拉迪卡·阿罗拉，可插拔硅光子学事业部副总裁兼总经理
凯拉·莱德贝特，射频产品经理
阿文德·纳拉亚南，SiGe产品线总监

随着云基础设施的扩展和人工智能工作负载的加速，数据中心面临着前所未有的需求：既要提供大幅提升的带宽，又要提高能源效率。尽管计算性能飞速发展，但系统瓶颈已转移到连接这些系统的光互连和收发器上。

要实现更长的传输距离、更高的带宽密度以及更低的每比特能耗，现在需要对光模块架构——以及支撑这些架构的技术——进行根本性的转变。 

200G/λ领域的领导者：GF的可扩展硅光子学与高性能SiGe解决方案
数据中心正迅速逼近电气互连的极限，这使得硅光子学成为唯一可扩展的发展路径。 GF 的硅光子学解决方案实现了更高的每波长 (λ) 数据速率、光 I/O 以及考虑封装因素的集成，正在重新定义带宽在下一代纵向扩展和横向扩展架构中的扩展方式。 

GF的硅光子学技术具备所需的传输距离、带宽密度和能效，能够支持行业向200G/λ及更高速率过渡。结合成熟的300毫米制造和晶圆级测试能力，GF提供了一个可扩展、灵活且具备量产能力的平台，旨在适应未来数据速率和先进封装架构的发展，其功能包括： 

• 支持 200G/λ PAM4，这是实现可扩展的 1.6T 收发器的关键 

• 适用于高速发射机架构的多种调制器选项，包括马赫-曾德尔（MZ）、微环（MicroRing）和RAMZI 

• 高速光探测器助力实现先进的接收机性能 

• 集成氮化硅（SiN）波导与光斑尺寸转换器，以实现更高的光注入功率、更高的耦合效率及长期可靠性 

• 同时支持V型槽和标准边缘耦合光纤  

• 基于硅通孔（TSV）的2.5D/3D集成技术，可缩短电路路径、降低功耗，并支持在1.6T工艺节点下实现近封装和共封装光学器件  

值得一提的是，硅锗（SiGe）仍是高性能光收发器的重要使能技术——它为驱动和接收光信号的模拟及混合信号电子器件提供动力。  

继凭借SiGe8XP技术推动行业领先的100G/λ部署之后，GF凭借其新增的高性能SiGe解决方案（包括9HP+），已做好准备引领向200G/λ的转型。 GF的SiGe 9HP+平台树立了HBT性能的新标杆，在提供业界最全面的BiCMOS产品组合之一的同时，实现了340/410 GHz的ft/fmax。 其融合了高速 HBT、先进的 CMOS 集成、低损耗金属布线以及高压 LDMOS，已成为当今最高性能光收发器首选的技术。除了晶体管本身的原始速度外，SiGe 9HP+ 还带来了关键的系统级优势： 

• 更高的集成密度，实现紧凑且散热高效的设计 

• 种类齐全的精密无源元件产品组合，包括金属电阻、MIM电容器和传输线 

• 业界领先的PDK基础设施和器件模型，可加快设计收敛并减少设计迭代 

这些功能相结合，使设计人员能够满足200G/λ时代在功耗、带宽以及紧凑外形尺寸方面的严苛要求。  

从光学到电子的统一路径：硅光子学与SiGe的协同集成
GF 凭借其独特优势，实现了硅光子学与SiGe的协同集成，提供了一套涵盖光学、电子集成电路和先进封装的简化端到端解决方案。 这种全面的方法降低了系统复杂性，提升了可扩展性，并使客户能够充分利用这两项技术的优势——从而释放出克服当今架构瓶颈所需的速度、能效和集成度。 

借助新一代光子学和先进的SiGe BiCMOS技术，为实现400G/λ铺平道路 
要实现400G/λ及更高速率，必须突破传统调制器的限制。 鉴于人们普遍认为，仅靠硅在 200G/λ 以上将面临越来越大的挑战，GF 不仅在不断突破硅技术的极限，同时也在探索新型材料。 这包括一项以混合和异质集成高波克尔斯效应材料（如薄膜铌酸锂 (TFLN)、钛酸钡 (BTO) 和先进电光聚合物）为核心的战略，将这些材料直接集成到我们的硅光子学平台上，以实现更低的驱动电压下的超宽带（>100 GHz）运行。 

GF 还推出了 CBIC——业界首个 SiGe 互补型 BiCMOS 平台，以支持向 400G/λ 的跨越式发展。通过将高速 SiGe HBT 与灵活的 CMOS 集成相结合，CBIC 能够实现针对极端带宽需求进行优化的新型节能收发器架构，其主要优势包括： 

• 业界领先的 NPN 晶体管，其 ft/fmax 值超过 400GHz，可提供更出色的模拟性能 

• 支持创新的放大器拓扑结构，可在显著降低功耗的同时提供高增益带宽 

• 一种模块化方案，可让客户针对特定类别的光模块，灵活调整成本、性能和集成方案 

展望未来：开启光子系统的新纪元
随着光数据速率向多太比特架构迈进，硅光子学、SiGe 以及先进封装领域的创新变得愈发关键。为此，GF 的发展路线图致力于持续提升 HBT 的性能并推进先进的 3D 集成技术，以实现光电元件更紧密的共封装。  

凭借扎实的技术基础和清晰的路线图，GF致力于引领光连接技术的演进，这些技术将塑造未来十年云计算和人工智能基础设施的发展格局。 

想了解更多信息吗？欢迎在OFC展会上与GF的硅光子学和SiGe专家交流，并莅临817号展位，了解我们如何推动下一代光连接技术的发展。 

GlobalFoundries 与 MIPS 如何为雷达、卫星通信及电磁优势领域实现“感知-思考-行动-通信”架构。 

阿什ish·沙阿（Ashish Shah），格罗方德（GlobalFoundries）航空航天与国防事业部副总监
埃里克·舒尔特（Eric Schulte），MIPS销售总监

国防射频平台正从“感知与传输”架构向“感知-思考-行动-通信”的物理人工智能架构演进，其中推理和控制尽可能在天线附近进行，以缩短决策循环，并在对抗性环境中提升性能。 这一转变的驱动力在于频谱和波形复杂性的急剧增加，加之严苛的尺寸、重量、功耗和成本（SWaP-C）限制，以及敏感国防应用中对可信微电子器件日益增长的需求。

从实际应用角度来看，运营商需要一种射频系统，该系统能够适应频谱资源密集、存在干扰、干扰/欺骗、多径传播以及复杂的多功能传感器操作等场景，且无需依赖高延迟的回传链路连接至集中式计算平台。随着频谱资源日益拥挤，决策要求日益趋向实时化，防务系统必须重新设计射频架构，通过闭环、边缘驻留的智能技术，在作战区域内建立电磁优势。

物理人工智能并非一种会带来高开销的软件附加组件。它是射频信号链中的实时工作负载，能够推动从芯片制造到部署全过程的性能提升，涵盖射频保真度、计算能力、功耗/热设计以及任务保障等方面。

射频系统中物理AI带来了哪些变化（系统视角）

传统的射频架构通常会捕获数据、将其数字化并传输至下游处理环节，这导致其难以快速应对动态威胁或不断变化的传播条件。物理人工智能通过将决策纳入处理循环，改变了这一范式，使射频系统能够实现“感知——思考——行动——通信”的闭环运作。

在雷达、卫星通信/通信以及电磁优势领域，这种物理人工智能方法能够实现诸如自适应波形选择、波束/模式调度、干扰识别/规避、发射源分类和频谱分级等节能功能，这些功能在更接近传感器的位置进行处理——从而在降低延迟和带宽需求的同时，提升系统韧性。

需要解决的三个系统级挑战

1)射频保真度（宽频带 + 高密度干扰）

在射频应用中，物理人工智能的实现效果取决于其接收信号的质量。如果射频前端在存在干扰信号时发生饱和、失真或线性度下降，下游的特征提取和推理过程可能会受到影响。系统架构师在实施物理人工智能时，应持续改进线性度、隔离度以及射频行为的可预测性。

示例结果：

• 雷达：更高的信噪比有助于改善人工智能辅助的杂波/干扰处理和分类。
• 卫星通信/通信：前端性能的稳定性有助于改善抗干扰能力和链路自适应决策。
• 信号情报：高隔离度可保护特征提取过程，从而在同址发射源环境下实现实时分类和地理定位。

2) SWaP‑C + 用于环内推理和控制的热余量

在此层级实现智能处理，会在射频传感器附近增加计算和内存需求。许多国防平台在功耗、散热和尺寸方面存在严格限制，同时又需要确定性时序。嵌入式处理器支持事件驱动的“计算突发”（即在需要时进行推理，空闲时恢复低功耗监控），并提供可预测的控制路径，从而在满足各项限制条件的同时，保持传感回路的稳定性。

3) 持续供应品质无虞的微电子产品

战备与威慑能力要求能够可靠地获取微电子元件，这些元件必须经过安全设计、制造和测试，并具备强大的保密性和完整性保护措施，以及可验证的来源追溯性。要挫败对手，还需采用更少受攻击的微电子元件，并集成更多的数字和射频功能。 对于自适应系统，国防承包商还需通过安全通信渠道，建立可信的固件和模型安全更新路径。GF技术支持CMOS与高性能射频电路的集成，可设计出具备高性能射频信号链的先进信号处理功能。

GF 和 MIPS 助力嵌入式物理人工智能

物理人工智能的成功不仅取决于推理吞吐量，还要求在射频链路内部实现确定性的闭环控制。MIPS 嵌入式内核最适合充当决策与控制的核心，将射频观测结果转化为及时的行动，从而支持本地分类、策略选择以及射频信号链的实时调整。 通过采用 GF 技术进行集成，该方案可降低集成风险和遭受攻击的风险（减少片外接口），提高时序可预测性，并支持需要可信制造选项的认证路径。

MIPS 通过针对客户特定工作负载量身定制的解决方案，确立了其核心价值主张。这使国防系统集成商能够根据任务配置文件所要求的具体感知、分类和控制回路，对微架构和实时功能进行调优，同时优化功耗与性能。 由于 RISC-V 指令集架构 (ISA) 本身属于开放标准，客户可以对特权模型和安全扩展进行独立验证，同时避免供应商锁定或任何不透明的微架构行为。此外，RISC-V 的开放标准还支持定制化的 ISA 扩展、硬件信任根以及特定领域的加密加速器。 通过采用 MIPS Atlas Explorer 虚拟平台进行基于“软件优先”开发模式的数字工程，不仅提升了任务能力，还降低了集成风险。作为 CPU 核心的数字孪生，该平台可提供早期工作负载验证和硅片前性能建模，这对缩短开发和认证周期至关重要。MIPS 的完整 Atlas 产品组合专为物理 AI 工作负载打造，通过融合确定性控制、可扩展计算和安全原语，为下一代射频系统提供支持。

从一开始就构建正确的射频到人工智能架构

如果您正在为雷达、卫星通信/通信或信号情报领域开发人工智能辅助的射频功能，GlobalFoundries 可协助您将系统需求与合适的射频平台组合进行匹配，帮助您设计嵌入式 MIPS 物理人工智能内核及可信的安全供应方案——从而加速从架构定义到部署经过测试和认证的微电子器件的进程，同时降低系统集成风险。 请尽早与 GF (MIPS) 接洽，共同确定适用于射频边缘确定性物理人工智能的嵌入式处理器子系统方案。

随着物理人工智能从概念走向实际部署，必须在边缘设备上实时分布式部署智能，同时还要满足严格的功耗、延迟、安全及成本限制。 

为迎接“物理人工智能”时代的到来，GF收购了MIPS——一家领先的人工智能和嵌入式处理器IP、软件及工具供应商。 我们与MIPS首席执行官Sameer Wasson进行了深入对话，探讨了MIPS在架构、IP和设计方面的优势与GF差异化的工艺技术相结合，如何为客户开辟一条通往物理AI的独特路径： 即在边缘端运行确定性、具备安全能力的计算，从而开启新一代能够实时感知、思考、行动和通信的真实机器——以及格罗方德（GF）的专用平台如何实现大规模部署。 

将MIPS引入GF为何是帮助开拓物理人工智能市场的正确战略举措？ 

人工智能正处于一个转折点，客户需要能够安全、可靠地与物理世界交互的实时、确定性智能——这就是我们所说的“物理人工智能”。 MIPS 拥有 40 年的高效、可扩展计算技术积淀，专为性能关键型系统服务，如今其核心聚焦于 RISC-V 应用处理器及实时子系统，这些产品专为低延迟、功能安全与能效优化而设计。 结合 GF 差异化的工艺技术和全球制造能力，我们为客户提供了一项独特优势：一个涵盖 IP、定制芯片和量产的综合平台，使客户能够更快地获得可工作的芯片，并将其定制化应用于现实世界的边缘 AI 场景。 

从为1996年发布的任天堂64提供动力，到Mobileye最先进的驾驶辅助芯片EyeQ6（累计出货量超过2亿片ADAS SoC），甚至作为领先云超大规模服务商基础设施的基础，我们拥有在规模化环境中提供以工作负载为中心的卓越性能的丰富经验。 

GF去年决定收购MIPS，旨在通过将GF领先的工艺技术和制造规模与MIPS的处理器IP及软件支持相结合，携手为客户提供更灵活、更具差异化的解决方案。 这是该决策的核心依据，我们的共同目标是帮助客户更快地实现芯片量产，并根据实际的边缘AI需求对芯片进行定制。 这一时机与交通、通信和数据中心基础设施、机器人以及智能边缘市场中AI需求的激增可谓恰到好处。  

在客户的“物理AI工作负载”各个阶段中，智能是如何体现的？ 

物理人工智能（Physical AI）将数据中心中人工智能模型的能力部署到边缘。物理人工智能的基础是我称之为“S.T.A.C.”的闭环工作负载，它使平台能够感知（Sense）、思考（Think）、行动（Act）和通信（Communicate），并赋能边缘平台实现智能化，同时不会牺牲延迟、安全、隐私或效率。 每个阶段都有独特的计算和系统要求，最成功的平台会对其进行协同优化，而非过度构建任何单一环节。 

对于感知功能，该系统会从摄像头、激光雷达、雷达和模拟输入等传感器收集实时数据，以感知周围环境。它必须在严格的功耗限制内，高效地融合并优先处理这些不同类型的数据。 

在“思考”阶段，系统会利用设备端的AI和控制算法快速解析传感器数据并做出决策。这需要高性能、低延迟的计算能力，在严格的功耗限制内提供确定性的结果——对于在边缘运行的机器人和车辆而言，这一点尤为重要。 

在执行阶段，系统通过控制电机、执行器、制动器或机械臂，将决策转化为物理动作。该阶段要求超低延迟和高度可靠的响应，以便制动或避障等动作能在几毫秒内完成。 

“通信”阶段是系统在内部和外部共享信息的过程——包括子系统之间、与其他设备之间、与云端之间，甚至与人类之间的信息交换。这需要安全、低延迟的连接，并支持多种通信标准（如蓝牙® LE 或 5G），同时确保不会引入延迟。 

本质上，每个阶段都存在不同类型的智能，从用于更精准执行动作的算法，到先进的多模态感知处理。在 S.T.A.C. 循环中，每位客户的工作负载都会略有不同，因此灵活性是成功在边缘实现物理人工智能的关键——同时还要确保不超出功耗、延迟或安全预算。  

MIPS 在 S.T.A.C. 循环的哪个环节有所区别？  

MIPS 在两个关键领域有所不同；其一是我们“软件优先”的协同设计方法。我们首先对客户的工作负载进行分析，在我们的虚拟平台和内核仿真器上运行其技术栈，以便尽早发现瓶颈。然后，我们围绕这些瓶颈对芯片进行优化，从定制指令到内存子系统的调整，确保出厂的 SoC 从第一天起就能满足实际应用的关键绩效指标。 我们的 Atlas Explorer 虚拟平台正是这种“左移”方法的绝佳例证。 

其次，我们在开放的 RISC-V 架构上进行了针对特定工作负载的深度硬件优化。由于我们的 IP 采用模块化设计，因此可以针对具体需求定制内核和子系统。MIPS 多年来一直致力于在处理器 IP 中开创多线程和功能安全技术，从而提供基于事件驱动的、确定性的实时性能以及功能安全保障。  

归根结底，我们帮助客户在其核心模型上运行工作负载，从而在芯片制造之前就深入了解平台设计。这有助于客户根据其试图解决的工作负载所处的具体阶段，合理匹配工作负载与IP的选择。RISC-V开放且模块化的特性，使我们能够在硬件层面（直至内核层面）针对性地优化工作负载，从而释放出深层次的效率和性能潜力。  

您曾提到MIPS的“软件优先”策略。在实际应用中，这具体表现为怎样的形式？  

这意味着在确定硬件方案之前，我们会先对客户的软件工作负载进行分析和性能评估。通过首先了解软件工作负载，我们可以提供优化建议，从而助力软硬件协同设计。通过这种方式，我们可以识别出瓶颈或那些消耗大量处理周期的特定功能，进而优化我们的IP，以高效地处理这些任务。 例如，如果某款自主无人机的导航软件给 CPU 带来了沉重负担，我们可能会引入定制指令或调整内存子系统来加速其运行。这种协同设计流程在软件与硬件之间建立了一个紧密的反馈循环。 随着对高性能、领域专用计算的需求日益增长，分析并优化工作负载与可定制计算平台之间交互的能力，正成为真正的竞争优势。  

“软件优先”的方法弥合了硬件团队与软件团队之间的鸿沟，有助于做出更明智的架构决策，并建立一个可扩展、低风险的工作流程，从而构建符合现实世界性能目标的物理人工智能平台。 

换句话说，在芯片制造完成时，客户的软件已经在硅片上运行顺畅。这种合作模式最终能加快产品上市时间，因为我们已在前期完成了所有调试工作。 它还能降低生产周期的风险，并促进更深入的合作——我们与客户携手并进，这意味着我们不仅是供应商，更是客户产品开发过程中的合作伙伴。 归根结底，以软件为先的思维方式为构建物理人工智能平台带来了可扩展且低风险的工作流程：您能以更少的意外获得所需的性能，并更可靠地达成性能目标。 

您如何描述 GF 与 MIPS 组合投资组合的价值主张？  

这就是平台优势。 新一代物理AI产品的需求主要集中在GF和MIPS的产品组合上；这些产品需要具备超低功耗特性，能在恶劣环境下可靠运行，确保安全可靠且具备智能特性，同时具备供应链韧性。通过将先进的硅技术与智能处理器设计相结合，我们共同满足了下一代物理AI产品的关键需求。 

GF的超低功耗技术，包括其FDX和FinFET平台，能够实现全系统集成，并通过自适应体偏压技术降低功耗泄漏，从而满足物理人工智能应用对严苛功耗限制的要求。 GF的嵌入式存储器、射频集成和先进封装技术，也使我们能够构建高密度、高效率的SoC，这些正是物理AI在部署系统中实现实时响应和能效所依赖的。  

凭借我们产品组合的这种协同效应，我们现在能够帮助客户：  

• 实现业界最低功耗和最高集成度  

• 满足边缘设备的延迟、功耗和成本限制  

• 加快产品上市速度，并提升供应链韧性  

作为MIPS的首席执行官，GF的哪些方面吸引您决定与他们的团队携手合作？    

对我来说，重点始终在于如何为客户创造最大价值。 当我思考在快速崛起的物理人工智能市场中，我们能共同实现什么时，答案不言而喻。通过此次收购，我们构建了一个更完善的客户互动模式，能够从知识产权、定制芯片和软件等多层面为客户提供支持。  

能提供这种全栈解决方案的公司寥寥无几。如果标准的现成芯片无法满足客户的需求，我们现在就能为其定制并生产出符合要求的芯片。正是这种级别的合作伙伴关系，让我深受吸引。 

除了打造领先的技术平台外，GF遍布全球的稳健制造网络使我们能够扩大业务规模，并在自动驾驶、智能设备和工业自动化等高增长领域占据领先地位。在我看来，这种全球布局和卓越的制造能力正是我们为客户带来的核心优势。  

萨米尔，最后一个问题。随着物理人工智能的发展，你最期待的是什么？  

说实话，最让我兴奋的，是看到我们的技术在现实世界中落地生根。类人机器人、下一代自动驾驶功能——这些早已不再是科幻小说中的情节。目前已投入量产的自动驾驶功能，其水平已经超越了许多人曾经认为在这个阶段所能达到的极限。 此外，鉴于“物理人工智能”的发展速度，我认为未来几年我们将见证一些目前尚未进入视野的全新应用的出现。 例如，医院里很快可能会出现执行常规操作的机器人，或者敏捷的配送无人机能够无缝穿梭于复杂环境中。 我尤其期待那些“首次”——首次有人因人工智能驱动的车辆在千钧一发之际做出的决策而获救，或是首款真正能像人类一样理解环境并与之互动的家用机器人。这些都将成为里程碑式的时刻。   

我期待着这样一天：由我们的全栈解决方案驱动的设备能走向世界，带来切实改变——无论是帮助汽车避开事故，还是让仓库里的机器人使作业更加安全高效。看到我们的工作让日常机器具备更高层次的自主性和智能，这便是最大的回报。 鉴于该领域发展迅猛，我猜想我们无需等待太久，便能见证一些令人惊叹的突破。