最近科技圈很像大型英文縮寫比賽。
昨天你才剛搞懂 CoWoS，今天又冒出 CPO；你以為終於跟上 AI 趨勢，結果又看到一個新名詞：「COUPE」。
很多人第一反應都差不多：
「蛤？COUPE？那不是雙門跑車嗎？」
「還是台積電偷偷跑去做法國料理？」
「這是新製程？2奈米升級版？還是 AI 晶片界的隱藏角色？」
先講結論：
COUPE 不是台積電的新製程。
它比較像是「AI 晶片高速公路升級計畫」。
如果把先進製程比喻成「蓋出更強的 CPU/GPU 大樓」，那 COUPE、CPO、CoWoS 這類技術，就是在解決：
「這些超級大樓之間，到底怎麼高速互通？」
因為現在 AI 世界最大的問題，已經不是只有「算力不夠」，而是：
「資料根本塞車塞到像台北跨年後的忠孝東路。」
尤其當 NVIDIA 的 GPU 開始一台比一台猛，資料吞吐量像怪獸級暴食王時，傳統封裝與傳統連線方式，開始有點像：
「你買了法拉利，結果社區巷口只有單線道。」
於是，整個半導體世界都開始瘋狂升級「晶片交通系統」。
而 COUPE，就是 Taiwan Semiconductor Manufacturing Company 最近很重要的一張新牌。
先講人話：COUPE 到底是什麼？
COUPE 的核心概念，其實是：
「讓光通訊更靠近晶片。」
英文全名可以理解成一種「光電整合封裝架構」。
這件事超重要。
因為現在 AI 資料中心裡面，最痛苦的問題之一，就是：
GPU 太會算，
但資料搬運太慢。
很像：
班上有個數學天才 3 秒寫完考卷，
結果隔壁同學傳答案要 20 分鐘。
AI 訓練現在最耗的，
很多時候不是「運算」，
而是：
資料搬運。
所以市場開始瘋狂研究：
「怎麼讓資料移動更快？」
這時候，「光」就變成救世主。
因為傳統銅線有幾個大問題：
- 距離越長，耗能越大
- 發熱嚴重
- 頻寬有限
- 高速下訊號衰減很麻煩
但光通訊不同。
它像開啟高速鐵路：
- 更快
- 更省電
- 傳輸距離更長
- 干擾更低
所以現在全球 AI 資料中心，都在想辦法把「光」拉進封裝裡。
這也是 CPO 與 COUPE 的核心方向。
那 CPO 又是什麼？
CPO（Co-Packaged Optics）比較像：
「把光通訊模組直接搬進 GPU 旁邊住。」
以前光模組通常在交換器外面。
現在大家發現：
「不行，距離還是太遠。」
於是開始把光學元件跟 ASIC、GPU 一起封裝。
目的只有一個：
減少電訊號傳輸距離。
因為電跑太遠會累。
光比較不會。
所以：
- CoWoS：偏向「高頻寬封裝」
- CPO：偏向「光通訊整合」
- COUPE：則更像是台積電提出的一套「光電整合演進路線圖」
很多人會把它們混在一起，
其實它們有關，但不完全相同。
CoWoS 比較像「超級晶片停車場」
Taiwan Semiconductor Manufacturing Company 的 CoWoS（Chip on Wafer on Substrate）比較偏向：
「把很多晶片塞在一起。」
例如：
- GPU
- HBM 記憶體
- AI 加速器
大家住同一個豪宅社區。
距離近，
速度快。
所以 NVIDIA 的 AI GPU 幾乎超依賴 CoWoS。
你現在看到 AI 狂潮背後，
其實很多都是 CoWoS 在撐。
沒有它，
HBM 根本很難高速連接 GPU。
但問題來了。
現在 GPU 越做越大。
資料量越來越誇張。
即使 CoWoS 已經很強，
大家還是開始覺得：
「光靠電訊號，快不夠用了。」
於是，
光開始登場。
COUPE 為什麼重要？
因為它像是：
「下一代 AI 晶片城市規劃。」
而且台積電很明顯不是只想做單一產品。
它是在規劃未來十年的 AI 基礎建設。
尤其當 AI 伺服器開始進入：
- 超高頻寬
- 超高速互連
- 超低功耗
時代後，
光電整合幾乎變成必修課。
這也是為什麼現在：
- Intel
- Broadcom
- Marvell Technology
- NVIDIA
- Advanced Micro Devices
全部都在衝光通訊。
因為 AI 資料中心未來最怕的，
不是 GPU 不夠強。
而是：
「GPU 全部卡在傳輸塞車。」
台積電把 COUPE 分成三階段，是什麼意思？
這段其實超像房地產升級。
從平房 → 大樓 → 豪宅帝寶。
第一階段：COUPE on PCB
PCB 就是電路板。
這階段比較像：
「先把光學元件放進一般主機板附近。」
距離還不算太近。
但已經比傳統架構好很多。
優點：
- 成本較低
- 技術成熟
- 容易量產
- 散熱比較簡單
缺點：
- 傳輸距離還是偏長
- 能耗仍較高
- 頻寬提升有限
這階段有點像：
「先讓 AI 高速公路蓋到交流道附近。」
目前很多公司其實都還停在這裡。
因為比較好做。
第二階段：COUPE on Substrate
Substrate 是封裝基板。
這時候光學元件開始更靠近晶片。
距離縮短後：
- 功耗下降
- 頻寬提升
- 延遲降低
這就像：
「高速公路直接開到社區門口。」
但難度也開始暴增。
因為：
光學元件很嬌貴。
封裝、熱管理、良率，
全部變難。
很多公司現在正在努力往這階段前進。
第三階段：COUPE on Interposer
這才是真正的大魔王。
Interposer（中介層）本身就是 CoWoS 裡超重要的一環。
這階段等於：
「光學元件直接貼近 GPU 核心。」
超近距離。
超高速。
超低功耗。
幾乎像：
「GPU 跟光通訊直接同居。」
優點很猛：
- 頻寬最高
- 能耗最低
- 傳輸效率最佳
但缺點也超恐怖：
- 超難封裝
- 成本極高
- 良率挑戰巨大
- 熱管理超難
這有點像：
你不是蓋豪宅，
你是在蓋台北 101 裡的核融合實驗室。
目前真正能往這裡走的公司，
全球其實沒幾家。
那目前誰領先？
如果講「先進封裝」：
目前市場公認最強的，
還是 Taiwan Semiconductor Manufacturing Company。
尤其 CoWoS 幾乎已經變成 AI 時代的關鍵基建。
甚至某種程度上：
「沒有 CoWoS，就沒有現在這波 AI 狂潮。」
因為 NVIDIA 太依賴它。
Intel 呢？
Intel 其實也很強。
它有：
- EMIB
- Foveros
- 矽光子（Silicon Photonics）
尤其 Intel 在矽光子領域，
其實布局超久。
很多人甚至認為：
如果講「光通訊整合經驗」，
Intel 可能比很多公司還早。
但問題是：
Intel 過去幾年節奏有點亂。
導致市場信心被 Taiwan Semiconductor Manufacturing Company 拉開。
不然純技術底子，
Intel 其實不弱。
Broadcom 與 Marvell 呢？
這兩家很像：
「AI 資料中心高速公路包商。」
它們超強的地方是：
高速交換器與網通晶片。
尤其 AI 資料中心越大，
越需要高速互連。
所以：
- Broadcom
- Marvell Technology
最近都被市場高度關注。
因為 AI 後期競爭，
可能不是單純 GPU 大戰。
而是：
「誰能讓數千顆 GPU 不塞車。」
NVIDIA 自己也在衝
很多人以為 NVIDIA 只會做 GPU。
錯。
現在的 NVIDIA，
其實越來越像：
「AI 基礎建設總包商。」
它正在把：
- GPU
- 網通
- 光通訊
- 軟體
- 資料中心
全部整合。
黃仁勳現在不像賣顯卡。
比較像在賣：
「AI 城市建設方案。」
那 AMD 呢？
Advanced Micro Devices 現在也在追。
尤其 MI300 系列，
已經開始強攻 AI。
但封裝、生態系、光通訊整合，
目前還是 NVIDIA + 台積電比較強勢。
AMD 比較像：
正在加速追趕的第二集團。
誰目前在第幾階段？
如果簡單粗暴分類：
第一階段（PCB）
很多傳統光模組公司都還在這裡。
因為容易量產。
第二階段（Substrate）
目前產業主流開始往這裡移動。
很多大廠正在布局。
第三階段（Interposer）
目前還偏向未來戰場。
真正成熟量產還需要時間。
但：
Taiwan Semiconductor Manufacturing Company 幾乎是市場最被期待的領跑者之一。
最後總結：COUPE 真正可怕的地方
很多人以為：
AI 革命只是 GPU 越做越強。
但其實下一階段真正的大戰，
可能是：
「資料怎麼搬。」
因為 AI 世界現在開始出現一個很現實問題：
GPU 算得比資料跑得還快。
這就像：
你請了 100 個米其林主廚，
結果外送員只有 1 台腳踏車。
所以未來 AI 世界的關鍵，
可能不是只有：
「誰有最強晶片。」
而是：
「誰能打造最快的晶片高速公路。」
而 COUPE，
就是台積電正在蓋的下一代 AI 高速鐵路網。
如果 CoWoS 是現在 AI 熱潮的「主幹道」，
那 COUPE 很可能就是未來 AI 城市的：
地下捷運＋磁浮列車＋星際傳送門。
沒有留言:
張貼留言