光子電腦全貌：從光互連到光子加速器，再到量子光子
光子電腦全貌：從光互連到光子加速器，再到量子光子
為什麼我們需要「光子電腦」？
核心原因可以濃縮成三句話：
- AI 系統的瓶頸正從算力轉向 I/O 與互連：訓練與推論越來越依賴多卡、多機協同，資料必須在 GPU、CPU、HBM、交換機之間高速流動；互連能耗與可擴展性成為系統級成本中心。
- 銅線在高頻寬、長距離、低功耗下越來越吃力：越往 100G/200G/400G lane 的世界走，信號完整性、等化、功耗、散熱都更難，促使業界把光學「往封裝裡推」。這就是近年最熱的 LPO / CPO（線性驅動可插拔 / 共封裝光學）。
- 光不只用來搬資料，也可能用來做特定運算：特別是矩陣乘、卷積這類「線性代數」主菜；但非線性、記憶體與控制仍常在電子域更划算，所以更常見的是「光電混合」。
所以「需要光子電腦」這句話，正確理解是：我們需要光子技術進入計算與資料中心系統，解決互連與能效的極限問題；運算端則在特定工作負載上探索更高吞吐/更低能耗的線性計算路徑。
你之所以會一直聽到「光子電腦」這個詞，背後其實是同一個大壓力在推：電子（銅線 + 封裝 I/O）正在成為 AI 算力擴張的天花板。當模型越來越大、GPU/加速器越來越密，真正先爆掉的常常不是乘加單元，而是資料搬運的頻寬、延遲與能耗。光子技術之所以重要，不是因為它神祕，而是因為它在「把資料搬遠、搬快、搬省電」以及「做某些線性運算」上，有機會比純電子更划算。
三賽道拆解：互連、光子加速器、量子光子
把「商業化節奏」與「物理難度」直接分開的三分法：
A. 光互連（Photonics for Interconnect）— 最商用、最確定
用光搬資料，目標是讓資料中心與 AI 叢集的連線更省電、更高密度、更可擴展。近期最關鍵的方向是把光學模組從「板上/機箱邊緣」推進到「更靠近交換晶片或算力晶片」的封裝形態，也就是 CPO。產業分析與供應鏈討論普遍認為 CPO 會在 AI 網路中扮演越來越核心的角色。
- 你買到的價值：頻寬密度、連線距離、系統能耗、可擴展性（scale-out）。
- 為何重要：AI 系統「跨卡/跨機」通訊是常態，互連一旦成瓶頸，算力堆再多也被餵不飽。
B. 光子加速器（Photonic Accelerator）— 線性運算很強，但多是混合式
這一賽道強調「用光做計算」，通常最擅長的是線性運算（矩陣乘法、卷積、本質上是 MAC 的大規模並行形式）。但真實 AI 模型還需要 ReLU/GELU/Softmax、量化、正規化、路由、記憶體存取、控制流程等大量「非線性 + 資料搬運」，所以現實路徑往往是：光域做線性核，電子域做非線性與控制。
業界也在做「光互連 + 系統級封裝」的產品化探索，例如把光子互連做成「超級晶片/互連晶片」來解 I/O。
- 你買到的價值：線性代數吞吐、每瓦性能（尤其在特定形狀的矩陣運算）、延遲特性（視架構而定）。
- 最大難點：精度、噪聲、校正、溫飄、可重複製造，以及如何把它嵌進現有軟硬體堆疊。
C. 量子光子（Photonic Quantum）— 物理與工程難度最高、路徑也不同
量子光子用光子來承載量子資訊（量子態、糾纏等），目標是量子計算/量子通訊/量子感測。它跟前兩者最大的差別是：
- 追求的不是「每瓦多做幾次矩陣乘」，而是量子優勢（特定問題的計算複雜度躍遷）。
- 系統工程要求（單光子源、低損耗干涉、探測效率、誤差修正、可擴展製程）完全不同。
一條共通價值鏈：從元件到系統，到底在賣什麼？
每一段「主要賣的」標出來（性能/能耗/成本/可靠性）。這條鏈同時適用於光互連與多數光電混合運算架構；量子光子會用到相似元件語彙，但指標會更偏「損耗/相干/探測效率/誤差率」。
1) 光源 / 雷射
主要賣：可靠性、成本、性能（依應用而不同）
- 互連很在意長壽命、溫度穩定、可量產成本；運算/研究型系統可能更在意相干性、線寬、特定波長配置。
- 在 CPO 等更緊密封裝情境，熱管理與可靠性會被放大。
2) 調變器（Modulator）
主要賣：能耗、性能、可靠性
- 調變效率（每比特能耗）、帶寬、線性度、溫飄都直接影響系統功耗與誤碼率。
- 在 LPO/CPO 趨勢下，與驅動電路的協同設計變得關鍵。
3) 光子晶片（波導 / 干涉器 / 微環）
主要賣：性能、成本（外加可製造性 → 可靠性）
- 光路損耗、耦合效率、器件一致性決定你能把多少「光學功能」塞進可量產的晶片。
- 微環等結構可做濾波/調制/交換，但也更敏感於溫度與製程偏差，因此需要校正與熱控。
4) 探測器（Photodetector）
主要賣：性能、可靠性
- 互連場景要的是接收靈敏度、帶寬、低雜訊與長期穩定；這直接關係到連線距離、功耗與 BER。
5) 電子（ADC / DAC / TIA / 控制）
主要賣：能耗、成本、性能
- 現實裡很多功耗與成本仍出在高速 SerDes、TIA、時鐘、DSP/等化、控制與校正。
- 這也是為何「把光推近晶片」的同時，大家也在想辦法減少重 DSP、縮短電通道。
6) 封裝 / 散熱 / 校正
主要賣：可靠性、成本（同時決定性能能不能落地）
- CPO 之所以被反覆討論，是因為它不是單一元件突破，而是封裝、良率、可維修性、熱與光纖佈線的系統工程。
7) 系統（伺服器 / 交換機 / 加速卡）
主要賣：性能、總擁有成本（TCO）與可擴展性
- 最終買單的是雲端/資料中心：同樣訓練吞吐下，能不能更省電、更少機櫃、更好維運。
- 業界對「光子化互連、光子交換」的投入，背後就是 AI 網路升級的商業驅動。
如何判讀光子電腦新聞
用一個簡單的判讀法，避免被行銷名詞帶走：
- 新聞在談 CPO、LPO、矽光子、光引擎、交換機光化 → 99% 屬於 光互連賽道（商用推進最快）。
- 新聞在談 photonic computing、optical matrix multiply、photonic accelerator → 多半屬於 光子加速器賽道（多是光電混合，線性核強、非線性多在電子）。
- 新聞在談 single-photon、entanglement、quantum photonics → 屬於 量子光子賽道（科學與工程風險曲線完全不同）。
關鍵 Takeaways
-
「光子電腦」不是單一產品，而是三條賽道的總稱：光互連（最落地）/ 光子加速器（混合式探索）/ 量子光子（最高難度、不同終局）。
-
共通價值鏈裡，真正決定能不能商用規模化的，往往不是某個單點器件，而是：
- 電子前後端能耗（SerDes/TIA/控制/校正）
- 封裝、散熱、良率、可維修性（尤其 CPO）
-
畫「價值鏈」時，每一段標「性能/能耗/成本/可靠性」會立刻看出：
- 互連賽道最吃重的是 能耗 + 可靠性 + 封裝系統工程
- 加速器賽道最吃重的是 線性運算性能 + 校正/精度 + 與電子域的協同
參考來源
- SemiAnalysis: Co-Packaged Optics (CPO) – Scaling with Light
- Yole Group: NVIDIA’s 2025 photonic switch revolution
- Broadcom: Leading the future of Co-Packaged Optics
- Yole Group: Silicon photonics and co-packaged optics
- APNIC Blog: Co-Packaged Optics — a deep dive
- Marvell Blog: Co-packaged Optics: Powering the Next Wave of AI Data Centers
- Lightmatter: Passage M1000 Photonic Superchip
- Lightmatter: Joins UALink Consortium
- HPCwire: Lightmatter Aims to Leapfrog I/O Limitations with 3D Photonic Interconnect