本文為 Julie Sheridan Eng 博士（Coherent Corp. CTO）於 2026 年 3 月在美國洛杉磯舉辦之 OFC 2026（光纖通訊會議暨展覽會，Optical Fiber Communication Conference and Exposition） 年會全體大會（Plenary Session）主題演講（Keynote Speech）之摘要紀錄與技術延伸整理。
Julie Sheridan Eng 博士以近三十年深耕光通訊產業的視角，系統性回顧光子學技術從長距骨幹電信、企業資料中心、超大規模雲端，演進至當前 AI 資料中心時代的四個關鍵世代，並深入剖析頻寬密度、能源效率、建置成本的產業里程碑，以及 Scale Up、Scale Out、Scale Across 三域互連架構在 AI 算力擴展浪潮下的技術挑戰與解決路徑。
本文在忠實呈現演講核心論述的基礎上，進一步援引光通訊業界 IEEE、OIF、ITU-T 等標準組織慣用技術術語，補充必要的物理原理、系統規格與產業背景，以供研究人員、工程師及產業決策者參考。
OFC Conference 2026 - Plenary （影音片段12:30 - 48:00）
投影片
一、光子學的四個世代
回顧近三十年的OFC歷程，Julie Sheridan Eng 將光子學發展劃分為四個世代：
第一世代｜長距骨幹電信（1980–1990年代）
核心技術標誌為密波分多工（DWDM, Dense Wavelength Division Multiplexing），利用ITU-T G.694.1所規範的100GHz或50GHz通道間隔，在單根光纖中並行傳輸數十乃至數百個波長。搭配摻鉺光纖放大器（EDFA, Erbium-Doped Fiber Amplifier），解決長距傳輸的光訊號衰減問題，奠定C波段（1530–1565nm）骨幹傳輸的技術基礎。
第二世代｜企業資料中心
可插拔光收發器（Pluggable Transceiver）與垂直共振腔面射型雷射（VCSEL, Vertical-Cavity Surface-Emitting Laser）主導市場。VCSEL因具備低閾值電流、圓形光束輪廓、易於陣列整合等優勢，廣泛應用於多模光纖（MMF）短距連接，成為SFP、QSFP等標準外形規格（Form Factor）的主要光源技術。
第三世代｜超大規模雲端資料中心（Hyperscale）
Google、Meta、Microsoft等雲端業者的大規模部署推動單模光纖（SMF, Single Mode Fiber）全面普及，同時催生矽光子（Silicon Photonics, SiPh）的商業化應用。矽光子利用成熟的 CMOS 後段製程（BEOL），在矽晶片上整合調製器（Modulator）、波導（Waveguide）、光電偵測器（Photodetector）等元件，實現高整合度與規模化量產的雙重優勢。
第四世代｜AI資料中心（當前進行式）
光學已從網路基礎設施的幕後角色，躍升為AI系統架構設計的核心決策要素。光互連的頻寬（Bandwidth）、延遲（Latency）與功耗（Power Consumption）直接決定AI訓練叢集的效能上限，光子技術的創新節奏已成為AI算力擴展的關鍵制約因素。
二、產業里程碑：頻寬密度、能效與成本
光收發器資料速率演進呈現指數增長，而更關鍵的是達到規模量產所需時間的急遽壓縮：
10G：從技術推出至年出貨量突破1,000萬埠，歷時約 15年
800G：同等量產規模僅需約 5年
1.6T：預估僅需約 4年
此趨勢反映AI基礎設施需求對光學產業研發、製程成熟與供應鏈建立週期的強力壓縮。
技術補充｜能效指標：衡量收發器能效的核心指標為每傳輸位元功耗（pJ/bit）。當前主流800G DR8收發器功耗約14–16W，折算約18 pJ/bit；下一代1.6T目標需降至10 pJ/bit以下，對電吸收調變器（EAM）或馬赫-曾德爾調變器（MZM）的驅動電壓與串擾消光比（ER, Extinction Ratio）提出更嚴苛的設計要求。
三、AI算力缺口與互連依賴度攀升
訓練大型語言模型（LLM）所需算力每年成長約 4.5倍，遠超摩爾定律（Moore’s Law）每兩年提供的製程增益（約年均1.41倍）。此一「算力-製程」缺口驅動系統擴展策略全面轉向平行化（Parallelism）：
資料並行（Data Parallelism, DP）：模型複製至多個加速器，各處理不同微批次（Micro-batch）
張量並行（Tensor Parallelism, TP）：矩陣運算按行/列切分至多個加速器，需要高頻寬集合通訊（Collective Communication），如All-Reduce、All-Gather
流水線並行（Pipeline Parallelism, PP）：模型各Transformer層分配至不同節點，以流水線方式執行前向與反向傳播
平行度越高，節點間的互連頻寬（Interconnect Bandwidth）與通訊效率（Communication Efficiency）對整體系統吞吐量（System Throughput）的貢獻權重越大。光互連在此架構下從附屬元件躍升為系統效能的決定性瓶頸。
AI資料中心互連三域架構：
架構定義：Scale Up vs. Scale Out
資料中心的基礎設施分為兩個座標軸：
Scale Up（縱向擴展 / 向上擴展）： 指的是在單一節點或單一機櫃內部增加運算能力。這涉及 GPU 與 GPU 之間、或者 CPU 與加速器之間的極高速通訊。其目標是讓多個處理器看起來像「一顆巨大的邏輯電腦」。
Scale Out（橫向擴展 / 向外擴展）： 指的是將多個伺服器機櫃（Racks）連接在一起形成大型集群。其目標是通過增加節點數量來提升整體的吞吐量與處理能力。
關鍵的技術演進：
光學技術的「向內滲透」
傳統上，光學互連（如光纖模組）主要用於 Scale Out（長距離傳輸）。然而，隨著 AI 算力需求暴增，Scale Up（短距離、高密度）領域正遇到「銅線瓶頸」。銅線在超過 2-3 公尺後的訊號衰減嚴重且極為笨重。
從 Copper 到 CPO 的轉型
圖中特別提到 Scale Up 正在從「Copper today」轉向「Co-packaged optics」。這意味著為了維持 AI 集群內部的極速互連（例如 GPU 叢集的線性擴張），光學技術必須進入機櫃內部，甚至直接封裝在處理器旁邊，以解決散熱、空間限制與功耗問題。
四、Scale Out域：可插拔收發器技術生態
Scale Out域因設備異質性、鏈路距離跨度（10公尺至10公里）及多廠商互通性需求，可插拔收發器仍是主流解決方案。
1. 可插拔收發器的核心價值：靈活性
上半部強調了可插拔模組（如我們常見的 SFP, QSFP, OSFP 等）之所以成為業界主流，主要源於以下三個特性：
標準化與多供應商生態系統： 遵循 MSA（多源協議）標準，確保不同廠商的設備（如 Cisco 的交換器配上 Coherent 的光模組）能互通，降低供應鏈風險與成本。
易於維護與服務： 當單一光鏈路出現故障時，只需拔出模組更換，無需拆解整台交換器或影響其他埠位。
延遲架構承諾（Defers Architectural Commitment）： 營運商可以先採購交換器主機，等實際流量需求產生時再購買對應速率的光模組，優化資金配置。
2. 物理結構剖析
圖片右下方展示了光收發器的內部構造，這是一個高度整合的微型光電系統，包含：
Integrated Circuits (IC)： 包含 DSP（數位訊號處理）或驅動晶片，負責電信號的處理與補償。
Detectors (偵測器)： 將接收到的光訊號轉回電訊號。
Source Lasers (光源雷射)： 產生攜帶數據的光脈衝。
Passive Optics (被動光學元件)： 包含透鏡、稜鏡等，用於耦合與導引光路。
3. 面臨的技術瓶頸：頻寬密度
下半部提出了一個關鍵論點：「交換器頻寬受到收發器頻寬密度的限制。」
隨著 AI 算力需求爆炸，交換器晶片（Switch ASIC）的總頻寬（例如 51.2T 或 102.4T）提升極快，但受限於實體面板空間：
每通道數據率（Per-lane data rate）： 需要從 100G 往 200G 甚至更高演進。
收發器通道數（Lanes per transceiver）： 在有限的空間內擠入更多通道，會帶來嚴重的散熱與訊號完整性挑戰。
主要光引擎技術對比
400G/lane面臨的物理制約
每通道擴展至400G（約112Gbaud PAM4或56Gbaud DP-QPSK）面臨多重傳輸限制：
色度色散（Chromatic Dispersion, CD）：單模光纖標準色散係數約17ps/(nm·km)，高波特率訊號脈衝展寬嚴重，超過一定傳輸距離需主動色散補償（DCM）或電域DSP均衡。
偏極模態色散（Polarization Mode Dispersion, PMD）：訊號在光纖中因雙折射效應造成差分群延遲（DGD），對高速訊號形成碼間干擾（ISI）。
訊雜比容限（OSNR Margin）：PAM4調變相比NRZ需要更高的光訊雜比（OSNR），縮短無中繼傳輸距離，超過30km以上需採用相干調變搭配數位訊號處理（DSP）。
增加並行通道數（Lane Count）是提升聚合頻寬的主要途徑，但帶來封裝複雜度、纖芯陣列對準精度（Fiber Array Alignment）與光纖扇出（Fan-Out）管理的工程挑戰。
技術挑戰
每通道擴展至400G面臨多重限制：
色散（Dispersion）：高速訊號在光纖中傳播時，不同頻率成分速度差異造成脈衝展寬，限制傳輸距離
訊雜比（SNR）限制：PAM4調變對接收靈敏度要求高，長距離需色散補償或相干調變
相干調變（Coherent Modulation）：採用DP-QPSK或DP-16QAM，搭配數位訊號處理（DSP），可大幅延伸傳輸距離，但功耗與成本相應增加
增加通道數（Lane Count）是提升聚合頻寬的主要路徑，但也帶來封裝複雜度、散熱設計與光纖管理的挑戰。
五、進階可插拔外形規格的興起
為因應AI叢集對更高密度的需求，新型插拔規格相繼問世：
XPO（含整合液冷）
整合水冷模組，解決高功耗散熱瓶頸
支援 12.8 Tbps（64通道 × 200G/通道）
適合高密度機架部署
OIF高密度外形規格
目標 25.6 Tbps（採用400G/通道）
由光互連論壇（OIF）主導標準化，確保多廠商互通
技術補充：傳統QSFP-DD與OSFP規格在功耗上限（約15–20W）已趨近瓶頸。新形規格透過改善熱管理（液冷、導熱介面材料）突破此限制，但同時要求機架基礎設施（CDU, Coolant Distribution Unit）相應升級。
六、Scale Up域：共封裝光學（CPO）
共封裝光學（CPO, Co-Packaged Optics）是針對Scale Up域高密度需求的架構性重構——將光引擎移至緊鄰交換器（Switch）或加速處理器（XPU）的位置。
可插拔 vs CPO 架構對比
CPO的優勢與代價
CPO變體
近封裝光學（NPO, Near-Packaged Optics）：光引擎位於封裝外但緊鄰，兼顧密度與可維護性
插座式CPO（Socketed CPO）：光引擎可獨立更換，提升維修彈性
快窄架構（Fast-and-Narrow）：高波特率、少通道，SerDes功耗高但佔位小
慢寬架構（Slow-and-Wide）：低波特率、多通道，串擾管理複雜但功耗較低
七、CPO技術實現路徑
多種技術路線並行發展，各有其最適應用場景：
矽光子 + 遠端可插拔連續波雷射（CW Laser） 利用外部雷射源（通常為InP）透過光纖耦合進入矽光子晶片，規避矽光子難以直接整合雷射的材料限制。適合大規模量產，成本具競爭力。
砷化鎵（GaAs）VCSEL型CPO 針對極短距（< 2m）、低功耗場景優化，適合節點內XPU間直連。製程成熟、成本低。
微型LED（Micro LED） 新興方案，功耗極低，適合超短距離高密度互連，技術成熟度仍在提升中。
磷化銦馬赫-曾德爾調變器（InP MZM）+ 整合半導體光放大器（SOA） 提供高調變頻寬與訊號增益補償，適合中距離高速率需求，但製造複雜度較高。
八、光電路交換（OCS）與熱管理擴展
光電路交換（OCS）
OCS作為AI工作負載的架構工具重新受到重視，其核心價值在於軟體定義拓撲重組（Software-Defined Topology Reconfiguration）：
根據AI訓練任務動態調整XPU間的連接關係
提升XPU利用率（減少因拓撲固定造成的資源閒置）
增強網路韌性（路徑冗餘與故障繞道）
主要實現技術：
目前已有 320×320 規模的量產系統部署於AI資料中心。
熱管理挑戰
AI 加速器功耗已進入千瓦級（Kilowatt-class）時代（如 NVIDIA GB200 NVL72 機架總功耗超過 100kW），帶來嚴峻的熱管理挑戰：
液冷技術：直接液冷（Direct Liquid Cooling）、浸沒式冷卻（Immersion Cooling）
先進散熱材料：
鑽石（Diamond）：熱導率超過2000 W/m·K，用於高功耗元件的熱擴散層
碳化矽（SiC）：熱導率約490 W/m·K，兼具機械強度，適合封裝基板
控制接面溫度（Junction Temperature）對於光學元件的壽命與效能至關重要，波長漂移與輸出功率均對溫度高度敏感。
九、Scale Across：資料中心互連（DCI）
跨資料中心網路（DCI）距離跨越10至超過1,000公里，AI工作負載對其提出更高的容量與韌性要求。
頻譜效率的物理極限
隨著訊雜比（SNR）逼近香農極限，頻譜效率提升空間收窄，擴展策略轉向：
1. 擴展頻譜（C+L Band）
C波段（1530–1565nm）+ L波段（1565–1625nm）
可用頻寬幾乎翻倍，搭配寬頻EDFA實現
2. 空間並行（Spatial Parallelism）
多芯光纖（Multi-Core Fiber, MCF）：單根光纖包含4–12個獨立纖芯
空芯光纖（Hollow Core Fiber, HCF）：光在空氣中傳播，延遲降低約30%（接近光速），損耗更低
3. 可插拔相干收發器
ZR（400ZR）：80km無中繼，標準化介面，適合城域互連
ZR+：採用更高階DSP，延伸至1000km+，支援更高調變格式
4. 放大器技術
半導體光放大器（SOA）：體積小、可整合，適合短距補償
摻鉺光纖放大器（EDFA）：長距主力，噪聲指數低
5. 多軌架構（Multi-Rail Architecture） 透過路徑多樣化提升韌性，AI訓練任務對網路中斷極為敏感，任何封包遺失皆可能導致訓練作業重啟。
十、結語：光學成為AI擴展的核心
擴展需求正在加劇，物理極限同步收緊。沒有任何單一光學技術能滿足所有需求；多元解決方案分別服務不同的架構約束。光學已內嵌於算力架構之中，未來AI系統的擴展將愈來愈依賴光學領域的快速創新。
這一論述標誌著光子學角色的根本性轉變：從網路基礎設施的配套元件，進化為AI算力架構的內生組成部分。光學工程師、系統架構師與AI研究者之間的協作，將成為推動下一代AI系統突破的關鍵介面。