在數字時代，我們每天刷影片、發訊息、用AI工具，背後都離不開“資料在快速流動”。而讓資料能像“光速”一樣傳輸的關鍵硬體，就是光模組。可能很多人沒聽過這個名字，但它卻是從日常上網到AI大模型執行的“隱形功臣”。接下來，我們就用大白話拆解光模組——它到底是啥、有哪些核心型別、在不同場景裡怎麼用，尤其是在AI時代為啥變得越來越重要，還會結合中際旭創這樣的行業代表舉例，讓大家徹底搞懂這個“資料傳輸神器”。
一、先搞基礎：光模組到底是個啥？為啥不能沒有它？
要理解光模組，得先從“資料怎麼傳”說起。我們平時用的手機、電腦，處理資料時用的是“電訊號”——就像家裡的電線傳電一樣，資料靠電流的強弱變化來攜帶。但電訊號有個大問題：傳不遠、速度慢，還容易受干擾。比如用普通網線傳資料，最多幾百米就會“訊號衰減”，資料變得斷斷續續；要是想傳幾公里甚至幾十公里，電訊號根本撐不住。
這時候就需要光模組來“救場”。光模組的核心作用，就是做“訊號轉換器”和“傳輸器”：先把電訊號轉換成“光訊號”（靠鐳射或LED發光來攜帶資料，就像用手電筒的光傳遞資訊），再透過光纖（類似特製的“光導管”）把光訊號傳出去；等傳到目的地後，再把光訊號轉回電訊號，讓手機、電腦、伺服器能識別。
打個比方：如果把資料比作“快遞包裹”，光纖就是“高速公路”，那光模組就是“快遞員”——不僅負責把包裹（資料）從“電訊號包裝”換成“光訊號包裝”，讓它能在高速路上（光纖）快速跑，還負責到了目的地後拆包，把包裹變回能直接用的樣子。沒有光模組，資料就只能在“小範圍慢走”，沒法實現遠距離、高速的傳輸。
光模組的結構其實不復雜，主要由幾個關鍵部分組成：
- 光源：比如鐳射器或LED，負責把電訊號變成光訊號，相當於“發光的手電筒”；
- 探測器：負責接收光訊號，再把它變回電訊號，相當於“接收光的眼睛”；
- 光學元件：比如透鏡、光纖介面，負責把光訊號精準地傳入光纖，減少訊號損耗，相當於“瞄準器”；
- 電路晶片：負責控制訊號轉換的速度和穩定性，相當於“大腦”，確保轉換過程不出錯。
這些部件組合在一起，就成了能讓資料“光速傳輸”的光模組。而且它體積不大，常見的光模組也就一個打火機或一盒香菸大小，能輕鬆裝在伺服器、路由器裡，不佔地方還高效。
二、按“速度”分：光模組的核心型號，數字越大越厲害？
光模組最核心的區分標準就是“傳輸速度”，就像汽車有100公里/小時、200公里/小時的時速一樣，光模組的速度用“G”來表示，比如10G、25G、100G、400G、800G，現在甚至有了的型號。數字越大，意味著每秒能傳輸的資料量越多，速度越快。不同速度的光模組，用在不同的場景裡，不是“越貴越快就越好”，而是“按需選擇”。
1. 低速光模組（10G及以下）：日常上網的“基礎款”
10G及以下的光模組，比如1G、10G，主要用在我們身邊的“短途傳輸”場景，比如家庭寬頻、企業辦公網路、小區的通訊機房。
舉個例子：你家裡裝的100M、1000M寬頻，小區機房裡就會用到10G光模組。它負責把運營商的訊號傳到小區，再透過網線分到你家——因為距離近（一般幾公里內），10G的速度完全夠用，而且成本低，價效比高。現在很多老舊小區的寬頻升級，其實就是把原來的1G光模組換成10G，讓上網速度從100M提升到1000M，刷影片不卡頓。
這類光模組技術成熟，價格也相對便宜，市面上很多廠商都能做，主要滿足“基礎聯網需求”，就像汽車裡的“家用經濟型轎車”，夠用、實惠。
2. 中速光模組（25G-100G）：企業和電信的“主力款”
25G、40G、100G的光模組，是目前企業資料中心、電信運營商的“主力軍”，用在“中距離、中大資料量”的傳輸場景。
先說企業資料中心：比如阿里、騰訊的機房裡，有成千上萬臺伺服器，這些伺服器之間需要互相傳資料（比如你在淘寶下單，訂單資料要從“下單伺服器”傳到“支付伺服器”，再傳到“物流伺服器”），這就需要25G或40G光模組。25G光模組能滿足中小型企業的資料中心需求，比如一家連鎖超市的總部，用25G光模組連線全國門店的銷售資料，每秒能傳幾十萬條交易記錄，足夠實時統計銷量；40G則適合大型企業，比如某網際網路公司的辦公網路，用40G光模組連線不同部門的伺服器，員工傳大型設計檔案、影片素材時，幾分鐘就能傳完，不用等半天。
再看電信運營商：我們用的5G網路，背後也離不開100G光模組。5G的基站需要把訊號傳回運營商的核心機房，這個“回傳”過程就需要100G光模組——因為5G基站的訊號量比4G大很多，每秒要傳大量的語音、影片資料，100G的速度能保證訊號不擁堵。比如你在演唱會現場用5G發直播，基站收集到你的直播資料後，透過100G光模組快速傳到機房，再推送給看直播的人，不會出現“直播卡頓、畫面延遲”的情況。
中速光模組現在是市場需求量最大的品類，就像汽車裡的“家用SUV”，兼顧效能和實用性，能滿足大多數企業和運營商的需求。
3. 高速光模組（400G及以上）：AI和超大型資料中心的“頂配款”
400G、800G、的高速光模組，是近幾年的“明星產品”，主要用在超大型資料中心（比如谷歌、亞馬遜的全球機房）和AI領域，負責“遠距離、超大容量”的資料傳輸。
先看400G光模組：它是目前超大型資料中心的“標配”。比如谷歌的機房裡，不同區域的伺服器叢集之間（比如北京機房和上海機房）需要傳資料，距離可能有幾千公里，而且每秒要傳上億條資料（比如全球使用者的搜尋記錄、影片觀看資料），400G光模組能輕鬆應對——不僅傳得快，而且訊號損耗小，幾千公里傳下來，資料準確率還能保持在%以上。現在國內的網際網路巨頭，比如阿里、騰訊，也在大規模替換400G光模組，為後續的AI業務和海量使用者資料傳輸做準備。
再看800G和光模組：這兩款是專門為AI時代設計的“頂配”。AI大模型的訓練和執行，需要多臺GPU伺服器協同工作，這些伺服器之間要實時傳大量資料（比如訓練ChatGPT時，幾萬臺GPU要交換計算結果），普通的400G光模組已經不夠用了，必須用800G甚至。
這裡可以舉中際旭創的例子：中際旭創是全球做高速光模組的頭部企業，它的800G光模組在2024年佔據了全球超過40%的市場份額，很多AI資料中心都在用。比如英偉達的AI伺服器叢集，就用中際旭創的800G光模組連線GPU——每臺GPU每秒能產生幾十GB的資料，800G光模組能保證這些資料在伺服器之間“零延遲傳輸”，讓AI訓練速度提升30%以上。而它的光模組，已經透過了英偉達的認證年下半年開始小批次交付，未來會用在更大型的AI叢集裡，比如谷歌計劃搭建的400萬卡TPU-v6叢集，就會用光模組做核心傳輸硬體。
高速光模組就像汽車裡的“超跑”，速度快、效能強，雖然成本高，但卻是AI時代不可或缺的“關鍵裝備”。
三、按“場景”分：光模組不是“一刀切”，不同地方用不同款
除了按速度分，光模組還會根據“使用場景”做定製，比如資料中心、電信網路、工業場景，對光模組的要求不一樣，需要“量身定製”。
1. 資料中心光模組：追求“快、穩、密”
資料中心是光模組最大的應用場景，佔了全球光模組需求的60%以上。資料中心裡的光模組，核心要求是“速度快、執行穩、密度高”。
“速度快”我們已經講過，400G、800G是主流；“執行穩”指的是光模組要能長時間工作，不能出故障——資料中心的伺服器24小時不關機，光模組要是壞了，會導致整個伺服器叢集斷連，的使用。所以資料中心光模組的“故障率”要求特別低，通常是“百萬小時故障一次”（MTBF值超100萬小時），相當於連續工作100多年才可能壞一次。
“密度高”是個很重要的點：資料中心的伺服器機架空間有限，希望在同一個機架裡裝更多的光模組，所以光模組要做得“小而密”。比如中際旭創為資料中心設計的800G光模組，採用了“OSFP封裝”，體積比傳統的光模組小30%，一個機架能裝的光模組數量增加了50%，大大節省了資料中心的空間成本。
另外，資料中心光模組還要求“低功耗”——成千上萬的光模組同時工作，要是每個都很耗電，資料中心的電費會是一筆天文數字。中際旭創的800G光模組，功耗只有12瓦左右，比行業平均水平低20%，一個大型資料中心用它，每年能省幾百萬的電費。
2. 電信光模組：追求“遠、強、耐”
電信領域的光模組，主要用在基站回傳、都會網路、骨幹網，核心要求是“傳得遠、抗干擾、耐環境”。
“傳得遠”：骨幹網是連線不同城市、不同國家的通訊網路，比如從北京到上海的骨幹網，距離有1300多公里，需要光模組能支援長距離傳輸。這類光模組會採用“相干技術”，就像給光訊號加了“放大鏡”和“穩定器”，能讓光訊號傳幾千公里都不衰減。比如中際旭創為電信骨幹網做的100G相干光模組，能支援4000公里以上的傳輸，不用中途加“訊號放大器”，大大降低了電信運營商的建設成本。
“抗干擾”：電信光模組大多裝在戶外的基站或機房裡，會遇到電磁干擾（比如附近有高壓電線）、溫度變化（夏天高溫、冬天低溫），所以需要有很強的抗干擾能力。比如中際旭創的電信光模組，採用了“遮蔽外殼”，能擋住99%的電磁干擾；還能在-40℃到85℃的溫度範圍內正常工作，不管是東北的寒冬還是海南的酷暑，都不會出故障。
“耐環境”：戶外的基站可能會遇到下雨、颳風、灰塵，所以光模組的外殼要“防水、防塵”。中際旭創的電信光模組，外殼防護等級達到了IP67（最高階別的防護之一），即使被雨水淋到、被灰塵覆蓋，也不會影響內部元件的工作。
3. 工業光模組：追求“硬、準、靈”
工業場景的光模組，比如工廠的自動化生產線、智慧電網、礦山監控，核心要求是“抗衝擊、傳得準、靈活適配”。
“抗衝擊”：工廠裡的機器會震動，礦山的環境也很惡劣，光模組要能承受衝擊和震動。比如中際旭創為工業場景做的25G光模組，能承受1000G的衝擊（相當於從1米高的地方掉到水泥地上），還能在500Hz的震動環境下工作，不會因為震動導致元件鬆動。
“傳得準”：工業場景裡的資料傳輸不能出錯，比如智慧電網的電流、電壓資料，要是傳輸時出錯，可能會導致電網故障；工廠生產線的感測器資料要是錯了，會導致產品質量問題。所以工業光模組的“資料準確率”要求極高，通常是“誤位元速率低於10的-12次方”（相當於傳1萬億條資料，最多錯1條）。
“靈活適配”：不同工業場景的介面、電壓不一樣，光模組要能靈活適配。比如中際旭創的工業光模組，支援多種介面（比如SFP+、QSFP28），還能適配12V、24V、48V等不同電壓，不用為不同場景單獨設計，大大降低了企業的採購成本。
四、AI時代：光模組為啥從“配角”變成“核心基建”？
在AI沒火起來之前，光模組只是“資料傳輸的工具”，很多人沒關注它；但AI時代到來後，光模組一下子變成了“核心基建”，甚至被稱為“AI算力的血管”，這是為啥？
1. AI訓練：需要光模組“餵飽”GPU
AI大模型的訓練，本質上是“讓幾萬臺GPU一起算資料”。比如訓練一個千億引數的大模型，需要把海量資料（比如幾億篇文章、幾千萬張圖片）分到不同的GPU上，每個GPU算一部分，然後再把計算結果彙總、交換，反覆迭代幾十萬次，才能訓練出能用的模型。
這個過程中，GPU之間的資料交換完全依賴光模組：如果光模組速度慢，GPU就會“等資料”——比如GPU算完了自己的部分，卻要等半小時才能收到其他GPU的結果，訓練效率會極低；如果光模組速度快，比如用800G光模組，GPU之間的結果交換能在幾秒內完成，訓練時間會大幅縮短。
舉個真實的例子：某AI公司用400G光模組訓練一個百億引數的模型，花了30天；換成中際旭創的800G光模組後，訓練時間縮短到了18天，效率提升了40%。而且模型越大，對光模組速度的要求越高——訓練萬億引數的模型，必須用光模組，否則根本沒法在合理時間內完成訓練。
另外，AI訓練的資料量還在指數級增長年訓練一個大模型需要幾十TB的資料年需要幾百TB甚至幾PB（1PB=1000TB）的資料，這就要求光模組的“容量”也要跟著漲，從400G到800G，再到，甚至未來的，只有這樣才能“餵飽”GPU。
2. AI推理：需要光模組“不卡頓”
AI訓練完後，要用來“幹活”，比如你用AI寫文案、生成圖片、做語音翻譯，這個過程叫“推理”。推理雖然不需要像訓練那樣多的GPU，但需要“實時響應”——你發出一個請求，希望幾秒鐘內就能收到AI的回覆，這就需要光模組“快速傳資料”。
比如你用AI生成一張“未來城市”的圖片：你在手機上點選“生成”，請求會先傳到AI資料中心的伺服器，伺服器裡的GPU算出圖片後，再透過光模組把圖片資料傳回到你的手機。如果光模組速度慢，比如用100G光模組，這個過程可能要5秒；用800G光模組，1秒內就能完成，你感覺不到任何延遲。
而且現在AI推理的“併發量”越來越大——比如某AI繪畫工具，同時有10萬人在用，每秒要處理幾十萬次請求，這就需要光模組能“同時傳很多資料”，不能堵車。中際旭創的800G光模組支援“8通道並行傳輸”，就像一條8車道的高速路，能同時走8路資料，不會因為併發量高而卡頓。
3. AI叢集：需要光模組“連得密”
AI資料中心裡的GPU不是零散分佈的，而是組成“叢集”——比如一個叢集有1024臺GPU，這些GPU要透過光模組連線成一個“網路”，才能協同工作。這個網路的“密度”（每臺GPU連線的光模組數量）直接影響AI的算力。
以前的GPU叢集，每臺GPU可能只連1個光模組，能和幾十臺其他GPU通訊；現在的AI叢集，每臺GPU要連4個甚至8個光模組，能和幾千臺其他GPU通訊，這樣才能處理更復雜的模型。比如英偉達的DGX H100叢集，每臺伺服器裝8塊GPU，每塊GPU連2個800G光模組，整個叢集能支援幾千臺GPU協同工作，這背後就是光模組的“高密度連線”在支撐。
中際旭創為AI叢集設計的“光模組陣列”，能把多個800G光模組整合到一個“盒子”裡，每臺GPU只需要插一個“盒子”，就能實現和幾千臺GPU的連線，大大簡化了叢集的佈線，還提高了連線的穩定性。
五、光模組的“技術升級”：從傳統到CPO，未來還能怎麼進化？
光模組不是一成不變的，為了跟上資料量和AI算力的增長，它的技術也在不斷升級。從早期的“可插拔光模組”到現在熱門的“CPO技術”，每一次升級都在解決“速度更快、成本更低、功耗更小”的問題。
1. 傳統可插拔光模組：靈活但有瓶頸
我們之前講的100G、400G、800G光模組，大多是“可插拔式”的——就像隨身碟一樣，能插進伺服器或交換機的介面，壞了可以直接拔下來換，靈活性很高。
這種模組的優點很明顯：安裝方便、維護簡單，比如資料中心裡某個光模組壞了，工程師不用拆伺服器，直接換個新的就行，不影響其他裝置工作。但隨著速度提升到800G、，它的瓶頸也越來越明顯：
- 功耗高：可插拔模組需要獨立的電源和訊號介面，速度越快，功耗越高。比如800G可插拔模組的功耗約12-15瓦，可能達到20瓦以上，成千上萬的模組一起工作，總功耗會非常驚人。
- 延遲略高：訊號要從伺服器晶片傳到可插拔模組的介面，再轉換成光訊號，這個過程會有微小的延遲。對普通資料傳輸來說沒問題，但AI訓練需要“零延遲”，這點延遲就可能影響效率。
- 成本高：高速可插拔模組的晶片和光學元件成本高，比如可插拔模組的價格目前還是800G的2倍多，對中小企業來說負擔較重。
2. CPO技術：把光模組“焊”在晶片上，突破瓶頸
為了解決傳統可插拔模組的瓶頸，行業裡出現了“CPO技術”（共封裝光學，Co-packaged Optics），簡單說就是“把光模組和伺服器/交換機的晶片直接封裝在一起”，不用再做可插拔的介面。
你可以理解為：傳統可插拔模組是“外接的快遞站”，資料要先從伺服器（家裡）送到快遞站，再發出去；CPO就是“把快遞站搬進家裡”，資料直接從伺服器晶片傳到光模組，不用繞路。
CPO技術的優勢很突出：
- 功耗大幅降低：沒有了可插拔介面的訊號損耗和獨立供電，CPO的功耗能比傳統模組低30%-50%。比如 CPO模組的功耗可能只有10瓦左右，比傳統可插拔模組省一半電，對AI資料中心來說，每年能省上億的電費。
- 延遲幾乎為零：光模組和晶片直接連線，訊號傳輸距離縮短到幾毫米，延遲能從傳統模組的幾十納秒（1納秒=10的-9次方秒）降到幾納秒，完全滿足AI訓練的“零延遲”需求。
- 成本更低：去掉了可插拔介面的元件，CPO的硬體成本能降低20%以上，而且隨著量產規模擴大，成本還會繼續下降。
目前，CPO技術已經進入“試點驗證”階段，很多頭部企業都在推進。比如中際旭創的CPO原型機已經透過了英偉達Quantum-X平臺的認證，和英偉達聯合開發的CPO交換機預計2026年量產；谷歌、亞馬遜也計劃在2025-2026年的AI資料中心裡試點CPO技術，未來3-5年，CPO可能會成為800G以上高速光模組的主流方案。
3. 矽光技術：用“做晶片的方法”做光模組，降本又提效
除了CPO，“矽光技術”也是光模組的重要升級方向。傳統光模組的光學元件（比如鐳射器、探測器）大多用“化合物半導體”（比如銦磷化物）做的，成本高、生產難度大；矽光技術則是“用做計算機晶片的矽材料來做光學元件”，把光學元件和電路晶片整合在一塊矽片上。
這種技術的好處很直接：
- 成本低：矽材料是半導體行業最常見的材料，價格便宜，而且能像做計算機晶片一樣“批次生產”，大幅降低光模組的成本。比如中際旭創把矽光技術用在800G光模組上，成本比傳統方案降低了20%以上。
- 整合度高：能在一塊矽片上整合更多的光學元件，比如把多個鐳射器、探測器和電路晶片整合在一起，讓光模組體積更小、速度更快。比如矽光技術能做出“8通道同時傳輸”的800G模組，體積和傳統400G模組一樣大。
- 可靠性強：矽材料的穩定性比化合物半導體好，能適應更惡劣的環境（比如高溫、高溼度），光模組的故障率會更低。
現在矽光技術已經在400G、800G光模組上批次應用，未來隨著、模組的普及，矽光技術會成為主流，進一步推動光模組的“降本提效”。
六、光模組的“市場格局”：誰在做？競爭激烈嗎？
光模組是個“技術密集型+資金密集型”的行業，不是誰都能做，目前全球市場主要被幾家頭部企業壟斷，中國企業在其中佔據重要地位。
1. 全球市場：中國企業“領跑”高速光模組
全球光模組市場規模很大年約150億美元，預計2025年因為AI需求爆發，會增長到200億美元以上。主要玩家分兩類：
- 中國企業：以中際旭創、華為、海信寬頻、新易盛為代表，尤其是在高速光模組（400G及以上）領域，中國企業的市場份額超過60%。比如中際旭創的800G光模組全球市場份額超40%，是全球最大的800G光模組供應商；華為的400G光模組在電信領域佔據優勢，全球份額約25%。
- 國外企業：以美國的Coherent、Finisar（已被II-VI收購）、日本的Sumitomo為代表，它們在傳統低速光模組（10G、25G）和電信相干光模組領域有一定優勢，但在高速光模組領域，中國企業的技術和成本優勢更明顯。
中國企業能領跑高速光模組，主要有兩個原因：
- 技術研發快：中國企業在800G、模組和CPO、矽光技術上的研發進度和國外企業同步，甚至更快。比如中際旭創2022年就推出了800G光模組，比國外部分企業早半年；模組也和英偉達同步完成認證年就能量產。
- 成本控制好：中國有完整的半導體產業鏈，從晶片設計到封裝測試都能自主完成，光模組的生產製造成本比國外企業低15%-20%，在價格競爭中更有優勢。
2. 競爭焦點：高速光模組和CPO技術
目前光模組行業的競爭主要集中在兩個方向：
- 800G/高速模組-2025年是800G模組的“放量期”，AI資料中心的需求爆發，誰能產能大、交付快，誰就能搶佔市場。比如中際旭創2024年800G模組的產能達到100萬隻，能滿足全球40%的需求；新易盛、海信寬頻也在擴產，爭取更多份額。
- CPO技術-2026年是CPO技術的“試點期”，誰能先推出成熟的CPO產品、透過頭部客戶（比如英偉達、谷歌）的認證，誰就能在未來的競爭中佔據先機。目前中際旭創、華為、Coherent都在加速推進，預計2026年CPO模組會開始批次出貨。
七、總結：光模組——數字時代和AI時代的“隱形基石”
可能很多人沒聽過光模組，但它其實是我們每天上網、用AI工具的“隱形功臣”：沒有它，資料傳不遠、速度慢，刷影片會卡頓，AI大模型也練不出來、用不了。
從技術發展來看，光模組會朝著“更快、更省、更密”的方向進化：速度從400G到800G、，未來還會到；功耗從12瓦降到10瓦、5瓦；體積從“打火機大小”變成“指甲蓋大小”，甚至和晶片封裝在一起。
從市場價值來看，AI時代的光模組不再是“普通的硬體配件”，而是“AI算力的血管”，需求會持續爆發。比如2024年全球AI資料中心對光模組的需求約50億美元，預計2027年能增長到150億美元，3年增長3倍，是整個光模組市場增長最快的部分。
簡單說，光模組就像“數字世界的高速公路”，路修得越寬、越快，資料和AI就能跑得越順暢。而像中際旭創這樣的企業，就是“修這條路的核心施工隊”，在背後支撐著我們的數字生活和AI未來。