AI市場的快速發展，已經成為時勢所趨，同時AI模型的參數量呈現倍數成長，除了帶動半導體的需求，也需要克服大數據傳輸的挑戰。為了突破資料中心內部的傳輸瓶頸，CPO與LPO兩項技術受到市場高度關注。
過去半年到一年，人工智慧(AI)的技術成長超乎預期。是德科技資深技術專案經理林昭彥提及，AI市場的快速發展，從ChatGPT的用戶成長數據中可見一斑。過去Facebook在推出40週之後，用戶達到百萬，Instagram則在推出12週後累積百萬用戶。而ChatGPT在推出的一週之內，用戶數即達到百萬。AI已經成為時勢所趨，同時AI模型的參數量呈現倍數成長，除了帶動半導體的需求，也需要克服大數據傳輸的挑戰。
是德科技資深技術專案經理林昭彥指出，為了突破資料中心內部的傳輸瓶頸，業界投入CPO與LPO技術的開發
資料中心在AI時代面臨數據傳輸瓶頸，主要來自於資料中心內部的資料傳輸需求，而非資料中心與終端設備之間的傳輸。林昭彥說明，資料中心內的AI伺服器與交換器(Switch)的資料交換，占資料中心整體傳輸流量的70%。若是資料中心內的傳輸速度無法提升，就難以跟上未來AI工作負載的需求。
為了突破資料中心內部的傳輸瓶頸，業界投入傳輸速度更快的晶片開發。其中，共同封裝光學(CPO)與線性驅動可插拔光學(LPO)兩項技術受到市場高度關注。傳統上，伺服器透過ASIC交換器將電訊號傳輸到PCB，再轉換為光訊號傳出去。隨著資料傳輸速度越來越快、所需的頻寬增加，訊號在PCB板上轉換的耗損大幅增加，因此採用數位訊號處理器(DSP)來整合晶片與訊號轉換元件。但是DSP耗電較大，且維護不易。LPO技術則不使用DSP，直接提高PCB與晶片的傳輸，進而確保訊號轉換的品質，以達到省電與易於維護的目的。兩項技術各有優勢，導入上也有不同的挑戰需要克服。
在量測方面，CPO需要解決晶圓層級測試的難題。過去硬體架構中的電/光轉換元件只需要各別測試，但是當元件整合到晶片中，所有元件就需要經過半導體測試。因此業界還在摸索元件高度整合之下，如何執行CPO的測試流程，以及安排相關的測試設備架構。LPO由於不採用DSP，訊號無法透過DSP進行量測，不但測試流程更為複雜，也需要採購新的測試設備。
面對AI帶來的傳輸挑戰，以及CPO、LPO應用帶來的量測挑戰，是德提供224G乙太網路測試等解決方案。高速訊號的測試方案可量測PCB與物理層的參數，支援客戶在AI工作負載下，執行穩定的高速資料傳輸。