AI：吞噬能源的巨獸
幾年前，一座超大規模資料中心 (Hyperscale Data Center) 的耗電量約為 50 至 100 百萬瓦 (MW)。然而，現今如微軟 (Microsoft) 與 Google 等科技巨頭，正計畫打造吉瓦 (Gigawatt, GW) 級別的集群。由美國政府提議的 Stargate 計畫，甚至預測其電力需求將高達 10 吉瓦 (GW)。
10GW 的能耗規模究竟代表什麼？
-
新加坡年度耗電量： 2024 年約為 58 TWh（平均功耗約 6.6GW）。
紐約市年度耗電量： 2024 年約為 50 TWh（平均功耗約 5.7GW）。
換言之，單一由政府提議的 Stargate 計畫 資料中心，其電力需求將遠超過整個新加坡或紐約市的日常運作總和。
為什麼 AI 資料中心需要消耗如此龐大的能源？傳統伺服器機櫃的功耗約為 10kW，而現代化的 NVIDIA GB200 NVL72 機櫃功耗已飆升至 120kW，增幅超過 10 倍。
資料搬移稅
在 AI 資料中心內，通訊（Communication）變得至關重要，因為它實現了共享記憶體 (Shared Memory) 與並行運算 (Parallelism)，而這正是運行兆級參數模型的關鍵。NVIDIA 創辦人兼執行長黃仁勳在 GTC 2025 中表示，AI 伺服器機櫃正在傳輸海量數據，其規模已超過全球網路的巔峰流量（約 900Tbps）。這導致單純為了「搬移資料」就產生了巨大的功耗，這正是所謂的「資料搬移稅 (Data Movement Tax)」或「互連牆 (Interconnect Wall)」。
僅考慮 AI 資料中心內的 GPU 互連，一套 GB300 NVL72 系統透過尖端的擴充技術（Scale-up technology）連結了 72 顆 GPU，在單一機櫃內提供約 130 TB/s (約 1 Pbps) 的資料移動量。讓我們來看看在不同互連情境下的功耗表現：
＊估算值包含串列器/解串列器 (SerDes) 電路與模組功耗。
機櫃內部的通訊能耗已佔據運算功耗的 5-10%。其他資料搬移行為——包括記憶體存取 (Memory Access)、板載 PCIe (On-board PCIe)、以及交換機托盤 (Switch Tray) 等——正嚴重阻礙著 AI 資料中心的進一步規模化發展。
為何傳統光學方案功耗過高？
儘管銅纜線徑粗大且可能阻礙散熱氣流，但可插拔光學模組 (Pluggable Optics) 仍非大規模擴張（Scale-up）的理想選擇，原因在於其極高的功耗與成本。
目前，可插拔光學模組的功耗約為 20 pJ/bit，這主要是因為數位訊號處理晶片 (DSP) 的存在。在標準的可插拔收發器（如 800G OSFP）中，電訊號必須經過長距離傳輸，從 GPU 穿過 PCB 板到達前方面板。當訊號抵達時，往往已產生失真與雜訊。為了修復此問題，光學模組需使用 DSP 來清理並重建訊號；然而，單是 DSP 就佔據了整個模組近 70% 的功耗。
共封裝光學 (Co-packaged Optics, CPO) 則是一項新技術。透過將光學引擎直接配置在緊鄰 GPU 的位置（距離僅數毫米），有效地將電學路徑縮短至趨近於零，使系統能在無需使用 DSP 的情況下運作。產業巨頭正積極開發其 CPO 技術，例如 NVIDIA 的 Quantum-X 交換機 以及 Broadcom 的 Tomahawk 乙太網路交換機。
RVi 次世代共封裝光學 (CPO)
RVi 的 XmartLink™ 技術是次世代的 CPO 解決方案，能提供優異的能效比與單模組頻寬。傳統的光學引擎多仰賴「外置雷射」搭配「矽光子調變器」，而 XmartLink™ 則採用高產率且高可靠度的 微型 VCSEL (Micro-VCSELs)。透過直接整合光源，我們顯著減少了光學插入損耗 (Optical Insertion Loss)，使 XmartLink™ 的功耗表現優於目前市場上其他的 CPO 方案。