光子专用集成电路(PASIC)芯片设计商及制造商OpenLight(总部位于美国加利福尼亚州圣巴巴拉县戈莱塔,于2022年6月作为独立公司正式成立,推出了首个集成III-V族激光器、调制器、放大器和探测器的开放式硅光子平台)宣布,其与苏州TFC光通信有限公司(一家提供光学子组件集成解决方案及先进光电封装制造服务的企业)的生态系统合作持续取得新进展。双方合作最初于2025年宣布,旨在加速推进硅光子生产及光通信系统的后端流程。此次合作的核心仍聚焦于推进高度集成硅光子光引擎所需的集成、组装与制造工作流程,OLP-PM13306 400G测试板是这一进展的最新成果。
OLP-PM13306旨在对OpenLight的400G电吸收调制器(EAM)进行测试与评估,其方案是将高速驱动器与光子集成电路(PIC)集成于基于通孔玻璃过孔(TGV)的高速印刷电路板(PCB)之上,并配合低损耗光纤连接单元(FAU)共同使用。完整的光学子组件——包括基于TGV的PCB设计、FAU集成及组装——均由TFC负责设计与制造。该器件已在OpenLight参加OFC 2026展会期间于其展台公开展示。
随着硅光子技术在数据中心、AI/ML以及新兴光网络应用领域的普及持续加速,后端生态系统的成熟度对于支持更高水平的光子集成及不断提升的单通道数据速率需求,变得愈发关键。
自OFC 2025上宣布初步合作以来,OpenLight与TFC已将合作范围扩展至支持更高速度的光引擎及不断演进的集成需求。TFC已为OpenLight的100G及200G单通道发射器PIC提供光学子组件方面的支持,此次合作进一步延伸至400G单通道器件。上述努力体现了双方合作在提升集成与组装工作流程成熟度的同时,与硅光子光引擎日益增长的数据速率需求同步推进的战略重点。
OpenLight与TFC的合作为客户提供了光学子组件领域更完善的生态系统选择,有助于简化从晶圆成品到完整光纤附接光引擎的供应链流程。该合作旨在降低复杂性、提升可制造性,并支持更快速的产品上市进程。
"随着硅光子技术的持续普及,成功与否越来越取决于后端生态系统的就绪程度,"OpenLight首席执行官Adam Carter博士表示,"我们与TFC的持续合作,致力于实现客户在光引擎高度集成化并迈向量产阶段所需的实用、可扩展的集成与组装工作流程。"
"TFC很荣幸能够支持客户开发下一代硅光子产品,例如此次展示的基于TGV基板的400G EAM,"TFC首席执行官Lucy Ou表示,"我们持续投入于先进光学子组件、光电及系统集成解决方案相关核心技术,并充分发挥我们遍布三个国家、共七处全球设施的优势。通过与OpenLight的紧密合作,我们正将先进的光子集成转化为可规模化制造的光学子组件,以推动更广泛的行业普及。"
Q&A
Q1:OLP-PM13306测试板的主要功能是什么?
A:OLP-PM13306是由OpenLight与TFC合作开发的400G测试板,主要用于对OpenLight的400G电吸收调制器(EAM)进行测试与评估。该测试板将高速驱动器与光子集成电路集成于基于TGV的高速印刷电路板上,并配合低损耗光纤连接单元使用。整套光学子组件(包括PCB设计、FAU集成及组装)均由TFC负责设计与制造,并已在OFC 2026展会上公开展示。
Q2:OpenLight与TFC的合作从2025年到现在有哪些进展?
A:自2025年OFC展会上宣布初步合作以来,双方已将合作范围从最初的后端流程加速,扩展至支持更高速度的光引擎。TFC先后为OpenLight的100G、200G单通道发射器PIC提供光学子组件支持,目前合作已延伸至400G单通道器件。最新成果OLP-PM13306 400G测试板即是这一阶段性进展的体现,双方旨在共同打造可扩展、可量产的硅光子光引擎集成工作流程。
Q3:硅光子后端生态系统为何越来越重要?
A:随着硅光子技术在数据中心、AI/ML及新兴光网络领域的应用持续扩大,单通道数据速率要求不断提升,对后端生态系统的成熟度提出了更高要求。后端生态系统涵盖集成、组装与制造等关键环节,直接影响硅光子光引擎能否顺利实现高度集成并推向量产。完善的后端生态有助于降低供应链复杂性、提升可制造性,并加快产品上市速度。
好文章,需要你的鼓励
本田汽车因电动车战略失败,创下上市以来最大亏损,电动车相关损失高达1.45万亿日元(约92亿美元)。本田CEO宣布全面调整战略:放弃2040年淘汰燃油车计划,转而推进混动路线,计划到2028年推出两款新混动车型原型,并在本十年末全球发布15款新混动车型。与此同时,本田将暂停150亿美元的加拿大电动车工厂建设,并将俄亥俄州电动车产线改为混动和燃油车生产。
中山大学等机构发现,多模态AI在同一道物理题因表达形式改变时推理能力明显下滑,视觉数值与物理实体的绑定是最核心瓶颈,且遮黑训练图片同样能提升测试成绩。
IEEE信号处理学会与《IEEE信号处理精选主题期刊》联合发布专题征稿,聚焦"网络化AI"领域。该研究方向旨在让机器人和AI系统摆脱孤立运行模式,通过互联网络实现集体学习、实时协同优化。研究涵盖多智能体机器人、分布式AI、边缘智能、自动驾驶等方向,探索系统在无需人工干预的条件下自主进化的可能性。论文征集截止日期为2026年6月15日,成果将于2027年1月发布。
这项由纽约大学与弗拉托恩研究所开展的研究证明,允许可学习嵌入时,Transformer只需对数维度就能存储大量事实,MLP充当通用关系选择器而非知识查找表,思维链可绕开多跳推理的容量瓶颈。