2019年全球数据中心光模块市场出现负增长，规模萎缩至35.04亿美元，同比下降10.2%，主因是云计算需求降速导致云厂商资本开支放缓。进入人工智能时代，大模型训练和推理成为光模块下游需求的新驱动力，下游需求结构正从传统云计算数据中心向AI基础设施倾斜，云厂商资本开支大幅增长并重点投向AI算力，有望支撑光模块市场持续增长。
从云计算降速到AI驱动：需求结构的转变
2019年，全球数据中心光模块市场遭遇了**-10.2%的负增长，市场规模从2018年的39.02亿美元降至35.04亿美元**。这一下滑与当时云计算巨头（如亚马逊、谷歌等）资本开支增速放缓密切相关——当云服务需求增速回落时，数据中心建设节奏随之放缓，直接拖累了光模块的采购需求。
而在人工智能时代，需求结构发生了根本性变化。大模型训练和推理成为新的算力核心场景，对光模块的带宽、速率和功耗提出了更高要求。AI算力需求的提升，正推动云厂商（如Meta、微软、谷歌等）大幅增加资本开支，并主要投向人工智能基础设施。例如，Meta已开始对800G光模块进行评估，其他巨头预计也将陆续跟进增加资本开支预算。从立项规划到基建、设备搭载光模块，周期大约需要2年，因此在2024年，AI带来的光模块需求有望集中爆发。
下游需求差异：训练侧与推理侧的不同特征
人工智能时代的下游需求，与传统云计算数据中心存在显著差异：
- 训练侧需求：大模型训练需要海量GPU集群互联，对光模块的带宽密度和传输速率要求极高。传统的可插拔光模块在单通道速率超过100Gbps后，成本效益将难以与更先进的CPO（光电共封装）技术相媲美。CPO具有功耗低、带宽大的特点，能更好满足AI训练场景对高密度、低功耗互联的需求。
- 推理侧需求：人工智能推理侧（如边缘计算场景）对光模块的需求更侧重成本效益和部署灵活性，与传统数据中心需求存在差异。不过，整体来看，AI推理的规模化落地同样需要强大的光互连基础设施支撑。
| 需求类型 | 核心驱动力 | 对光模块的要求 |
|---|---|---|
| 传统云计算 | 云服务扩容 | 成熟速率、成本可控 |
| AI训练 | 大模型GPU集群 | 高带宽、低功耗、高密度 |
| AI推理 | 边缘/云端推理 | 成本效益、部署灵活 |
常见问题
人工智能时代光模块需求增长能否持续？
能。AI算力需求提升带动云厂商资本开支大幅增长，主要投向AI基础设施。从立项到设备搭载光模块约需2年周期，2024年AI带来的光模块需求将集中爆发。此外，CPO技术预计2024至2025年开始商用，2027年市场规模有望达到54亿美元，为长期增长提供技术支撑。
CPO技术与传统光模块有何不同？
CPO（光电共封装）是光模块连接方式的一种划时代变革，将交换芯片和光引擎共同封装在同一个插槽上，使光引擎尽量靠近网络交换芯片。相比传统可插拔光模块，CPO具有功耗低、带宽大的优势，能提升输入/输出接口的能源效率，是满足AI时代高速率、大带宽、低功耗网络需求的必经之路。
国内厂商在CPO产业链中的角色是什么？
国内厂商主要定位为光引擎供应商，为海外网络设备龙头（如思科、博通等）提供核心光引擎组件。其中，天孚通信在CPO光引擎方面进展最快，产品已从小批量转入批量生产，与思科等客户合作；联特科技和博创科技也在积极布局，分别与思科、Intel等厂商推进合作。