光通訊起飛，隨便買都會賺？LPO、CPO 與矽光子是甚麼？ 深度分析第23期：MRVL, LITE, COHR, FN
我們往往以為，只要買了 10,000 顆最強的 GPU，把它們堆在機房裡，AI 模型就會自動變聰明。
但事實是，如果這些大腦之間無法順暢溝通，那麼這堆價值數十億美元的矽晶片，就只是一堆昂貴的擺設，形成了一座座「算力孤島」。
想像一下，你擁有全世界最聰明的 100 位科學家（GPU），但你把它們關在不同的房間裡，只允許他們用傳紙條（低速傳輸）的方式溝通。這項研究永遠不會完成。
AI 的本質，不僅僅是「計算」，更是「協作」。而協作的瓶頸，不在晶片內部，而在晶片之外。
隨著速度邁向 800G，網路設備本身佔資料中心總耗電的比例也將突破 20%。
這意味著，我們花大錢買來的電力，有越來越高的比例不是用來「計算」，而是消耗在了「搬運數據」的過程上。
因此，我們正處於一個歷史性的轉折點：資料中心正在從「電氣時代」艱難但必然地邁向「光子時代」。
為了徹底理解這場變革，我們將在接下來的章節中依序探討：
物理極限： 為什麼銅線快要撐不住了？（第 1-2 章）
硬體解構： 光收發模組（光模塊）內部的運作原理與關鍵玩家。（第 3-4 章）
技術演進： 從 LPO 到 CPO，未來的封裝技術之爭。（第 5-6 章）
市場版圖： Nvidia、Google 與乙太網路聯盟的三國演義，以及投資地圖。（第 7-9 章）
第一章：速度的量級——從看 Netflix 到訓練大腦
在我們討論銅線為什麼會燒掉，或者雷射為什麼這麼貴之前，我們必須先建立一個概念：我們到底在談論多快的速度？
新聞裡常提到的 400G、800G、1.6T，這些數字聽起來很抽象。讓我們用一個你熟悉的單位來換算。
1. 基準點：你家的光纖寬頻 (1G)
現在一個家庭最快的網路通常是 1G (1 Gbps)。
概念： 這速度足夠讓你全家同時看 4K 的 Netflix 都不會卡頓。
能力： 下載一部兩小時的高畫質電影，大約需要 30-60 秒。
2. 雲端時代：100G ~ 400G
時間點： 2015 - 2022 年
場景： 當你在 Instagram 上滑動態，或者在 YouTube 看影片時，這些數據是從 Google 或 Meta 的資料中心傳出來的。
需求： 為了應付幾億人的影片串流需求，資料中心內部的伺服器開始使用 100G 到 400G 的光模組。
意義： 這已經很快了，相當於你家網速的 400 倍。這條「水管」足夠粗，讓人類享受了十年的移動互聯網黃金期。
3. AI 時代：800G
時間點： 現在
場景： ChatGPT 的誕生改變了一切。以前是「人看影片」，現在是「機器讀數據」。Nvidia H100 GPU 在訓練模型時，需要吞吐的數據量是驚人的。
需求： 400G 的水管瞬間爆滿。為了釋放 H100 的潛能，高階 AI 叢集開始大量採用 800G 的光模組。
能力： 800G 意味著什麼？意味著一秒鐘可以傳輸 25 部 4K 電影。
現狀： 這是目前市場的主流，也是為什麼旭創 (Innolight) 營收暴漲的原因。
4. 下一代：1.6T ~ 3.2T
時間點： 未來數年
場景： Nvidia 的 Blackwell 以及未來的 Rubin 架構。AI 模型從「文字」進化到「影片」(如 Sora)，參數量從「兆」進化到「十兆」。
需求： 800G 也不夠用了。我們需要 1.6T (1600G) 甚至 3.2T。
物理上的極限意義： 1.6T 相當於你家網速的 1600 倍。想像一下，要在原本只能跑腳踏車的小巷子裡，硬塞進去一台以音速飛行的戰鬥機。
這就是問題的根源：
當速度只有 100G 時，銅線還能輕鬆應付。
當速度來到 800G 時，銅線開始發燙、喘氣。
當速度衝向 1.6T 時，銅線的有效傳輸距離被壓縮到極限（僅剩機櫃內部極短距離）。這就是為什麼我們需要光，以及為什麼我們需要接下來提到的那些昂貴技術。
第一章小結：
演進之路： 我們已從雲端時代（100G-400G）跨入 AI 時代（800G），現在正凝視著下一代標準（1.6T）。
1.6T 門檻： 當速度達到 1.6T 時，傳統銅線在物理上已無法在有效距離內傳輸訊號。
驅動力： Nvidia 的 Blackwell 架構及未來的晶片，所需的頻寬將是目前家用網路速度的 1600 倍以上。
第二章：物理學的鐵壁——為什麼銅線撐不住了？
理解了 1.6T 是多麼恐怖的速度後，你就能明白為什麼它的老搭擋——銅線（Copper）撐不住了。
在過去的幾十年裡，電腦內部和伺服器之間，主要靠銅線傳輸電子訊號。銅便宜、耐用、技術成熟。
但隨著 AI 時代的到來，數據傳輸速度飆升至 800G 甚至 1.6T，銅線撞上了一堵看不見的物理高牆。
1. 微觀視角：電子的擁擠效應（集膚效應）
在微觀物理世界裡，銅線有一個致命傷，叫做「集膚效應」（Skin Effect）。
當訊號頻率（速度）越來越快時，電子不再乖乖地走在銅線的中心，而是傾向於擠在銅線的「表面」流動。
你可以把這想像成一條寬敞的高速公路，但所有的車子都死命地擠在最外側的路肩上開，中間的車道全部空著。
結果就是：
電阻急劇升高： 通道變窄了，電子互相推擠。
訊號衰減： 訊號在銅線裡跑不到 1 公尺，波形就爛得像一團雜訊。
發熱： 為了把訊號硬推過去，你必須加大電壓，這導致銅線變成了一根發熱絲。
2. 第一道防線：主機板上的救星——Retimer 與 Astera Labs
在訊號衝出機殼之前，它首先得在主機板上存活下來。
隨著 PCIe 5.0 和即將到來的 6.0 時代，訊號在電路板上跑不到幾英吋就會衰減。這時候，我們需要第一種救兵。
這就是 Astera Labs (ALAB) 的主場。他們的旗艦產品 Retimer（重計時器） 就像是馬拉松比賽中的「中繼醫療站」。
當電子訊號在主機板上跑得氣喘吁吁、波形失真時，Retimer 會把它攔下來，進行數位修復（Re-time），把雜訊洗掉，重新生成一個乾淨強壯的訊號，再踢它一腳讓它繼續跑向 GPU 或 CPU。
ALAB 的護城河： 他們是 PCIe 和 CXL 協議 的絕對王者。只要你的伺服器內部需要 CPU 和 GPU 高速對話，你就繞不開 ALAB 的晶片。
但這只解決了「機殼內部」的問題。當訊號要離開伺服器，通過纜線連到交換機時，銅線面臨了更大的挑戰。
3. 銅線的反擊：ACC/AEC——被低估的過渡期金礦
以前，我們用便宜的「被動銅纜」（DAC）連接機櫃裡的設備。但在 800G/1.6T 的速度下，被動銅纜就像一根堵塞的水管，根本傳不動。
這時，產業界有兩個選擇：
換光纖： 性能完美，但價格昂貴，且功耗高。
讓銅線變聰明： 這就是 AEC (主動式電纜) 的誕生。
這裡有一個關鍵的技術區分，也是投資者容易搞混的地方：ACC vs. AEC。
ACC (Active Copper Cable)： 這是「低配版」。它在線纜接頭裡裝了一個放大器（Redriver），就像拿大聲公喊話，聲音變大了，但雜訊也跟著變大了。它只能傳輸很短的距離。
AEC (Active Electrical Cable)： 這是「高配版」，也是 Credo (CRDO) 的殺手鐧。
AEC 的原理，其實就是把 Retimer 晶片從主機板上搬到了「線纜的接頭裡」。
AEC 不只是放大訊號，它還具備 CDR (時鐘數據恢復) 功能。
這就像給銅線裝了一個「即時翻譯機」，它能消除抖動（Jitter），並透過前向糾錯（FEC）確保數據完整。
這讓銅線能做到以前只有光纖能做到的事：在更細、更軟的線材中，穩定傳輸 3 到 7 公尺。
為什麼是 Credo？
雖然 ALAB 也做 Retimer，但 Credo 是 Ethernet（乙太網路）AEC 市場的絕對霸主，市佔率超過8成。
ALAB 正在嘗試用 PCIe 規格的 AEC 線纜切入市場（主要用於機櫃內 GPU 互連）。
Credo 則已經壟斷了機櫃內「交換機到伺服器」的乙太網路連接。
投資意義：
在 CPO (光電共封裝) 技術於 2027 年全面進場之前，AEC 是未來 3 年的「過渡期金礦」。
微軟、亞馬遜、xAI 為了節省成本，在機櫃內部的短距離連接（<3公尺），會優先採用 Credo 的 AEC 方案，而不是昂貴的光纖。
4. 架構視角：Scale-Up 與光的最終接管
雖然 ACC/AEC 成功守住了「機櫃內部」這最後 2 公尺的防線，但物理學是無情的。當傳輸速度越來越快，大家都會希望能找到最後的最優解。
為什麼我們現在對「距離」這麼敏感？因為 Nvidia 改變了電腦的定義。
在傳統雲端時代，伺服器是獨立工作的。
但在 AI 時代，為了訓練像 GPT-4 這樣的大模型，單顆 GPU 的力量微不足道。Nvidia 的新架構（如 GB200 NVL72）做了一件瘋狂的事：它把 72 顆 GPU，透過極其密集的連接，偽裝成「一顆超級巨大的 GPU」。
這就是所謂的 Scale-Up（向上擴展）。
為了讓這 72 顆大腦感覺自己是一體的，它們之間的通訊延遲必須低到忽略不計。
機櫃內部（Intra-rack）： 在這個狹窄的空間裡（約 1-2 公尺），Nvidia 目前還能用銅線（NVLink）勉強支撐，配合強大的背板技術，這是銅線最後的堡壘。
機櫃之間（Inter-rack）： 一旦你要連接兩個機櫃，距離超過了 2 公尺，銅線就徹底宣告死亡。
這就是「光」登場的時刻。
光子沒有質量，不會像電子那樣互相排擠（沒有集膚效應），也不會發熱。光在玻璃纖維中飛行，幾乎沒有阻力。
第二章小結
趨膚效應 (Skin Effect)： 隨著頻率升高，電子會擁擠在銅線表面，導致電阻增加、發熱與訊號衰減。
止痛藥： Retimer（時序重整晶片，如 Astera Labs）能延長銅線壽命，但代價是延遲與功耗。
銅的最後防線： 主動式電纜 (AEC/ACC) 將是未來 2-3 年內短距離（機櫃內）連接的主流方案。
第三章：光子的進擊地圖——從邊緣攻入核心
在我們深入研究具體的投資標的之前，我們必須先搞清楚現在的 AI 資料中心到底是怎麼連起來的。
要看懂這場戰爭，你只需要記住一個黃金定律：
「速度越快，銅線能跑的距離就越短。」
隨著 AI 要求的速度從 400G 飆升到 1.6T，銅線的勢力範圍正在急劇縮小，而光纖正在步步進逼，填補銅線留下的真空。
第一部分：戰線的推移（時間維度）
這場戰爭經歷了三個階段，光子就像不斷推進的浪潮，從外圍一步步殺進核心：
過去 (雲端時代)：光在城牆外
速度 100G 時，銅線還很強壯。機櫃內部的連接，甚至機櫃與隔壁機櫃的連接，都可以用便宜的銅纜搞定。光纖只被用在長途運輸。現在 (AI 爆發期)：光攻破城門
速度來到 800G，銅線的勢力範圍縮小到 1~2 公尺。只要訊號一離開機櫃，就必須立刻轉成光。這導致了光收發模組的需求量暴增。未來 (下一代 AI)：光直搗核心
當速度來到 1.6T，銅線連機櫃內部都守不住了。光纖必須直接插到 GPU 晶片的旁邊（CPO 技術），因為電訊號連從晶片走到機殼面板這短短的距離都走不到了。
第二部分：目前的防線地圖（空間維度）
基於上述的演變，目前的 AI 資料中心呈現出一種「俄羅斯套娃」的結構。我們可以根據「距離」，將其劃分為四道防線：
第一層：晶片與晶片之間 (Chip-to-Chip) —— 銅線的最後堡壘
場景： 在同一個綠色電路板上，兩顆 GPU 緊緊挨在一起。
距離： 幾公分到十幾公分。
連接方式： 銅線 (Copper Trace)。
現狀： 這是銅線唯一還能稱王的地方。因為距離極短，電訊號還沒來得及衰減就到了。Nvidia 的 NVLink 目前主要就是在這個層級運作，讓幾顆 GPU 像連體嬰一樣共享記憶體。
第二層：伺服器內部 (Server/Intra-Rack) —— 銅與光的交界
場景： 在一個機櫃（Rack）裡，可能有 8 到 72 顆 GPU。它們需要連到機櫃頂端的交換機 (Top of Rack Switch)。
距離： 1 到 3 公尺。
連接方式： 銅纜 (DAC) 為主，光纖 (AOC) 為輔。
現狀： 這是目前競爭最激烈的戰場。Nvidia 的 NVL72 架構試圖用一種超粗的銅纜背板來解決問題。但隨著速度越來越快，銅纜變得像水管一樣粗且硬，安裝困難。光通訊正在這裡虎視眈眈，準備隨時接管。
第三層：機櫃與機櫃之間 (Rack-to-Rack) —— 光的絕對領域
場景： 你的 AI 模型太大，一個機櫃裝不下，需要把 100 個機櫃連起來。
距離： 5 公尺到 100 公尺。
連接方式： 光纖 (Optics)。
現狀： 這裡銅線已經徹底死亡。訊號一出機櫃，就必須變成光。這是目前光通訊產業最大的營收來源。
第四層：資料中心之間 (Data Center Interconnect) —— 長程光纖
場景： 連接台北和高雄的機房。
距離： 數公里到數百公里。
連接方式： 高功率光纖。
現狀： 這是電信等級的傳輸，完全依賴最高階的雷射技術。
關鍵結論：那個「銀色盒子」插在哪？
現在你知道地圖了。當訊號要從第二層（伺服器）衝向第三層（外部網路）時，它必須經過一個「關卡」。
在伺服器的背後，有一排插槽。你需要買一個長得像 USB 隨身碟的金屬裝置插進去。
這一頭，它接收伺服器送來的電子訊號。
那一頭，它連著光纖，射出雷射訊號。
這個負責在「電的世界」與「光的世界」之間進行翻譯與轉換的裝置，就是現在 AI 伺服器光傳輸的主角——光收發模組 (Optical Transceiver)。
接下來，讓我們像外科醫生一樣，解剖這個不起眼但價值連城的銀色盒子。
第三章小結：
黃金法則： 速度越快，銅線能跑的距離越短。光學元件正被迫離晶片越來越近。
「俄羅斯娃娃」結構：
晶片對晶片： 銅線仍是王者 (NVLink)。
機櫃內： 銅線 (DAC/AEC) 與光纖的戰場。
機櫃對機櫃： 必須使用光纖。
硬體核心： 光收發模組（那個「銀色盒子」）是目前電訊號 GPU 與光網路之間的翻譯官。
第四章：銀色盒子的解剖學——供應鏈的權力結構
如果說 Nvidia 的 GPU 是現代 AI 的大腦，那麼插在伺服器背後、那一個個不起眼的「銀色盒子」（光收發模組，Optical Transceiver），就是它的聲帶與耳朵。
沒有這些盒子，H100 晶片就是一個被鎖在黑屋子裡的天才，無法與外界溝通。
這個小東西，內部其實是一座微型的精密工廠，其複雜程度甚至不亞於一支智慧型手機。
在這個盒子裡，藏著光通訊產業最殘酷的利潤分配邏輯與護城河。讓我們像外科醫生一樣，把它切開來看看。
第一層：大腦（DSP）——翻譯官的過路費
當 GPU 發出訊號時，它是「數位」的（0 和 1）。但光纖裡傳輸的光，本質上是「類比」的波動（波峰與波谷）。
這兩者語言不通。如果直接把 GPU 的訊號打出去，在 800G 的超高速下，訊號會變成一團亂碼。
這時，我們需要一個絕頂聰明的翻譯官，這就是 DSP（數位訊號處理器）。
雙寡頭的壟斷：Marvell 與 Broadcom
這個翻譯官的工作極其困難，它必須在奈秒級的時間內，用複雜的數學演算法修復爛掉的訊號。這需要最先進的製程（如台積電 5nm/3nm）。
在這個領域，全球只有兩位真正的霸主：
Marvell (MRVL)： 光學 DSP 的專科醫生。他們在 PAM4 技術（一種高效率訊號編碼）上佈局極早，目前在 AI 光模組市場中，Marvell 的 DSP 被視為首選。
Broadcom (AVGO)： 網路帝國的皇帝。他們不僅做 DSP，還做交換機晶片（Tomahawk）。他們的策略是「全家桶」——如果你買我的交換機晶片，最好也用我的 DSP。
投資洞察：
這是一個「收過路費」的生意。無論下游是誰組裝這個盒子，無論最後賣給 Google 還是 Meta，只要是高速模組，幾乎都要向這兩家公司繳納昂貴的「技術溢價」。它們擁有最高的毛利（60-70%）和最深的護城河。
第二層：心臟（Laser）——矽無法發光的救贖
翻譯官（DSP）整理好訊號後，需要有人把它「喊」出去。這就是雷射（Laser）的工作。這也是整個供應鏈中，物理壁壘最高的地方。
1. 為什麼我們需要做雷射的公司？（物理學的鐵律）
你也許會問：「台積電既然能做出全世界最強的晶片，為什麼不能順便把發光的雷射也做進去？」
答案是：材料不對。
目前的晶片主要是用「矽 (Silicon)」做的。矽是一個很棒的材料，便宜又好用，但它有一個致命缺陷——它是「啞巴」。
矽原子結構決定了它只能導電，不能發光（它是間接能隙材料）。如果你通電給矽，它只會發熱，不會發光。
要產生雷射，必須使用一種稀有且昂貴的材料——磷化銦 (InP, Indium Phosphide)。
這種材料被稱為「化合物半導體」。如果說矽是蓋房子用的磚頭，那磷化銦就是昂貴的水晶。它脆弱、難以加工，但它天生就能發出純淨的光。
Lumentum (LITE) / Coherent (COHR) 就是全球最擅長駕馭這種「水晶」的工匠之一。
他們在晶圓廠裡生長出磷化銦晶體，並將其切割成微小的雷射晶片。這不是台積電的賽道，這是 Lumentum 的絕對領域。
2. 技術解密：為什麼 AI 需要特殊的雷射？
普通的雷射（比如你家滑鼠裡的）是「直接調變」(DML)。原理很簡單：開燈代表 1，關燈代表 0。
但在 AI 的 800G 高速傳輸下，傳統方法在長距離或高效能場景面臨挑戰。因為燈泡直接開關的速度是有極限的，閃太快，燈泡會壞，光也會變形。
於是，這些公司採用了一種高階技術——EML (電吸收調變雷射)。
原理： 雷射燈泡永遠保持常亮（提供穩定的光流）。
動作： 在燈泡前面加一個極其快速的「快門」（調變器）。透過快速開關快門來切分光線，產生 0 和 1。
優勢： 光源極度純淨，傳輸距離遠，速度極快。
在這裡，我們看到了兩種截然不同的生存之道：
專精的軍火商：Lumentum (LITE)
Keep reading with a 7-day free trial
Subscribe to FOMO研究院電子報 to keep reading this post and get 7 days of free access to the full post archives.