AI算力集群组网升级推高光模块需求 800G加速放量1.6T与CPO打开新空间

问题:算力规模持续扩张,带来“连得上、连得快、连得省”的新挑战。近年来,大模型训练推动算力集群竞争从单机性能转向“集群协同效率”,网络连接能力逐步成为影响训练效率、能耗和成本的关键因素。传统云计算以南北向流量为主,而大模型训练更依赖东西向的高并发通信,对互联端口数量、速率等级和可靠性的要求同步提高,带动光互联需求出现结构性增长。 原因:一是组网形态变化提高端口密度。机构分析显示,AI训练网络正从相对简化的叶脊架构,向更适合大规模并行通信的胖树等架构演进,交换层级和端口规模上升,直接推高光模块用量。二是数据量增长推动速率升级。随着模型参数增大、并行训练加强、同步通信更频繁,带宽更易成为瓶颈,促使光模块从400G加速向800G、1.6T迭代。三是海外头部云服务商加大投入形成外部牵引。海外主要云厂商持续提高AI对应的资本开支,扩张算力芯片部署的同时,把网络互联作为重要配套投入方向,增强了中短期需求的可见度。 影响:供需共振下,光模块产业链景气度有望延续。多方观点认为,800G产品已进入放量期,未来两三年仍处在需求快速释放窗口;1.6T产品预计自2025年起逐步出货,随着交换芯片、光电器件、测试与封装能力完善,后续具备规模化导入的条件。另外,国内厂商在长期竞争中形成制造、交付与成本控制能力,并与海外客户建立较深合作,全球份额格局整体保持稳定。在需求确定性增强的背景下,产业链可能呈现“量增叠加结构升级、带动价值提升”的走势。 对策:面对速率升级与方案多元化,产业需要在技术与生态两端同步推进。一上,加快硅光、光电共封装等关键方向的工程化与标准化,提升良率、寿命与一致性,降低系统部署门槛;另一方面,强化与交换芯片、服务器、散热与布线等环节的协同验证,从“单器件性能”转向“系统级效率”优化。同时,应关注供应链安全与产能节奏,避免短期跟风扩产造成重复建设;在绿色低碳约束趋严的背景下,也需把功耗、散热与可维护性纳入核心竞争维度。 前景:机构普遍判断,未来光互联需求将由多类场景共同驱动:一是在数据中心跨机柜、跨机房的规模化互联中,800G仍将是主要升级方向;二是在更高密度、更低时延的机内、板内互联演进中,共封装光学(CPO)等方案有望率先在部分场景落地,并逐步向更高价值的规模化应用拓展;三是随着算力芯片持续放量、新一代芯片加快迭代,端口带宽需求上行趋势预计仍将延续,为2027年前后形成新的需求基础提供支撑。总体来看,光模块升级与新型光互联方案并行推进,有望支撑行业较长周期的增长,但技术路线选择、成本下降速度与产业协同能力将影响落地节奏,并带来一定市场分化。

在数字经济成为全球竞争焦点的背景下,光模块产业的技术突破不仅关系企业发展,也关乎算力体系的关键支撑能力。从跟随到参与标准制定,中国企业在光通信领域的持续进阶,正在为“新质生产力”提供更具体的产业样本。未来三年,如何在技术迭代与产能爬坡之间把握节奏,将成为影响行业格局的重要变量。