AI算力一路往上堆，矽光子與CPO能否先走向量產？

 

AI算力往上堆，瓶頸先落在能源與資料搬移

AI模型訓練的算力需求成倍數增加，半導體產業面對的壓力也跟著改變。過去比的是單一晶片效能，現在更像是在比整套系統能不能一起跑得動。能源供給、資料搬移成本、散熱與封裝，全都會影響最終能推到多高的運算密度。

這也解釋了為什麼今年的SEMICON Taiwan 2026把焦點放在ASIC與AI晶片設計、高頻寬記憶體(HBM)以及矽光子高速互連技術。這三個方向分別對應運算、記憶體和傳輸，剛好都是AI基礎建設最容易卡住的地方。展會把這些主題放在一起看，反映的是產業正在往系統級協同設計走。

 

從晶片效能競爭，走到整個供應鏈一起設計

AI基礎建設的難度，已經不只在晶片本身。雲端算力、加速運算、電源管理、先進封裝，現在都要一起考慮，因為任一環節出問題，整體效能就上不去。這種變化讓跨領域、跨供應鏈整合變成必然方向。

今年大師論壇邀請Google、微軟、NVIDIA、美光與博通等國際科技公司，討論AI基礎架構與半導體生態系的演進。台灣供應鏈也站在同一個討論框架裡，台積電(2330)、聯發科(2454)、鴻海(2317)、日月光(3711)與欣興(3037)同台，涵蓋IC設計、晶圓製造、封裝測試到電子製造。這組名單的意義很清楚，台灣在全球AI基礎建設裡扮演的是整合與落地的角色。

 

矽光子從研發往商用推，CPO在找共通規格

大型AI運算叢集的資料傳輸量愈來愈大，銅線傳輸已碰到物理極限。當距離、頻寬與功耗一起上來時，光互連就成了更合理的路徑，矽光子也因此成為全光架構的核心技術之一。這條路線要往前推，規格先一致，後面的量產與部署才會順。

Lightmatter聯合戴爾、鴻騰精密、創意電子(3443)與雲達科技等19家大廠，透過OCP發布白皮書，推動共同封裝光學(CPO)的共通架構藍圖。這份倡議想解決的是多供應商互通性，讓硬體模組能在技術中立的框架下銜接。對產業來說，這代表矽光子不只停在實驗室，而是開始往可複製的商業規格前進。模組化硬體系統若能定型，後續導入速度會快很多。

 

台灣與美國的合作，重點放在製造優勢與產能布局

跨國合作也在同步推進。國科會近期率團參訪美國德州光通訊大廠祥茂光電(AAOI)，重點放在矽光子與高速光收發模組技術交流。這次互動的看點，在於台灣半導體製造能力如何和美方產能布局結合，讓次世代光通訊設備的供應鏈更有韌性。

從產業角度看，這類合作的價值不只在技術交流，也在於把研發、製造與量產路徑接起來。AI基礎建設往前走，矽光子與高速光收發模組會是重要環節，能否真正放大，還要看後續規格是否持續收斂、供應鏈是否順利銜接，以及跨國合作能否轉成穩定部署。