為什麼在擴充型 AI 資料中心中選擇多模而非單模？

隨著 AI 資料中心持續擴展，光互連設計變得愈來愈重要。關鍵的技術決策之一，是要採用多模或單模光纖架構。 

RVi 已選擇專注於用於擴展型 AI 應用的多模 VCSEL 系統。其原因根植於光學物理、可製造性，以及對準容差。

光學物理：étendue 與光耦合

在光學系統設計中，一個稱為 étendue（ε） 的基本概念，用來描述光在面積與角度發散兩方面的「分散程度」。

其遵循守恆定律：

其中：

• A = 發光面積

• Ω = 發散角

此乘積定義了可從光源有效傳輸到光纖中的光量。

多模光纖

• 芯徑：~50 μm

• 數值孔徑（NA）：~0.22

• 較大的 étendue 容量

這使得 VCSEL 發出的絕大部分光都能有效耦合進光纖中。

單模光纖

• 芯徑：5–9 μm

• NA：~0.13

• 小得多的 étendue 容量

這限制了可接受的光量，並且需要極其精準的對準。 

製造與對準容差

在大規模 AI 基礎架構中，可製造性至關重要。

多模系統可實現：

• 對準容差可達 ±10 μm

• 可進行被動對準

• 可擴展的射出成型或玻璃母模透鏡製造

然而，單模系統需要：

• ±0.5 μm 的對準精度

• 嚴格的機械控制

• 更高成本的組裝製程

要在單模系統中達到 >85% 的耦合效率，對準偏差必須幾乎微觀級。

 為什麼這對 AI 資料中心很重要

擴展型 AI 架構要求：

• 高頻寬密度

• 可靠的光耦合

• 可量產的製造能力

• 具成本效益的部署

基於多模 VCSEL 的系統在效能與可擴展性之間提供了實際的平衡，因此非常適合下一代 AI 基礎架構。