3. 计算芯片I/O需求建模

光I/O不是先有器件再找用途，而是先有计算芯片的互连需求，再反推光引擎应满足的带宽、粒度、并发与功耗指标。本节从AI加速器、CPU、GPU、存算一体四类典型负载出发，建立一套可操作的I/O需求建模方法，最终形成一份可交付的光I/O需求规格。

一、四类负载的I/O行为差异

不同计算芯片的I/O行为差异极大，建模的第一步是识别其主导流量模式。

• AI加速器（训练/推理）：以矩阵乘加为核心，权重与激活张量在片外HBM与计算阵列间高频搬运。训练时存在AllReduce、AllGather等集合通信，流量呈突发、大块、周期性特征；推理时以权重加载为主，访问粒度大但并发度相对低。
• CPU：以缓存行（64B）为基本访问粒度，访存延迟敏感、并发请求多但单次数据量小，跨Socket/跨节点一致性流量（如目录协议消息）占比可观。
• GPU：SIMT架构下大量线程并发访问，单次事务通常为32B/64B/128B，显存带宽需求极高；多GPU训练时NVLink/PCIe承载梯度同步，呈现高并发、中等粒度、强同步特征。
• 存算一体（CIM/PIM）：计算发生在存储阵列内部或近旁，片内带宽极高，但跨芯片/跨层互连成为瓶颈，访问粒度与阵列组织强相关，常为行/块级批量访问。

这四类负载的差异，决定了光I/O不能只追求峰值带宽，而必须同时匹配访问粒度、并发模式与功耗预算。

二、带宽密度：从芯片边缘算起

带宽密度是光I/O最核心的规格参数，定义为单位芯片边缘长度可提供的双向带宽，单位为Gb/s/mm。建模时需区分三个层次：

芯片边缘带宽密度 = 单通道速率 × 通道数 / 边缘占用长度
封装级带宽密度   = 光引擎总带宽 / 光引擎封装占位面积
系统级带宽密度   = 可插拔光模块总带宽 / 面板或机箱占用空间

以某AI加速器为例（示例假设）：单通道50Gb/s，每毫米边缘可布置8个通道，则芯片边缘带宽密度约400Gb/s/mm。若采用可插拔光模块，受面板密度限制，系统级带宽密度可能仅20~40Gb/s/mm，相差一个数量级。这正是CPO（共封装光学）的价值所在——把光引擎移到封装内，缩短电链路并提升密度。

三、访问粒度与并发模式

访问粒度决定光链路的帧结构、缓存深度与协议开销。CPU的64B缓存行要求低延迟小包传输；AI加速器的张量块可达KB~MB级，适合大包突发；存算一体的行级访问则介于两者之间。

并发模式需刻画三个维度：并发请求数（in-flight transactions）、方向对称性（读/写比例）、时间相关性（是否同步突发）。例如AllReduce是典型的“多对多、同步、双向均衡”模式，而推理权重加载是“一对多、异步、读主导”模式。光I/O的仲裁与调度策略必须与这些模式匹配，否则会出现链路利用率低或尾延迟高的问题。

四、功耗预算：pJ/bit是硬约束

光I/O的功耗通常用每比特能耗（pJ/bit）衡量。建模时需把总功耗拆解为：

总功耗 = 电SerDes + 光调制驱动 + 激光器 + TIA/接收 + 时钟与均衡
目标：端到端 < 5 pJ/bit（短距CPO场景）
      端到端 < 10 pJ/bit（可插拔场景）

以400Gb/s双向链路为例，若目标5pJ/bit，则总功耗预算约2W。其中激光器与调制驱动往往占一半以上，因此外置激光源（ELS）与低驱动电压调制器成为关键。功耗预算必须与散热能力联合评估：封装内可承受的额外热耗通常不超过10~20W，这直接限制了单封装可集成的光通道数。

五、从需求到规格：建模流程与交付物

把上述分析整合为一份可执行的光I/O需求规格，建议按以下流程推进：

1. 采集负载特征：从profiling或仿真中提取带宽、粒度、并发、读写比、突发长度。
2. 换算芯片边缘需求：按峰值带宽×利用率系数（通常0.6~0.8）得到有效带宽。
3. 确定带宽密度目标：结合封装尺寸与可布置边缘长度，反推Gb/s/mm。
4. 约束功耗：按pJ/bit目标计算总功耗，与散热预算比对。
5. 输出规格表：通道数、单通道速率、粒度、协议、功耗、温度范围、可靠性指标。

下面这张图把四类负载的I/O特征与光I/O规格参数之间的映射关系集中呈现，便于在建模时快速对照。

六、规格表示例

下表给出一份面向AI加速器训练场景的光I/O需求规格示例（参数为合理假设，用于说明字段与量级，非实测结果）：

完成规格表后，还需做一次反向校验：把规格代回负载模型，检查在典型并发模式下链路利用率是否达到预期、尾延迟是否可接受、功耗是否落在散热包线内。只有通过反向校验的规格，才具备进入光引擎选型与协同设计阶段的资格。