AI 與半導體

CPO 矽光子革命全解析 - NVIDIA 與台積電都在賭的未來!一次看懂AI時代從技術到銅退光進的黃金十年

2026/09/08 38 次瀏覽 24 分鐘

本文您將讀到

  • 物理極限的真相: 為什麼 AI 算力越強,銅線傳輸卻成了最大的拖油瓶?深入淺出解析銅退光進的必然性。
  • CPO 技術演進史: 從「插拔式模組」到「CPO」,一張圖看懂光引擎是如何一步步搬進晶片核心,解決能耗與延遲問題。
  • 產業鏈的破壞式創新: 深入解析 ELS (外置雷射) 與 台積電 COUPE (3D堆疊) 如何重塑製造標準。新的架構如何解決散熱與製造難題?
  • 未來十年的成長路徑:引用權威數據,矽光子市場將迎來 CAGR 27.5% 的爆發性成長。從前哨戰到全面爆發,帶您預覽 2024-2035 年的產業發展劇本。

前言 : 當 AI 的大腦跑得太快,身體卻跟不上

隨著 AI 的爆發性成長,產生的資訊量如同海嘯一般席捲而來。但問題來了:傳送這些資訊的數位高速公路,也就是我們傳統的銅線電路,現在正面臨史上最嚴重的交通堵塞。

當我們拼命想把傳輸速度加快的時候,整條公路就開始過熱、功耗飆高,訊號的延遲也越來越嚴重,就像法拉利塞在車陣裡面動彈不得。

為了解決這個大塞車,整個科技業都在看同一個方向——矽光子 (Silicon Photonics)共同封裝光學 (CPO)。講白了,就是別再用「電」這個龜速貨車了,我們改用「光」這台高鐵來運送資訊。

今天我們一起來聊聊:矽光子到底是什麼?它怎麼運作?為什麼 AI 的未來沒有它就不行?還有,現在檯面上有哪些巨頭正在為了這張門票打得不可開交?我們的目標很簡單,就是帶您看清這場從「電」轉向「光」的巨大變革,將如何徹底顛覆我們對運算世界的想像。

什麼是「矽光子」 (Silicon Photonics)?

一句話解釋:用「光」來傳訊,但用「做晶片的方法」來製造。

矽光子就是把光學元件直接做到矽晶片上,讓資料靠光來傳輸,而不是靠電流。這樣的好處主要有三個:

  • 更低延遲 (Faster): 光速傳輸效率遠高於銅線中的電子訊號,能大幅減少延遲。
  • 更低功耗 (Lower Power): 光在傳輸過程中的能量損耗極小,功耗遠低於銅線。
  • 更高可靠度 (Reliability): 在大規模的高頻傳輸下,光的效率與抗干擾能力更好、頻寬密度提升,錯誤率更低。

我們都很熟悉 CPU、GPU 等晶片是用積體電路在裡面跑運算;那矽光子我們可以想像成,我們在同一片微小的晶片上,打造出一套積體光路來傳輸訊號。

【關鍵名詞】光的軌道——光波導 (Waveguide) 
我們知道光纖是連接城市的高鐵,那當光進入了微小的矽晶片之後,它要怎麼走?總不能讓它亂跑吧?這就需要光波導。

您可以把光波導想像成是晶片內部的微型光纖,或者是光子的專用軌道
它是利用半導體製程,在矽晶圓上刻出一條條奈米等級的溝槽,利用折射率的差異,把光「關」在這個溝槽裡,強迫它沿著路線跑,甚至可以讓光轉彎。矽光子技術的精髓,其實就是如何造出損耗最小、轉彎最順的光波導

什麼是CPO (Co-Packaged Optics)?

一句話解釋:縮短通勤距離,把「翻譯官」直接搬進「大腦」隔壁。

CPO (共同封裝光學) 是矽光子技術的進一步演進與具體應用。其核心概念是將負責光電轉換的光學引擎 (Optical Engines) 與「交換器 ASIC 或 GPU 運算晶片」,共同封裝在同一個基板 (Substrate) 上

為什麼非做 CPO 不可?

為什麼不能像之前一樣,晶片歸晶片,光收發模組歸光收發模組,各自獨立就好呢?

不行。因為在現在的 AI 資料中心裡,一顆 ASIC 晶片要處理的數據量太過龐大,如果還要先把訊號從晶片送出去,經過印刷電路板 (PCB),再傳到邊緣的光模組,那段路徑雖然看似不長,但對高速訊號來說,只要多走一公分就是巨大的能量損耗以及延遲

CPO 要解決的,就是這段最後一吋的距離

CPO 的最大優勢就是省電與加速資料傳輸。根據預估,導入 CPO 技術可能削減整個伺服器機櫃達到 40% 的電力消耗。對於那些每年電費高達數億美元的大型資料中心來說,這數字非常驚人,這就是為什麼產業非走 CPO 這條路不可。

現在的霸主——光收發模組 (Optical Transceiver)

在 CPO 還沒全面接管世界之前(特別是 2024-2026 年這段黃金期),AI 資料中心是靠著一種叫做光收發模組的硬體在運作的。

這是一個投資人必須看懂的產品,因為它是目前 AI 硬體供應鏈中,業績爆發力僅次於 GPU 的板塊。

光收發模組是什麼?(光纖的翻譯官)

光收發模組通常是一個金屬封裝的小盒子,大小像是一個加厚版的 USB 隨身碟。

光收發模組插在伺服器交換器 (Switch) 或網卡的面板邊緣

功能很單純,負責翻譯,當資料從 GPU 出來(是電訊號),模組把它轉成雷射光(光訊號),打進光纖,當光從光纖傳回來,模組把它轉回電訊號,丟給 GPU。

模組內部的三大核心元件

要完成上述任務,盒子裡必須要有三個核心元件。投資光通訊,其實就是在投資這三樣東西的技術變革。

一個高階的 800G 光模組,其內部運作依賴於以下三個關鍵光學元件的協同作業:

光源——雷射 (Laser)

  • 它是能量來源沒有光,就沒有載體。 它負責產生一道穩定、連續的光束。
  • 主流技術 (EML): 在 400G/800G 高速傳輸領域,業界標準採用 EML (電吸收調變雷射)。簡單來說,EML 就是把「雷射」跟「調變器」做在一起的高階晶片,它的光束品質極好、速度快,適合長距離傳輸。
  • CPO 架構下的演變: 由 EML 轉向「光電分離 (ELS) + 矽光子晶片 (SiPh)」這是一個重大的技術轉折,為什麼我們不再用 EML 了?
  • 雖然 EML 效能好,但在 CPO 架構下有兩個致命傷:
    1. 太熱(生存問題):EML 對溫度極度敏感。如果把它放進高溫的 GPU 封裝裡,它很快就會燒壞。
    2. 太貴(成本問題):EML 把「調變器」也用昂貴的三五族材料做。但在矽光子 CPO 時代,我們希望能用便宜的矽 (Silicon) 來做調變器。 因此,CPO 採取了「拆解」策略:我們不再使用「一體機」的 EML,而是把它拆成兩半:
  • 只負責發光的部分 → 變成結構簡單、便宜的 CW 雷射,並移到外面變成 ELS(解決散熱)
    (後面將會針對 ELS 有更詳細的敘述)

負責調變的部分 → 改用便宜的 矽光子調變器,並整合進晶片內部(降低成本)。
 

訊號調變——調變器 (Modulator)

  • 負責把訊號寫入光波中
  • 雷射光只是持續地亮著。我們需要一個「超高速快門」,依照電子訊號的 0 和 1 寫入光波中,快速地遮擋或讓光通過。這個快門就是調變器。
  • CPO 架構下的演變: 整合至矽光子晶片 (PIC)
    以前調變器是用昂貴的三五族材料做的。但在矽光子 CPO 時代,可以用矽(Silicon)做出這個快門,這也是降低成本的關鍵!

訊號接收——光二極體 / 光偵測器 (Photodiode, PD)

  • 負責接收訊號,負責接收光訊號並還原為電訊號。
  • 這是接收端的眼睛。當光纖另一端傳來光訊號時,光二極體一照到光就會產生電流。它負責把接收到的光,還原成電腦讀得懂的電訊號。
  • CPO 架構下的演變: 整合至矽光子晶片 (PIC)。 跟調變器一樣,PD 也會被微縮,直接做在運算晶片旁邊的矽光子晶片上,實現高度整合。

傳輸介質:光纖 (Optical Fiber)

出了盒子之後,訊號就進入了高速公路 : 光纖。

在 AI 資料中心這種極高速(800G)且短距離(機櫃對機櫃)的場景中,光纖扮演了血管的角色。

挑戰: 光纖非常細(比頭髮還細)。在傳統模組中,插拔很容易;但在未來的 CPO 架構下,因為光引擎變得很小且塞在晶片深處,要如何把這條「光纖」準準地插進去(對準精度要求奈米級),是封裝廠最大的技術門檻。

透過上述拆解,我們可以清晰地看到技術演進的路徑:

現狀 (光收發模組):

  • 雷射、調變器、PD 是獨立的離散元件 (Discrete Components),封裝在一個盒子裡。

未來 (CPO)

  • 雷射 → 獨立為 ELS (外置)。
  • 調變器 & PD → 微縮並整合進矽光子晶片 (PIC) 中。

弄清楚了這三大元件的物理特性與功能後,下一章我們就可以正式進入光引擎的搬家之旅,探討這些元件是如一步步從邊緣搬進晶片核心的。

光引擎的搬家之旅:從「郊區通勤」到「核心同居」

既然我們知道 CPO 是未來的救星,但羅馬不是一天造成的,光學封裝技術也不是一夜之間就跳進晶片裡的。

請大家看一眼附圖(圖中從上到下),這四個階段其實講述了一個核心邏輯:為了省電與提速,我們正想盡辦法把「光引擎」搬到離「運算晶片 (ASIC)」越近越好的地方。

這就像是為了解決上班通勤的疲勞,你決定從郊區一路搬家,最後直接住進公司隔壁一樣。讓我們由上而下來拆解這段演進史:

Source:日月光

演進階段

架構位置描述

支援傳輸速度

技術特點與現況

1. 可插拔光收發器
(Pluggable Transceiver)
位置:主機板邊緣
光模組像隨身碟一樣插在伺服器面板上,距離運算晶片最遠。
100G / 400G / 800G【目前主流】
技術最成熟、維修最方便(壞了直接拔換)。但在 800G 以上的高速傳輸中,因為銅線路徑過長,導致訊號衰減嚴重且功耗過高。
2. 載板光學封裝
(OBO, On-Board Optics)
位置:主機板上
(System Board)
將光模組從邊緣移至主機板上,放置在靠近運算晶片的地方。
800G / 1.6T【過渡方案】
雖然縮短了傳輸距離,改善了部分訊號品質,但因為無法完全解決散熱與維修便利性的矛盾,並未成為大規模普及的主流架構。
3. 共同光學封裝
(CPO, Co-Packaging Optics)
位置:同一基板內 (Substrate)或中介層 (Interposer)
將光引擎與運算晶片緊密封裝在一起。在高階製程中,通常透過先進封裝的中介層來連接,以達到極致的傳輸速度。
3.2T / 6.4T / 12.8T【次世代高階主流】
電子傳輸路徑極短,大幅降低傳輸功耗(可省約 30-40%)並提升頻寬密度。是目前解決 3.2T 以上超高速傳輸的首選技術。
4. 光學
輸出/輸入
(Optical I/O)
位置:晶片互連介面
光學元件直接整合於晶片設計中,作為原生的輸入輸出介面。
6.4T / 12.8T 及以上【未來終極目標】
進一步微縮光學元件,實現晶片與晶片之間直接以光訊號互連(Chip-to-Chip Optical Interconnect),徹底突破頻寬物理極限。

從這張演進圖與表格我們可以得出一個投資與技術的鐵律,目前的產業進度正處於從第一階段(可插拔)邁向第三階段(CPO)的關鍵轉折點。

傳統的可插拔光學模組(pluggable optics)成長速度已跟不上資料中心流量的增長,CPO的出現旨在解決此瓶頸。透過將光學引擎移至晶片旁,CPO大幅縮短了電子訊號的傳輸路徑,這使得系統可以捨棄傳統可插拔光模組中為了補償銅線損耗而使用的高功耗DSP(數位信號處理器),是增加互連頻寬密度與能源效率的顛覆性作法。當傳輸速度需求超過 1.6T 甚至來到 3.2T 時:「誰能把光引擎做得越小、放得離晶片越近,誰就是下個世代的贏家」,這也是為什麼 Broadcom、NVIDIA 與台積電等巨頭,都將研發重心鎖定在表格下半部的 CPO 與 Optical I/O 技術上。

CPO vs. 可插拔光學:與傳統方案相比,CPO在多個關鍵指標上展現出巨大優勢。

特性

可插拔光學 (Pluggable Optics)

共同封裝光學 (CPO)

優勢解讀

電氣路徑

極短

CPO 確保了高速訊號的完整性,無需複雜修復。

能源效率

每位元能量消耗較高

功耗降低 20%–50%

省下的電費與散熱成本極為可觀。

埠口密度

受限於交換器前面板空間

顯著提升

支援 51.2T 及更高容量,晶片邊緣不再擁擠。

延遲

較高

顯著降低

對於分秒必爭的 AI 訓練至關重要。

散熱管理

模組獨立散熱,易產生熱點

封裝級統一散熱

雖然熱源集中,但更易於透過液冷等技術優化。

可維護性

優 (可熱插拔)

劣 
(需更換整個系統)
這是 CPO 最大的商業痛點。為了解決此問題,業界發展出了 ELS (外置雷射) 架構,我們將在後續詳細介紹

CPO被視為實現800G、1.6T乃至更高交換容量的關鍵技術,是應對未來AI基礎設施頻寬需求的必然選擇。

CPO 的製造術——台積電的 COUPE 技術

在搬家之旅中,我們看到光引擎終於搬進了運算晶片的隔壁(CPO 架構),成功縮短了傳輸距離。

這聽起來很美好,但工程上卻是一個巨大的惡夢。要實現 CPO,我們必須把兩種截然不同、性格迥異的晶片完美結合在一起。在介紹台積電的黑科技之前,我們先來認識PICEIC

PIC 與 EIC 是什麼?

一個完整的矽光子引擎,其實是由「光」與「電」兩顆晶片分工合作組成的:

  • PIC (光晶片): 負責傳導光。前面提到的光波導(道路)和調變器(快門)都在這上面。
  • EIC (電晶片): 負責控制訊號。它負責發號施令,控制 PIC 何時開燈、何時關燈。

要實現 CPO,我們必須把負責「光訊號」的晶片 (PIC) 和負責「電訊號」的晶片 (EIC) 完美地結合在一起。這件事聽起來容易,做起來極難。而台積電之所以能成為 AI 霸主,不只是因為它能造 GPU,更是因為它掌握了這項關鍵的光學封裝技術——COUPE

什麼是 COUPE?全名: Compact Universal Photonic Engine (緊湊型通用光子引擎)。

簡單來說,這是台積電專門為矽光子打造的一種「3D 堆疊技術」。

在過去,光晶片和電晶片是「平放」在基板上,像是兩間蓋在隔壁的平房,中間拉一條電線來溝通,路徑長、阻抗高,訊號容易損耗。 但在 COUPE 技術中,台積電用獨家的SOIC技術,直接把電晶片 (EIC) 疊在光晶片 (PIC) 的上面。

這種COUPE的設計,解決了傳統光學模組的三大痛點:

  1. 電阻更低 (更省電): 在 COUPE 架構中,EIC 與 PIC 之間是用「金屬對金屬」直接黏合的,幾乎沒有距離。訊號不需要走過平面的導線,而是直接「搭電梯下樓」。這讓傳輸損耗接近於零,大幅降低了功耗。
  2. 體積更小 (更省空間):

因為變成垂直堆疊,原本兩顆晶片的佔地面積瞬間減半。這對於寸土寸金的 GPU 封裝空間來說至關重要,省下的空間可以讓給更多的 HBM 記憶體或運算單元。

  1. 通用性 :

台積電的野心很大。COUPE 是一個「通用平台」,不管是 NVIDIA、Broadcom 還是 Marvell 的設計,都可以用這個技術來封裝。這等於台積電想制定光學引擎的製造標準

從平面到立體的關鍵拼圖

如果說 CPO 是未來的架構目標,那麼 COUPE 就是實現這個目標的手段。台積電透過這項技術,把 PIC 和 EIC 完美融合成一顆極致輕薄短小的「光引擎」。

然而,當引擎造好了(COUPE),也放進了 GPU 旁邊(CPO),工程師們卻發現了一個尷尬的物理難題:

「引擎有了,但燃料(光)要從哪裡來?」

要知道,PIC 裡面的矽本身是不會發光的。而且,如果我們強行把雷射塞進這個緊湊的封裝裡,GPU 的高溫可能會把雷射「熱死」。

這個棘手的問題,催生了 CPO 商業化的最後一塊拼圖——ELS (外置雷射源)。下一章,我們來談談這個讓光引擎動起來的關鍵。

矽的致命缺陷與救星——外置雷射源 (ELS)

看完上一章台積電的 COUPE,你可能會覺得:太棒了!我們把光路和電路完美疊在一起了,問題解決了嗎?還沒。 矽(Silicon)是地球上最完美的運算材料,它便宜、穩定、導電性好,是電子訊號的最佳跑道。 但它有一個致命的物理弱點:它不會發光。

那光從哪裡來?

為了讓矽光子晶片能運作,我們必須找外援。通常是使用三五族化合物(如磷化銦 InP),這種材料天生就會發光,也就是我們俗稱的雷射 (Laser)

既然矽自己不會發光,我們就把「雷射(三五族材料)」黏在矽晶片上,跟 GPU 封裝在一起不就好了嗎? 但這在 CPO 架構下,是一個自殺行為

GPU 是大火爐:當 NVIDIA 的 H100/B200 全速運轉時,核心溫度會飆升到 80°C~100°C

雷射元件對溫度極度敏感,高溫會導致它的發光效率雪崩式下降,甚至直接燒壞。

如果你把雷射跟 GPU 封裝在同一個盒子裡(CPO),一旦這顆小小的雷射因為太熱而壞掉:

  1. 你無法單獨更換它(因為封死在裡面)。
  2. 你必須把整顆價值昂貴的 GPU 直接丟掉

這就像是因為車頭燈壞了,所以要把整台法拉利報廢一樣荒謬。沒有任何資料中心能接受這種成本風險。

外置雷射源 (ELS)

為了解決這個難題,產業界制定了一個標準:光電分離。也就是 ELS (External Laser Source)

一句話解釋:燈泡掛外面,開關在裡面。

  • 發光(外部): 我們把最怕熱的雷射光源,獨立做成一個模組,安裝在伺服器機櫃最通風、最涼快的前面板 上。這裡溫度低,雷射活得久。
  • 傳輸(光纖): 透過一條特殊的保偏光纖 ,把乾淨的雷射光像送水一樣,打進深處的 CPO 晶片裡。
  • 開關(內部): 內部的矽光子晶片(透過 COUPE 做的)雖然不會發光,但它有很多調變器。它接收到外面的光之後,透過快速開關亮與暗訊號,把光切成 0 和 1 的訊號發射出去

讓 CPO 商業化的關鍵拼圖

ELS 的出現,解決了兩個最棘手的問題:

  1. 物理限制: 繞過了矽不會發光的問題,讓外部雷射來代勞。
  2. 維修成本: 雷射壞了?走到機櫃前面拔下來換一個就好(像換墨水匣一樣),完全不用動到昂貴的 GPU。

目前,包括Broadcom (博通)、Cisco 以及 Intel 都在推動 ELS 的標準化介面。這項技術的成熟,是 CPO 能夠從實驗室走向量產的最後一張門票。

如果您想知道這場技術戰爭背後的真正贏家與合理估值,請接著閱讀我們的最新深度報告:
👉矽光子與CPO心臟戰爭:Lumentum (#LITE)vs. Coherent (#COHR),誰是 AI 資料中心的「光」之霸主?

矽光子時代的未來市場路徑

我們已經走完了這趟矽光子的技術旅程。從物理極限的銅線,到台積電的 COUPE 堆疊,再到 ELS 的光電分離。

所有的技術拼圖都已齊備,現在只剩下一個問題:「這場革命什麼時候會真正發生?」

這不是一夜之間的改變,而是一場漫長的接力賽。根據各大科技巨頭(Broadcom, TSMC, Intel)的公開路線圖,我們可以描繪出一條清晰的產業發展路徑:

技術演進的重點回顧

讓我們用一句話總結這場變革的核心:

「為了讓 AI 跑得更快,我們把光學元件從『插在板邊』的積木,變成了『長在晶片裡』的核心器官。」

  • 過去 (插拔模組): 電子要跑很遠才能變成光(耗電)。
  • 現在 (CPO 萌芽): 光引擎搬進晶片隔壁,距離縮短(省電),但需要台積電的 COUPE 來製造引擎,並依靠 ELS 來解決散熱。
  • 未來 (光學 I/O): 晶片本身就具備光通訊能力,不再需要額外的引擎,實現真正的「光速溝通」。

未來 5 年產業發展路徑 (2024 - 2030)

這場從電轉光的馬拉松,可以分為三個關鍵階段:

🟢 第一階段:前哨戰 (2024 - 2025)

  • 狀態: 銅線還在掙扎,光模組是王道。
  • 技術特徵: 傳輸速度在400G、 800G 為主。雖然銅線已經很熱了,但透過一些訊號增強晶片 (Retimer/LPO),我們還能勉強撐住。
  • 市場焦點: 傳統光收發模組(如 Innolight, Fabrinet)業績大爆發。這時候 CPO 還在實驗室或小量試產階段。

🟡 第二階段:轉折點 (2026 - 2027)

  • 狀態: 銅線撞牆,CPO 正式登場。
  • 技術特徵: 傳輸速度突破 1.6T 邁向 3.2T。在這個速度下,銅線的損耗大到無法接受。Broadcom 和 NVIDIA 的高階 AI 交換器開始導入 CPO 架構。
  • 關鍵事件:
    1. 台積電 COUPE 技術成熟量產。
    2. ELS (外置雷射) 成為業界標準介面。
  • 市場焦點: 供應鏈開始洗牌。掌握 CPO 封裝與測試的公司(如台積電、日月光、穎崴)開始受惠。

🔴 第三階段:全面爆發 (2028 - 2030+)

  • 狀態: 全光互連時代,矽光子成為標配。
  • 技術特徵: 傳輸速度達到 6.4T 以上。這時候,不只是交換器,連 GPU 與 GPU 之間的溝通可能都直接用光 (Optical I/O)
  • 市場焦點: 誰能提供更便宜、更耐熱的矽光子解決方案,誰就是新一代的霸主。

這不僅僅是數字的跳動,更是CPO 技術滲透率的關鍵轉折。預計 2028-2030 年將是 CPO 的市場成熟期,屆時它將從高階利基市場走向主流,成為支撐 AI 運算叢集的標準配備 。

市場規模預測

如果前面的技術路徑讓你覺得還有些抽象,那麼我們讓數據直接說話。根據 Research Nester 的最新預測,矽光子市場即將迎來光速成長的黃金十年

預計從 2025 年的 28 億美元,一路狂飆至 2035 年的 319 億美元,這意味著未來十年市場將暴增超過 10 倍,年均複合成長率 (CAGR) 高達 27.5%。在硬體產業中,這種驚人的成長速度通常只出現在破壞式創新的早期階段。

這股強勁力道並非來自消費電子,而是源於 AI 與資料中心對頻寬每 2-3 年翻倍的剛性需求。更關鍵的是,圖中點出 CPO 能帶來 節省 50% 以上功耗的巨大優勢。對於擁有海量 GPU 的科技巨頭來說,這不只是技術升級,更是為了省下巨額電費成本的唯一解方。

總結

回顧整篇報告,我們從最底層的物理限制(銅線傳輸瓶頸)出發,一路解析了矽光子的原理,從基礎原理 (SiPh)、現狀產品 (光收發模組)、未來架構 (CPO)、製造技術 (COUPE)、配套方案 (ELS)

這場從「電」到「光」的革命,才剛剛拉開序幕。

對於投資人來說,現在正處於第一階段邁向第二階段的關鍵時刻。看懂了這張技術地圖,你就不會迷失在各種專有名詞中,而能清晰地看見未來 AI 硬體建設的終極樣貌。

接下來,我們將進入最後一個環節——【矽光子與CPO全球概念股清單全收錄】。在這場變革中,究竟在股票市場中有什麼樣的投資機會,是我們投資人最關心的議題,為您盤點在這場光速戰爭中,究竟是哪些公司掌握了關鍵的軍火。

如果您想知道這場技術戰爭背後的真正贏家與合理估值,請接著閱讀我們的最新深度報告:
矽光子與CPO心臟戰爭:Lumentum (#LITE)vs. Coherent (#COHR),誰是 AI 資料中心的「光」之霸主?

感謝您的閱讀,矽光子與CPO確實是最近較火熱的議題,但是蒐集資訊以及研究起來確實不容易,文章中如果您有發現錯誤歡迎留言跟我說,這能幫助我也幫助其他讀者能夠讀到正確的資訊,也歡迎您留下對這篇內容的看法

如果這篇內容對您有幫助的話也可以收藏、點個拍手或是轉傳給您認為有幫助的朋友,這將會是給我們持續輸出的動力,謝謝。

參考資料

  • 日月光官方網站
  • GlobalFoundries 官方網站
  • Nvidia 官方網站
  • Teradyne 官方網站
  • Broadcom 官方網站
  • Intel 官方網站
  • Precedence Research
  • SemiAnalysis
  • Lightmatter
  • Mordor Intelligence

這是 Level 1 以上會員專屬內容

升級方案即可解鎖完整文章內容

登入 / 註冊解鎖
#CPO #矽光子 #台積電COUPE #光波導 #AI資料中心
J

Justy

富程環球 研究員