为什么说 1.6T 光模块是 AI 时代的"新石油"？

先说结论：把光模块比作"新石油"，不是因为它在涨价，而是因为它已经成了 AI 时代真正的"运力瓶颈"——算力再强，如果连接这些算力的"管道"不够粗、不够快，算力也释放不出来。

一、AI 的算力，早已不是"一张卡"的事

今天的大模型训练，动辄要上万张甚至十万张 GPU 一起干活。单张卡再强也没用，关键是一万张卡之间要"实时对话"：模型参数在卡与卡之间来回同步，任何一点延迟，都会让整批卡停下来等它。

这就是英伟达力推 NVLink、打造 GB200 这类超级机架的原因：72 张 GPU 挤在一个机柜里，卡与卡之间用高速铜缆直连，这就是所谓的 Scale-up（短距离扩展）。

但一个机柜不够用。几十个、几百个机柜要连成一个"算力工厂"，这种跨机柜、跨机房的 Scale-out（长距离扩展），铜缆就力不从心了——电信号跑得越远、带宽越高，衰减和功耗就越离谱。

这时候，光登场了。

二、光，是长距离、大带宽的唯一答案

光信号在光纤里跑几十米、几百米，损耗几乎可以忽略，带宽却是铜缆的几十倍。所以 AI 数据中心里，交换机之间、机柜之间的高速互联，基本都靠光模块来扛。

光模块的速率，就这样被 AI 一代一代"逼"着往上跳：400G 刚普及，800G 就来了；800G 还没完全铺开，1.6T 已经站到门口。每一次升级，本质都是因为集群越来越大、卡越来越多、对"卡与卡对话"的带宽需求翻着倍往上涨。

三、1.6T 到底意味着什么

1.6T，就是单个光模块每秒能传输 1.6 万亿比特，是 800G 的整整两倍。它通常靠 8 个 200G 通道（或 16 个 100G 通道）并行来实现。

为什么说它是 AI 集群的"刚需"？因为带宽翻倍的同时，单位比特的成本和功耗并不会同步翻倍——这正好解了数据中心最痛的两件事：电费和散热。对运营超大规模算力集群的厂商来说，用 1.6T 换下来的每一瓦功耗，都是真金白银。

四、真正的壁垒，在光芯片

别看光模块长得像个小盒子，真正的技术门槛在里面的光芯片：EML 激光器、硅光芯片、探测器……这些决定了速率、成本和良率，也是整条产业链里价值量最高、最容易"卡脖子"的环节。

而围绕"怎么把光模块做得更快更省"，业内还在争两条路线：一是 CPO（共封装光学，把光和电芯片封装到一起），二是 LPO（线性直驱，砍掉 DSP 以降功耗、降延迟）。路线之争的背后，其实是下一代 AI 互联的话语权之争。

五、回到那句话

"新石油"的真正含义，是"运力即算力"。AI 时代，算力稀缺，但把算力"运"到位的光互联同样稀缺。谁能在更高速率上同时赢下成本和功耗，谁就握住了算力时代的运输动脉。

这才是光模块反复被市场关注的底层逻辑。

（本文为产业科普，不构成任何投资建议。）