一句話總結：加州理工學院成功在標準矽晶圓上打造出接近光纖等級的超低損耗光波導，將可見光波段的傳輸性能一舉提升二十倍，為光子晶片商業化鋪平了道路。
核心要點
- 性能跳躍：在可見光波段，新平台的傳輸損耗比現有氮化矽技術的紀錄低了整整二十倍，這是過去十年來該領域最大幅度的單次突破。
- 材料工藝雙創新：團隊直接把光纖核心的鍺矽酸鹽玻璃用半導體製程「印」上八吋與十二吋晶圓，再透過低溫熱處理讓波導表面平滑到接近原子級，徹底解決了光散射的致命傷。
- 空間壓縮術：為了在僅兩公分見方的晶片上模擬光纖的長距離傳輸，波導被設計成精密螺旋結構，讓光在極小範圍內走出驚人的長度。
- 關鍵指標刷新：新平台製作的光學共振器，能讓光的相干維持時間比舊設計提升超過百倍，這對高精度原子鐘與量子感測器來說是決定性的改善。
- 應用場景明確：這不只是一篇《Nature》論文，團隊直接點名了資料中心通訊、量子運算、離子阱系統等需要極高光學穩定性的領域，都是這項技術的直接受惠者。
如果你這幾年有關注半導體產業，應該會發現一個有趣的矛盾：電晶體愈做愈小，但晶片內部傳輸資料的「銅導線」卻愈來愈力不從心，熱量與延遲問題幾乎要追上摩爾定律的腳步。這也是為什麼「光互連」被視為下一世代的救星——用光子取代電子傳遞訊號，速度快、發熱低、頻寬幾乎沒有上限。但理想很豐滿，現實很骨感。光進到矽晶圓裡就像名車開進田間小路，各種散射與吸收讓訊號衰減得亂七八糟，過去幾年的「矽光子」發展，卡就卡在沒辦法在低成本、大量製造的標準晶圓上，做出低損耗的光傳輸路徑。
加州理工這次的突破，精確來說是解決了「如何在矽晶圓上蓋出光纖等級的平滑道路」這個核心難題。過去大家習慣用氮化矽這類材料來做波導，但它在可見光與近紅外波段的物理限制就擺在那裡，損耗始終降不下來。研究團隊換了個腦袋，直接把光纖最核心的鍺矽酸鹽玻璃拿來當作波導材料，再用類似晶片塗布的方式沉積到晶圓表面。
看到這裡你可能會問：啊這樣不就解決了嗎？哪有這麼簡單。關鍵的魔鬼在於「表面粗糙度」。光在波導裡行進，只要碰到奈米等級的凹凸不平就會產生散射，就像撞球撞到顆粒一樣亂彈，訊號就爛掉了。團隊的巧門在於利用了這種玻璃的熱特性，用熱處理讓表面「融化再凝固」，達到原子級的平滑度。說穿了，這不是什麼外星科技，而是把光纖的製程概念搬到晶圓上，然後用半導體設備大規模量產。
這項技術對一般人來說可能很遙遠，但從產業面來看，影響可能比你想像的更直接。現在的AI資料中心，動不動就幾千顆GPU串聯，光是內部光收發模組的功耗與延遲就是天文數字。如果矽光子的損耗能再降一個數量級，代表資料中心內部的光通訊可以從「機櫃之間」推進到「晶片之間」，甚至「核心之間」。說白話一點，未來你使用ChatGPT或任何大型AI服務時，回應速度可能從「轉圈圈等三秒」變成「幾乎零延遲」，背後的硬體功臣就是這種技術。
當然，《Nature》論文發表只是第一步。這項技術從實驗室走進晶圓廠，還得面對量產良率、封裝測試、以及與現有CMOS製程的整合挑戰。不過有趣的是，團隊強調這套平台在可見光波段還有「改善空間」——意思是現在的二十倍領先還不是終點。如果未來損耗能再壓低到接近理論極限，那麼包含晶片級原子鐘、光學相位陣列、甚至特定生醫感測應用，都會出現我們現在還想像不到的新產品。
換個角度想，過去五十年我們習慣用「電子」來定義運算的速度與極限，但這個慣性可能快被打破了。當光能在矽晶圓上像在水管裡一樣流暢地奔跑，而且成本還跟印報紙一樣便宜，那個「光運算」的未來，或許比我們多數人猜想的還要更近。
一句話結論
加州理工把光纖等級的低損耗帶進了矽晶圓，讓可見光性能一口氣躍進二十倍，這不是漸進式的改良，而是為光子晶片的大規模應用點亮了最後一哩路。
如果你正關注半導體或AI基礎建設的未來走向，這項技術絕對值得你持續追蹤。 下一篇我會進一步拆解這項技術與現有CPO（共同封裝光學）解決方案的競爭關係，以及台積電、Intel等大廠可能如何應對這個新變數。訂閱我的專欄，才不會錯過後續深度分析。
本文改寫整理自公開新聞來源，原始報導由科技新報發布。
常見問題 FAQ
這項技術跟現在台積電在推的矽光子有什麼不同？
最大差異在材料與波段。目前主流矽光子多以近紅外光為主，且損耗仍偏高；加州理工改用鍺矽酸鹽玻璃，在可見光波段達到二十倍性能提升，且直接相容八吋與十二吋晶圓製程，更接近量產階段的實用性。
可見光性能提升二十倍，對一般消費者有什麼影響？
短期影響在資料中心與AI運算的能耗與速度，長期將加速光學運算晶片的出現。未來你的手機、筆電或穿戴裝置若採用此類晶片，運算速度更快且更省電，AI回應幾乎零延遲。
這項技術什麼時候可以量產？
目前處於學術驗證階段，發表於《Nature》。團隊強調還有改善空間，且需克服量產良率與封測整合問題。保守估計三到五年內有機會看到商用原型，但大規模導入資料中心可能需要更長時間。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。