最新消息
📡 CPO 終結 AI 功耗噩夢！告別傳統光模組：輝達、博通搶佔 50%節電新標準

作者：小編於 2025-12-15

43
次閱讀

隨著 AI 伺服器集群算力不斷擴張，傳統可插拔光模組因訊號損失過大、功耗過高及頻寬不足等三大缺陷，已成為限制 AI 算力繼續成長的致命瓶頸。為突破物理極限，業界巨頭如輝達（Quantum X Photonics）和博通（Tomahawk 5-Bailly）正全力押注 CPO（共同封裝光學） 技術。

CPO 技術的核心是將光學引擎與交換晶片共同封裝，大幅將電氣路徑從數十公分縮短至毫米級。此革命性機制能顯著降低訊號衰減，預計可將光電轉換功耗降低 $50\%$ 以上，並輕鬆支援 1.6T 甚至 3.2T 的超高頻寬。輝達與博通的 CPO 產品預計將於明年（2026 年）開始放量，這標誌著 CPO 將從技術概念進入商業化高速增長階段，為 AI 數據中心帶來全新的經濟模型。

📡 CPO 終結 AI 功耗噩夢！告別傳統光模組：輝達、博通搶佔 50%節電新標準

🔖 文章目錄

一、前言：AI 算力擴張下的光通訊極限與 CPO 的革命性地位
二、⚙️ 技術瓶頸：傳統可插拔光模組的三大致命缺陷
三、💡 CPO 核心：共同封裝光學的機制、技術基石與極限優勢
四、🚀 巨頭佈局：輝達與博通的 CPO 產品線、時間表與市場策略
五、💰 商業估值：CPO 對數據中心經濟模型與 TCO 的深遠影響
六、📈 觀點建議：CPO 供應鏈的機遇、技術挑戰與台灣產業角色
七、✅ 結論：CPO 技術對 AI 產業的長期戰略意義與未來展望

一、前言：AI 算力擴張下的光通訊極限與 CPO 的革命性地位

全球運算架構正經歷一場由生成式 AI 驅動的典範轉移。AI 伺服器集群的運算規模已不再是單純的數量堆疊，而是對互連技術 (Interconnect Technology) 提出了指數級的挑戰。在數千甚至數萬顆 GPU 組成的超大規模 AI 叢集 (Hyperscale AI Cluster) 中，數據傳輸的速度、功耗和延遲，已成為限制算力持續增長的最終瓶頸。

1.1 從電氣互連到光學互連的極限轉換

在單一 AI 伺服器機櫃內，數據傳輸已由高速電氣線路（如 PCIe Gen5/Gen6）主導，但在機櫃與機櫃之間、以及數據中心內部的長距離傳輸，則必須依賴光通訊。傳統上，光通訊以可插拔光模組 (Pluggable Optics) 為主流，但其在 800G/1.6T 世代已瀕臨物理極限。

挑戰核心： 隨著資料速率 (Data Rate) 的提升，銅線傳輸的訊號損耗與串擾 (Crosstalk) 呈幾何級數增加，迫使系統必須消耗極高的電力進行訊號補償。

1.2 CPO：突破物理限制的技術跳躍

CPO (Co-Packaged Optics，共同封裝光學) 是一項將光學引擎與核心交換晶片 (ASIC) 共同封裝在同一基板上的革命性技術。其戰略意義在於：

縮短電氣路徑： 將高速電訊號的傳輸距離從公分級縮短至毫米級，繞過 PCB 傳輸瓶頸。
降低功耗： 實現光電轉換的能效比 (Energy Efficiency) 突破。

輝達、博通等 AI 基礎設施巨頭對 CPO 的全力押注，證明了這不僅是技術迭代，更是數據中心在熱管理、電力供應和算力密度三重壓力下的必然選擇。

二、⚙️ 技術瓶頸：傳統可插拔光模組的三大致命缺陷

傳統可插拔光模組的架構，在低速時代表現出色，但在 400G 以上的超高速環境中，其固有的設計缺陷開始顯現為系統性的問題。

2.1 訊號損失與訊號完整性 (Signal Integrity) 的崩塌

缺陷機制： 傳統架構中，ASIC 與光模組之間的電氣訊號需要經過數十公分的 PCB 走線和連接器。在 $56 \text{ Gbps}$ 或 $112 \text{ Gbps}$ 的 PAM4 高速訊號下，訊號在銅線上的衰減（Insertion Loss）極其嚴重。
影響分析： 為了確保訊號到達模組端仍可被辨識，ASIC 必須內建複雜的等化器 (Equalizer) 和 DSP (Digital Signal Processor) 進行補償。這不僅導致延遲增加，更將大量的電力浪費在訊號驅動上。
物理極限： 業界普遍認為，傳統可插拔模組的電氣連接已很難可靠地延伸到 $224 \text{ Gbps}$ (即 1.6T/3.2T 世代)。

2.2 系統功耗的黑洞效應與熱管理危機

高功耗源頭： 傳統模組的高功耗主要來自於：
1. 光電轉換元件本身的損耗 (Laser/Driver)。
2. DSP 訊號處理晶片： 用於訊號恢復和補償，佔據了模組功耗的重要比例。
雪上加霜： 隨著 AI 晶片 (如 B200) 本身功耗突破 $1000\text{W}$ ，如果光模組的功耗（單個 $800\text{G}$ 模組可能高達 $20\text{W}$ 或更高）繼續疊加，將使數據中心單機櫃的熱負荷（Thermal Load） 達到極限。
PUE 經濟性崩潰： 功耗暴增直接推高數據中心的 PUE 值，使得運營商的能源成本難以承受，限制了 AI 服務的經濟可行性。

2.3 頻寬密度 (Bandwidth Density) 與擴展性受限

空間瓶頸： 可插拔模組需要獨立的外殼、光學接口和散熱裝置。在交換機面板上，模組的體積限制了單一交換機可容納的光口數量，從而限制了總頻寬密度。
算力天花板： 頻寬密度的不足直接導致 AI 訓練集群中的單一交換機瓶頸。如果交換機無法提供足夠的頻寬來連接不斷增加的 GPU 數量，則整個集群的有效算力 (Effective Compute) 將被互連瓶頸鎖定在一個較低的天花板上。

💡 三、CPO 核心：共同封裝光學的機制、技術基石與極限優勢

CPO 技術的實現，是微電子封裝、矽光子、和光纖耦合等多項頂尖技術的結晶。

3.1 CPO 的機制核心：光進電退的微米級集成

架構變革： CPO 將光學引擎 (Optical Engine) 放置在距離交換 ASIC 晶片極近的位置，通常在 $\text{5mm}$ 以內。
電氣路徑優化： 由於電氣路徑極短，高速訊號無需經過長距離 PCB 走線，極大地降低了損耗、串擾和反射。這使得 ASIC 可以使用更簡單的電驅動電路 (Less Complex Drivers)，甚至可以省去複雜的 DSP 晶片。
訊號傳輸模式： 晶片將訊號以高速電訊號傳輸到緊鄰的光學引擎，由光學引擎直接轉換為光訊號，再經由MT (MPO) 連接器引導至外部光纖。

3.2 技術基石：異構集成與矽光子 (Silicon Photonics)

CPO 的商業化可行性，建立在兩大技術進展上：

矽光子 (Silicon Photonics, SiPh)：
- 功能： 允許在標準 CMOS 晶圓上製造波導、調變器、探測器等光學元件。
- 優勢： 實現了低成本、高良率、高集成度的光學引擎。這是 CPO 能與交換晶片共同封裝的基礎。
先進異構集成 (Advanced Heterogeneous Integration)：
- 功能： 採用 2.5D/3D 封裝技術，將交換 ASIC（電氣）、矽光子引擎（光學）和電氣驅動晶片（電氣）精確地集成在一個共同的基板（如矽中介層） 上。
- 優勢： 實現微米級別的精準對準和連接，確保訊號在電氣和光學域轉換時的極低損耗。

3.3 CPO 的極限效益量化

CPO 性能指標	傳統可插拔模組 (800G)	CPO 解決方案 (800G/1.6T)	效益提升率
光電轉換功耗 (pJ/bit)	約 $5 \text{ pJ/bit}$ 以上	預計可降至 $1 \sim 3 \text{ pJ/bit}$	$40\%$ - $60\%$ 功耗降低
頻寬密度 (Tbps/in²)	受限於模組體積，密度較低	體積大幅縮小，密度提升 $2-4$ 倍	實現單交換機 51.2T 甚至 102.4T 的總頻寬
延遲 (Latency)	訊號補償和 DSP 處理增加延遲	顯著降低，對 AI 訓練至關重要	數十納秒 (ns) 的優化

四、🚀 巨頭佈局：輝達與博通的 CPO 產品線、時間表與市場策略

兩大巨頭的行動不是孤立的產品發布，而是對未來 AI 數據中心標準的定義權之爭。

4.1 輝達 (NVIDIA)：Quantum X Photonics 的生態系統整合

產品定位： Quantum X Photonics 平台不僅是 CPO 模組，更是輝達 Infiniband 和乙太網 (Ethernet) 解決方案中，與 NVLink 互連技術並駕齊驅的光通訊核心組件。
技術細節： 輝達的策略是將 CPO 集成到其專有的交換機 ASIC 中，確保軟硬體生態系統的無縫整合，提供從 GPU、網卡 (NIC) 到交換機的端到端低延遲光通訊。
放量策略： 初期將以其最高階的 GH200/GB200 AI 伺服器平台作為主要應用場景，鎖定 Tier 1 雲服務供應商和超級運算中心。預計明年（2026 年）開始放量，這與其下一代 AI 晶片的出貨週期高度吻合。

4.2 博通 (Broadcom)：Tomahawk 5-Bailly 的市場標準化

產品定位： 博通的 Tomahawk 5-Bailly 交換晶片是業界領先的 ASIC 解決方案。將 CPO 技術整合進交換晶片，旨在為廣泛的數據中心客戶提供標準化、高性能的 CPO 解決方案。
生態系統影響： 博通在網絡設備市場具有統治地位。其 CPO 產品的推出，將加速整個業界對 CPO 技術的接受和採納，降低 CPO 的進入門檻。
競爭優勢： 博通的 CPO 解決方案將與其** SerDes (串行/解串器)** 技術深度結合，實現最佳的電氣性能，並確保在 1.6T/3.2T 世代的競爭力。

五、💰 商業估值：CPO 對數據中心經濟模型與 TCO 的深遠影響

CPO 的商業價值不僅體現在性能指標上，更在於對數據中心運營成本 (OPEX) 的革命性優化。

5.1 數據中心 TCO 的量化優化模型

CPO 對 TCO 的影響可以分解為以下幾個方面：

成本項目	傳統方案 vs CPO 方案的成本分解	關鍵商業價值
能源成本 (OPEX)	假設單一機櫃每年節省 $2\text{ kW}$ 功耗，十年總節省金額巨大。	功耗降低 $40\% \sim 60\%$ ，顯著延長數據中心現有電力基礎設施的壽命。
資本支出 (CAPEX)	CPO 雖然單價高，但允許更高的集群密度，單位運算力的資本支出更低。	減少對額外電力供應、UPS 系統和昂貴冷卻設備的投資。
伺服器密度	CPO 減少了交換機的體積，使單一機櫃可容納的伺服器數量增加。	提高房地產資產利用率，實現更高效的運營空間。

5.2 催生新的數據中心液冷生態系統

CPO 和高功耗 AI 晶片的集成，使得液冷技術 (Liquid Cooling) 成為數據中心的標準配置。CPO 產生的熱量集中，使得近晶片液冷 (Near-Chip Liquid Cooling) 更具效率。這將帶動液冷供應鏈的全面爆發。

六、📈 觀點建議：CPO 供應鏈的機遇、技術挑戰與台灣產業角色

1. CPO 供應鏈的投資機遇與價值重分配

觀點： 隨著 CPO 成為主流，光通訊產業的價值鏈將從傳統模組組裝，轉向前端技術密集型環節。
核心受益領域：
1. 矽光子元件製造與封裝： 台灣的晶圓代工和先進封裝優勢將在此環節扮演關鍵角色。
2. 雷射光源 (Light Source) 供應： CPO 對雷射光源的穩定性、輸出功率和波長精度要求更高，供應商需具備極高的技術壁壘。
3. 光纖陣列與連接器： 雖然 CPO 減少了交換機內部的電氣路徑，但光纖陣列（FA）和 MT 連接器的密度和精度需求大幅增加。

2. CPO 技術的挑戰與風險：熱管理與良率

熱管理挑戰的深入分析：
- 熱密度 (Heat Flux)： CPO 將交換 ASIC（可能 $1000\text{W}$ 以上）和光學引擎緊密封裝，使得單位面積的熱密度暴增。這要求液冷解決方案必須能夠在極小的區域內有效帶走大量熱能。
- 材料科學壁壘： CPO 封裝材料必須能承受高溫和長期熱循環，同時不能對光學訊號造成影響。
量產良率與耦合挑戰：
- 光學耦合良率： 傳統上，光纖與光學引擎的耦合需要微米級別的精準對準。在 CPO 中實現大規模、自動化的高良率耦合，是決定製造成本的核心瓶頸。台灣的自動化設備和測試機台廠商將有機會參與解決此難題。

七、✅ 結論：CPO 技術對 AI 產業的長期戰略意義與未來展望

CPO 技術的普及，不僅是光通訊的升級，更是確立了 AI 算力增長的可持續性。輝達和博通的行動已為市場指明方向，預計 2026 年的放量將是 CPO 成為 AI 數據中心標準配置的元年。

總結來說：

CPO = AI 算力延續的物理基礎。 它成功突破了傳統光模組在訊號損耗、功耗和頻寬密度上的所有物理極限。
供應鏈轉移： 價值鏈將向矽光子、先進封裝和熱管理等高技術壁壘環節集中。
戰略地位： 台灣在晶片製造、先進封裝和光學元件領域的優勢，使其在全球 CPO 供應鏈中具有不可替代的戰略地位。

CPO 的普及將加速液冷技術的應用和數據中心架構的革命，為整個 AI 生態系統帶來長期的、結構性的成長動能。

專營台灣/日本/泰國/越南

工業地產/房地產買賣出租

物件眾多、無法即時刊登

請直接加LINE ID:803033

0981-681-379 曾先生告知需求

詠騰社群連結

官方Facebook粉專👉🏻https://www.facebook.com/www.yuteng.com.tw

官方IG👉🏻instagram.com/yuteng.tw?igsh=MXM5Y2Vib2J4NDEzcw==

官方Tiktok👉🏻tiktok.com/@yutengtw

官方Youtube👉🏻https://www.youtube.com/channel/UCuJkPV3xU7YNnFJV9c_yrXQ