✳flâneur — a map of the web's best reading
光通訊起飛,隨便買都會賺?LPO、CPO 與矽光子是甚麼? 深度分析第23期:MRVL, LITE, COHR, FN
fomosoc.com · 717 words · saved by 1 readers
我們往往以為,只要買了 10,000 顆最強的 GPU,把它們堆在機房裡,AI 模型就會自動變聰明。
光通訊起飛,隨便買都會賺?LPO、CPO 與矽光子是甚麼? 深度分析第23期:MRVL, LITE, COHR, FN KP@FOMOSoc Dec 04, 2025 ∙ Paid 816 65 39 Share 我們往往以為,只要買了 10,000 顆最強的 GPU,把它們堆在機房裡,AI 模型就會自動變聰明。 但事實是,如果這些大腦之間無法順暢溝通,那麼這堆價值數十億美元的矽晶片,就只是一堆昂貴的擺設,形成了一座座「 算力孤島 」。 想像一下,你擁有全世界最聰明的 100 位科學家(GPU),但你把它們關在不同的房間裡,只允許他們用傳紙條(低速傳輸)的方式溝通。這項研究永遠不會完成。 AI 的本質,不僅僅是「計算」,更是「 協作 」。而協作的瓶頸,不在晶片內部,而在晶片之外。 隨著速度邁向 800G,網路設備本身佔資料中心總耗電的比例也將突破 20%。 這意味著,我們花大錢買來的電力,有越來越高的比例不是用來「計算」,而是消耗在了「搬運數據」的過程上。 因此,我們正處於一個歷史性的轉折點:資料中心正在從「 電氣時代 」艱難但必然地邁向「 光子時代 」。 為了徹底理解這場變革,我們將在接下來的章節中依序探討: 物理極限: 為什麼銅線快要撐不住了?(第 1-2 章) 硬體解構: 光收發模組(光模塊)內部的運作原理與關鍵玩家。(第 3-4 章) 技術演進: 從 LPO 到 CPO,未
Explore this link on the map →saved by
related reading
- The Short Case for Nvidia Stock | YouTube Transcript Optimizeryoutubetranscriptoptimizer.com
- My picture of the present in AI — LessWronglesswrong.com
- How to Think About GPUs | How To Scale Your Modeljax-ml.github.io
- The Best GPUs for Deep Learning in 2023 — An In-depth Analysistimdettmers.com
- Can AI scaling continue through 2030? | Epoch AIepoch.ai
- Multi-Datacenter Training: OpenAI's Ambitious Plan To Beat Google's Infrastructuresemianalysis.com
- Dylan Patel — Deep dive on the 3 big bottlenecks to scaling AI computedwarkesh.com
- Reiner Pope of MatX on accelerating AI with transformer-optimized chipscheekypint.substack.com
- The Moon Should Be a Computerpalladiummag.com
- The AI Power Crisis — Part 2 - Nuttynuttycld.substack.com
- Jon Y (Asianometry) on Problems And Progress in Semiconductor Manufacturing - Hear This Ideahearthisidea.com
- An Interview with MatX CEO Reiner Pope About LLM Chipschipstrat.com