Nick Harris表示，AI工作負載正快速成長，前沿AI系統功耗每年增加約2至3倍，但美國電網容量約每25年才增加一倍，供電成長速度遠遠跟不上AI需求。未來不可能只靠增加更多GPU解決問題，每一瓦電力與每一條通訊鏈路都必須被更有效率地利用，而互連技術正是提升AI系統效率的關鍵。
他指出，目前AI工作主要分為訓練（Training）、推理預填（Inference Prefill）與推理解碼（Inference Decode）三大類型。隨著模型規模持續擴大及MoE架構普及，資料傳輸與記憶體頻寬需求快速增加，通訊成本已逐漸成為限制AI效能的重要因素。
為解決這項問題，Lightmatter推出Passage光子平台，以光子中介層（Photonic Interposer）取代傳統銅線互連架構。根據模擬結果，在萬億參數等級MoE模型訓練環境下，Passage可建立更大規模的Scale-up運算域，讓模型訓練時間縮短3倍。
在推理應用方面，Passage同樣展現效益。針對大型模型長上下文推理需求，可將首個Token產生時間（TTFT）縮短3倍；在Decode階段則透過降低網路跳數與優化拓撲架構，讓互動性提升11倍，改善即時推理體驗。
Nick Harris認為，未來AI叢集將突破單一機架限制，從機架內部延伸至跨機架甚至跨資料中心連接。光子技術不再只是光模組的替代方案，而是構成整個AI網路織網（Fabric）的核心基礎，讓數千顆GPU或加速器能如同單一大型運算系統般協同運作。
此次Lightmatter也展示多項新產品，包括Passage EVK50與Passage EVK100光互連平台。其中EVK100可提供每條光纖1.6Tbps頻寬，而最受矚目的Passage M1000則具備114Tbps頻寬、1024組SerDes與內建光學交換能力，象徵光子仲介層技術正式邁向實際部署階段。
Lightmatter同步推出eCLICK與vCLICK可拆卸光纖陣列單元，解決共封裝光學（CPO）長期面臨的維護問題，降低產業導入門檻。
Lightmatter此次也發表通用光學引擎Passage L20，預計於2027年第一季量產，可支援近封裝光學（NPO）、共同封裝光學（CPO）及XPO等架構。公司同步公布未來產品藍圖，規劃2027年率先導入NPO產品、2028年進一步布局CPO，後續則朝光子仲介層（Photonic Interposer）與光學引擎整合發展，加速光子技術向運算核心靠攏。
Nick Harris表示，AI產業正從以銅線與SerDes為核心的架構，逐步轉向以光子技術為基礎的新世代基礎設施。從NPO、CPO到超大規模光子整合（VLSP），Lightmatter希望打造支撐未來ASI時代所需的光學基礎設施，成為下一波AI擴展的重要推手。
點擊閱讀下一則新聞
