3.2T，快来了！

据美国银行（BofA Securities）预测，AI光收发器市场将从2025年的126亿美元增长至2030年的454亿美元，五年时间增长超过2.6倍，复合增长率接近29%。与此同时，AI光连接市场也将迎来快速增长。更值得关注的是，产业预计3.2T光模块将在2027年前后进入商用，这意味着未来两三年，AI光互连将迎来一次从速率到架构的全面升级。

这并不是一次普通的产品迭代。随着AI模型规模不断扩大，GPU集群从数千卡走向数万卡乃至更大规模，数据在计算节点之间的交换量也随之快速增长。过去，光模块更多被看作数据中心网络中的基础器件，而今天，网络已经成为AI算力能否充分释放的重要组成部分。换句话说，GPU越来越快的另一面，就是数据传输也必须越来越快。

因此，光通信产业正在进入一个非常明确的技术周期：800G正在加速放量，1.6T已经成为下一阶段的重要产品，而3.2T则将成为2027年以后新的技术焦点。这条从400G、800G到1.6T、3.2T的演进路线，看似只是光模块速率不断翻倍，背后却是一场围绕AI算力、网络带宽、功耗和光电集成展开的产业升级。

AI为什么需要越来越快的光模块？

要理解这轮光通信的变化，首先需要理解AI数据中心与传统数据中心之间的差异。

传统云计算场景中，网络流量很大一部分发生在服务器与用户、服务器与存储之间，数据交换虽然庞大，但并不一定要求所有计算节点持续保持高强度通信。AI训练则完全不同，一个大型AI集群往往由数千甚至数万颗GPU组成，这些GPU需要持续进行参数同步、梯度交换和数据分发，形成巨大的东西向流量。

因此，AI集群的规模越大、GPU算力越强，对网络带宽的要求就越高。如果网络速度无法跟上，GPU就需要等待数据，昂贵的计算资源也无法得到充分利用。对于一座部署数万颗GPU的数据中心而言，这种算力闲置的成本非常高。所以，AI数据中心的竞争已经不只是GPU、HBM和先进封装的竞争，如何让大量GPU高效连接起来，同样成为决定AI集群效率的关键。

这也是光互连价值快速提升的根本原因。相比铜互连，光纤能够提供更高的带宽和更远的传输距离，而且在高速率场景下具备更好的能效潜力。当AI集群从数百颗GPU扩大到数千、数万颗GPU时，光连接的重要性正在快速提升。

所以，今天光模块产业最重要的变化，并不是简单的市场规模扩大，而是AI正在重新定义光模块需要达到的速度、功耗和密度。

从400G到800G，光模块进入高速时代

如果把光模块的发展路线拉长来看，会发现它一直遵循着一个非常清晰的规律：400G→800G→1.6T→3.2T。

过去几年，400G是数据中心高速互连的重要产品。但随着AI集群规模快速扩大，400G开始难以满足新一代AI网络对于带宽密度的要求，于是800G开始接棒。

800G并不是简单地把400G的带宽翻倍，而是涉及SerDes、调制技术、DSP、光芯片以及封装等多个环节的同步升级。其中，PAM4是高速光通信中非常关键的技术。传统NRZ信号每个符号携带1 bit信息，而PAM4通过四个不同电平，使一个符号能够携带2 bit信息，从而在有限的符号率下实现更高的数据吞吐量。这也是PAM4成为400G、800G乃至更高速光模块重要技术基础的原因。

但PAM4也带来了新的挑战。由于不同电平之间的信号间隔缩小，信号裕量下降，对信号完整性和误码控制提出了更高要求，因此高速DSP的重要性也随之提升。DSP需要对高速信号进行均衡、补偿和纠错，而速率越高，DSP所承担的处理量和功耗也越大。

因此，光模块每一次速率升级，都不是单个器件的升级，而是整个光电产业链共同向前推进。

1.6T时代正在到来

800G之后，产业链已经开始将目光转向1.6T。

从带宽来看，1.6T就是800G的两倍，但真正的挑战并不是“能不能做到”，而是如何在更高的速率下控制功耗、散热和成本。

随着单通道SerDes速率不断提高，电信号在PCB、封装和连接器中的传输损耗越来越严重，同时DSP、激光器和驱动器的功耗也在持续增加。

这一问题对于AI数据中心尤其敏感，因为AI集群需要部署数量庞大的高速光模块。单个模块增加几瓦功耗，看起来并不起眼，但当整个集群部署数万甚至更多模块之后，就会形成巨大的供电和散热压力。

因此，进入1.6T时代以后，行业竞争的重点已经从单纯追求“更高速”，逐渐转向更高速、更低功耗和更高密度之间的平衡。

这也是硅光、LPO等技术开始受到产业关注的重要原因。硅光通过在硅基平台上实现更高程度的光子集成，可以减少传统分立器件之间的连接，并具备较高的集成度和规模化制造潜力；LPO则通过简化高速链路中的DSP处理，降低功耗和延迟。

它们实际上都在解决同一个问题：当光模块速率不断提高之后，如何避免功耗随着带宽一起失控。

3.2T，2027年的下一场大战

如果说800G是当前AI光通信的重要产品，1.6T代表正在到来的下一阶段，那么3.2T则可能是2027年以后真正值得关注的新战场。

按照目前的技术路线，3.2T预计将在2027年前后开始进入商业化，并逐步向规模部署迈进。

从400G到800G，再到1.6T和3.2T，本质上是AI算力增长带动网络带宽持续升级的结果。但到了3.2T，问题将变得更加复杂，因为传统可插拔光模块架构本身可能开始面临越来越大的挑战。

一个光模块实际上包含两条链路：一条是交换芯片到光模块之间的高速电连接，另一条是光模块完成电光转换之后的光连接。在较低速率下，前者并不是主要问题，但随着SerDes速率从112G向224G乃至更高水平演进，PCB和封装中的电损耗、串扰以及信号完整性问题会越来越严重。

因此，到了3.2T时代，一个非常重要的变化可能是：光通信的瓶颈越来越多地出现在“光模块之前的电”上。

EML和DSP，正在成为新的产业瓶颈

光模块速率不断提升，也意味着产业链的瓶颈正在发生变化。

过去市场更多关注光模块厂商的产能和组装能力，但到了1.6T、3.2T时代，上游核心器件的重要性越来越突出。其中，EML激光器和DSP尤其值得关注。

EML，即电吸收调制激光器，是高速光模块中的关键发射器件。随着单通道速率从100G向200G、400G甚至更高水平提升，对于激光器的高速调制能力提出了更高要求。

DSP则相当于高速光模块中的“大脑”，需要完成信号均衡、补偿和纠错等复杂任务。速率越高，DSP处理的数据量越大，算法复杂度和功耗也会随之增加。

所以，未来高速光模块的一个核心矛盾就是：既要不断提高速率，又不能让DSP和激光器的功耗失控。这也正是LPO、硅光以及CPO等技术越来越受到产业关注的原因。

从可插拔走向LPO和CPO

这也是LPO和CPO受到产业界关注的原因。

传统可插拔光模块最大的优势，是成熟、灵活和易维护。光模块可以独立更换，交换机和光模块之间也形成了相对成熟的标准化体系。因此，在未来相当长一段时间里，可插拔方案仍然会是高速光通信的主流。

但随着速率不断提高，交换芯片与光模块之间的高速电连接会带来越来越大的功耗和信号损耗。

LPO提供了一种相对渐进的解决方案。它通过减少传统DSP处理链路，让高速信号传输更加直接，从而降低功耗和延迟。对于800G和1.6T等高速场景而言，LPO有望成为降低光模块功耗的重要技术路径。

CPO则进一步向系统架构层面进行改变。它尝试把光引擎放到交换ASIC附近，甚至与交换芯片共同封装，从源头上缩短高速电信号传输距离。对于未来3.2T乃至更高速率来说，这种架构的价值会越来越明显。

因此，从800G走向1.6T、3.2T的过程，并不仅仅意味着光模块变得越来越快，而是推动整个数据中心网络从可插拔光模块向LPO、CPO等更加深度的光电融合架构演进。

硅光越来越重要

在这一轮高速光通信升级中，硅光的重要性正在快速提升。

传统光模块中，激光器、调制器、探测器等器件相对分立，随着速率提升，器件数量、连接复杂度以及封装难度都会不断增加。硅光则提供了一种高度集成的思路，通过在硅基平台上集成调制器、耦合器等光子器件，可以提高光路集成度，同时借助成熟的CMOS制造体系实现更大规模的制造。

更重要的是，硅光与CPO具有天然的结合空间。当光引擎需要越来越靠近交换ASIC时，高度集成的硅光平台可以帮助降低尺寸和功耗，并提升带宽密度。因此，未来高速光通信的竞争，很可能会从传统的光模块制造能力，逐渐转向光芯片、电芯片、激光器、DSP、硅光以及先进封装的综合竞争。

AI正在制造一个巨大的光通信市场

再回到最初的市场数据。

BofA预计，AI光收发器市场将从2025年的126亿美元增长至2030年的454亿美元。这意味着未来五年，AI光收发器市场将实现超过2.6倍的增长。

而这轮增长并不是简单的“数量增加”，更重要的是产品结构本身正在发生变化。过去数据中心可能主要采购400G光模块，而未来AI集群将越来越多地转向800G、1.6T乃至3.2T。随着产品速率不断提高，单个光模块背后的光芯片、电芯片、DSP、激光器和封装价值也在不断提升。

因此，从400G到800G，再到1.6T和3.2T，表面看是一场光模块速率的升级，背后却是AI算力增长对整个网络基础设施的一次重新定义。

GPU负责提供算力，HBM负责提供数据，而光互连负责把这些算力真正连接起来。

2027年可能会成为一个重要的观察节点。如果3.2T开始进入商业化，意味着AI光互连将真正进入一个新的技术阶段。届时，行业竞争的焦点也将不再只是“谁能做出更快的光模块”，而是转向谁能够解决高速率下的功耗、散热、信号完整性以及光电集成问题。

从这个角度看，AI带给光通信的并不仅仅是一轮市场增长，而是一场更深层次的产业重构。800G是现在，1.6T正在到来，而3.2T可能就是下一轮光互联革命真正开始的地方。