要知道，在AI大模型遵循Scaling Law发展的当下，为了取得更好的效果，要么模型规模、要么数据规模，都在往更大的趋势发展。
这就会导致AI大模型在算力层面上，对整个计算、存储，包括中间I/O通信等提出更高的要求。
一言蔽之，数据传输距离远多了，量大了，功耗低了——更适合AI大模型的“体质”了。
传统采用电气I/O的方式（铜线连接）固然有它的优势，例如支持高带宽密度和低功耗，但致命的问题是传输距离比较短（不到1米）。
这要放在一个机架里倒也是没问题，但AI大模型在算力上往往标配都是服务器集群这个量级。
不仅占地面积大，还跨N多个机架，线都是需要几十米甚至上百米的长度，功耗那是相当的高；它会吃掉所有供给机架的电源，以至于没有足够的电去做计算和存储芯片的读写操作。
除此之外，存算比方面，也正是因为大模型“大”的特点，由原来读取一次做上百次计算的比例，到现在直接变成了接近1:1。
这就需要一种新的办法，可以在提高算力和存储密度的同时降低功耗、缩小体积，从而在一个有限的空间里，放进更多的计算和存储。
一个形象的比喻就是，就好比从使用马车（容量和距离有限）到使用小汽车和卡车来配送货物（数量更大、距离更远）。
不仅如此，即使是在相对较近的距离去完成一些更高密度、更灵活的数据传输工作，OCI这种方式则可以类比成摩托车，速度更快且更灵活。
据英特尔介绍，他们已利用了实际验证的硅光子技术，集成了包含片上激光器的硅光子集成电路（PIC）、光放大器和电子集成电路。
并且在此前也展示了与自家CPU封装在一起的OCI芯粒，还能与下一代CPU、GPU、IPU等SOC（系统级芯片）集成。
还没完，英特尔也已经出货了超过800万个硅光子集成电路，其中超过3200万个现已投入到正常的使用中的激光器。
英特尔研究院副总裁、英特尔中国研究院院长宋继强的交流过程中，他对这样的一个问题做了深入的剖析和解读。
与传统电子产品相比，它支持在较远的距离内更快的数据传输速度，同时利用英特尔高容量硅产品制造的效率。
这个光电共封装是把一个硅光子集成电路（PIC），和一个电子集成电路（EIC），放在一个基板上组成了一个OCI芯粒，作为一个集成性连接的部件。
这就意味着xPU，包括CPU，未来的GPU都可以和OCI芯片封装在一起。
OCI芯粒就是把数据中心CPU出来的所有的电气I/O信号转成了光，通过光纤，在两个数据中心的节点或者是系统里面去互相传输。
目前的双向数据传输速度达到了4Tbps，它在上层的传输协议兼容到PCIe 5.0，单向支持64个32Gbps通道，这在目前的数据中心当中是足够用的：
它采用8对光纤，功耗仅为每比特5皮焦耳（pJ），即10-12焦耳，这个数据比可插拔光收发器模块的功耗降了3倍（后者是每比特15皮焦耳）。
在一个光传输的通道里，它实际上有8个不同的波段，每个波段的频率间隔是200GHz，一共占用了1.6THz光谱的间距用来传输。
光从可见光到不可见光，实际上它的频谱宽度是很宽的，从THz开始就算是接近光通讯了。
一个是可以用它来实现通信，还可以把它跟CPU、GPU这些计算芯片封装在一起，计算加通信非常紧密地封装在一起。
我们通过硅光集成和先进封装技术，先进封装英特尔也有非常多不同的技术，就能轻松实现更高密度的I/O芯粒，然后再和其它的xPU结合，未来基于芯粒，形成很多不一样的种类的计算加互连的芯片种类，会有非常好的应用前景。
就OCI I/O接口芯粒的性能演进路线图来看，它目前能够达到32Tbps传输速度的技术方案，主要靠迭代式的稳步提升三个方面的指标，分别是：
这三个指标乘起来，就是目前单向上有2Tbps的数据传输速度，双向即是4Tbps。未来能够继续向上演进，逐步提升带宽能力。
主要是我们把高频率的激光发射器做在了晶圆上，又把硅的光放大器也集成上去，这是两个比较核心的技术，都是在晶圆级去制造出来的。
接下来，我们大家可以量产这样的高集成度激光器，因为这种在片上的激光器的好处是用普通的光纤就可以去传输了。
