光模块CPO16大细分核心领域：磷化铟+光芯片+CPO交换机+光器件等

当下，为什么AI大模型越来越聪明，但用起来有时候还是会卡顿？为什么训练一个复杂的模型需要成千上万张显卡同时工作？答案可能就藏在那些不起眼的光模块里。

如果把AI服务器比作一个超级大脑，那么光模块就是连接大脑各个部位的神经。过去的数据中心，一张显卡配两三个光模块就够用了。

但现在情况完全不同，随着万卡级甚至十万卡级AI集群的出现，一张显卡需要匹配的光模块数量成倍增加。

根据市场研究机构的最新预测，2026年全球光模块市场规模将达到677亿美元，到2028年更是有望增长到1485亿美元。

这个数字背后，是AI算力增长带来的刚性拉动。全球主要云厂商2026年的资本开支已经从预期的7650亿美元上调到8050亿美元，其中光模块在AI基础设施开支中的占比从不到5%跃升到了约20%。

问题来了，以前那种插在交换机上的光模块，在速率越来越高的时候开始力不从心。

传统可插拔光模块和交换芯片之间的距离有几十厘米，电信号传输这么长的距离，损耗非常大。速率越高，损耗越严重，就需要加装更多的驱动芯片来补偿信号，结果功耗进一步攀升。

据测算，1.6T以上的高速光模块放在交换机面板上，散热已经成了大难题。

行业专家用了一个很形象的比喻：传统方案就像把发动机放在房间外面，通过长长的管道传递动力，路上损耗很大。

而且可插拔模块的体积也有物理极限，交换机面板上能放的端口数量始终有限，很难满足AI集群对端口密度的爆炸式需求。

正是在这个背景下，一种叫CPO的技术路线开始走到台前。CPO的全称是共封装光学，通俗来说，就是不再把光模块做成独立的可插拔部件，而是把光引擎直接和交换芯片封装在同一块基板上。

这个改变听起来简单，效果却很直接。电信号传输的距离从几十厘米缩短到了几厘米甚至几毫米，信号损耗大幅降低，不需要那么多驱动芯片，功耗自然就降下来了。

据行业统计，相比传统方案，CPO方案能够使交换芯片连接光模块所需的功耗最多降低50%，使大型交换机的总功耗降低25%到30%。

更重要的是端口密度。光引擎和芯片共封装后，同样空间里可以放下更多的高速端口，直接解决了AI集群对海量端口的需求问题。

CPO能落地，离不开硅光技术的成熟。传统光模块里，激光器、调制器、探测器都是分立器件，一个个组装起来体积大、成本高。硅光技术则是用成熟的芯片制造工艺，把所有光器件集成到一块硅芯片上，就像做数字芯片一样做光芯片，体积可以做得极小，一致性和良率也更容易控制。

2026年有一个标志性变化，那就是基于硅光的光模块销售额将首次超过整体市场的一半。这意味着硅光方案已经从实验室走向了大规模量产。

2026年6月，工信部印发了人工智能与信息通信融合发展的三年实施意见，把高速光电芯片、全光交换器件和共封装器件等明确列为重点攻关方向，提出开展光电混合组网技术试验，加速技术方案成熟。

紧接着发布的产业发展白皮书更是划出了硬性标准：国内所有新建的万卡级智算中心必须适配800G及以上的光互联方案，400G产品逐步退出新建机房的采购清单。

这意味着光模块已经从出口型的周期制造业，升级为国家算力基础设施的核心硬件。

到了9月，信息通信行业的五年规划进一步提出加快全国一体化算力网建设，有序部署万卡、十万卡及以上智算集群，重点打造超大容量全光承载产品。

从全球范围看，CPO的商用进程正在显著提速。行业巨头已经宣布其硅光交换机进入全面量产阶段，CPO端口在AI数据中心光通信模块中的渗透率预计到2030年将跃升至35%。

国内产业端同样在加速布局。全国首条专注于硅基光子芯片的8英寸量产线已经在苏州开工，预计年底通线，专门满足高速光模块的市场需求，构建自主可控的硅基光电集成芯片制造生态。

过去很长一段时间，光模块在AI产业链里只是一个配套器件。但现在，它正在成为算力基础设施的核心环节。有从业者感慨说，以前从来没想过光模块可以真正站到AI的舞台中央，不再是产业链的普通一环，而是成为AI基础设施建设的核心之一。

当然，CPO目前仍处于产业化的早期阶段，在散热、可靠性、标准化等方面还面临不少挑战。但方向已经非常明确，就是随着AI算力集群规模越来越大，光互连技术从可插拔方案向共封装方案演进，是产业发展的必然趋势。

对于我们来说，理解这些变化的意义在于下一次你感受到AI应用变得更快、更流畅的时候，背后可能就有这些光模块技术升级带来的改变。科技的进步，往往就藏在这些看不见的基础设施里。

免责声明：本文只做行业分析与科普，不涉及任何投资建议，大家在了解科技发展的同时，理性看待产业进步。