美國光電技術新創企業 MicroVision 正式宣布推出應用於 次世代 AI 資料中心 Scale-Up 架構 的進階光子（Photonics）技術平台，這是該公司從傳統光學感測領域（如 LiDAR、消費性投影）正式跨入 AI 基礎建設供應鏈的關鍵戰略轉折。
此次發表的技術聚焦於解決 AI 叢集擴張時最棘手的互連瓶頸：當數千顆 GPU 必須在極短距離內進行高速、低延遲、高頻寬的協同運算時，傳統銅纜的功耗與訊號衰減已逼近物理極限。MicroVision 試圖以矽光子整合技術提供一種「光進銅退」的替代路徑，透過波導（Waveguide）與調變器在同一晶片上整合光與電的傳輸。
值得高度關注的是，該公司選在此刻切入，正逢全球超大規模雲端服務商（CSP）與 GPU 供應商面臨「Scale-Up」與「Scale-Out」架構路線之爭白熱化的關鍵節點。雖然原始新聞稿內容相當精簡，未揭露具體合作客戶、量產時程或單晶片頻寬規格，但此舉無疑宣示了 MicroVision 從邊緣利基應用晉升為 AI 光學互連核心零組件供應商的高度企圖心。
此事件本質並非傳統意義上的政治或商業利益角力，而是一場由物理極限驅動的典範轉移（Paradigm Shift）——AI 運算的擴張正面臨銅纜互連的「功耗牆」與「頻寬牆」，迫使整個資料中心架構必須從電氣訊號轉向光學互連。理解此一轉變，須回溯至 AI 叢集擴張的深層技術脈絡。
一、AI 擴張的互連瓶頸
2023 年生成式 AI 爆發以來，大型語言模型的參數量與訓練叢集規模呈指數級膨脹。當單一訓練任務需動用 10 萬顆以上 GPU 協同時，GPU 之間的互連頻寬直接決定訓練效率。然而，銅纜（Copper Cable）在超過一定距離後訊號衰減嚴重，且功耗急遽攀升。業內估算，資料中心中近半數的電力其實消耗在「資料搬運」而非「資料運算」上，這正是微軟、Google、Meta 等超大規模業者最迫切的痛點。
二、Scale-Up vs. Scale-Out 的路線之爭
當前 AI 叢集架構主要分為兩條路徑：Scale-Out 透過乙太網路或 InfiniBand 串連大量伺服器節點，技術成熟但延遲較高；Scale-Up 則要求極短距離內（機櫃內或晶片間）達到近乎零延遲的記憶體一致性互連，這正是 NVIDIA NVLink 與 NVSwitch 的護城河，也是其能綁定超大規模客戶的關鍵。MicroVision 的光子技術瞄準的正是 Scale-Up 這一最高價值區段，試圖以光學互連取代 NVLink 中的部分銅纜連結。
三、矽光子的產業卡位戰
目前矽光子賽道已形成明確的競爭格局：傳統巨頭方面，Intel 與 Cisco（Acacia）已有完整產品線；新創方面，Ayar Labs、Lightmatter、Celestial AI 等估值動輒數十億美元。MicroVision 的加入意味著矽光子新創進入「戰國時代」，資本與技術的雙重門檻將急遽拉高。
戰略貿易流向與供應鏈依賴度
HS 8542資料來源：UN Comtrade 聯合國商品貿易統計庫 · 全球市場規模 $5,800 億美元 / 年
對比 2010 年代雲端運算崛起時伺服器虛擬化的典範轉移，光學互連正處於類似「2015 年前後 NVMe 取代 SATA」的關鍵爆發前夜。以下為三種可能的情境推演：
最關鍵的觀察指標為 2026 年上半年是否有重量級 CSP 或 GPU 客戶正式宣布採用，這將是驗證上述情境分歧的最重要風向球。
無論是工程師、投資人或產業觀察者，皆可從此事件中萃取明確的行動指引：
01 起因觸發：AI 叢集擴張逼近銅纜物理極限，互連瓶頸成為運算天花板
02 一階傳導：MicroVision 等矽光子新創成為 Scale-Up 架構的核心候選供應商
03 二階擴散：傳統銅纜、PCB、連接器業者面臨長期需求衰退壓力，Intel/Cisco 加速矽光子併購
04 三階外溢：台股光電封裝與磊晶供應鏈迎來轉單效應，全球半導體分工版圖重組
05 宏觀終局：AI 基礎建設成本結構翻轉，光進銅退如同當年光纖取代銅線，成為不可逆的典範轉移
因果網路圖譜 1 節點
可拖曳節點 · 點兩下開啟文章