FA、FAU是什麼?CPO光纖陣列一字之差、身價大不同!大立光、玉晶光、先進光布局一次看
FA、FAU是什麼?CPO光纖陣列一字之差、身價大不同!大立光、玉晶光、先進光布局一次看

過去一年,市場談論共同封裝光學(CPO),多半聚焦在交換器晶片、矽光子晶片(PIC)與封裝技術,但真正決定光訊號能否穩定傳輸的,卻是外界較少注意的光纖陣列(FA)與光纖陣列單元(FAU),名稱僅一字之差,兩者卻代表截然不同的技術層級與商業價值。大立光為何選擇從FA切入市場,未來能否憑藉精密光學技術,進一步搶攻高毛利的FAU與光學引擎市場,在AI浪潮中打造下一個成長曲線。

本文重點速覽

CPO是什麼?共同封裝光學為何是AI非它不可的技術?

隨著生成式AI模型日趨龐大,龐雜的資料處理導致以往硬體運用的傳輸技術瀕臨極限,而CPO也因此成為突破AI算力瓶頸的關鍵拼圖之一。

共同封裝光學CPO(Co-Packaged Optics)是一種先進封裝技術,是將光學元件(如矽光子光引擎)與電子晶片(如GPU、網路交換晶片等)整合於同一塊封裝載板上面,藉由整合光收發模組,並以光訊號取代以往用電訊號傳輸的資料,CPO能達到更快且不易產生熱能的傳輸效果。

過去伺服器內的資料主要依靠銅線傳輸電訊號,當資料要跨伺服器進行傳輸時,會先將電訊號傳送到主機板邊緣的光收發模組,經轉換成光訊號後再傳過去,這段路徑由十幾公分的銅線所組成。

由於AI資料中心伺服器傳輸的資料量變得比以往更為龐大,無論在密度或功耗方面,依靠銅線傳輸電訊號的方式皆已無法負荷,當傳輸速率超過100G或200G時,運用銅線即會撞上銅牆(Copper Wall),產生傳輸距離縮短、訊號衰竭與耗電等諸多物理問題,這導致大量電力被浪費在搬運資料上,而非用於運算。

CPO的出現縮短了這十多公分銅線的距離,因為矽光子晶片(PIC)與電子積體電路(EIC)封裝在一起,彼此的距離縮短到剩下幾毫米的單位,換句話說,當電訊號一離開運算晶片,即可在極短距離內被轉換為光訊號供後續步驟處理。相較之下,採用CPO的方式較傳統銅線更為省電、訊號不易衰退,且較無高溫問題,讓AI資料中心和超級電腦能更有效率的運行。

有「PCB女王」之稱的廖婉婷指出,當資料傳輸規格再往上走時,銅線將很難負荷,全面轉向光傳輸幾乎是必然趨勢,採用CPO架構的產品初期成本會比較高,滲透率不會馬上拉升,但未來2、3年之間普及的速度會明顯加快。

FA、FAU差在哪?光纖陣列與光纖陣列單元一字之差、身價大不同

在運用CPO的技術中,「光」是當中的主角,而如何精準地把光轉移至極小的晶片內,是一項極為關鍵的步驟,在此處涉及到光通訊領域的兩個名詞,光纖陣列FA(Fiber Array)與光纖陣列單元FAU(Fiber Array Unit),它們是不可或缺的配角,分別代表了「核心結構」與「完整模組」的差異。

FA指的是一種高精度的排列結構,當一根光纖的纖芯達到9微米左右寬時,會變的比頭髮還要更細,若要將數根光纖同時對準光學晶片上的微小通道,在尺寸上很難用手去處理,因此業界會使用刻有極高精準度V型槽的基板,按照一定間距將多根無外皮的裸光纖放進基板的V型槽中,並覆上蓋板以特殊膠水將其固化,這樣的處理最終能讓多根光纖變成一排平整的陣列,保持精確的間距。

FAU則是將FA進一步衍伸處理,經過後段加工與配件後所製作出的完整終端零組件,為CPO裡的關鍵被動光學元件,主要作用是將多根光纖以極高精度的間距固定,並對準晶片上的光波導。通常一個FAU會包含FA、從尾端延伸出的光纖線、保護套管,前端會被精密研磨成特定斜角或是同微透鏡、90度轉折的微稜鏡等微光學元件作組合,讓要傳輸的訊號能夠實現光耦合,無損地傳送至另一個光學元件。

FA的良率影響的是損耗均勻性、外觀可靠度等項目,犯錯成本較低且可以部分修正;對於FAU而言,良率涉及到更多因素的疊加,任何一個加工步驟出現偏差,都可能讓整顆CPO模組報廢。綜合來看,FA與FAU都是CPO缺一不可的重要部件,FA是FAU的基礎原料,經由精密製程、設備與測試等步驟後,可升級成FAU,同時這也是FAU毛利率與技術壁壘較FA高的原因。

大立光CPO進度到哪?切入不到1年就繳出成績單

大立光董事長林恩平稍早揭露公司跨足矽光子的最新進展,證實已取得首家客戶FA量產規格,7月正式送樣,若認證順利,最快2027年中開始量產並挹注營收。消息一出,大立光成市場資金追逐的焦點。

不過,大立光最早在CPO領域鎖定的並非FA,而是FAU。林恩平在4月法說會中提到,大立光布局主要先切入FAU這段,研發相關稜鏡元件,進度仍在準備送樣、讓客戶認證的階段,尚未進入量產,即便客戶認證過後,產能建置也要1~2年的時間,離量產還有很長一段距離。

到了6月的股東會,林恩平表示,大立光預計9月前完成首條自動化試產線(Pilot Line)建置,率先投入光纖陣列(FA)產品生產,並將邀請潛在客戶參觀,為後續認證及量產鋪路。

林恩平說,產品會先以FA、多通道微透鏡陣列(PMLA)為主,若客戶願意直接採購FA,就先出貨FA,若客戶需要模組,會再評估是否往FAU發展。

時間來到7月的法說會,大立光在CPO的進度上大有斬獲。林恩平指出,目前開發的產品包括FA和PMLA,FA產品已收到客戶正式送樣規格,7月可完成送樣,客戶也將以最快速度展開驗證,首條自動化試產線(Pilot Line)預計第三季底建置完成,待客戶完成驗證後,即可開始複製量產線,最快明(2027)年年中會準備就緒,並同步推進多家客戶的概念驗證(POC)。

高精度V型槽難取得,大立光的解法是什麼?

林恩平說,有許多業者都想做FAU,但目前主要瓶頸在於高精度的FA、FAU及V-Groove(V型槽)不易取得,尤其高精度V型槽生命周期長、成本高,加上FA本身也存在公差,兩者結合後往往難以做出符合高精度需求的產品。

目前大多做法是挑選精度最好的V型槽與FA進行組合,但這會造成大量材料被汰除,不利量產與成本控制,而大立光則手握其在手機鏡頭累積的超精密模具與光學主動對焦技術的優勢。

林恩平表示,大立光是以「不完美的V型槽搭配不完美的FA」,再透過內部自有製程做出高精度產品;現在已能達到低於0.3微米(μm)精度,優於目前多數的0.5~0.8微米水準。

此外,大立光選擇從FA元件著手,出貨給模組廠,由客戶自行組成FAU,可以不用面對如GPU巨頭等終端晶片大廠冗長且複雜的認證流程,有助其快速切入市場拿到訂單。

玉晶光、先進光搶進CPO!光學廠爭食大餅

不只大立光,台灣光學廠也爭相搶進CPO賽道。玉晶光董事長陳天慶證實,公司已切入CPO關鍵零組件領域,除完成產品開發外,目前部分產品已開始出貨,下半年將全力推進客戶認證與量產規劃,未來有望成為公司繼手機鏡頭之後的第二大成長引擎。

總經理郭英理指出,在CPO部分,目前專注於技術門檻較高的關鍵被動元件,可提供的產品包括MT插芯(Mechanical Transfer Ferrule)、準直器(Collimator)、稜鏡(Prism)、V型槽等關鍵零組件,目前多數產品處於送樣驗證階段,部分產品則已開始小量出貨,2027~2028年逐步量產。

先進光在今年COMPUTEX 2026展會中展示共同封裝光學(CPO)相關產品。先進光董事長高維亞透露,目前會先以V-groove(V型槽)和MT Ferrule(Mechanical Transfer Ferrule,機械轉移插芯)產品為主,由於這兩項產品屬於精密加工產品,主要取決於加工精度及良率,只要良率穩定,毛利率表現也會相對穩定;未來也不排除加入稜鏡(Prism)等零組件,畢竟目前市場需求遠大於供給。

高維亞提到,先進光正積極拓展光纖陣列單元(FAU)客戶,相關新品預計在8月時送交客戶驗證,若是進展順利,預計2027年可以開始量產,期望能成為繼NB鏡頭業務後的第二大產品線,營收占比目標可達到約3成。

(本文出自工商時報)

關鍵字: #大立光 #CPO
往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓