大白話聊透人工智慧 一文看懂光模塊：從“數據快遞員”到AI時代的“基建核心”

在數字時代，我們每天刷視頻、發訊息、用AI工具，背後都離不開“數據在快速流動”。而讓數據能像“光速”一樣傳輸的關鍵硬體，就是光模塊。可能很多人冇聽過這個名字，但它卻是從日常上網到AI大模型運行的“隱形功臣”。接下來，我們就用大白話拆解光模塊——它到底是啥、有哪些核心類型、在不同場景裡怎麼用，尤其是在AI時代為啥變得越來越重要，還會結閤中際旭創這樣的行業代表舉例，讓大家徹底搞懂這個“數據傳輸神器”。

一、先搞基礎：光模塊到底是個啥？為啥不能冇有它？

要理解光模塊，得先從“數據怎麼傳”說起。我們平時用的手機、電腦，處理數據時用的是“電信號”——就像家裡的電線傳電一樣，數據靠電流的強弱變化來攜帶。但電信號有個大問題：傳不遠、速度慢，還容易受乾擾。比如用普通網線傳數據，最多幾百米就會“信號衰減”，數據變得斷斷續續；要是想傳幾公裡甚至幾十公裡，電信號根本撐不住。

這時候就需要光模塊來“救場”。光模塊的核心作用，就是做“信號轉換器”和“傳輸器”：先把電信號轉換成“光信號”（靠鐳射或LED發光來攜帶數據，就像用手電筒的光傳遞資訊），再通過光纖（類似特製的“光導管”）把光信號傳出去；等傳到目的地後，再把光信號轉回電信號，讓手機、電腦、服務器能識彆。

打個比方：如果把數據比作“快遞包裹”，光纖就是“高速公路”，那光模塊就是“快遞員”——不僅負責把包裹（數據）從“電信號包裝”換成“光信號包裝”，讓它能在高速路上（光纖）快速跑，還負責到了目的地後拆包，把包裹變回能直接用的樣子。冇有光模塊，數據就隻能在“小範圍慢走”，冇法實現遠距離、高速的傳輸。

光模塊的結構其實不複雜，主要由幾個關鍵部分組成：

-光源：比如鐳射器或LED，負責把電信號變成光信號，相當於“發光的手電筒”；

-探測器：負責接收光信號，再把它變回電信號，相當於“接收光的眼睛”；

-光學組件：比如透鏡、光纖介麵，負責把光信號精準地傳入光纖，減少信號損耗，相當於“瞄準器”；

-電路晶片：負責控製信號轉換的速度和穩定性，相當於“大腦”，確保轉換過程不出錯。

這些部件組合在一起，就成了能讓數據“光速傳輸”的光模塊。而且它體積不大，常見的光模塊也就一個打火機或一盒香菸大小，能輕鬆裝在服務器、路由器裡，不占地方還高效。

二、按“速度”分：光模塊的核心型號，數字越大越厲害？

光模塊最核心的區分標準就是“傳輸速度”，就像汽車有100公裡\/小時、200公裡\/小時的時速一樣，光模塊的速度用“G”來表示，比如10G、25G、100G、400G、800G，現在甚至有了1.6T的型號。數字越大，意味著每秒能傳輸的數據量越多，速度越快。不同速度的光模塊，用在不同的場景裡，不是“越貴越快就越好”，而是“按需選擇”。

1.低速光模塊（10G及以下）：日常上網的“基礎款”

10G及以下的光模塊，比如1G、10G，主要用在我們身邊的“短途傳輸”場景，比如家庭寬帶、企業辦公網絡、小區的通訊機房。

舉個例子：你家裡裝的100M、1000M寬帶，小區機房裡就會用到10G光模塊。它負責把運營商的信號傳到小區，再通過網線分到你家——因為距離近（一般幾公裡內），10G的速度完全夠用，而且成本低，性價比高。現在很多老舊小區的寬帶升級，其實就是把原來的1G光模塊換成10G，讓上網速度從100M提升到1000M，刷視頻不卡頓。

這類光模塊技術成熟，價格也相對便宜，市麵上很多廠商都能做，主要滿足“基礎聯網需求”，就像汽車裡的“家用經濟型轎車”，夠用、實惠。

2.中速光模塊（25G-100G）：企業和電信的“主力款”

25G、40G、100G的光模塊，是目前企業數據中心、電信運營商的“主力軍”，用在“中距離、中大數據量”的傳輸場景。

先說企業數據中心：比如阿裡、騰訊的機房裡，有成千上萬台服務器，這些服務器之間需要互相傳數據（比如你在淘寶下單，訂單數據要從“下單服務器”傳到“支付服務器”，再傳到“物流服務器”），這就需要25G或40G光模塊。25G光模塊能滿足中小型企業的數據中心需求，比如一家連鎖超市的總部，用25G光模塊連接全國門店的銷售數據，每秒能傳幾十萬條交易記錄，足夠實時統計銷量；40G則適合大型企業，比如某互聯網公司的辦公網絡，用40G光模塊連接不同部門的服務器，員工傳大型設計檔案、視頻素材時，幾分鐘就能傳完，不用等半天。

再看電信運營商：我們用的5G網絡，背後也離不開100G光模塊。5G的基站需要把信號傳回運營商的核心機房，這個“回傳”過程就需要100G光模塊——因為5G基站的信號量比4G大很多，每秒要傳大量的語音、視頻數據，100G的速度能保證信號不擁堵。比如你在演唱會現場用5G發直播，基站收集到你的直播數據後，通過100G光模塊快速傳到機房，再推送給看直播的人，不會出現“直播卡頓、畫麵延遲”的情況。

中速光模塊現在是市場需求量最大的品類，就像汽車裡的“家用SUV”，兼顧效能和實用性，能滿足大多數企業和運營商的需求。

3.高速光模塊（400G及以上）：AI和超大型數據中心的“頂配款”

400G、800G、1.6T的高速光模塊，是近幾年的“明星產品”，主要用在超大型數據中心（比如穀歌、亞馬遜的全球機房）和AI領域，負責“遠距離、超大容量”的數據傳輸。

先看400G光模塊：它是目前超大型數據中心的“標配”。比如穀歌的機房裡，不同區域的服務器集群之間（比如北京機房和上海機房）需要傳數據，距離可能有幾千公裡，而且每秒要傳上億條數據（比如全球用戶的搜尋記錄、視頻觀看數據），400G光模塊能輕鬆應對——不僅傳得快，而且信號損耗小，幾千公裡傳下來，數據準確率還能保持在99.99%以上。現在國內的互聯網巨頭，比如阿裡、騰訊，也在大規模替換400G光模塊，為後續的AI業務和海量用戶數據傳輸做準備。

再看800G和1.6T光模塊：這兩款是專門為AI時代設計的“頂配”。AI大模型的訓練和運行，需要多台GPU服務器協同工作，這些服務器之間要實時傳大量數據（比如訓練ChatGPT時，幾萬台GPU要交換計算結果），普通的400G光模塊已經不夠用了，必須用800G甚至1.6T。

這裡可以舉中際旭創的例子：中際旭創是全球做高速光模塊的頭部企業，它的800G光模塊在2024年占據了全球超過40%的市場份額，很多AI數據中心都在用。比如英偉達的AI服務器集群，就用中際旭創的800G光模塊連接GPU——每台GPU每秒能產生幾十GB的數據，800G光模塊能保證這些數據在服務器之間“零延遲傳輸”，讓AI訓練速度提升30%以上。而它的1.6T光模塊，已經通過了英偉達的認證，2025年下半年開始小批量交付，未來會用在更大型的AI集群裡，比如穀歌計劃搭建的400萬卡TPU-v6集群，就會用1.6T光模塊做核心傳輸硬體。

高速光模塊就像汽車裡的“超跑”，速度快、效能強，雖然成本高，但卻是AI時代不可或缺的“關鍵裝備”。

三、按“場景”分：光模塊不是“一刀切”，不同地方用不同款

除了按速度分，光模塊還會根據“使用場景”做定製，比如數據中心、電信網絡、工業場景，對光模塊的要求不一樣，需要“量身定製”。

1.數據中心光模塊：追求“快、穩、密”

數據中心是光模塊最大的應用場景，占了全球光模塊需求的60%以上。數據中心裡的光模塊，核心要求是“速度快、運行穩、密度高”。

“速度快”我們已經講過，400G、800G是主流；“運行穩”指的是光模塊要能長時間工作，不能出故障——數據中心的服務器24小時不關機，光模塊要是壞了，會導致整個服務器集群斷連，影響很多APP的使用。所以數據中心光模塊的“故障率”要求特彆低，通常是“百萬小時故障一次”（MTBF值超100萬小時），相當於連續工作100多年纔可能壞一次。

“密度高”是個很重要的點：數據中心的服務器機架空間有限，希望在同一個機架裡裝更多的光模塊，所以光模塊要做得“小而密”。比如中際旭創為數據中心設計的800G光模塊，采用了“OSFP封裝”，體積比傳統的光模塊小30%，一個機架能裝的光模塊數量增加了50%，大大節省了數據中心的空間成本。

另外，數據中心光模塊還要求“低功耗”——成千上萬的光模塊同時工作，要是每個都很耗電，數據中心的電費會是一筆天文數字。中際旭創的800G光模塊，功耗隻有12瓦左右，比行業平均水平低20%，一個大型數據中心用它，每年能省幾百萬的電費。

2.電信光模塊：追求“遠、強、耐”

電信領域的光模塊，主要用在基站回傳、城域網、骨乾網，核心要求是“傳得遠、抗乾擾、耐環境”。

“傳得遠”：骨乾網是連接不同城市、不同國家的通訊網絡，比如從北京到上海的骨乾網，距離有1300多公裡，需要光模塊能支援長距離傳輸。這類光模塊會采用“相乾技術”，就像給光信號加了“放大鏡”和“穩定器”，能讓光信號傳幾千公裡都不衰減。比如中際旭創為電信骨乾網做的100G相乾光模塊，能支援4000公裡以上的傳輸，不用中途加“信號放大器”，大大降低了電信運營商的建設成本。

“抗乾擾”：電信光模塊大多裝在戶外的基站或機房裡，會遇到電磁乾擾（比如附近有高壓電線）、溫度變化（夏天高溫、冬天低溫），所以需要有很強的抗乾擾能力。比如中際旭創的電信光模塊，采用了“遮蔽外殼”，能擋住99%的電磁乾擾；還能在-40℃到85℃的溫度範圍內正常工作，不管是東北的寒冬還是海南的酷暑，都不會出故障。

“耐環境”：戶外的基站可能會遇到下雨、颳風、灰塵，所以光模塊的外殼要“防水、防塵”。中際旭創的電信光模塊，外殼防護等級達到了IP67（最高級彆的防護之一），即使被雨水淋到、被灰塵覆蓋，也不會影響內部元件的工作。

3.工業光模塊：追求“硬、準、靈”

工業場景的光模塊，比如工廠的自動化生產線、智慧電網、礦山監控，核心要求是“抗衝擊、傳得準、靈活適配”。

“抗衝擊”：工廠裡的機器會震動，礦山的環境也很惡劣，光模塊要能承受衝擊和震動。比如中際旭創為工業場景做的25G光模塊，能承受1000G的衝擊（相當於從1米高的地方掉到水泥地上），還能在500Hz的震動環境下工作，不會因為震動導致元件鬆動。

“傳得準”：工業場景裡的數據傳輸不能出錯，比如智慧電網的電流、電壓數據，要是傳輸時出錯，可能會導致電網故障；工廠生產線的傳感器數據要是錯了，會導致產品質量問題。所以工業光模塊的“數據準確率”要求極高，通常是“誤碼率低於10的-12次方”（相當於傳1萬億條數據，最多錯1條）。

“靈活適配”：不同工業場景的介麵、電壓不一樣，光模塊要能靈活適配。比如中際旭創的工業光模塊，支援多種介麵（比如SFP+、QSFP28），還能適配12V、24V、48V等不同電壓，不用為不同場景單獨設計，大大降低了企業的采購成本。

四、AI時代：光模塊為啥從“配角”變成“核心基建”？

在AI冇火起來之前，光模塊隻是“數據傳輸的工具”，很多人冇關注它；但AI時代到來後，光模塊一下子變成了“核心基建”，甚至被稱為“AI算力的血管”，這是為啥？

1.AI訓練：需要光模塊“餵飽”GPU

AI大模型的訓練，本質上是“讓幾萬台GPU一起算數據”。比如訓練一個千億參數的大模型，需要把海量數據（比如幾億篇文章、幾千萬張圖片）分到不同的GPU上，每個GPU算一部分，然後再把計算結果彙總、交換，反覆迭代幾十萬次，才能訓練出能用的模型。

這個過程中，GPU之間的數據交換完全依賴光模塊：如果光模塊速度慢，GPU就會“等數據”——比如GPU算完了自己的部分，卻要等半小時才能收到其他GPU的結果，訓練效率會極低；如果光模塊速度快，比如用800G光模塊，GPU之間的結果交換能在幾秒內完成，訓練時間會大幅縮短。

舉個真實的例子：某AI公司用400G光模塊訓練一個百億參數的模型，花了30天；換成中際旭創的800G光模塊後，訓練時間縮短到了18天，效率提升了40%。而且模型越大，對光模塊速度的要求越高——訓練萬億參數的模型，必須用1.6T光模塊，否則根本冇法在合理時間內完成訓練。

另外，AI訓練的數據量還在指數級增長：2020年訓練一個大模型需要幾十TB的數據，2024年需要幾百TB甚至幾PB（1PB=1000TB）的數據，這就要求光模塊的“容量”也要跟著漲，從400G到800G，再到1.6T，甚至未來的3.2T，隻有這樣才能“餵飽”GPU。

2.AI推理：需要光模塊“不卡頓”

AI訓練完後，要用來“乾活”，比如你用AI寫文案、生成圖片、做語音翻譯，這個過程叫“推理”。推理雖然不需要像訓練那樣多的GPU，但需要“實時響應”——你發出一個請求，希望幾秒鐘內就能收到AI的回覆，這就需要光模塊“快速傳數據”。

比如你用AI生成一張“未來城市”的圖片：你在手機上點擊“生成”，請求會先傳到AI數據中心的服務器，服務器裡的GPU算出圖片後，再通過光模塊把圖片數據傳回到你的手機。如果光模塊速度慢，比如用100G光模塊，這個過程可能要5秒；用800G光模塊，1秒內就能完成，你感覺不到任何延遲。

而且現在AI推理的“併發量”越來越大——比如某AI繪畫工具，同時有10萬人在用，每秒要處理幾十萬次請求，這就需要光模塊能“同時傳很多數據”，不能堵車。中際旭創的800G光模塊支援“8通道並行傳輸”，就像一條8車道的高速路，能同時走8路數據，不會因為併發量高而卡頓。

3.AI集群：需要光模塊“連得密”

AI數據中心裡的GPU不是零散分佈的，而是組成“集群”——比如一個集群有1024台GPU，這些GPU要通過光模塊連接成一個“網絡”，才能協同工作。這個網絡的“密度”（每台GPU連接的光模塊數量）直接影響AI的算力。

以前的GPU集群，每台GPU可能隻連1個光模塊，能和幾十台其他GPU通訊；現在的AI集群，每台GPU要連4個甚至8個光模塊，能和幾千台其他GPU通訊，這樣才能處理更複雜的模型。比如英偉達的DGXH100集群，每台服務器裝8塊GPU，每塊GPU連2個800G光模塊，整個集群能支援幾千台GPU協同工作，這背後就是光模塊的“高密度連接”在支撐。

中際旭創為AI集群設計的“光模塊陣列”，能把多個800G光模塊整合到一個“盒子”裡，每台GPU隻需要插一個“盒子”，就能實現和幾千台GPU的連接，大大簡化了集群的佈線，還提高了連接的穩定性。

五、光模塊的“技術升級”：從傳統到CPO，未來還能怎麼進化？

光模塊不是一成不變的，為了跟上數據量和AI算力的增長，它的技術也在不斷升級。從早期的“可插拔光模塊”到現在熱門的“CPO技術”，每一次升級都在解決“速度更快、成本更低、功耗更小”的問題。

1.傳統可插拔光模塊：靈活但有瓶頸

我們之前講的100G、400G、800G光模塊，大多是“可插拔式”的——就像U盤一樣，能插進服務器或交換機的介麵，壞了可以直接拔下來換，靈活性很高。

這種模塊的優點很明顯：安裝方便、維護簡單，比如數據中心裡某個光模塊壞了，工程師不用拆服務器，直接換個新的就行，不影響其他設備工作。但隨著速度提升到800G、1.6T，它的瓶頸也越來越明顯：

-功耗高：可插拔模塊需要獨立的電源和信號介麵，速度越快，功耗越高。比如800G可插拔模塊的功耗約12-15瓦，1.6T可能達到20瓦以上，成千上萬的模塊一起工作，總功耗會非常驚人。

-延遲略高：信號要從服務器晶片傳到可插拔模塊的介麵，再轉換成光信號，這個過程會有微小的延遲。對普通數據傳輸來說冇問題，但AI訓練需要“零延遲”，這點延遲就可能影響效率。

-成本高：高速可插拔模塊的晶片和光學組件成本高，比如1.6T可插拔模塊的價格目前還是800G的2倍多，對中小企業來說負擔較重。

2.CPO技術：把光模塊“焊”在晶片上，突破瓶頸

為瞭解決傳統可插拔模塊的瓶頸，行業裡出現了“CPO技術”（共封裝光學，Co-packagedOptics），簡單說就是“把光模塊和服務器\/交換機的晶片直接封裝在一起”，不用再做可插拔的介麵。

你可以理解為：傳統可插拔模塊是“外接的快遞站”，數據要先從服務器（家裡）送到快遞站，再發出去；CPO就是“把快遞站搬進家裡”，數據直接從服務器晶片傳到光模塊，不用繞路。

CPO技術的優勢很突出：

-功耗大幅降低：冇有了可插拔介麵的信號損耗和獨立供電，CPO的功耗能比傳統模塊低30%-50%。比如1.6TCPO模塊的功耗可能隻有10瓦左右，比傳統可插拔模塊省一半電，對AI數據中心來說，每年能省上億的電費。

-延遲幾乎為零：光模塊和晶片直接連接，信號傳輸距離縮短到幾毫米，延遲能從傳統模塊的幾十納秒（1納秒=10的-9次方秒）降到幾納秒，完全滿足AI訓練的“零延遲”需求。

-成本更低：去掉了可插拔介麵的組件，CPO的硬體成本能降低20%以上，而且隨著量產規模擴大，成本還會繼續下降。

目前，CPO技術已經進入“試點驗證”階段，很多頭部企業都在推進。比如中際旭創的CPO原型機已經通過了英偉達Quantum-X平台的認證，和英偉達聯合開發的CPO交換機預計2026年量產；穀歌、亞馬遜也計劃在2025-2026年的AI數據中心裡試點CPO技術，未來3-5年，CPO可能會成為800G以上高速光模塊的主流方案。

3.矽光技術：用“做晶片的方法”做光模塊，降本又提效

除了CPO，“矽光技術”也是光模塊的重要升級方向。傳統光模塊的光學組件（比如鐳射器、探測器）大多用“化合物半導體”（比如銦磷化物）做的，成本高、生產難度大；矽光技術則是“用做計算機晶片的矽材料來做光學組件”，把光學元件和電路晶片整合在一塊矽片上。

這種技術的好處很直接：

-成本低：矽材料是半導體行業最常見的材料，價格便宜，而且能像做計算機晶片一樣“批量生產”，大幅降低光模塊的成本。比如中際旭創把矽光技術用在800G光模塊上，成本比傳統方案降低了20%以上。

-整合度高：能在一塊矽片上整合更多的光學元件，比如把多個鐳射器、探測器和電路晶片整合在一起，讓光模塊體積更小、速度更快。比如矽光技術能做出“8通道同時傳輸”的800G模塊，體積和傳統400G模塊一樣大。

-可靠性強：矽材料的穩定性比化合物半導體好，能適應更惡劣的環境（比如高溫、高濕度），光模塊的故障率會更低。

現在矽光技術已經在400G、800G光模塊上批量應用，未來隨著1.6T、3.2T模塊的普及，矽光技術會成為主流，進一步推動光模塊的“降本提效”。

六、光模塊的“市場格局”：誰在做？競爭激烈嗎？

光模塊是個“技術密集型+資金密集型”的行業，不是誰都能做，目前全球市場主要被幾家頭部企業壟斷，中國企業在其中占據重要地位。

1.全球市場：中國企業“領跑”高速光模塊

全球光模塊市場規模很大，2024年約150億美元，預計2025年因為AI需求爆發，會增長到200億美元以上。主要玩家分兩類：

-中國企業：以中際旭創、華為、海信寬帶、新易盛為代表，尤其是在高速光模塊（400G及以上）領域，中國企業的市場份額超過60%。比如中際旭創的800G光模塊全球市場份額超40%，是全球最大的800G光模塊供應商；華為的400G光模塊在電信領域占據優勢，全球份額約25%。

-國外企業：以美國的Coherent、Finisar（已被II-VI收購）、日本的Sumitomo為代表，它們在傳統低速光模塊（10G、25G）和電信相乾光模塊領域有一定優勢，但在高速光模塊領域，中國企業的技術和成本優勢更明顯。

中國企業能領跑高速光模塊，主要有兩個原因：

-技術研發快：中國企業在800G、1.6T模塊和CPO、矽光技術上的研發進度和國外企業同步，甚至更快。比如中際旭創2022年就推出了800G光模塊，比國外部分企業早半年；1.6T模塊也和英偉達同步完成認證，2025年就能量產。

-成本控製好：中國有完整的半導體產業鏈，從晶片設計到封裝測試都能自主完成，光模塊的生產製造成本比國外企業低15%-20%，在價格競爭中更有優勢。

2.競爭焦點：高速光模塊和CPO技術

目前光模塊行業的競爭主要集中在兩個方向：

-800G\/1.6T高速模塊：2024-2025年是800G模塊的“放量期”，AI數據中心的需求爆發，誰能產能大、交付快，誰就能搶占市場。比如中際旭創2024年800G模塊的產能達到100萬隻，能滿足全球40%的需求；新易盛、海信寬帶也在擴產，爭取更多份額。

-CPO技術：2025-2026年是CPO技術的“試點期”，誰能先推出成熟的CPO產品、通過頭部客戶（比如英偉達、穀歌）的認證，誰就能在未來的競爭中占據先機。目前中際旭創、華為、Coherent都在加速推進，預計2026年CPO模塊會開始批量出貨。

七、總結：光模塊——數字時代和AI時代的“隱形基石”

可能很多人冇聽過光模塊，但它其實是我們每天上網、用AI工具的“隱形功臣”：冇有它，數據傳不遠、速度慢，刷視頻會卡頓，AI大模型也練不出來、用不了。

從技術發展來看，光模塊會朝著“更快、更省、更密”的方向進化：速度從400G到800G、1.6T，未來還會到3.2T；功耗從12瓦降到10瓦、5瓦；體積從“打火機大小”變成“指甲蓋大小”，甚至和晶片封裝在一起。

從市場價值來看，AI時代的光模塊不再是“普通的硬體配件”，而是“AI算力的血管”，需求會持續爆發。比如2024年全球AI數據中心對光模塊的需求約50億美元，預計2027年能增長到150億美元，3年增長3倍，是整個光模塊市場增長最快的部分。

簡單說，光模塊就像“數字世界的高速公路”，路修得越寬、越快，數據和AI就能跑得越順暢。而像中際旭創這樣的企業，就是“修這條路的核心施工隊”，在背後支撐著我們的數字生活和AI未來。