隨著人工智慧（AI）運算需求呈爆炸性成長，資料中心對資料傳輸速率的要求已達指數級提升，傳統連接技術正遭遇物理瓶頸。在 CTIMES 主辦、思渤科技協辦的「串聯 AI 傳輸最後一哩」東西講座中，業界專家深入探討了 PCIe 7.0 演進、共同封裝光學（CPO）架構以及熱電耦合模擬三大核心議題 。

 

 

思渤科技 CAE 資深工程副理陳冠忠指出，AI 訓練對頻寬的渴求加速了 PCIe 規格的更迭 。自 PCIe 6.0 導入 PAM4 調變技術以來，雖然在相同頻率下實現了資料傳輸效率倍增，但其四電平訊號導致眼圖開口顯著縮小，訊雜比（SNR）較傳統 NRZ 劣化約 9.6 dB，大幅增加了通道設計與驗證的難度 。

 

進入 PCIe 7.0 世代，資料速率飆升至 128 GT/s，奈奎斯特頻率高達 32 GHz 。陳冠忠強調，為了因應極端的通道損耗，系統需仰賴重定時器進行訊號重建，並必須在設計初期導入「模擬驅動設計」（Simulation-driven Design），針對 PCB 走線、過孔及封裝結構進行優化，以確保系統符合嚴苛的高速傳輸規範 。

 

 

 

針對高功耗帶來的散熱與穩定性難題，思渤科技 CAE 資深工程師駱建宏提出了「熱電耦合」的解決方案 。隨著系統架構邁向光電整合，光學元件與核心晶片的距離縮短，雖然能降低功耗，卻也讓熱耦合效應更為顯著 。

 

駱建宏表示，溫度變化會直接影響材料電性，進而導致訊號失真或功率上升 。因此，現代設計不能僅止於單一元件的溫控，必須透過多物理耦合模擬，整合熱與電的交互影響，並搭配主動溫控與動態管理策略，方能確保 AI 伺服器在極限負載下的穩定運作與長期可靠度 。

 

 

高速傳輸的競爭已不只是頻寬的競賽，更是跨領域（電、熱、封裝）整合能力的考驗 。透過模擬自動化與精準的熱電控制策略，將是 AI 基礎設施在未來取得成功的關鍵 。