隨著人工智慧（AI）模型的規模與運算需求持續飆升，AI基礎架構正面臨著前所未有的轉折點。市場焦點已從單純增加GPU數量，轉向如何以更高的效率來連接大規模的運算資源。擴大縱向擴展（scale-up）領域能直接支援更快的訓練速度與更佳的模型品質，使得高頻寬、低延遲的互連技術，成為下一世代AI基礎架構不可或缺的關鍵。然而，當傳統銅纜逐漸觸及物理極限，scale-up網路全面轉向光學互連時，快速增加的光纖數量與佈線複雜度，也伴隨著成本、部署、供應鏈以及可靠性等全新的挑戰。
雙向光學技術：化繁為簡的關鍵解方
為了克服實體佈線的瓶頸，BiDi雙向光學技術提供了一條更具效率的發展路徑。BiDi巧妙地利用不同的波長，在單一光纖上同時承載傳送與接收訊號，這能大幅降低大型scale-up網路所需的光纖與連接器數量，同時維持交換器radix（連接埠數）、頻寬與鏈路傳輸距離不變。這項技術的價值不僅在於撙節光纖用量，更核心的意義在於簡化了支撐龐大AI叢集所需的實體基礎架構。
突破銅纜極限，解鎖512-GPU以上的叢集規模
打造更大型AI模型的競賽，與擴大scale-up領域的規模息息相關。在晶片與封裝層級，GPU受到矽晶片面積、良率與功耗的嚴格限制，業界目前的因應之道，是將數百顆加速器整合成單一高頻寬、低延遲的機櫃組（pod），讓AI模型將其視為一顆超大型GPU運行。
然而，Pod結構已無法透過傳統銅纜持續擴展。在目前每通道200Gb/s的SerDes速率下，被動式電氣互連的最大傳輸距離約僅有一公尺，這使以電氣方式連接的scale-up領域實質上被限制在一至兩個機架、大約72至144顆GPU之間。若要跨機架連接512顆以上的加速器，光子互連便成為唯一可行的發展路徑。不過，單純以光鏈路取代銅纜，也會帶來新的麻煩，例如在單一512-GPU pod中，UniDi光學網路會衍生出數十萬芯光纖、數萬個連接器，以及複雜的shuffle box（光纖路徑重新排列箱），每一處對接都隱藏著污染、錯接或故障的風險。
BiDi帶來卓越的成本與可靠性優勢
根據Lightmatter針對512-GPU scale-up模型的分析顯示，BiDi技術能帶來三大實質效益：首先，能將光纖與連接器數量直接減半；其次，可將scale-up網路的總支出降低約15%；最後，還能將被動光路中的潛在故障點減少約一半，且完全不影響交換器radix、頻寬與鏈路傳輸距離。
為了加速這項技術的普及，Lightmatter已在其互連產品組合中正式導入BiDi。這項分析是以預計於2027年上市的Passage L20光引擎（OE）作為代表性解決方案，充分展現雙向光學技術在未來AI資料中心的大好前景。
玩家總結
面對AI運算規模化的浪潮，傳統銅纜與傳統光學互連皆已面臨物理與架構上的極限。透過Lightmatter導入的BiDi雙向光學技術，不僅在單一光纖上實現雙向傳輸，更成功將光纖與連接器數量砍半、降低15%網路總支出，並減少一半的故障風險。隨著Passage平台與Passage L20光引擎等創新技術的推進，未來的AI基礎架構將能以更高的頻寬密度與能源效率，徹底突破傳輸瓶頸，迎向全新的高效能運算時代。
延伸閱讀：
Meta AI家長監護功能在台灣正式上線 助家長掌握青少年AI互動主題
蓋瑞奇最新動作鉅獻《金劫任務》墨西哥女星艾莎岡薩雷化身兩大男神老闆
青春奇幻小說《致遙不可及彼方的你》動畫電影化！跨越時空的夏日純愛感動登場
凱擘大寬頻推出新速代限時優惠1G對稱頻寬月付500元起再享串流影音與mo幣回饋
