top of page

📢 STT 訂閱專區已上線

免費文章會照常更新,一篇都不會少。訂閱是「加強版」——每週深度週評、財報法說的完整判讀、所有長篇深度報告全包。

免費讓你跟上,訂閱讓你看懂、能做判斷。

月訂 NT$199|年訂 NT$2,000(約 NT$167/月)
👉 立即訂閱: vocus.cc/salon/simpletechtrend

comb laser 會取代 DFB 陣列嗎?看懂 CPO 光源,先切開一個字的誤會

  • 7月3日
  • 讀畢需時 3 分鐘

  • 業界說的「comb / 多波長光源」分兩派:真 comb(Kerr、QD、EO comb)和 DFB 雷射陣列。現在能出貨的主力是 DFB 陣列,不是真 comb。

  • comb 聽起來像為 CPO 量身打造,但它到今天還沒被市場正式採用——原因藏在一個技術死穴裡。

  • 判斷 comb 何時翻身,只要盯一個數字:波長數什麼時候從 8 跳到 16。


1. 一個字的誤會:comb 不等於 comb

當有人說「這顆是 comb 光源」,先問一句:哪一種 comb?

NVIDIA 把 CPO 多波長光源分四路線:單顆高功率 DFB、DFB 雷射陣列、量子點鎖模 comb(QD comb)、泵浦非線性共振腔 comb(Kerr comb)。只有後兩條是嚴格的光頻梳——一顆光源長出整排等間距波長。被講最多的 DFB 陣列,本質是「N 顆 DFB 打包」,不是一把梳子。

這條線決定誰現在能出貨。最容易搞混的例子:Ayar Labs 的 SuperNova 常被當成 comb,但它用的是 DFB 陣列,不是 Kerr comb。真正走真 comb 路線的 Xscape、Quintessent、Innolume,現在都還在募資或原型階段。


2. 為什麼 CPO 需要「一顆長出一排」的光源

要理解 comb 為什麼被端上檯面,先看資料中心光互連正在發生的一個架構轉向:從「fast and narrow」走向「slow and wide」。

過去拉速率的思路是把單通道硬推到 400 Gb/s;現在的共識反過來,把速率攤到 8 個各 50 Gb/s 的波長上,用更多波長換更好的每纖容量與能效。這直接製造出一個新需求:一次要很多個、而且波長對齊良好的光源。CW-WDM MSA 這個標準組織就是為此而生,明確把 O-band 多波長源的目標往 8、16、32 波長推。

問題來了:波長數一多,「每個顏色配一顆雷射」的老做法就開始吃力。這正是 comb 的切入點——一顆光源長出整排等間距波長,天然對齊 WDM 網格,不必逐顆微調。聽起來像是為 CPO 量身打造的解。

但「聽起來完美」和「現在能用」,中間隔了一整條供應鏈的距離。


3. 四種 comb,先分清楚誰打哪一場

在往下判斷之前,用一張表把四種 comb 的分工講清楚。這不是要你背規格,是要你知道「哪一種打哪一場仗」。

類型

通道數

間距

每線功率

最佳戰場

Kerr / DKS microcomb

100+

~50 GHz

弱(效率議題)

長距相干、超高頻譜效率

QD comb(量子點鎖模)

26–89

100–200 GHz

較強(>10 dBm,200GHz版)

資料中心短距 optical I/O

EO comb(薄膜鈮酸鋰)

70–148

5–25 GHz 可調

高、平坦

相干傳輸、LO 複製

Gain-switched

連續可調

低成本窄頻

Kerr comb 的天花板最高(單顆示範過 44.2 Tb/s、頻譜效率 10.4 bits/s/Hz),但轉換效率是老毛病;QD comb 最適合資料中心短距,因為它單晶片電泵、免色散工程、能撐 140°C 高溫免 TEC,還能做到 isolator-free;EO comb 天生相干、每線功率平坦,是相干傳輸的乾淨解,代價是要 RF 驅動、耗電。

到這裡,你已經知道 comb 是什麼、為什麼 CPO 需要它、四種怎麼分工。但真正值錢的問題還沒回答:它到底贏得了 DFB 陣列嗎?如果會,什麼時候?

以上是本篇的重點整理。

STT 的完整判讀——comb 贏不了 DFB 陣列的技術死穴、翻身的引信數字、供應鏈卡位圖,以及它在「光源權力轉移」時間軸的定位——在付費專區完整解析。



最新文章

查看全部
OCP Global Summit 2025_Supermicro_Building an AI Data Center of the Future Requires a Combination of Standardization and Innovation

前言 在 OCP Global Summit 2025 上,Supermicro 分享了他們對未來 AI 資料中心的觀點,強調要兼顧 標準化與創新 。隨著 AI 訓練與推論需求快速成長,單一伺服器的效能提升已不足以支撐產業需求,必須透過 集群化、模組化與液冷設計 來實現大規模部署。Supermicro 特別強調,開放社群 OCP 在推動標準與技術落地的角色至關重要 Building an A

 
 
 
bottom of page