导语
AI数据中心真正卡住的，可能不是算力芯片本身，而是芯片周围那条越来越短、却越来越难走的信号通道。
过去几年，行业习惯把注意力放在GPU、先进制程、HBM、液冷和集群调度上。但随着大模型参数规模持续扩张，交换机、光模块和互连系统开始成为新的瓶颈。
一个不太显眼的事实是：当单交换机功耗逼近1800W，传统可插拔光模块的能效边界已经很难再靠小修小补维持下去。
这也是共封装光学CPO重新被推到台前的原因。
CPO的方向并不复杂：把光引擎从交换机面板外部，搬进芯片封装附近，尽可能缩短电信号传输距离。但工程上的难点恰恰在于，当光引擎住进芯片之后，光信号如何低损耗、稳定、可维护地引出来。
这就是GlassBridge，也就是玻璃桥被关注的核心背景。
它不是一个单纯的材料故事，而是AI数据中心从算力扩张进入互连重构阶段后，产业链必须回答的问题：最后几毫米，谁来接？
功耗墙逼近，传统可插拔方案开始失速
传统可插拔光模块的问题，本质上是路径太长。
在现有架构下，光信号进入交换机后，通常要先转换成电信号，再沿着PCB铜线传输10至30厘米，随后再重新转换为光信号。每一次转换都会带来功耗、延迟和空间占用。
在早期，这些成本可以被系统冗余吸收。但到了AI集群阶段，情况变了。
大模型参数规模大约每18个月翻一番，训练和推理对集群互连带宽的要求同步提高。交换芯片速率从51.2T向102.4T、204.8T演进，前面板端口密度越来越高，单端口功耗却越来越难压低。
传统可插拔方案中，单端口功耗约25至30W。随着端口数量增加，交换机整机功耗逼近1800W。对云厂商来说，这不只是技术指标的问题，而是电费、散热、机房电力容量和资本开支的综合压力。
CPO的逻辑因此变得直接：把光引擎直接放到芯片封装内部或附近，将电互连距离缩短到百微米级，单端口功耗降至5至9W，能效提升3至5倍。
这不是锦上添花，而是在功耗墙逼近之后，数据中心网络架构不得不考虑的路线切换。
根据原文所引数据，2024年CPO市场规模仅约4600万美元，到2030年有望增长至81亿美元，年复合增长率达到137%。Broadcom的Bailly芯片已完成百万小时验证，NVIDIA Rubin平台计划在2026年下半年出货。换句话说，CPO正在从实验室叙事进入商用验证阶段。
但CPO并不是把光引擎塞进封装就结束了。真正麻烦的是：光引擎和芯片之间，仍然需要一座可靠的桥。
最后几毫米，为什么最难？
CPO量产最大的工程难题之一，是光信号在芯片波导和光纤之间的耦合。
硅光芯片上的波导宽度只有约500纳米，而单模光纤纤芯直径约9微米。两者之间存在接近20倍的尺度差异。这道模场失配的鸿沟，决定了信号从芯片进入光纤时会发生多少损耗、需要多高精度的对位，以及后期能否维护。
传统方案并非没有解法，但各有代价。
边缘耦合需要亚微米级主动对位。一个端口对位时间往往超过30秒，设备昂贵，量产效率受限。光栅耦合在工艺上相对便利，但偏振敏感、带宽受限，损耗可达3至5dB。更棘手的是永久粘接：一旦耦合点失效，整颗昂贵的CPO模块可能直接报废。
这对数据中心来说很难接受。
因为云厂商采购的不只是性能，更是可维护性、可替换性和长期总拥有成本。如果一项技术在实验室指标很好，却无法在现场快速维修、更换、降本，就很难进入大规模部署。
GlassBridge试图解决的，正是这个问题。
它通过离子交换工艺，在特种玻璃基底内部形成光波导通道。简单理解，就是用化学置换在玻璃中制造折射率差异，从而雕刻出一条条光路，让光信号在玻璃内部稳定传输。
离子交换本身并不是新技术，但康宁在CPO场景中给出了更关键的组合指标：耦合损耗低于1.5dB，偏振相关损耗约0.3dB，高功率耐受超过280mW，并且可以实现纯被动机械对位，不依赖光学反馈。
这几个指标必须放在一起看才有意义。
低损耗意味着链路预算更宽裕；低偏振损耗意味着稳定性更好；高功率耐受对应高带宽、高密度互连需求；被动对位则直接关系到量产效率和设备成本。
更重要的是，
