Ai浪潮下的光通信产业链为何站在爆发前夜

过去两年，AI是最热的风口。但大多数人在讨论AI的时候，目光都盯在英伟达的显卡、OpenAI的估值、国产大模型的融资额上。有一个细分领域，被严重低估了——光模块，或者说整个光通信产业链。

一个反常识的现象：过去两年全球AI服务器出货量年均增长约50%，而AI用光模块的出货量增速超过120%。AI服务器在狂飙，光模块跑得比AI服务器还快。

这不是偶然。光模块，才是AI基础设施里真正的”神经血管”。

为什么AI离不开光模块

要理解这个问题，先搞清楚AI服务器是怎么工作的。

当你在说”训练一个大模型”的时候，实际上是数以千计的GPU同时运算、频繁交换数据。一个GPT-4级别的大模型训练，需要在数万台服务器之间同步传输数据，任何一个环节出现带宽瓶颈，整个训练效率就会断崖式下跌。

而负责服务器之间高速互联的，正是光模块——它实现光信号和电信号的相互转换，让数据通过光纤高速传输。AI时代，数据量呈指数级增长，对带宽的要求从过去的100G、400G，一跃升级到800G甚至1.6T。这个升级速度，是过去10年的总和。

更关键的是，AI对延迟极度敏感——训练时每慢一秒都是烧钱，推理时每多10毫秒用户体验就明显下降。光模块的传输延迟直接决定了GPU集群的工作效率。没有足够好、足够多的光模块，AI计算能力再强也发挥不出来。

光模块的技术升级路径

光模块不是新鲜事物，但AI给它按下了加速键。

传输速率的代际跨越

四年时间，从100G到1.6T，传输速率翻了16倍。而1.6T的规模上量，标志着行业正式进入下一代周期。

三条新技术主线

这三条路线，既有替代又有融合，共同推动光模块行业进入新一轮技术洗牌期。

供需格局：被忽视的产能瓶颈

需求侧：全球疯狂建智算中心

全球四大云厂商（微软、谷歌、亚马逊、Meta）加上国内阿里、腾讯、百度、字节跳动，都在疯狂建设智算中心。每个中心的标配都是数万甚至数十万只高速光模块。

从实际情况看，800G光模块从2023年下半年才开始规模出货，到2024年就已经出现结构性缺货，2025年进一步蔓延至1.6T新品。需求释放的速度，远远超出了行业在2022年时的预期。

还有一个值得注意的动向：超大规模数据中心建设正在从北美向亚太扩散。字节跳动、阿里、腾讯近两年在智算中心上的投入持续加码，海外云厂商的采购量也在快速增长。需求不是在放缓，而是在加速。

供给侧：链条比想象中脆弱

光模块看起来是一个整机行业，但上游供应链却高度集中、扩产周期极长，这正是这个行业的隐性风险。

首先是EML激光器。全球能大规模量产EML（铟磷砷镓）激光器的厂商屈指可数，主要集中在日本（博通日本工厂、三菱电机）和美国（II-VI）手中，国产替代刚刚起步。2024年以来，EML激光器再次出现结构性缺货，部分规格价格涨幅明显。

然后是DSP芯片。光模块的主控芯片需要高速DAC/DMA电路，全球能提供数据中心级DSP芯片的只有博通、Marvell等少数几家，产能高度集中。光模块厂商在芯片供应商面前，议价能力并不强。

最后是光纤连接器。高速光模块需要配套的高密度光纤连接器，涉及到精密制造和精密抛光工艺，毛利率高但扩产慢，同样是产业链的一个隐性瓶颈。

国内厂商：机会与隐忧并存

中际旭创（苏州旭创）已经是全球最大的光模块厂商之一，800G产品全球出货领先，近两年收入增速持续创历史新高；

天孚通信专注高端光器件，是多个头部客户的独家供应商；

光迅科技在芯片自研上有深厚积累；新易盛、剑桥科技也在快速追赶。

国内厂商不仅占据了全球光模块产能的主要份额，在技术上也已站到世界第一梯队。但瓶颈同样明显：核心芯片（DSP、EML激光器）仍依赖进口，高端产品良率有待提升，上游器件的国产替代还需要时间——这是风险，也是机会。

还有一个变量不能忽视：海外政策风险。如果美国进一步收紧对华出口高速光模块相关芯片和器件的管控，上游供应链的不确定性会显著上升。这也是为什么说光模块产业链需要持续跟踪政策动态。