体性能的关键因素。传统的铜基电气互连在面对超大规模数据传输时，逐渐暴露出诸多短板：信号随距离衰减明显、高带宽传输需要消耗更多电力、高速传输产生的热量难以控制，同时铜布线还会占用大量板卡和封装空间。这些问题导致单纯增加GPU数量，无法实现系统性能的线性提升，互连系统正在成为AI基础设施性能和成本效率的核心决定因素。
光互连技术为解决这一难题提供了新的思路。与传统的电气传输不同，光互连将电信号转换为光脉冲，通过微小的光波导类结构传输数据，在接收端再将光信号转换回电信号进行处理。这种传输方式带来了多重优势：每比特数据传输的功耗更低、带宽容量更大、长距离传输时信号衰减更小，同时能显著提升单GPU的能源效率。在极端带宽需求场景下，光的传输速度更快、能量损失更小的特性，使其成为AI基础设施的理想选择。
数据中心的电力预算正在成为制约AI部署规模的重要因素。如果互连系统消耗过多能源，将直接限制在固定电力范围内可部署的加速器数量。光互连技术通过降低传输功耗，能够有效缓解这一压力，让数据中心在有限的电力预算内部署更多的AI加速芯片，从而提升整体计算能力。
虽然光纤通信在电信领域已经应用了数十年，但将光互连技术直接应用于AI芯片封装，却是近年来的创新方向。Ayar Labs主推的共封装光学（CPO）技术，将光学组件直接集成到计算芯片的同一封装内，而不是像传统方式那样将光学模块放置在服务器板卡边缘或独立的可插拔收发器中。通过缩短电气路径，将光转换过程更靠近处理器，CPO技术能够进一步减少能量损失和延迟。
Ayar Labs的核心技术是其TeraPHY光引擎，该引擎设计为可集成到标准半导体制造和封装流程中，无需客户重新设计整个系统，能够与现有的加速器和交换机设计兼容。这种兼容性降低了技术落地的门槛，有助于加速光互连技术在AI基础设施中的普及。公司的目标不仅仅是实现性能的渐进式提升，而是让数千个GPU能够更紧密地协同工作，形成一个统一的高效系统，同时不会突破电力预算限制。
此次E轮融资标志着Ayar Labs从技术验证阶段进入规模化发展阶段。在2024年底完成1.55亿美元D轮融资后，公司估值突破10亿美元，推动了其光I/O平台的早期量产。新一轮融资将主要用于扩大高容量制造和测试能力，加强在台湾半导体生态系统的布局，并加速商业化部署。
机构资本和半导体行业战略投资者的共同参与，表明光互连技术已经不再被视为纯粹的实验性技术。随着AI基础设施建设的加速，互连效率已经成为影响性能、成本和能源可持续性的核心因素。如果说GPU是现代AI的引擎，那么光互连技术将决定这些引擎能够跑多快、跑多远。Ayar Labs的最新融资，不仅是对其技术路线的认可，更是整个AI基础设施行业向更高效、更可持续方向发展的重要信号。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/ayar-labs-huo-5-yi-mei-yuan-e-lun-rong-zi-gu-zhi-37-5-yi
