META 启动 800G 光模块评估，直接动因是 AI 算力需求提升带来的数据中心互联带宽压力。率先拉动需求的将是大模型训练集群——训练过程中 GPU 间需要高频次、大吞吐的数据交换，对光模块速率和密度的要求最为迫切；紧随其后的是云数据中心升级与 AI 推理部署，构成更长期的需求支撑。

训练集群：最先爆发的确定性场景

AI 大模型训练是当前算力扩张的核心驱动力。训练集群内部 GPU 间的高速互联，对带宽的消耗量级远高于传统云业务，是 800G 光模块最确定且最先落地的下游场景。AI 算力需求的提升会带动云厂商提高资本开支，META 启动对 800G 光模块的评估后，预计其他头部厂商也会陆续跟进、增加资本开支预算。从立项规划、基建到设备进入并搭载光模块，周期大约需要 2 年，因此 AI 带来的光模块需求将呈现集中释放的特征。

需求结构演变：数据中心成为主导

光模块市场的需求重心正经历结构性转移。早期光模块需求以电信侧为主，全球电信侧（不含 FTTX 光纤接入）市场规模从 2016 年的 15.22 亿美元增长至 2022 年预计的 25.58 亿美元；同期全球数据中心光模块市场规模从 2016 年的 31.55 亿美元增长至 2021 年的 43.77 亿美元，体量已明显超过电信侧。数据中心已取代电信成为光模块需求的主导力量，而 AI 正在加速这一转变——大模型训练与推理都依赖数据中心内部及之间的高速互联，推动光模块向更高速率迭代。

推理部署：长期需求的第二增长极

训练之外，AI 推理的大规模部署将带来新一轮数据中心扩容需求。推理集群对单点带宽的诉求通常低于训练集群，但部署量级更大、分布更广，涉及更多数据中心的互联改造，构成 800G 之后的长期需求支撑。云厂商的资本开支是观察这一需求节奏的核心前置指标，头部厂商对 800G 的评估与跟进，会形成 AI 基础设施投资浪潮中的下游需求共振。

常见问题

为什么大模型训练对光模块速率要求特别高？

大模型训练需要将海量 GPU 组成集群并行计算，每次参数更新都涉及跨节点数据同步，集群规模越大，对内部互联带宽的消耗越剧烈。传统云业务流量相对分散，而训练流量呈现高频、集中的特征，因此率先触达现有光模块的带宽上限，倒逼向 800G 升级。

电信侧和数通侧的光模块需求有何不同？

电信侧主要服务于通信网络建设，需求增速相对平稳；数通侧服务于数据中心，受云厂商资本开支驱动，波动更大但增长动能更强。从市场规模看，数据中心光模块体量已超过电信侧，AI 算力投资进一步拉大这一差距。

800G 之后，光模块技术往哪个方向演进？

在带宽密度大幅提升、单通道速率持续走高的背景下，传统可插拔光模块在成本效益上的优势逐渐收窄，光电共封装（CPO）技术将交换芯片与光引擎共同封装，具备功耗低、带宽大的特点，被视为高速率、大带宽、低功耗网络的演进方向。据行业预测，CPO 出货将从 800G 和 1.6T 端口开始，商用后逐步规模上量。