在這個生成式 AI 爆發的年代，我們每天都在讚嘆 ChatGPT 的反應變快了、Midjourney 畫出的圖更精緻了。我們理所當然地認為，電腦只會越來越快。但這背後卻有一個不容忽視的殘酷真相：我們的「大腦」進化太快，但負責傳遞訊息的「神經」卻跟不上了。

國立臺灣科技大學光電工程研究所李三良講座教授一語道破這個困境：「你算得再快，資料傳不出去也是浪費。」

當電子在微縮的銅線中寸步難行，甚至快要把晶片燒壞時，科學家們意識到，解方在於我們必須換掉那條擁擠的傳輸路徑，改用宇宙中最快的介質——光。

這個讓 AI 產業集體焦慮的現象，在專業術語上被稱為「I/O 牆（Input/Output Wall，輸入與輸出瓶頸）」。

李三良教授指出，半導體的真正瓶頸其實不在於算不快，而是資料跑不動。在傳統的電路板上，電子訊號通過銅線時會產生電阻。隨著我們把晶片做得越來越小，銅線也變得比頭髮還細，這時候物理學上的「集膚效應（Skin Effect）」就成了惡夢。

什麼是集膚效應？想像一下那群騎腳踏車的外送員（電子），原本在寬敞的大馬路上可以隨意騎，但現在路變窄了（銅線微縮），他們被迫全部擠在馬路的「最邊緣」騎車，路中間反而空著不能用。這導致擁擠不堪，摩擦力與阻力急劇升高。

為了抵抗阻力把訊號送達，晶片必須加大電壓推送，這直接導致了兩個災難性的後果：

1. 訊號延遲：外送員騎不動了，資料送達的時間變長，這對於需要即時反應的 AI 訓練來說是致命傷。
2. 廢熱增溫：為了推動電子所消耗的能量，大半都變成了沒用的熱能。李三良教授形容，這就像是在充滿泥濘的沼澤地裡推車，你耗費了巨大的力氣，卻只前進了一點點，剩下的力氣都變成了熱。

這就是為什麼現在的 AI 伺服器機房，冷氣費可能比硬體費還貴。如果繼續堅持用銅線來連接成千上萬顆 AI 晶片，那麼整座資料中心將會變成一個巨大的微波爐，還沒算出答案，機器就先燒壞了。要讓 AI 更快，我們不能再只是給主廚添加新廚具（增加運算核心），我們必須徹底換掉那條泥巴路。

當電子這條路走不通時，科學家們把目光轉向了宇宙中最快的物質—光。

這項技術被稱為「矽光子（Silicon Photonics）」。乍聽之下這是個充滿未來感的詞彙，但拆解開來，其實就是「矽（Silicon）」與「光子（Photonics）」的異質整合。李三良教授強調，這不是新發明，早在幾十年前就有這個概念，但在 AI 時代，它卻成了救命稻草。

為什麼是光？首先，光子是沒有質量的。與電子不同，光束在傳輸介質中行進時，幾乎不會產生摩擦熱，也不會受到電磁波的干擾。如果電子傳輸像是「在沼澤地裡推車」，那麼光子傳輸就像是「在溜冰場滑行」，中間滑行的過程幾乎是不費力的。

但矽光子技術最迷人的地方，不僅僅是快，而在於它的「頻寬魔法」。

在傳統的銅線傳輸中，一條線在同一時間通常只能傳送一個頻道的訊號。如果你想要傳更多資料，就得拉更多條線，這會佔用寶貴的晶片空間。但在光的世界裡，我們擁有光譜。

這項技術的核心魔法叫做「波長分波多工（Wavelength Division Multiplexing, WDM）」。想像一下，我們不再鋪設泥巴路，而是架設了一條透明的真空管（光波導）。在這條管子裡，我們可以同時發射紅光、綠光、藍光、紫光……數十種不同顏色的雷射光束。每一種顏色的光，都像是一輛獨立的列車，載著不同的資料，它們在同一條管子裡並肩飛行，卻互不干擾。

這就像是在原本只有一線道的公路上，瞬間開啟了「多重宇宙車道」。在一根比頭髮還細的光波導中，資料傳輸量可以輕鬆翻上數十倍甚至百倍。

而且，光子搬運資料極其省力。根據研究，利用光傳輸一個位元的資料，所消耗的能量僅是電子的幾分之一甚至幾十分之一。這意味著，我們終於可以打破那道功率牆，讓 AI 運算的規模不再被散熱問題給勒死。

既然光這麼厲害，未來的矽光子晶片會長什麼樣子？

李三良教授用「接力賽」來形容未來的「光電混血」架構。他形容，電子將負責短跑與思考（邏輯運算），光子則負責長跑與運輸（資料傳輸）。李三良教授進一步解釋，這是基於物理上的鐵律——光子像是個停不下來的過動兒，無法靜止下來儲存資料，所以記憶與邏輯判斷仍需仰賴電子。

這個「電子主內、光子主外」的黃金定律並不會消失，但在臺灣半導體研究中心（TSRI）曾聖翔博士的眼中，這場接力賽的「交棒方式」正在進化。他提出了一個更前瞻的觀點：既然光子在傳輸路徑上跑得這麼快，我們能不能讓它在跑的過程中，順便把數學題算完？

這聽起來很抽象，曾聖翔博士用一個生動的對比來解釋：

• 電子算數學（數位運算）：就像是一個人爬樓梯，必須一階一階地爬，雖然精準，但面對海量數據時容易塞車。
• 光子算數學（類比運算）：就像是丟兩顆石頭到水池裡，當兩圈水波漣漪相遇時，波峰與波峰會自然疊加變高。光子也是一樣，當兩道光束交會，它們不需要「思考」，物理定律會讓它們在交錯的瞬間，自動「疊」出新的數值。

這種物理現象稱為「波動疊加（Superposition）」。在 AI 最吃重的矩陣運算中，光子不需要像電子一樣排隊進出記憶體，答案會在光波交會的次奈秒（Sub-nanosecond）瞬間自然浮現。

因此，曾聖翔博士認為，未來的分工將變得更為細緻且強大：電子繼續扮演「大腦」，負責複雜的邏輯控制與非線性決策；而光子除了當「快遞」，更將接手那些重複繁重、高能耗的線性運算工作，成為 AI 運算的超級加速器。

這場「光電接力」不僅改變了晶片的運作方式，更徹底重塑了全球半導體的戰場，而這正是臺灣最大的機會所在。

以前，光通訊模組是做好了之後，像隨身碟一樣「插」在伺服器主機板的邊緣。但現在為了極致的速度，我們必須把光引擎（Optical Engine）直接搬到離 GPU 晶片不到幾毫米的地方，甚至堆疊在一起。這在技術上稱為「共同封裝光學（Co-packaged optics, CPO）」。

試想一下這個難度：你要把「會發熱的運算晶片」（矽）和「怕熱且精密的雷射元件」（光），以及負責轉換訊號的驅動晶片，全部封裝在一片指甲大小的基板上。這就像是要把法拉利的引擎，完美地塞進一臺精密的瑞士機械錶裡，還不能讓它燒壞。

這需要最頂尖的異質整合（Heterogeneous Integration）技術。放眼全球，能同時搞定邏輯晶片製造、先進封裝、以及伺服器系統整合的地方，只有臺灣。全球科技巨頭 NVIDIA、AMD 要做最強的 AI 晶片，就必須依賴臺灣的供應鏈。這不再是單純的代工，而是共同定義未來電腦長什麼樣子的合作。

而臺灣不只有製造的硬實力，曾聖翔博士點出臺灣在生態系（軟實力）上的關鍵佈局。他觀察到，過去學「電」與學「光」是兩群語言不通的人，但未來的晶片設計需要既懂電路邏輯、又懂光路物理的「雙語人才」。

這正是 TSRI 此刻的重要任務。透過建立驗證平臺，TSRI 整合了國內外的製程資源，讓學界與新創團隊能夠快速試作、驗證光電整合晶片。這不僅降低了設計門檻，更是在為臺灣培育下一代能定義 AI 硬體標準的頂尖工程師。

站在 2025 年的當下展望未來，矽光子技術將引領我們進入 AI 硬體的下一個紀元。

過去，我們評價一臺電腦強不強，看的是 CPU 的時脈、看的是單顆晶片的跑分。但未來的 AI 運算，拼的是「連結力」。當單顆晶片的電晶體數量逼近極限，AI 的智慧將來自於將成千上萬顆晶片串聯起來的能力。

想像一下，未來的資料中心不再是一排排獨立運作的冷冰冰機器，而是一個透過光速互連的「巨型大腦」。在這個大腦中，數萬顆 GPU 透過光纖神經網路緊密相連，資料在其中流動沒有延遲，記憶體資源可以被所有晶片共享。對 AI 來說，這意味著它可以在一瞬間調用位於整座工廠另一端的記憶體資料，就像存取自己口袋裡的東西一樣快。

當「電子」終於跑不動的時候，是「光子」接過了接力棒。這場革命看不見火花，聽不到噪音，因為光是靜謐的。但在這份靜謐之中，人類的運算文明正在發生質的飛躍。從電子到光子，從銅線到波導，臺灣的晶圓廠正在安靜地為這個世界，鋪設通往下一代人工智慧的「光速鐵路」。