在 AI 大模型訓練與推理需求持續擴張背景下，算力集群內部帶寬瓶頸日益凸顯，高速光模塊作為 GPU 互聯的核心硬件，已經從傳統數據中心配套元器件升級為 AI 算力基礎設施的 “神經網絡”。本輪行業景氣周期區別于過往電信資本開支驅動的周期性行情，由 AI 芯片迭代、網絡架構升級、全球算力軍備競賽三重邏輯共同支撐。
一、行業底層邏輯重構：從通信周期走向算力驅動長景氣
傳統光模塊市場長期跟隨電信運營商資本開支波動，具備明顯 3-4 年周期性特征，產品迭代節奏平緩，價格持續下行，行業盈利中樞隨規模擴張不斷下移。2023 年之后，產業驅動力量發生根本性切換，AI 算力成為高速光模塊第一增長曲線，市場邏輯全面重塑。
AI 算力集群采用葉脊(Spine-Leaf)網絡架構，算力集群內部東西向流量占據總流量 70% 以上。大規模訓練場景下，數百乃至上萬顆 GPU 協同運算，芯片之間數據交互量呈指數級增長，傳統電互連受傳輸距離、功耗、信號衰減限制，無法滿足低時延、超高帶寬需求，光互聯成為唯一可行方案。硬件層面形成強約束：單臺 AI 服務器搭載高速光模塊數量達到傳統云計算服務器 3-5 倍;隨著 GPU 代際升級，單卡對應的光模塊速率持續抬升，形成單機用量提升 + 單品速率升級的量價雙升邏輯。
從產業鏈分工來看，高速光模塊呈現典型 “啞鈴型” 格局。上游核心壁壘集中于高端光芯片、DSP 電芯片、磷化銦襯底，占據整機成本 40%-60%，海外廠商長期占據主導，也是當前供給端最核心瓶頸;中游封裝組裝環節，國內廠商實現全球領先，全球頭部廠商中中國企業占據七成席位，具備產能、交付、成本綜合優勢;下游客戶高度集中，北美四大云廠商、全球 AI 算力企業、國內智算運營商構成核心采購群體，客戶認證周期長、壁壘穩固，龍頭模塊廠商深度綁定頭部客戶，馬太效應持續強化。
市場規模層面，根據 LightCounting 統計預測，2026 年全球數通光模塊市場規模有望突破 280 億美元，其中 800G、1.6T 高速產品貢獻超過 65% 增量;2025-2031 年全球光模塊市場復合增速超過 20%，顯著高于云計算時代增長水平。數通需求已經大幅超越電信市場，成為決定行業景氣度的核心變量。
二、高速光模塊迭代周期復盤：速率迭代加速，產業化窗口持續縮短
數據中心光模塊歷史迭代節奏：10G→40G→100G→400G 階段，一代產品完整生命周期約 3-4 年;進入 AI 算力時代，迭代周期壓縮至 1.5-2 年，技術迭代速度顯著加快。我們按照產業化階段復盤主流高速產品發展脈絡。
(一)400G：AI 算力前夜的過渡產品
400G 光模塊主要匹配傳統云計算數據中心，2020-2023 年大規模商用。這一階段市場需求以普通云業務為主，帶寬壓力有限，行業競爭充分，產品價格持續下行，廠商盈利水平偏弱。隨著 H100 為代表的初代 AI 算力集群落地，400G 帶寬無法滿足大規模 GPU 互聯需求，逐步退出高端 AI 集群市場，當前僅用于邊緣算力、普通云機房改造。
(二)800G：本輪 AI 景氣的基石，成熟放量主力
800G 是第一代面向 AI 原生場景設計的高速光模塊，產業化進程分為三個階段：2022-2023 年樣品驗證、小批量送樣;2024 年小規模商用;2025-2026 年全面大規模放量。800G 完美適配 H100、GB200 算力集群，成為全球新建 AI 訓練集群標配。
從供需節奏觀察，2025 年全球 800G 出貨量接近 2000 萬只，2026 年全年出貨有望突破 4000 萬只。需求端以北美云廠商存量機房升級、新建中型算力集群為主。供給端隨著光芯片產能持續爬坡，行業供需缺口逐步收窄，但高端長距產品依舊維持緊平衡。
市場普遍存在誤區：認為 800G 即將被 1.6T 快速替代。從產業落地節奏判斷，兩者并非簡單替代關系，而是長期共存。中小型推理集群、存量機房改造持續采購 800G;超大規模新建訓練集群優先選擇 1.6T，兩類產品形成分層需求，800G 至少在 2027 年之前依舊貢獻穩定營收與利潤底盤。
(三)1.6T：當前產業核心增量，2026-2027 年黃金放量期
1.6T 光模塊面向下一代 AI 算力硬件，適配新一代 GPU 集群，能夠有效降低交換機數量、減少集群互聯時延、降低整機功耗。產品驗證周期從 2024 年啟動，2025 年少量送樣測試，2026 年正式進入規模商用元年。
對比 800G，1.6T 技術門檻顯著提升，核心難點集中在 200G EML 光芯片、高端 DSP、散熱設計與功耗控制。上游元器件產能擴張周期長達 2-3 年，封裝產線擴產僅需 6-12 個月，意味著未來兩年供給瓶頸集中在上游光電器件。機構預測 2026 年全球 1.6T 需求規模接近 2000 萬只，受芯片約束實際交付量存在缺口;2027 年出貨規模有望超越 800G，成為高速光模塊市場第一大品類。價格層面，1.6T 產品單價顯著高于 800G，支撐模塊廠商盈利中樞維持高位。
(四)3.2T：遠期技術方向，尚處于產業化早期
3.2T 光模塊目前主要處于樣品研發與客戶驗證階段，預計 2026 年底集中送樣，2027 年下半年小批量試用，2028 年之后逐步規模化。物理層面，傳統可插拔方案逼近功耗極限，3.2T 時代技術路線分化加劇，硅光集成、近封裝 NPO、共封裝 CPO 成為重要演進方向。
需要客觀厘清市場預期：CPO 短期不會全面替代可插拔光模塊。未來 3-5 年，可插拔 LPO/NPO 方案依舊是市場主流;CPO 更適用于超大規模超算中心，具備低功耗優勢，但改造機房成本極高、部署靈活性不足，兩類技術路線長期并行，不存在非此即彼的替代關系。
迭代周期規律總結
需求驅動迭代：AI 芯片算力提升→集群帶寬需求上漲→倒逼光模塊速率升級，算力硬件迭代周期決定光模塊升級節奏;
一代產品生命周期分化：新品導入(0.5 年)→小規模商用(1 年)→大規模放量(2 年)→存量替換(2-3 年);
供給約束后置：封裝產能擴張快，光芯片、DSP 擴產緩慢，每一輪新品放量初期都會出現階段性供不應求。
三、下游需求全景拆解：三大應用市場空間與節奏預判
中研普華產業研究院的《2026-2030年中國AI算力行業全景調研與發展前景預測分析報告》分析，高速光模塊需求可以劃分為三大板塊：海外超大規模云廠商 AI 訓練集群、國內智算中心與大模型企業、邊緣 AI 與推理算力，三類市場需求特征、采購節奏、產品結構存在明顯差異。
(一)北美頭部云廠商：核心基本盤，拉動高端高速模塊需求
谷歌、Meta、微軟、亞馬遜四大云廠商是 800G/1.6T 最大采購方，資本開支持續上調。2024 年四大廠商資本開支合計約 2300 億美元，2026 年整體資本開支維持高雙位數增長，資金持續向 AI 基礎設施傾斜。
需求結構上，海外新建高端訓練集群優先布局 1.6T;存量機房升級、中低端推理集群持續采購 800G。海外客戶訂單具備長協特征，認證周期長、訂單能見度高，優先選擇技術成熟、良率穩定的頭部廠商。同時海外客戶對功耗、可靠性標準嚴苛，具備技術壁壘的龍頭能夠持續享受產品溢價。
(二)國內智算市場：增速最快，分層需求逐步釋放
國內需求分為兩大主體：互聯網大廠自建算力集群、各地城市智算中心、AI 創業企業。過去兩年國內算力建設以起步布局為主，以 800G 采購為主;展望 2026 下半年至 2027 年，國內超大規模訓練集群逐步落地，1.6T 采購需求持續上行。
國內市場特點：政策驅動與商業需求共振，東數西算工程持續推進算力網絡建設;需求分層明顯，頭部大模型企業追求高帶寬配置，中小型算力項目更關注成本，低速高速產品并行采購。同時，國內供應鏈自主可控訴求提升，上游光芯片國產替代進程加速，長期改善產業鏈供給格局。
(三)邊緣 AI 與推理算力：中長期增量市場
市場當前焦點集中在訓練集群，但推理算力需求具備持續性成長潛力。隨著 AI 應用落地，AI Agent、多模態應用、自動駕駛、行業大模型規模化部署，大量邊緣推理節點持續建設。推理場景帶寬需求低于訓練集群，800G 與 400G 占據主流，但長期隨著模型輕量化、并發量提升，邊緣算力帶寬需求同樣持續上行，打開中長期增量空間。
潛在需求變量：銅纜互聯的影響辨析
市場持續討論機柜內銅纜方案是否沖擊光模塊需求。從產業現狀看，銅纜主要用于機柜內部短距離芯片直連，局限于單機柜內部互聯;跨機柜、跨機房長距離數據傳輸依舊依賴光模塊。二者適用場景相互補充，不存在全面替代關系，不會改變高速光模塊中長期增長邏輯。
四、產業鏈核心矛盾與關鍵風險辨析
(一)核心矛盾一：上游元器件供給約束能否緩解
當前行業最大約束并非模塊封裝產能，而是高端 200G EML 光芯片、高速 DSP 芯片。海外芯片廠商擴產周期長，短期產能難以快速釋放，直接限制 1.6T 交付規模。樂觀情景下，2027 年海外芯片產能逐步釋放;同時國內光芯片企業持續推進 100G/200G EML 量產，國產替代緩慢推進，長期改善供需格局，但短期難以徹底打破供給瓶頸。
(二)核心矛盾二：產能過剩擔憂是否成立
市場擔憂大量資本涌入光模塊封裝環節，未來出現產能過剩。需要區分兩個層次：封裝組裝產能擴張門檻低，遠期存在供給過剩壓力;但高端高速光模塊依靠芯片供給約束，至少 2027 年之前緊平衡格局難以逆轉。行業風險更多體現在 2028 年之后，若下游算力資本開支增速放緩，疊加大量新產能釋放，行業競爭加劇，產品價格與毛利率承壓。
(三)核心矛盾三：技術路線迭代風險
3.2T 時代技術路線存在不確定性，硅光、CPO、傳統分立光器件路線并行研發。如果遠期 CPO 商業化速度超預期，將改變硬件價值分配方式，產業鏈價值向光引擎、光電集成環節轉移，傳統可插拔模塊廠商面臨轉型壓力。
五、行業展望與產業鏈機會梳理
短期維度(2026-2027 年)：行業處于 800G 穩量、1.6T 快速放量的黃金窗口。需求端全球算力資本開支維持高增長，超大規模訓練集群持續落地;供給端上游芯片產能緩慢爬坡，1.6T 維持供需偏緊格局，具備客戶壁壘、量產能力的頭部模塊廠商持續受益。
中期維度(2028-2030 年)：3.2T 逐步進入商用階段，行業進入新一輪技術升級周期。產業鏈價值分配持續向上游轉移，光芯片、光電集成器件重要性持續提升;國產替代將成為貫穿行業的長期主線，國內具備光芯片自研能力的企業成長空間進一步打開。
從產業鏈環節價值排序：上游高端光芯片壁壘最高，長期具備超額收益;中游頭部光模塊廠商憑借客戶資源、規模優勢持續兌現業績，但競爭壓力逐步加大;光器件、無源組件同步受益高速模塊放量，業績彈性緊隨終端需求。
中長期來看，AI 算力帶寬需求增長具備持續性，高速光模塊賽道景氣周期尚未結束，但行業投資邏輯將從單純追求出貨增速，逐步轉向技術迭代能力、上游自研配套水平、全球化客戶布局三大核心維度。能夠持續緊跟速率迭代、向上打通光芯片環節、同步布局下一代光電集成技術的企業，將在長期行業競爭中持續占據優勢。
欲獲取更多行業市場數據及報告專業解析，可以點擊查看中研普華產業研究院的《2026-2030年中國AI算力行業全景調研與發展前景預測分析報告》。
研究院服務號
中研網訂閱號