NEW EVENT
最新活動
BG Wallet
OKX
幣安
HOT ARTICLES
熱門文章
Featured Articles
專題精選
AI 爆發至今,大眾的目光都聚焦在 GPU ,先搶到 Nvidia 晶片的公司,就掌握進入 AI 時代的門票;但當 GPU 的功耗、算力逐漸的大幅上升時,算力的結構開始出現微妙變化。
算力仍然很缺,這不可否認,除此之外還有一個急迫性更高的部分 — 傳輸,目前一顆 GPU 的資料處理達到 TB 級別,在傳輸上也是 GB/s 、 TB/s 等級,過往的傳輸方式採用 “ 銅線 “ ,但銅的物理極限已讓傳輸出現限制,AI 的瓶頸也從也從 “ 算不夠快 ” 轉變成 “ 傳輸的不夠快 ”。
本文也將透過剛舉辦完的 2026 OFC ( 光纖通訊展 ) 帶各位讀者進入光傳輸的世界,後續也將帶到美股的五家重點光通訊公司 Broadcom ( AVGO ) 、 Coherent ( COHR ) 、 Lumentum ( LITE ) 、AXT ( AXTI ) 、 Tower Semiconductor ( TSEM ) 。
本次文章因專有名詞較多,所以會在各段落下方放置專有名詞解釋表,以提供各位讀者快速理解。
過往有一條定律大眾多少都有耳聞 — “ Moore’s Law ( 摩爾定律 ) ” ,一旦提到 CPU 無人不知無人不曉;其實在這之後有一條運用在電腦科學已久的定律 — “ Amdahl’s Law ( 阿姆達爾定律 ) ” ,這條定律主要闡述的是系統的速度上限。
1967 年阿姆達爾提出,講述平行運算與系統的極限,如今 2026 年這項定律又重新在 AI 基礎設施上出現,最開始是算力的幅度不夠,到後來是資料中心建設不足,直到 2026 年演變成傳輸不夠快,瓶頸都在,只是層層的轉移至各種不同的技術層面。
而 OFC 2026 備受關注的原因正是因為大家都注意到,想在 AI 競賽中奪得先機的話,光傳輸將會是一大重點,但在此前還有一項重大展會,為 OFC 率先做出敘事,那就是 NVIDIA 的 GTC 大會。
相關專有名詞表:
NVIDIA 在過去幾年最為知名的產品是 “ GPU ” ,但在 2020 年當時,該公司為未來做出一項敘事 — 收購 Mellanox ,藉此掌握了晶片到網路的整條架構,收購 Mellanox 的這個動作使得 Spetrum 系列的網路交換器逐步的被升級為 AI 專用網路。
在 2026 年的 GTC 大會中, NVIDIA 也提到新一代的 Vera Rubin 架構開始導入矽光子與 CPO 技術,提升跨機櫃 ( scale - out ) 的頻寬效能,而下一代的產品 Feynman 更是進一步將光技術導入機櫃內部 ( scale - up ) ,逐步用光取代銅。
此外 NVIDIA 更是在 GTC 大會前提出一項戰略投資,投資 Lumentum 與 Coherent 各 20 億美元,並附帶多年的採購協議,以確保雷射光源的供應,顯示出光在供應鏈當前的必要性與前瞻性,在這一切的背後,都指向同個終極目標:打造所謂的 AI Fabric。
AI Fabric 這個詞在各大網站或新聞用詞逐步地出現,看似是新用詞,但實則不然,最直觀的解釋就是讓數千顆 GPU 變成像一顆巨型的 GPU 網路架構,達成流量調度、延遲控制的系統工程,其中光就扮演著關鍵主角,他將決定數據的傳速能有多快。
光在 AI Fabric 有三大重點:
極低延遲:減少節點的等待
超高頻寬密度:每單位空間要塞入更多的頻寬
極致的功耗:電力的每 bit 已經從技術規格轉成財務指標
正是這三項使得 AI Fabric 的本質從單顆晶片的算力轉變成規模式的成長,也讓 OFC 2026 展得以有多樣化的技術突破方案 :如 Broadcom 的 Taurus DSP、Coherent 的 CPO Demo,到 Lumentum 的 VCSEL Scale-Up 方案。
NVIDIA 在 2020 年當時對於光傳輸的鋪陳,現在總算是要大幅走進世界。
本段相關專有名詞:
圖1.
光通的演進速度,如同人類歷史對於 “ 速度的發展 “ 一樣是階梯式成長,人類對於速度的發展是從 5 km/h ( 步行 ) → 10 km/h ( 馬車 ) → 100 km/h ( 蒸汽火車 ) → 100 km/h 以上 ( 汽車 ) → 800 km/h ( 飛機 ) → 1200 km/h ( 超音速飛機 ) ,而光通訊的發展也是從 200 G → 400G → 800G →1.6T → 3.2T 的發展模式。 ( 圖 1. )
光通這場速度競賽,主要著重在兩大部分:” 單通道速率 “ 、 “ 通道數量 “ ,當聽到人說 1.6 T 的時候就表示這個 " 光模組 ” 的總資料傳輸速率。
※ 光模組公式:總頻寬 = 單通道速率 x 通道數量
ex:1.6T = 200G / lane x 8 lane 一般會是 8 條 200G 的光通道所組成,但這些通道不一定會對應 8 條實體的光纖,有時會使用 DWDM ( 多波長 ) 技術,也就是一條光纖但裡面有 4 種 400 G 的光或是 200G / lane ,然後採 4 種不同的光,每種光分配到兩條的配對方式,但最終還是依據傳輸距離與建置成本,來計算採用的是 DWDM 或是多條光纖。
本段專有名詞:
Silicon Photonics 就是所謂的 “ 矽光子 ” ,該題材不管在台美股都相當熱門,但究竟何謂矽光子?
矽光子最直白的想法就是想成 “ 矽 ” + “ 光 ” 兩者混合後的產物,其主要是透過 CMOS 製程、晶圓大規模化等半導體成熟的製造邏輯,導入光通訊的領域。
那讀者們肯定會想問:為什麼是 " 矽 ” ?
在半導體產業中 “ 矽 ” 是最成熟的材料且可大規模製造,成本也相對其他材料低,但有項重大問題 “ 矽 ” 本身不發光。
因此需透過 “ 外部雷射光源 ” 最常見的就是採用 “ 磷化銦 ( InP ) ” 作為基板製成的雷射,藉此做為光源使用 ,也是導致美國公司 AXT ( 股票代碼: AXTI ) 備受關注的因素。
若矽光子是解決 “ 如何製造光學元件 ” ,那 CPO ( Co-Packaged Optics ) 就是處理光學元件究竟該放置在哪的問題。
過往的可插拔光模組是插在交換器前的面板 ( 圖 2. ),訊號從 ASIC ( 專用網路處理晶片 ) 輸出,經過銅纜抵達光模組的入口,過去在 100G / lane 的時代,銅纜都還負荷的了,但當 400G / lane 、 800G / lane 出現,銅纜的訊號出現衰減或變形,就需要使用 DSP ( 數位訊號處理器 ) 、 Re - timer ( 重計時器 ) 進行訊號的補償,導致功耗的上升與電力的消耗。
而 CPO 的出現,則是將銅纜的這段距離縮減掉,使得光學引擎與 ASIC 封裝在同一基板上,讓補償需求大幅縮減,而相比過往方案, CPO 可帶來約 20% 至 50% 的功耗縮減。
目前相關實際產品有: Broadcom 的 102.4T Tomahawk 6 交換器、 NVIDIA Specrtum-X ( 其中:Spectrum-6 提供 102.4T 傳輸能力、 Spectrum-7 提供 204.8T 傳輸能力 ) ,這都顯示出 CPO 正隨著傳輸頻寬而持續的拓展。
但 CPO 也並非最優解,主要有三大問題: “ 維護費用 ” 、 “ 散熱問題 ” 、 “ 良率 ” ,在解決當前這三大問題前,還有一項過渡解: LPO ,主要重點在於移除 DSP ,改成透過 ASIC 進行訊號的處理,維持可插拔得便宜維修費與功耗優勢。
圖 2. 可插拔光模組
相關專有名詞表:
在 OFC 2026 中有項技術正從主流的討論轉往商業化初期 — Optical Circuit Switching ( OCS , 光交換機 )。
過往 OCS 的概念就曾被提出,只是一直待在實驗室中,但此次在 OFC 2026 中被第一次重視,而展會上 Lumentum 展示出 R300 OCS 、 Marvell 展示出 1.6T 光學 DSP 系統。
在理解 OCS 前,讓我們先理解網路節點傳輸的方式:” 光 → 電 → 光( OEO ) ”
這種方式相當耗能且延遲度高,但 OCS 將這種方式改變轉成全程維持在光當中傳輸,不僅降低每個節點的功耗,也將延遲時間壓縮至奈秒等級。
但 OCS 這個概念的野心不只是把架構作的省電,而是想改寫網路拓樸的運作方式,透過軟體控制光的連接, OCS 可動態重組 GPU 之間的聯絡結構,讓 AI 可以在不同工作負載中調配出最佳效率,但要將「 OCS 」確實落地實現前,中間還存在一道現實的鴻溝。
產業的路徑並非一蹴可幾,而是階段性上升,在這條路徑中, CPO 是第一步,而中間有個與 CPO 層級相當的 NPO 過渡型態,提供比可插拔模組更短的電氣走線、又保有比 CPO 更高的維護彈性,也是當下多數資料中心正在評估的現實選擇,到最後 OCS 將可能是光通訊這條路的最終型態之一。
當前 OCS 仍需與傳統電交換架構協同運作,但方向已無罣礙,像是 Meta ( ex: 參與 Open Compute Project 的 OCS 專案 )、Google ( ex: Apollo OCS 系統 )、Microsoft ( ex: 參與 Open Compute Project 的 OCS 專案 ) 等皆持續驗證投入,就是該技術最好的背書。
相關專有名詞表:
此次 OFC 2026 ,除了專注在 OCS 這個概念外,相關公司所發布的產品也具備獨特優勢,有些年化成長甚至達到 85% ,但礙於篇幅過長,筆者將相關公司獨立至下一篇,對光通有興趣的讀者們可別錯過了!
Jing
用代幣與股票看世界,當個股幣衝浪的韭菜