發布日期: 2026年07月10日
更新日期: 2026年07月10日
AI時代最稀缺的資源是什麼?大多數人第一想到的就是“芯片”，但當GPU性能翻倍式提升，數據傳輸卻在銅線網絡中堵成了“停車場”，上萬張頂級顯卡不得不空轉等待數據送達才是當前AI行業面臨的真實瓶頸。
算力的競爭，已經悄悄從晶片內部的運算速度，轉向了伺服器之間的資料傳輸速度。英偉達、微軟、Meta、Google的高階光模組訂單已經排到了2028年，光通訊板塊正不斷創高。
過去，AI競爭的核心是單卡運算能力的較量，晶片效能越強，往往也意味著更高的運算壓力與更快的迭代速度。但隨著大模型規模不斷擴大，數十億甚至萬億級參數模型已經無法依靠單顆晶片完成訓練與推理，AI運算正在從「單晶片作戰」邁向由數萬張GPU組成的超級資料中心叢集時代。
從2025年開始，英偉達CEO黃仁勳就多次在公開演講中頻繁強調一個關鍵概念－Scale out(橫向擴展)。
也就是說，未來AI算力成長不只是依靠單顆晶片效能提升，而是透過連接更多GPU、建構更大規模的運算網路來實現。這就是光通訊的爆發原點。
傳統的銅線網路系統在AI的海量資料面前，徹底揭露了其傳輸距離短、功耗高、發熱嚴重、頻寬設定的缺陷。若繼續使用銅線，GPU叢集規模龐大，資料堵塞嚴重，整體效率不升反降。
而「光纖+光模組」的佈局，憑藉超長距離、低功耗以及超高頻寬的特性脫穎而出。
AI集群日益龐大、資料中心越來越大，網路迭代次數越來越多。運算力越強，光模組也就越重要，已正式從傳統的「邊緣配件」升級為AI算力的核心基礎建設。
| 產業鏈環節 | 核心組成 | 代表產品 | 產業目的地與市場特徵 |
| 上游：核心元件 | 光晶片（EML雷射晶片）、矽光晶片、關鍵光學組件 | EML、雷射晶片、矽光方案、微透鏡、法拉第旋光片等 | 技術壁壘極高，長期由海外廠商主導，國產替代空間龐大，但研發週期較長、突破難度高 |
| 中游：光模組製造 | 高速光通訊技術、封裝技術、CPO（共封裝光學） | 800G光模組、1.6T光模組、CPO方案 | 中國企業具備全球領先的規模化製造能力，在全球市場佔有重要份額 |
| 下游：應用終端 | AI基礎設施、雲端運算、大規模資料傳輸需求 | 智算中心、微軟、Meta、Google、亞馬遜等雲端廠商，英偉達AI伺服器生態 | 全球科技巨頭持續加碼AI基礎建設，提前鎖定高速光通訊產能，推動光模組需求快速成長 |
已經走出歷史新高、倍數暴漲的光板塊，當前高估值下，是否依然存在佈局價值?
1. 短期(1年構面)：業績驅動，穩健上升
短期內，光模組板塊靠著業績驅動的業績上漲邏輯依然成立。全球AI算力資源拓展的趨勢不改，大客戶消耗資金維持高位。
目前800G光模組替代需求持續釋放，1.6T新品已進入大規模與交付期。在高階光晶片緊缺的硬約束下，供需緊張的格局無法彌補，產業無整體性崩盤的風險。
2.風險(2年維度)：產能釋放與下行價格
需要提醒的是，隨著全球各大廠商在狂熱中紛紛擴產，預計2027年前後全球新增產能將大幅集中釋放。一旦新增端跟上甚至過剩，供需格局有可能徹底轉變，進而導致產品價格下行，產業整體毛利率承壓。
3. 遠期(3-5年維度)：技術迭代與“泡沫”
應用落地的速度能否追上基建的速度十分關鍵。華爾街目前最大的缺口已經達到，AI基建的超前投資，與2000年的網路泡沫有著高度相似的歷史走勢。
當年資本瘋狂的產能，最終成長流量不如預期，導致通訊產業陷入數年深冬。如今AI同樣是“先建基建、後等應用”，一旦AI商業化應用落地不及，隨後的緊缺產能預期未來可能會變成巨額庫存。
光通訊火爆行情是全球人工智慧基建紅利集中釋放的結果，其產品和技術前景毋庸置疑，但市場對這些產品的需求並不是無限的，而是會隨著數據中心建設週期、AI算力投資節奏以及行業景氣度變化呈現週期性波動。
<
