激光焦点世界：是什么启发了这项工作？

Rajiv Pancholy：主要有两个灵感：第一个是对关键网络应用的光互连成本、功率和可靠性的颠覆。第二个是将关键工作负载迁移到云端，并引入处理大量数据的新服务。这些趋势推动了对专用人工智能 (AI) 和机器学习 (ML) 结构的需求，这将需要新的纵向扩展和横向扩展计算和网络架构。

LFW：Bailly 是如何运作的，它提供哪些好处？

Pancholy：如今，网络交换是在超大规模数据中心内使用交换 ASIC（专用集成电路）完成的。这些 ASIC 中的每一个都连接到可插拔光接收器以连接层（LEAF、SPINE 等）以传输数据。这些具有可插拔或插座式光收发器的传统开关系统需要高功率来平衡信号在穿越长迹线和多个连接器不连续点时产生的信号损伤。在传统系统中，逃逸密度受到收发器电连接器的机械设计限制的限制。通过消除这些接口并直接从开关 ASIC 驱动光学器件，我们可以将系统功耗降低 30%，并显着降低成本/比特。

LFW：Bailly 最令人惊讶的事情是什么？

Pancholy：这是一款全光 51.2-T CPO 交换机，每 800 G 可实现 5.5 W 的功率。目前可用的可插拔模块需要 14–16 W/800 G。

LFW：为什么选择硅光子学？

Pancholy：硅光子学提供了一种集成封装光子学和电子学的方法。有了它，我们可以将 128 个光学收发器（体积至少为 3 立方英尺）缩小到四分之四的大小。通过这次崩溃，我们节省了 50% 的 I/O 功耗。

瞻博网络、思科、Marvell 和许多其他公司都进行了收购以进入硅光子学领域。英特尔和现在的 Broadcom 已经通过大量投资在内部开发了这项技术。

LFW：应用程序？

Pancholy：当我们开始展示最高密度光子学 IC 的全部功能时，我们将促进单个光罩 ASIC 上的海滨连接挑战，同时降低总成本/比特。CPO 将不仅支持网络，而且支持 GPU 到 GPU（图形处理单元）互连、资源池和内存分解，同时我们将继续满足具有高带宽、基数连接和最低的 AI/ML 训练集群的需求每比特成本具有最低的功率使用效率。