你以为AI数据中心最烧钱的是GPU？错了！真正让大厂肉疼的，是把成千上万颗GPU串起来干活的那张网：光互连。多少企业砸了上亿买GPU，最后却因为网络跟不上，让这些“金疙瘩”躺在机房里闲置？今天就给你扒一扒AI时代光互连为什么突然成了香饽饽。
大模型训练不是单卡能搞定的，得靠数千、数万张GPU持续交换参数和数据。算力越密集，数据搬运越频繁，网络就从“配角”变成了“瓶颈”。
传统数据中心主要处理用户和服务器之间的南北向流量，但AI集群里真正庞大的是GPU之间、机柜之间的东西向流量。一旦链路延迟、带宽或丢包率跟不上，昂贵的GPU就只能干等着，利用率直接下滑：这简直是在烧钱！
铜缆适合短距离、低成本连接，但带宽从400G、800G往1.6T走时，铜缆的距离、功耗和信号问题就暴露了。光模块和光纤却能在更长距离里提供更高带宽、更低损耗，成了AI集群扩张的必需品。
比如英伟达的GB200和GB300机柜，内部靠NVLink整合CPU和GPU，机柜之间就得靠光互连来“牵线搭桥”，把分散的计算节点变成一个巨大的并行系统。
别以为光互连就是多插几根光纤，它是个完整的系统工程：交换芯片、网卡、光模块、光纤、连接器、协议栈、拓扑设计、运维软件，一个都不能少。就像搭积木，每块都得严丝合缝，才能让整个算力网络高效运转。
云数据中心还在升级400G时，AI训练集群直接把800G推到了前台，甚至把1.6T提前拉进了产业视野。Cisco的数据显示，2025年AI后端交换端口会以800G为主，2027年就快速迁移到1.6T。
光模块因此成了最直接的受益者。LightCounting预计，AI相关的光收发器市场2024年约50亿美元，2026年就破100亿；Cignal AI也说，2025年数据通信光组件市场收入会增长60%以上，超过160亿美元。
高速光模块通常需要DSP处理信号，但这会增加功耗和成本。于是LPO、CPO这些新路线冒了出来。
LPO去掉模块里的DSP，把部分处理交给交换芯片，低功耗低延迟但互操作性难；CPO把光引擎和交换芯片封装在一起，缩短信号路径但制造、散热更复杂。短期主流还是可插拔光模块，中期LPO会在特定场景放量，长期CPO可能在超大规模集群里打开空间。
投资光模块得看清楚：真正稀缺的是高速率设计能力、良率、客户认证和交付能力，不是所有光模块都一样。
中国企业在这条赛道上并不边缘。中际旭创、新易盛、天孚通信等已经深度参与全球高速光模块供给。Cignal AI提到的Innolight（中际旭创）和Eoptolink（新易盛），都是数据通信模块的主要供应商之一。这说明中国企业已经在全球产业链里占据了一席之地。
但这不是无风险的单边叙事。光模块需求高度依赖云厂商和AI资本开支：如果大模型商业化不及预期，或者云厂商阶段性消化库存，订单波动会非常剧烈。
更关键的是，速率升级越快，上一代产品价格跌得越快，企业必须不断砸研发和资本开支追赶下一代窗口，稍慢一步就可能被淘汰。
英伟达近期和康宁扩大光连接合作，说明AI基础设施竞争已经从芯片延伸到光纤、网络等底层环节。双方合作是为了提升美国AI数据中心光连接产品的产能：这意味着光互连不再只是供应链零部件，而是AI基础设施主权的一部分。
看懂光互连，不是记住400G、800G这些数字，而是理解算力扩张的物理后果：GPU越多，数据越要流动；模型越大，通信越重要；机柜越密，功耗越成边界。光互连的价值，就是把分散的芯片连接成“超级计算工厂”。
未来AI竞争表面是模型、芯片之争，深处却是带宽、延迟、能耗和工程交付之争。谁能用更低功耗、更高密度的光网络组织算力，谁就能让每一美元GPU投资更高效。
你觉得未来中国企业能在光互连赛道上占据主导地位吗？欢迎在评论区留下你的观点，一起聊聊AI时代的底层竞争！
热门跟贴