光模块市场在数据中心和AI算力需求的推动下持续增长，但人工智能算力投资的周期性风险是影响行业的关键因素，主要体现在云厂商资本开支的波动、库存累积以及技术代际切换带来的不确定性上。
AI算力周期与资本开支风险
AI算力需求的提升会推动云厂商增加资本开支，例如Meta曾对800G光模块进行评估，其他巨头预计也会跟进。但从立项规划、基建到设备搭载光模块，大约需要2年的周期，这意味着需求释放存在滞后性。若宏观经济或AI应用落地不及预期，云厂商可能削减资本开支，导致光模块需求出现阶段性下滑。历史上，数据中心光模块市场规模在2019年曾出现过**-10.2%的负增长**，反映了下游需求的波动性。
库存波动与竞争加剧
光模块行业存在明显的库存周期。当云厂商集中采购后，若后续需求增速放缓，产业链可能面临库存累积的压力，进而压制新增订单。同时，随着技术向更高速率演进（如从400G向800G、1.6T过渡），传统可插拔光模块在成本效益上逐渐失去优势，而CPO（光电共封装）技术作为变革方向，虽然功耗低、带宽大，但其商用化（预计2024-2025年开始）可能加速旧产品的贬值。此外，竞争加剧也可能压缩光模块厂商的利润率。
常见问题
AI算力投资周期对光模块需求的影响有多大？
AI算力投资的周期性风险主要体现为云厂商资本开支的阶段性削减。由于光模块需求从立项到落地约有2年周期，若资本开支提前收缩，2024年之后的需求集中爆发可能面临不确定性。
技术代际切换会带来哪些风险？
技术迭代（如从可插拔向CPO切换）可能导致旧产品贬值和库存减值风险。CPO预计2024-2025年商用，2027年市场规模有望达到54亿美元，但过渡期内传统光模块的利润可能承压。
历史上有哪些类似周期案例？
数据中心光模块市场在2019年曾出现**-10.2%的负增长**，反映了下游需求波动和库存调整的影响。这一历史案例表明，即便在长期增长趋势中，短期周期风险依然存在。