人工智慧系統正在將光學技術拉近與邏輯技術的距離，但可擴展的製造需要前端製造、封裝、熱管理、材料和測試等各個環節協同發展。 隨著領先的晶片製造商尋求以更快的速度和更少的熱量傳輸更多資料，光子學正在向封裝和晶片內部擴展，但實現這一目標所需的製造基礎設施卻難以跟上。 多年來，光子學在半導體發展路線圖中一直佔據著一個特殊的位置。光互連技術已經能夠遠距離傳輸海量資料，連線據中心，並且越來越多地用於資料中心內部不同機架之間的資料傳輸。但最難的始終是最後一步——將光學器件移至足夠靠近計算引擎的位置，從而使電訊號無需在轉換成光訊號之前在電路板上長距離傳輸。儘管許多問題仍未解決，但光子學整合的製造挑戰已基本被人們所理解，然而，將光引擎置於系統邊緣所帶來的成本卻越來越難以承受。 “將光器件靠近晶片，甚至整合到晶片內部，是一個巨大的物理挑戰，我認為我們並沒有真正意識到這有多難，”日月光（ASE）首席執行長吳天在ECTC的主題演講中說道。 “我曾經和我的團隊討論過，在我的職業生涯中是否能看到這一目標實現。但今年我們已經開始批次出貨矽光子器件。未來20年，我們需要進一步完善方法論、架構設計和自動化流程，使其更加高效。至少我們已經邁出了第一步。”

黃仁勳站在台上，展示輝達最新的AI晶片。 台下一片沸騰。所有人都在盯著那塊晶片——它有多少電晶體，跑多快，能訓練多大的模型。 但沒有人注意到一件事： 就在那塊晶片的下面，有一層薄薄的材料，正在悄悄接近它的物理極限。

2026年6月，美國亞利桑那州斯科茨代爾。全球半導體聯盟（GSA）的年度技術峰會，一場不對外直播的閉門會議。 台積電、高通、微芯科技、新思科技、應用材料，全價值鏈的高管都來了。核心議題不是某個單點技術，而是一個更根本的問題：當晶片製造的複雜度跑贏了整個行業的管控能力，當3D堆疊、異構整合和全球分散生產成了常態，差異化優勢不再來自“規模”。 “營運一致性”和“跨組織協同”，成了新的制高點。 峰會結束後，PDF Solutions副總裁張明（Ming Zhang）寫了一篇手記。這位是北大物理系出身、在矽谷深耕二十餘年的華人高管。