2026 OCP APAC Summit | NTT 在 OCP 丟出 AICC：AI 的下一個瓶頸不是算力，是把分散的算力用光連起來

8月14日
讀畢需時 6 分鐘

這幾年 AI 基建的第一優先只有一個字——「大」。誰的叢集堆得更大、GPU 塞得更多，誰就贏。但 NTT 的 Masahisa Kawashima 代表 IOWN Global Forum 在 OCP 上丟出的 AI Computing Continuum（AICC），講的是另一件事：當產業從「開發 AI」轉向「使用 AI」，算力被迫蓋在有電有地的鄉下、用戶卻集中在城市，真正卡住下一階段的不是算力密度，而是把分散在各地的資料中心與用戶端，用高頻寬、低延遲的光連接縫成一個運算空間。AICC 用 Scale-Across、Sync-Across、Reach-Across 三個模型，把「連接性」正式抬到跟「算力」同等的位階。對光通訊供應鏈來說，這不是一場新技術發表，而是一張把 DCI（資料中心互連）從配角推上主桌的路線圖。

1. 為什麼是現在：AI 從「開發」轉向「使用」，連接成了新瓶頸

過去三年，運算基礎建設的技術主軸只有「可擴展性（scalability）」。這很合理——要餵飽指數成長的模型參數量，先把叢集堆大是唯一解，而且這條路走得非常成功。

但拐點已經到了。Kawashima 點出的轉折是：產業重心正在從「開發 AI」移到「使用 AI」。使用 AI 的主體——企業、公部門、研究機構、各行各業——絕大多數落在都會區；可是 AI 資料中心因為電力與土地限制，只能往郊區、往鄉下蓋。於是一個過去不存在的問題浮上檯面：

算力在鄉下，用戶在城市，這中間怎麼連？

這正是 AICC 想解的題。它的立場很直接：scale is not everything（規模不是全部），連接性（connectivity）與數位身分（digital ID）正在變得跟算力一樣重要。這個判斷跟我們一路追蹤的財報訊號是同一個方向——Google 在最新一季法說裡，就把光互連的下一個戰場明確畫在「跨資料中心」，相關脈絡我們在法說精華：Alphabet｜FY2026 Q2——光互連的下一個戰場叫「跨資料中心」有完整拆解。AICC 等於是把這個「跨資料中心」的需求，從單一 CSP 的內部工程問題，升級成一個跨產業的標準化命題。

背後還有一層更硬的驅動力：主權 AI（sovereign AI）。很多國家砸錢蓋 AI 基建，真正的目的從來不是「多幾座資料中心」，而是強化本國數位產業、又不想在關鍵時刻受制於外部設備供應商或基礎設施營運商。這股力量把「分散、自主、可控」變成剛需，而分散式架構的黏合劑，就是低延遲光網路。

2. AICC 是什麼：Scale-Across、Sync-Across、Reach-Across 三個模型

AICC 是 OCP 與 IOWN Global Forum 的聯合計畫，目標是把「多種規模的資料中心」加上「分散在各地的區域用戶端」，用高頻寬、低延遲的連接串成一個統一的加速運算空間（unified accelerated computing space）。

你熟悉的 scale-up（機櫃內把算力堆高）不在這裡重複講。AICC 真正新增的是三個「橫向」模型，關鍵字都是 across：

Reach-Across（觸達）：讓雲端的 AI 運算資源，對用戶端來說「像是就放在自己機房裡一樣」可用。做法是提供隨選（on-demand）的高頻寬、低延遲連線，把用戶站點跟 AI 資料中心接起來。這是 AICC 面向企業端的門面。

Sync-Across（同步）：在資料中心之間提供低延遲互連，讓 AI 用戶能建立具備韌性、可擴展的資料基礎設施。Kawashima 特別強調這一塊——因為資料基礎設施才是 AI 應用真正的地基，算力只是上層。

Scale-Across（跨域擴展）：把運算擴展到「地理尺度（geo-scale）」，支撐那些必須跑在多個分散資料中心上的 AI 工作負載。這跟系統廠這一年主打的方向完全咬合——Arista 直接把全年賭注押在 scale-across 網路上，我們在法說精華：Arista｜Q2 FY2026——賭注全押在 scale-across 談過這個轉向。差別在於，Arista 講的是產品，AICC 想做的是把它變成跨廠商的開放規格。

一句話收斂三者：Reach-Across 解「搆得到」、Sync-Across 解「資料同步」、Scale-Across 解「跨地域一起算」。三個都是光網路的活。

3. 兩個 use case，把抽象概念變成生意

AICC 沒有停在架構圖，Kawashima 給了兩個相當務實的落地場景。

第一個：Zero-Trust GPU Sharing（零信任 GPU 共享）。今天企業要用 GPU-as-a-Service，得先把資料「預載」到 GPUaaS 站點，而在那之前必須通過嚴格的資料外洩風險評估——這一關是企業採用 GPUaaS 最大的阻力。AICC 的解法是：用隨選、高頻寬、低延遲的連線把 GPUaaS 站點跟用戶接起來，讓 AI 應用在運算時透過快速遠端儲存存取，直接從用戶站點取資料，而不是先整包搬過去。資料進到 GPU 節點後，再用機密運算（confidential computing）保護。這樣一來，企業不必再賭基礎設施營運商的誠信，資料外洩風險大幅下降——這就是「zero-trust」的由來。

更關鍵的是後果：企業不再被綁死在同一個 GPUaaS 站點，而是可以按每一個 AI job 的 GPU 供給狀況與價格，挑最划算的站點跑。這等於催生一個GPU-as-a-Service 市場（marketplace），讓 GPU 算力像現貨一樣被交易。對一個算力長期短缺、定價極不透明的市場，這是很有想像空間的一步。

第二個：物流倉儲的 Physical AI。為什麼挑倉庫？因為倉庫之於物流，就像資料中心之於 IT——是效率的地基。智慧倉儲的應用需要在地端做即時控制，但要在每個倉庫都配置高技能 IT 人力並不現實。AICC 的做法是用 Reach-Across，把 AI 運算功能卸載到雲端，透過合理的功能切分（function split），把倉庫端的電腦縮小成「可遠端操作的簡單小型設備」，大幅砍掉現場維運負擔。用 Kawashima 的話說，這是把雲端運算的體驗，送進那些「單純上雲搞不定」的環境。

4. 為什麼是 OCP × IOWN，以及該潑的冷水

這組合的分工其實很清楚。IOWN Global Forum 負責「用例與架構」：它跟金融機構、廣播業者這些產業龍頭合作，找出最痛的問題，定義端到端的解決方案架構，並且用 PoC（概念驗證）與 techno-economic analysis（技術經濟分析）去證明設計在技術上跟經濟上都站得住。OCP 則負責「積木」：把這些方案拆成開放硬體規格。一個定義要解什麼、怎麼算才划算，一個把它變成人人可造的硬體——理論上是很互補的搭配。

但這裡要潑一盆該潑的冷水。IOWN 這面旗子已經揮了好幾年，從 APN（全光網路）到各種 PoC，願景一向宏大，落地一向偏慢。AICC 目前的成熟度，仍停在「邀請 OCP 成員來 review 用例、期待大家一起把開放硬體規格做出來」的階段——這是一個號召，不是一個已經量產的堆疊。從「架構定義」到「開放規格」再到「有人真的照著出貨」，中間每一步都有掉鏈子的風險。

另一個要盯的張力是：sovereign AI 的驅動力有多少是技術理性、有多少是政治情緒？主權需求會不會反而讓每個區域各搞各的規格，最後把「統一運算空間」切成一塊塊互不相通的孤島？這跟 AICC「unified」的初衷剛好相反。標準的價值在於被採用，不在於被發表——這句話對所有論壇型計畫都適用，AICC 也不例外。

5. 總結

先講清楚 AICC 的定位：它不是又一個 CPO、又一顆光引擎那種「元件級」的突破，而是一個系統與網路層的架構倡議——把 AI 從「單一超大資料中心」的思維，改寫成「分散資料中心 + 用戶端，用光縫成一體」的思維。它真正的貢獻，是把「連接性」從算力的附屬品，正名為與算力並列的第一公民。

對台灣供應鏈，訊號是雙面的。利多的一面：AICC 的三個 across 全都建立在高頻寬、低延遲的光連接上——DCI、相干光模組、可插拔光模組、資料中心之間與都會網路的長距與中距光傳輸，這些過去被 scale-up（機櫃內）光鮮題材蓋過鋒頭的環節，會因為「跨資料中心」需求被重新定價。台灣在光收發模組、連接器、被動元件、系統組裝的既有實力，正對著這條需求曲線。想快速盤點自己站在哪個環節，可以先看我們的 2026 AI 基建：光通訊與 CPO 產業鏈全圖。

該保留的一面：AICC 是日本 NTT／IOWN 主導、拉 OCP 背書的倡議，主場敘事在 EMEA 與 APAC 的企業級市場，硬體規格話語權未必落在台廠手上；而且從倡議到訂單的時間差，很可能以「年」計。真正該追蹤的，不是新聞稿裡的願景，而是三個具體訊號：OCP 明年會不會真的立項對應的開放硬體規格、Sync-Across 的低延遲 DCI 有沒有走出 PoC、以及 GPUaaS marketplace 有沒有任何一家 CSP 或電信商跳下去試水溫。 在這三件事發生之前，AICC 對台廠是一張值得看懂、但先別急著下注的路線圖。

一句話收尾：這場 keynote 真正的重量，不在它發表了什麼新硬體，而在它把 AI 基建的問句從「算力夠不夠大」改成「算力連不連得起來」——而後者，正好是光的主場。

本文僅供技術與產業趨勢分析，不構成任何投資建議。