一文看懂光模块：从“数据快递员”到AI时代的“基建核心”（2/2）

另外，ai训练的数据量还在指数级增长：2020年训练一个大模型需要几十tb的数据，2024年需要几百tb甚至几pb（1pb=1000tb）的数据，这就要求光模块的“容量”也要跟着涨，从400g到800g，再到1.6t，甚至未来的3.2t，只有这样才能“喂饱”gpu。

2. ai推理：需要光模块“不卡顿”

ai训练完后，要用来“干活”，比如你用ai写文案、生成图片、做语音翻译，这个过程叫“推理”。推理虽然不需要像训练那样多的gpu，但需要“实时响应”——你发出一个请求，希望几秒钟内就能收到ai的回复，这就需要光模块“快速传数据”。

比如你用ai生成一张“未来城市”的图片：你在手机上点击“生成”，请求会先传到ai数据中心的服务器，服务器里的gpu算出图片后，再通过光模块把图片数据传回到你的手机。如果光模块速度慢，比如用100g光模块，这个过程可能要5秒；用800g光模块，1秒内就能完成，你感觉不到任何延迟。

而且现在ai推理的“并发量”越来越大——比如某ai绘画工具，同时有10万人在用，每秒要处理几十万次请求，这就需要光模块能“同时传很多数据”，不能堵车。中际旭创的800g光模块支持“8通道并行传输”，就像一条8车道的高速路，能同时走8路数据，不会因为并发量高而卡顿。

3. ai集群：需要光模块“连得密”

ai数据中心里的gpu不是零散分布的，而是组成“集群”——比如一个集群有1024台gpu，这些gpu要通过光模块连接成一个“网络”，才能协同工作。这个网络的“密度”（每台gpu连接的光模块数量）直接影响ai的算力。

以前的gpu集群，每台gpu可能只连1个光模块，能和几十台其他gpu通信；现在的ai集群，每台gpu要连4个甚至8个光模块，能和几千台其他gpu通信，这样才能处理更复杂的模型。比如英伟达的dgx h100集群，每台服务器装8块gpu，每块gpu连2个800g光模块，整个集群能支持几千台gpu协同工作，这背后就是光模块的“高密度连接”在支撑。

中际旭创为ai集群设计的“光模块阵列”，能把多个800g光模块集成到一个“盒子”里，每台gpu只需要插一个“盒子”，就能实现和几千台gpu的连接，大大简化了集群的布线，还提高了连接的稳定性。

五、光模块的“技术升级”：从传统到cpo，未来还能怎么进化？

光模块不是一成不变的，为了跟上数据量和ai算力的增长，它的技术也在不断升级。从早期的“可插拔光模块”到现在热门的“cpo技术”，每一次升级都在解决“速度更快、成本更低、功耗更小”的问题。

1. 传统可插拔光模块：灵活但有瓶颈

我们之前讲的100g、400g、800g光模块，大多是“可插拔式”的——就像u盘一样，能插进服务器或交换机的接口，坏了可以直接拔下来换，灵活性很高。

这种模块的优点很明显：安装方便、维护简单，比如数据中心里某个光模块坏了，工程师不用拆服务器，直接换个新的就行，不影响其他设备工作。但随着速度提升到800g、1.6t，它的瓶颈也越来越明显：

- 功耗高：可插拔模块需要独立的电源和信号接口，速度越快，功耗越高。比如800g可插拔模块的功耗约12-15瓦，1.6t可能达到20瓦以上，成千上万的模块一起工作，总功耗会非常惊人。

- 延迟略高：信号要从服务器芯片传到可插拔模块的接口，再转换成光信号，这个过程会有微小的延迟。对普通数据传输来说没问题，但ai训练需要“零延迟”，这点延迟就可能影响效率。

- 成本高：高速可插拔模块的芯片和光学组件成本高，比如1.6t可插拔模块的价格目前还是800g的2倍多，对中小企业来说负担较重。

2. cpo技术：把光模块“焊”在芯片上，突破瓶颈

为了解决传统可插拔模块的瓶颈，行业里出现了“cpo技术”（共封装光学，co-packaged optics），简单说就是“把光模块和服务器\/交换机的芯片直接封装在一起”，不用再做可插拔的接口。

你可以理解为：传统可插拔模块是“外置的快递站”，数据要先从服务器（家里）送到快递站，再发出去；cpo就是“把快递站搬进家里”，数据直接从服务器芯片传到光模块，不用绕路。

cpo技术的优势很突出：

- 功耗大幅降低：没有了可插拔接口的信号损耗和独立供电，cpo的功耗能比传统模块低30%-50%。比如1.6t cpo模块的功耗可能只有10瓦左右，比传统可插拔模块省一半电，对ai数据中心来说，每年能省上亿的电费。

- 延迟几乎为零：光模块和芯片直接连接，信号传输距离缩短到几毫米，延迟能从传统模块的几十纳秒（1纳秒=10的-9次方秒）降到几纳秒，完全满足ai训练的“零延迟”需求。

- 成本更低：去掉了可插拔接口的组件，cpo的硬件成本能降低20%以上，而且随着量产规模扩大，成本还会继续下降。

目前，cpo技术已经进入“试点验证”阶段，很多头部企业都在推进。比如中际旭创的cpo原型机已经通过了英伟达quantum-x平台的认证，和英伟达联合开发的cpo交换机预计2026年量产；谷歌、亚马逊也计划在2025-2026年的ai数据中心里试点cpo技术，未来3-5年，cpo可能会成为800g以上高速光模块的主流方案。

3. 硅光技术：用“做芯片的方法”做光模块，降本又提效

除了cpo，“硅光技术”也是光模块的重要升级方向。传统光模块的光学组件（比如激光器、探测器）大多用“化合物半导体”（比如铟磷化物）做的，成本高、生产难度大；硅光技术则是“用做计算机芯片的硅材料来做光学组件”，把光学元件和电路芯片集成在一块硅片上。

这种技术的好处很直接：

- 成本低：硅材料是半导体行业最常见的材料，价格便宜，而且能像做计算机芯片一样“批量生产”，大幅降低光模块的成本。比如中际旭创把硅光技术用在800g光模块上，成本比传统方案降低了20%以上。

- 集成度高：能在一块硅片上集成更多的光学元件，比如把多个激光器、探测器和电路芯片整合在一起，让光模块体积更小、速度更快。比如硅光技术能做出“8通道同时传输”的800g模块，体积和传统400g模块一样大。

- 可靠性强：硅材料的稳定性比化合物半导体好，能适应更恶劣的环境（比如高温、高湿度），光模块的故障率会更低。

现在硅光技术已经在400g、800g光模块上批量应用，未来随着1.6t、3.2t模块的普及，硅光技术会成为主流，进一步推动光模块的“降本提效”。

六、光模块的“市场格局”：谁在做？竞争激烈吗？

光模块是个“技术密集型+资金密集型”的行业，不是谁都能做，目前全球市场主要被几家头部企业垄断，中国企业在其中占据重要地位。

1. 全球市场：中国企业“领跑”高速光模块

全球光模块市场规模很大，2024年约150亿美元，预计2025年因为ai需求爆发，会增长到200亿美元以上。主要玩家分两类：

- 中国企业：以中际旭创、华为、海信宽带、新易盛为代表，尤其是在高速光模块（400g及以上）领域，中国企业的市场份额超过60%。比如中际旭创的800g光模块全球市场份额超40%，是全球最大的800g光模块供应商；华为的400g光模块在电信领域占据优势，全球份额约25%。

- 国外企业：以美国的coherent、finisar（已被ii-vi收购）、日本的sumitomo为代表，它们在传统低速光模块（10g、25g）和电信相干光模块领域有一定优势，但在高速光模块领域，中国企业的技术和成本优势更明显。

中国企业能领跑高速光模块，主要有两个原因：

- 技术研发快：中国企业在800g、1.6t模块和cpo、硅光技术上的研发进度和国外企业同步，甚至更快。比如中际旭创2022年就推出了800g光模块，比国外部分企业早半年；1.6t模块也和英伟达同步完成认证，2025年就能量产。

- 成本控制好：中国有完整的半导体产业链，从芯片设计到封装测试都能自主完成，光模块的生产制造成本比国外企业低15%-20%，在价格竞争中更有优势。

2. 竞争焦点：高速光模块和cpo技术

目前光模块行业的竞争主要集中在两个方向：

- 800g\/1.6t高速模块：2024-2025年是800g模块的“放量期”，ai数据中心的需求爆发，谁能产能大、交付快，谁就能抢占市场。比如中际旭创2024年800g模块的产能达到100万只，能满足全球40%的需求；新易盛、海信宽带也在扩产，争取更多份额。

- cpo技术：2025-2026年是cpo技术的“试点期”，谁能先推出成熟的cpo产品、通过头部客户（比如英伟达、谷歌）的认证，谁就能在未来的竞争中占据先机。目前中际旭创、华为、coherent都在加速推进，预计2026年cpo模块会开始批量出货。

七、总结：光模块——数字时代和ai时代的“隐形基石”

可能很多人没听过光模块，但它其实是我们每天上网、用ai工具的“隐形功臣”：没有它，数据传不远、速度慢，刷视频会卡顿，ai大模型也练不出来、用不了。

从技术发展来看，光模块会朝着“更快、更省、更密”的方向进化：速度从400g到800g、1.6t，未来还会到3.2t；功耗从12瓦降到10瓦、5瓦；体积从“打火机大小”变成“指甲盖大小”，甚至和芯片封装在一起。

从市场价值来看，ai时代的光模块不再是“普通的硬件配件”，而是“ai算力的血管”，需求会持续爆发。比如2024年全球ai数据中心对光模块的需求约50亿美元，预计2027年能增长到150亿美元，3年增长3倍，是整个光模块市场增长最快的部分。

简单说，光模块就像“数字世界的高速公路”，路修得越宽、越快，数据和ai就能跑得越顺畅。而像中际旭创这样的企业，就是“修这条路的核心施工队”，在背后支撑着我们的数字生活和ai未来。