2026 OCP Global Summit | Credo | Chris Collins | More Signal, Less Noise: Enhanced Transceiver Telemetry

23小时前

讀畢需時 6 分鐘

1. 問題不是光模組會壞，而是壞了查不到

AI 叢集的故障模型，和傳統資料中心不一樣。Collins 在投影片上點出三個變化：

規模：光模組部署量前所未有，再罕見的問題都會變成每天發生的維運事件。
存取權：bare-metal 伺服器讓維運人員不能實體檢查、也不能直接查詢 GPU 伺服器端的模組。
間歇性：link flap、LOL/LOS（失鎖／失光）事件、邊際光路，可能在除錯開始前就自己消失。

他舉的場景是：鏈路凌晨兩點 flap，等工程師到場，LED 又全綠，前因後果全部消失。一萬顆、十萬顆 GPU 因此閒置，停機成本遠高於一顆光模組的價格。

這延續了 Credo 的 ZeroFlap 論述，我們在法說精華：Credo（CRDO）｜Q1 FY2027 拆過它的光學營收。這場的不同在於，Credo 把自家的差異化功能，拿去 OCP 寫成大家都能做的規格。

2. 拆解規格：一條鏈路是三段，不是一條光纖

規格的第一個觀念轉變，是不再把鏈路當成一條光纖路徑。從交換器到本端模組是一段電氣介面，兩顆模組之間是光路，遠端模組到主機網卡又是一段電氣介面。光訊號劣化和主機端電訊號出問題，處理方式完全不同，所以三段要分開打分。

▲ 一條鏈路被拆成交換器電氣段、光路、主機電氣段三段，各自產生健康證據（圖片來源：Credo｜2026 OCP Global Summit 簡報（第 3 頁））

在這個基礎上，工作小組定義了六項核心能力：

能力	內容
任務模式分段監控	流量運行中持續追蹤主機端與光端接收器
鏈路健康回報	把複雜遙測正規化成單一健康指標
遠端遙測擷取	從交換器端讀取遠端模組數據，不需登入伺服器
持久事件記錄	帶時間戳的事件寫入模組非揮發性記憶體
主機遙測存取	跨廠商一致的主機介面，建在 CMIS CDB 上
遠端韌體管理	對本端與遠端模組做韌體操作

遙測指標分三類。訊號品質：SNR、眼高（eye height）、PAM4 LTP、MPI（多路徑干擾）。錯誤與恢復：pre-FEC BER、FEC 直方圖、不可更正碼字、LOS/LOL、運行時間。環境與脈絡：外殼溫度、雷射溫度、電壓、接收光功率、對端模組序號。多數數字模組今天就有，規格的價值在於定義怎麼合成、怎麼讀、怎麼跨廠商一致。

3. 拆解健康分數：取最差值，不取平均

工作小組一開始想取平均，但平均會把單一低分藏起來。Credo 投影片的示範：光學 94、電氣 92、錯誤 91、熱 89、遠端 93，平均 92，看起來可以接受；但真正該處理的是 89 分的熱。

▲ 五個類別分數平均為 92，規格採最低類別 89 作為鏈路健康分數，避免單一劣化被平均掩蓋（圖片來源：Simple Tech Trend 自製，資料來源 Credo 2026 OCP Global Summit 簡報）

所以規格採「跟著最差的走」：健康分數等於最低類別分數，並同時回報是哪個類別拉低。這讓維運的語言從「這個 port 壞了」，變成「遠端光接收器因 MPI 劣化」或「主機電氣眼高邊際」。位置與原因一起出現，才能決定是清光纖、重插模組，還是換網卡。

主機介面刻意做得簡單：建在 CMIS CDB 上，一個指令回傳身分、健康分數、完整遙測、運作條件、告警與旗標。

4. 拆解事件記錄：把凌晨兩點的 flap 留下來

最難除錯的問題是會自己好的問題。規格的解法是給模組一台「時光機」：

模組插上後，被配發整個 fabric 共用的系統時間
任一指標越過可程式化門檻，就把事件寫入模組非揮發性記憶體，例如重置、LOL/LOS、SNR 門檻、FEC 門檻、MPI 門檻、光功率、溫度、韌體操作
發生 flap 或故障後，取回事件記錄、重建時間線，再和整個 fabric 的其他事件對照

▲ 事件記錄流程：配發系統時間、記錄鏈路事件、故障後取回記錄並重建時間線（圖片來源：Credo｜2026 OCP Global Summit 簡報（第 8 頁））

成本很低：Collins 在問答中說，存 250 到 500 筆事件約只需幾百 KB 記憶體。遠端擷取走頻內、不打斷流量，說明文件本週已公開。

5. 實測：48 顆模組，抓出兩個「鏈路正常」的隱藏問題

Credo 用自家 ZeroFlap 光模組做了一組實測：一台 Arista 交換器 16 個 port 插 400G QSFP-DD DR4（2×200G），對接 16 台伺服器、每台兩顆 200G QSFP DR2 接到 NVIDIA CX7 網卡，總共 48 顆模組，全部符合 OCP 規格。

▲ 實測架構：16 個交換器 port 400G DR4 對接 16 台伺服器 2×200G DR2，分 0 dB、5 dB、10 dB 三組光衰減（圖片來源：Credo｜2026 OCP Global Summit 簡報（第 10 頁））

開機預檢時，所有鏈路都回報 link up，遙測卻抓出兩件事：

交換器 port 12 回報高 BER。只從交換器端讀取本端與遠端數據，就定位到伺服器端模組的主機電氣介面眼高偏低，健康分數 40；拔出、清潔、重插後解決。
port 18 健康分數 60，原因是 MPI，通常代表光路中有反射。這在傳統模組安裝時多半偵測不到，可能兩週或兩個月後才拖垮訓練任務；這次清一下光纖就解決。

接著刻意加光衰減。結果分數和衰減幾乎一一對應：

衰減組	Port	健康分數	遠端接收光功率	狀態
0 dB	9／17／18／19／20	80	約 +0.3 至 +1.9 dBm	全部良好
5 dB	1／3／5／6／10／11／12	多數 60（80、40 各 2 條）	約 −6.1 至 −3.1 dBm	旗標或眼高警告
10 dB	25／26／27／28	40	約 −9.6 至 −8.3 dBm	進入告警，1 條 link down

▲ 16 個 port 共 32 條伺服器端光接收量測，健康分數隨接收光功率分成 80、60、40 三層，但 link status 只有 1 條顯示異常（圖片來源：Simple Tech Trend 自製，資料來源 Credo 2026 OCP Global Summit 簡報）

關鍵在最後一欄：10 dB 組只有 1 條 link down，其他全部回報 link up。只看 link status，維運團隊完全分不出這三種鏈路品質。

6. 誰受益，誰的護城河被拉平

Hyperscaler 是最大受益者。不必綁單一供應商的私有工具，就能用同一套指令篩整個 fabric；投影片宣稱自動化後可在數分鐘內掃完。
DSP 廠是規格的實際執行者。分段監控、眼高與 MPI 量測、頻內遠端通道都要 DSP 和韌體配合。Credo 同時是 DSP 廠、模組廠與工作小組共同主席，起跑點最好。
模組廠的差異化被重新定義。遙測標準化後，「有診斷功能」不再是賣點，比的是韌體品質、門檻校準與合規速度。

規格明說不綁定速率或光學 PMD，400G、800G、1.6T 都適用，Credo 新發表的 1.6T ZeroFlap 模組也已合規。我們在 2026 OCP APAC Summit｜Broadcom｜CPO 的第三代成績單看到 CPO 陣營用現場數據談可靠度；可插拔陣營這次的回應，是把可靠度變成可量測、可稽核的介面。

7. 風險與反面論點

樣本太小，又是自家產品：48 顆模組、全部是 Credo ZeroFlap，衰減測試主要驗證的是接收光功率這個最容易量的維度。
沒有預測準確率：問答中被直接問到能提前多少預測故障、成功率多少，Collins 表示很難給出數字，只說能看見原本看不見的事件。
分數是離散的，門檻可程式化：實測分數只出現 80、60、40 三層；門檻若由各廠自行校準，跨廠商的 60 分是否等價，規格 1.0 能否約束仍待觀察。
舊模組不會自動升級：現有模組的遙測可以先做一部分，但遠端擷取與事件記錄需要新韌體，裝機量要等模組汰換。
起草者也是賣方：Credo 是共同主席，也是目前唯一公開合規的廠商。

8. 對台灣供應鏈的意義

對光模組廠，這是一張新的合規門票。規格建在 CMIS CDB 上、與速率無關，代表 400G 到 1.6T 的每一代可插拔模組都可能被要求支援。做 hyperscaler 案子的模組廠，接下來要比的是韌體團隊能多快把六項能力做進去、做到跨平台一致。
對產線與測試，這是新的測試項目。分段健康分數、事件記錄與遠端擷取都要在出廠與系統驗證時測過；實測裡「link up 但只有 60 分」的鏈路，正是只看 BER 與 link status 的傳統測試會放行的產品。
投影片與逐字稿沒有點名任何台灣廠商參與工作小組，台廠是否進場，可從後續合規名單追蹤。這和 ECOC2026｜未來十年不會有技術革命，只有一場量產戰爭的判斷一致：當規格趨同，勝負落在量產良率與交付速度。

9. 總結

這場演講沒有新的物理，也沒有 pJ/bit，但它處理的是 AI 叢集投資報酬率裡最被低估的一項：故障定位時間。分段打分讓問題有位置，取最差值讓問題不被平均掉，遠端擷取讓 bare-metal 伺服器不再是盲點，事件記錄讓自癒的 flap 留下證據。

時間要分開看。規格 1.0 已公開，Credo 的 400G 到 1.6T ZeroFlap 模組今天就合規；但從規格到採購條件，至少還要一個產品世代。接下來 12 個月該觀察三件事：第二家模組或 DSP 廠宣布合規、主流交換器 NOS 是否原生支援、hyperscaler 是否把它寫進 RFQ。

當遙測變成標準，光模組的競爭就從「會不會壞」轉向「壞了能不能被說清楚」。

本文僅供技術與產業趨勢分析，不構成任何投資建議。