隨著生成式 AI（Generative AI）的爆發，全球科技巨頭陷入了算力軍備競賽。在這個賽道中，Nvidia 的 GPU 雖然是目前的王者，但一種名為 LPU（Language Processing Unit，語言處理單元） 的全新架構正異軍突起，試圖在「AI 推論」領域彎道超車。
與此同時，當這類超級晶片組成龐大叢集時，它們之間的資料傳輸需求呈現指數級增長，這使得「光通訊」技術成為 AI 基礎設施中不可或缺的基石。
什麼是 LPU？
LPU（Language Processing Unit） 是由美國 AI 晶片新創公司 Groq 所提出並研發的一種全新處理器架構。顧名思義，它是專門為處理「大型語言模型（LLM）」而生的晶片。
要理解 LPU 的革命性，我們必須先了解它與傳統 GPU 的差異：
專注「推論」而非「訓練」： GPU 擅長平行運算，是「訓練」AI 模型的最佳選擇。但當模型訓練完成，進入實際應用階段（例如 ChatGPT 回答你的問題），這個過程稱為「推論（Inference）」。LPU 捨棄了訓練所需的多餘邏輯單元，將所有資源極致化地投入到推論任務中。
打破「記憶體牆（Memory Wall）」： 傳統 GPU 依賴外部的 HBM（高頻寬記憶體）。在生成文字時，晶片需要不斷與外部記憶體來回存取資料，造成嚴重的延遲（這就是為什麼 ChatGPT 常常是一個字一個字慢慢吐出來）。LPU 採用了激進的設計：它沒有外部記憶體，而是將大量的 SRAM（靜態隨機存取記憶體）直接內建在晶片上。
天下武功，唯快不破： 因為資料不需要在晶片內外來回奔波，LPU 的運算速度達到了物理極限。Groq 的 LPU 每秒可以生成高達數百至上千個 Token，速度是頂級 GPU 的數倍以上，能實現真正意義上的「即時 AI 對話」。
歷史性的轉折：Nvidia 砸 200 億美元「類收購」Groq
LPU 展現出的驚人潛力不僅震撼了市場，更直接引起了 AI 晶片霸主 Nvidia 的高度警覺。在 2025 年 12 月底，市場迎來了震撼彈：Nvidia 宣布斥資高達 200 億美元現金，與 Groq 達成一項極為罕見的「非獨家技術授權」與人才併購協議。
為了規避各國嚴格的反壟斷審查，Nvidia 採取了聰明的「人才收購（Acqui-hire）」策略。他們並未直接買下 Groq 整家實體公司（Groq 仍作為獨立的雲端服務實體存續），而是買走了 Groq 賴以生存的核心資產：包含 LPU 晶片架構的終身技術授權，並將包含創辦人 Jonathan Ross（也是前 Google TPU 核心開發團隊成員）在內的頂尖工程團隊全數挖角至 Nvidia。
Nvidia 執行長黃仁勳對此明確表示，這筆 Nvidia 史上最大規模的交易，目的是為了將 Groq 的低延遲 LPU 處理器整合進 Nvidia 的 AI 工廠（AI Factory）架構中。這場世紀交易不僅證明了 LPU 架構的巨大價值，更向全世界釋放了一個明確的訊號：AI 算力的主戰場，已經正式從「模型訓練」轉向追求極致速度與成本效益的「即時推論」時代。
為什麼 LPU 的崛起，會帶動「光通訊」產業？
LPU 單顆晶片雖然極快，但它的內建 SRAM 容量相對較小（約 230MB）。然而，現今的大型語言模型（如 Llama 3）動輒數十 GB 甚至數百 GB。
為了解決這個問題，Groq 的做法是「大力出奇蹟」：將數百、數千顆 LPU 串聯起來，組成龐大的算力叢集（Cluster）。
當一個 AI 模型被拆分到幾百顆晶片上同時運行時，晶片與晶片之間、機櫃與機櫃之間需要每秒交換海量的數據。傳統的銅線傳輸在速度和距離上已經達到了物理瓶頸，且功耗極高。這時，光通訊（Optical Communication）與矽光子（Silicon Photonics）技術就成了唯一的解決方案。利用「光」來傳輸資料，不僅頻寬更大、速度更快，且能耗更低。
可以說，沒有頂尖的光通訊技術，LPU 或任何先進的 AI 叢集就無法發揮出它們應有的實力。
美股光通訊領域的「LPU / AI 算力網路」概念股
嚴格來說，光通訊廠商並非「只」供應給 LPU，它們是整個 AI 算力網路（無論是 GPU、TPU 或 LPU）的「賣鏟人」。當 LPU 這類需要極高頻寬互連的架構擴張時，以下美股光通訊巨頭將直接受惠：
1. Broadcom (博通，代號：AVGO)
產業地位： 全球網通晶片與矽光子霸主。
AI 關聯： 雖然博通以晶片聞名，但它的 Tomahawk 和 Jericho 交換器晶片是構建 AI 資料中心網路的核心。此外，博通在「共同封裝光學元件（CPO）」與矽光子技術上領先全球，能將光通訊模組與運算晶片高度整合，是高速 AI 叢集不可或缺的推手。
2. Marvell (邁威爾，代號：MRVL)
產業地位： 數據基礎設施與光通訊 DSP（數位訊號處理器）龍頭。
AI 關聯： 在光纖傳輸中，需要 DSP 晶片來處理和清理高速訊號。Marvell 的 PAM4 DSP 晶片在 800G 甚至 1.6T 的光收發模組中佔據統治地位。隨著 LPU/GPU 叢集對資料傳輸速率的要求越來越高，Marvell 的業績直接與 AI 網路的擴張掛鉤。
3. Coherent (高意，代號：COHR)
產業地位： 全球領先的雷射與光學材料、光收發模組製造商。
AI 關聯： Coherent 提供了資料中心所需的 800G 高速光收發模組。他們掌握了從基礎光學材料、雷射元件到最終模組的垂直整合能力。AI 資料中心內部機房的互連，極度依賴這類高速光纖模組。
4. Lumentum (魯門特姆，代號：LITE)
產業地位： 頂尖的光通訊元件與雷射器供應商。
AI 關聯： Lumentum 專精於製造光模組內部的核心發光元件（如 EML 雷射器、VCSEL）。隨著 AI 運算需求推動網路向 800G 和 1.6T 升級，對高性能、高穩定性雷射晶片的需求暴增，Lumentum 正是這類關鍵零組件的軍火商。
5. Fabrinet (法布里內特，代號：FN)
產業地位： 高階光學與精密電子代工之王。
AI 關聯： 光學模組的組裝非常精密，難度遠高於一般電子產品。Fabrinet 是 Cisco、Nvidia、Arista 等大廠背後的光學代工廠。Nvidia AI 系統中用到的高階光收發模組，絕大多數都是由 Fabrinet 負責組裝製造。
結語
LPU 的出現，證明了 AI 硬體發展正在從「通用型」走向「專用型」。而無論前端的運算大腦是 LPU 還是 GPU，它們都面臨著同一個物理限制：資料傳輸的瓶頸。
光通訊與矽光子技術，就像是為這些超級大腦鋪設的「光速神經網路」。對於投資人而言，關注這些隱身在算力晶片背後、默默提供高速傳輸基礎設施的光通訊大廠，將是把握 AI 長期紅利的另一個關鍵視角。