晚上打開 Netflix 追劇，或在手機上向 ChatGPT 丟出一個問題，畫面與文字幾乎是瞬間跳出來的。對使用者來說，只是按一下播放或送出鍵；對整個網路世界來說，這些影像和資料已經在短短幾百毫秒之內，跑完了跨國長途，再鑽進資料中心裡密密麻麻的伺服器和晶片之間，最後才回到你的螢幕。資料傳輸的速度如果慢個幾倍，你就會明顯感覺到「轉圈圈」。

問題是，傳統用銅線搬運電訊號的方式，正在接近極限。AI 模型越來越大，影集解析度從 Full HD 升級到 4K、甚至 8K，只靠把電訊號「加速」已經不夠，於是工程師開始把眼光放到另一個主角身上：矽光子（Silicon Photonics）。

要理解矽光子為什麼重要，可以先從「距離」這個變數來看。過去光纖主要負責長距離的「光通訊」，例如跨國的海底電纜，光具有高頻寬、低損耗的優勢。然而當焦點放在短距離的「光連結」，訴求就變成「高密度、低延遲與高頻寬」。

為什麼要讓光走進這麼短的距離呢？原因出在 AI 帶來的大量資料。合聖科技董事長暨總經理伍茂仁指出，當資料庫模型越來越大，參數動輒上千億個，訓練時往往需要一整排、甚至整個機房的 GPU（Graphics Processing Unit，圖形處理器）協同運算。這些晶片之間必須不停交換資料，若傳輸速度不夠快，或者功耗太高，整個系統就會被「I/O 瓶頸（Input/Output Bottleneck）」卡住，這使得系統花在「等資料」的時間，可能超過真正「在運算」的時間。

矽光子試圖解決的，正是這個問題。傳統光通訊將各種元件分開組裝，矽光子則是嘗試將光學元件直接做進類似互補式金屬氧化物半導體（Complementary Metal-Oxide-Semiconductor, CMOS）的矽晶圓上，變成一顆「光的 IC」。

不過，「矽光子」這個名稱很容易讓人誤解，以為是矽本身在發光。國立中興大學光電工程研究所劉浚年副教授解釋，矽是「間接能隙」半導體材料，電子在能階躍遷時，能量大多轉為熱而非光，因此不適合作為高效率光源。目前的工程主流是依賴「外加雷射光源」，通常採用 III-V 族半導體材料（如 InP、GaAs、InGaAsP），這類材料具有「直接能隙」，能高效率產生通訊波段（特別是 1310nm 與 1550nm）的雷射光。

如果把頻寬想像成「一條線可以塞多少車道」，傳統銅線一條線的頻寬是有限的，想再加車道，只能再鋪更多線，結果板上變滿、封裝變複雜，熱也跟著上升。矽光子則是把很多條光波導壓在同一顆晶片上，每一條通道可以做到 100G、200G，甚至往 400G 邁進，整體頻寬可以疊出數 Tbps（兆位元/秒）的等級。

更關鍵的是能效。劉浚年副教授解釋，電訊號在高速傳輸時，會面臨電阻造成的能量損耗，以及高速訊號間的互相干擾；為了修補這些訊號，必須加裝更多電路，結果就是導致「熱」越來越多，限制了 AI 的運算效能。相對地，光訊號侷限在光波導中，幾乎沒有電磁干擾，長距離傳輸損耗極小。伍茂仁董事長也指出，矽光子的最主要用意，就是為了降低純電訊號的功耗，「最終目標就是要又快又省電。」

為了進一步降低功耗、縮短電訊號在板上的路徑，產業界提出了 CPO（Co-Packaged Optics，共同封裝光學）。構想是把光模組直接搬到交換 ASIC（Application Specific Integrated Circuit，特殊應用積體電路）或 GPU 晶片旁邊，共用同一個載板，讓電訊號只跑幾毫米就轉成光訊號。這做法能大幅減少電介面的傳輸損失。對 AI 資料中心而言，這不只是「省一點電」，而是生存關鍵。伍茂仁董事長提到，若沒有 CPO，未來 GPU 機櫃的耗電量恐增加 3 倍，將使資料中心的運作變得不可行。

然而，矽光子要邁向大規模量產，目前仍面臨一大關卡：封裝與測試。

為了讓一顆矽光子晶片的傳輸數據夠高，工程師會在上面安排很多條光通道。然而，伍茂仁董事長指出，要將這麼多的光纖「封裝」到一個很小的矽光子晶片上，是相當困難的。光纖是玻璃做的，堅硬而且不容易在幾公分以內大角度彎折；光波導則是在晶片上以奈米尺寸刻出來，任何微小偏移都可能造成耦合效率下降，甚至完全對不上，要在自動化生產線上，用極高的精度重複做出同樣的結果，目前仍非常具有挑戰性。

劉浚年副教授進一步補充，這不只是困難，而是「量級」的差異。傳統測試電訊號，是用探針接觸金屬電極，容許誤差在「微米」等級；但在矽光子中，我們要把一條比頭髮細得多的光波導（寬度往往不到 500nm），和一根光纖對到正中間，容許誤差是「奈米」等級。「測試電訊號和測試光訊號，是完全不同等級的工程，」劉浚年副教授形容。

光無法用探針「直接接觸」量測，必須透過微透鏡或光纖懸空對準，只要差異幾百奈米，訊號就沒了。此外，光對環境極度敏感，一顆灰塵就可能阻擋光路造成損耗，些微的震動或溫度變化，都足以讓光的波長偏移。這也是為什麼在產業界，測試與封裝往往佔據整體成本的極高比例，甚至成為量產的關鍵瓶頸。

下次當你打開 Netflix，或者向 ChatGPT 丟出問題時，不妨在腦中補上一個畫面：在遠方的資料中心裡，一顆顆邏輯晶片與矽光子晶片正在分工合作。它們利用外部雷射引入的光源，把龐大的影片與模型參數切成無數個光脈衝，沿著奈米級的光波導奔跑。

「對一般使用者來說，你不會看到光，但你會感受到體驗的改變。」劉浚年副教授表示，當 AI 回應更即時、高畫質串流不卡頓，背後其實就是因為光傳輸降低了能耗與成本，這也有助於讓未來的訂閱費用與碳排放降低。

電與光並非互相取代，而是學習分工。電擅長運算與邏輯，光擅長遠距與高頻寬搬運。未來，隨著矽光子技術逐步成熟，我們追劇、玩遊戲、使用生成式 AI 的流暢體驗背後，都將多一點看不見的「光速工程」。