光模块行业历史上深受供需周期波动困扰，而人工智能正从需求端和供应链两端带来平抑节奏的契机。AI 大模型训练带来的算力需求爆发，正驱动云厂商大幅提升资本开支，直接拉动对高速光模块（如 800G 产品）的评估与采购，从而为行业注入强劲且相对可预测的增量需求。 同时，AI 技术本身在需求预测、产能调配和库存管理上的应用，也有助于产业链各环节更精准地匹配供需，减少传统周期中“牛鞭效应”带来的库存积压与短缺。
AI 如何从需求侧“熨平”周期
光模块处于光通信系统的中间环节，其需求高度依赖下游数据中心和电信网络的资本开支节奏。传统上，这种需求具有脉冲式特征：建设高峰时集中采购，随后进入消化期，导致供需剧烈波动。
人工智能带来的变化在于，AI 算力集群的规模化建设具有明确的规划周期。例如，云厂商从立项规划、基建到设备搭载光模块，通常需要约 2 年的周期。AI 应用持续迭代，使得云厂商对算力的需求保持长期增长态势，而非以往数据中心建设完成后的阶段性回落。这种持续性的需求，有助于将光模块的采购从“项目制”的集中爆发，转变为更平稳的持续性释放。
技术变革下的供应链优化
光模块本身的技术迭代，也在与 AI 需求形成协同。以 CPO（光电共封装技术）为例，它通过将交换芯片和光引擎共同封装，实现了功耗更低、带宽更大的性能优势，能够满足 AI 数据中心对高密度、高带宽互联的要求。
从供应链角度看，CPO 等新技术的导入，意味着产业链需要更早地与下游云厂商进行联合研发和验证。这种深度绑定，使得需求信息在产业链上下游的传递更加透明和及时，有助于上游的光芯片、光器件厂商更精准地规划产能，避免传统模式下因信息滞后导致的供需错配。
常见问题
人工智能能否完全消除光模块的供需周期？
不能完全消除，但能显著平抑波动。AI 带来的长期算力需求为行业提供了更稳定的需求底座，而 AI 技术本身在预测和库存管理上的应用，可以缩短供需失衡的持续时间。但光模块行业仍会受到技术迭代节奏、宏观经济等因素影响，周期波动依然存在。
哪些光模块厂商在 AI 浪潮中受益最明显？
国内厂商中，天孚通信在 CPO 光引擎方面进展最快，已具备量产能力；联特科技和博创科技也在积极布局，其中博创科技正与 Intel 接触。这些厂商主要为思科等海外网络设备龙头供应光引擎，分享 AI 数据中心建设带来的增量市场。
CPO 技术对光模块供需格局有何影响？
CPO 作为光模块的划时代技术变革，其商用进程（预计从 2024-2025 年开始）将推动行业进入新的增长阶段。新技术要求产业链上下游更紧密的协作，这种协同效应本身就能减少供需信息的不对称，有助于形成更健康的供需平衡。