英伟达、思科等多家企业决意大量支持这一新型制造平台
GlobalFoundries认为以光速传输数据才是未来趋势,而英伟达、思科等重量级厂商的支持也是对其硅光子制造技术发展潜力的有力背书。

这家总部位于纽约州马耳他市的芯片制造商表示,他们正在与主要客户合作设计新的GF Fotonix平台。根据GlobalFoundries的介绍,这套本周一刚刚发布的全新平台意在满足不断增长的市场芯片需求,强调更低功耗与更快数据处理速度,也将成为GlobalFoundries在快速增长的光网络模块市场上保持领导地位的关键因素。
GlobalFoundries公司计算与有线基础设施高级副总裁兼总经理Amir Faintuch表示,“目前业界已经公认硅光子技术将成为下一轮数据中心革命的必要前提,我们领先的半导体制造技术平台则有助于推动这项技术步入主流应用。”
GlobalFoundries解释称,GF Fotonix属于单片平台,也开业界之先河将300mm光子模块与一块300 GHz级RF-CMOS集成在同一芯片之上。于是这些以往只能分别存在于独立芯片上的光子、射频与互补金属氧化物半导体元件,如今被成功整合在同一芯片当中。
根据GlobalFoundries的介绍,这种单片设计拥有一系列显著优势。实验证明GF Fotonix能够提供单光纤0.5 Tbps传输速率,追平业界单根光纤的最高数据传输能力。以此为基础,GlobalFoundries公司完全可以制造出传输速率在1.6到3.2 Tbps之间的光学小芯片,由此提供更快、更高效的数据传输能力,同时带来更好的信号完整性。
GlobalFoundries认为GF Fotonix将在下一代AI应用场景中大放异彩,将系统错误率降低至现有水平的万分之一。
该公司还强调了GF Fotonix在光子集成电路层面的超高集成度。这意味着客户能够在芯片上封装进更多产品功能,同时“简化芯片基材清单”。
GF Fotonix还支持多种芯片封装解决方案,包括以往只适用于更大光纤阵列的被动附着元件、2.5D封装与片上激光器等。
GlobalFoundries表示,用于GF Fotonix的初片制程设计套件将于今年4月推出。该套件能够与Ansys、Cadence Design Systems以及Synopsys等设计工具配合使用。
这家芯片制造商坚信GF Fotonix这套去年才初次亮相的方案必将获得市场青睐,目前也已经得到多家有意使用该平台的企业客户的积极推荐。
GlobalFoundries公司发布一份声明,提到英伟达正计划将GF Fotonix平台提供的高带宽、低功耗光学互连引入“前沿”数据中心产品,推动高性能计算与AI应用迈入新的发展阶段。
在思科方面,GlobalFoundries已经与这家网络巨头合作开发用于数据中心网络及数据中心互连应用的定制化硅光子解决方案。
思科公司光学系统与光学集团负责人Bill Gartner在一份声明中表示,“我们在硅光子技术领域的巨额投入与领先地位,再加上GlobalFoundries功能丰富的制造技术,必将带来一流的最终产品。”
其他GF Fotonix企业客户还包括量子初创公司PsiQuantum与芯片初创公司Ayar Labs。GlobalFoundries也在声明中提到将为Marvell、Broadcom、Lightmatter以及Macom等企业提供更广泛的硅光子技术支持。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。