February_AI Optical Communication｜Structural bottleneck of CPO optical interconnection technology in AI mega-scale computing architecture

下一階段 AI 基礎架構的重要技術選項。然而，本篇報告從產業部署與系統工程角度審視當前瓶頸，其問題並非 CPO 是否能在實驗室中達成更高傳輸速率，而是其是否能在超大規模運算環境中穩定運作、可維修、可量產，並具備長期經濟合理性。

 

在功耗層面，光互連雖可有效降低長距離傳輸損耗，卻無法消除電光轉換本身的能量消耗。資料在進出晶片時仍須透過高速 SerDes(序列器/解序列器)、調變器與雷射完成訊號轉換。當單顆交換晶片功率已逼近 800W 至 1000W 等級，若再將數百瓦等級的光電轉換電路集中於同一封裝區域，且SerDes通道總數量由數十條提升至上千條甚至上萬條時，即使單位能耗壓低至數 pJ/bit，累積功耗仍會快速放大，形成新的系統級熱源。功耗集中效應使高密度封裝環境更容易出現局部熱點，影響調變器偏壓穩定性、雷射波長控制與封裝材料長期機械應力。此外，高速 SerDes 在極限頻寬條件下運作，必須依賴複雜的均衡與校正機制，這些輔助電路本身亦消耗可觀功率，使實際系統能耗往往高於理論規格。當資料中心規模擴張至數萬顆以上加速器時，互連功耗已不再是邊際成本，而是直接影響電力配置與散熱架構的核心變數。在功耗成為主要約束條件的前提下，過去透過提高雷射輸出功率來擴大光功率預算與弭平損耗的作法，已難以視為可持續方案，因為其同時放大熱負載與壽命風險。

在可靠度層面，CPO面臨的挑戰更具結構性。相較於可插拔式光模組將光電轉換功能與交換晶片分離，CPO 將雷射、調變器、矽光波導與接收器直接整合於封裝或中介層上，使光路、電路與散熱場高度耦合。這種設計在提升頻寬密度與降低 I/O 路徑損耗的同時，也使熱場分佈、材料應力與光學對位誤差彼此交互影響。以雷射為例，溫度的微幅上升便可能造成波長漂移，進而影響調變效率與誤碼率；當 GPU 計算負載快速變化導致封裝內的溫度分佈也會跟著改變，此時熱梯度亦會引發光學參數隨時間產生慢性偏移。這類問題多屬漸進式劣化，往往在長時間運行後才集中顯現，而非即時失效。更複雜的是，目前雷射架構策略尚未形成產業共識。封裝內雷射（on-package laser）可縮短光路並降低光纖佈線複雜度，但雷射直接處於高熱密度環境，熱耦合與壽命退化風險顯著提升；外部耦合雷射（external laser source, ELS）則可集中管理熱源並提升維修彈性，卻增加光功率分配、冗餘設計與耦合損耗的系統複雜度。兩種路徑在可靠度模型、熱管理策略與失效模式上差異明顯，使產業難以快速累積一致的壽命數據與驗證標準，可靠度成熟曲線因此被拉長。

在系統層級上，CPO 的失效影響範圍遠大於傳統模組。單一雷射或驅動電路異常，可能牽動多條光路甚至整個光引擎(photonic engine)，而由於光電元件深度整合於封裝內，往往無法單獨更換，只能整板維修或停機處理。當此架構部署於數萬乃至數十萬 GPU 的叢集中時，即便單顆元件的 平均故障間隔時間(MTBF)足夠優異，當部署規模擴大至數萬甚至數十萬顆時，系統層級的整體失效率將隨元件數量線性放大。此外，大尺寸光電封裝依賴跨晶粒拼接與精密對位，熱循環與材料膨脹係數差異可能導致耦合效率衰退與插入損耗上升。由於光互連對波長與相位精度高度敏感，微小偏移即可能造成效能下降或誤碼率提高。另外，可靠度風險亦體現在測試與驗證難度上。CPO 必須同步驗證光學性能、電性與熱穩定性，而許多關鍵參數僅能在封裝完成後測得，使量產前的篩選難度大幅提高。目前產業仍缺乏足夠長期場域運行資料與成熟失效率模型，使可靠度評估存在不確定性。對於依賴長時間穩定運作的 AI 平台而言，這種不確定性不僅影響系統可用率，更直接牽動營運風險與投資回報。

 

最後，從產業化進程觀察，即便下一代 AI 平台預計於 2026 年底量產、2027 年逐步放量，CPO 仍處於商業成熟度尚未完整的階段。其供應鏈橫跨雷射、矽光子、先進封裝與系統整合等不同體系，品質控管方法與可靠度標準尚未完全統一，使工程體系呈現高度客製化與專案導向特性。CPO 的核心價值不僅在於頻寬密度與單位能耗改善，更在於是否能建立可量產、可維修與可標準化的完整工程框架。真正的產業問題並非「能否做出 CPO」，而是「能否在百萬鏈路規模下穩定運行」。同時，在「光進銅退」的市場故事氛圍下，現實卻呈現更為複雜的情況。採用光學方案的廠商面臨成本上升與工程整合風險，卻被市場大力看好；而持續優化銅互連的架構在特定距離與功耗條件下，短時效能優勢難被取代。因此，未來一至兩年內，產業關鍵並非光與銅的全面替代，而是在不同拓撲與距離條件下取得最佳平衡[以目前(2026年初)產業情況觀察，CSP導入CPO的速度可能稍微有所減緩，2026年還是以800G插拔式為主軸]。光與銅並非零和競爭，而是依場景分工的工程選擇。在 AI 超大規模運算時代，光通訊的真正考驗不僅是性能突破，更是一場關於可靠度、成本結構與工程成熟度的長期競賽；唯有當技術可行、經濟可行與營運可行三者同時收斂，CPO 才可能真正跨越從示範導入走向全面主流的關鍵門檻。