AI 數據中心為什麼需要高速光通信?解析 Lumentum 的產業定位

更新時間 2026-07-22 10:52:38
閱讀時長: 4m
Lumentum(LITE)專注於光通訊與光子技術,主要業務包括高速光元件、雷射器及光通訊組件,並為 AI 數據中心、雲端運算網路及電信基礎設施提供關鍵連接技術支援。

隨著生成式 AI 模型規模持續擴大,資料中心正逐步從傳統運算架構轉型為大規模 AI 群集。大量 GPU 之間需高速資料交換,使網路頻寬、傳輸效率與功耗成為影響 AI 算力釋放的關鍵因素。高速光通訊以高頻寬、低延遲與低能耗優勢,正成為 AI 基礎設施升級的重要方向。

Lumentum 位於 AI 光互連產業鏈的核心器件環節,透過雷射器與先進光學元件推動 800G、1.6T 等高速光通訊技術發展。隨著 AI 資料中心持續擴展,光模組、光晶片及光互連技術的重要性日益提升,也讓 Lumentum 等光通訊企業獲得更多市場關注。

AI 為什麼推動光通訊需求快速增長

AI 為什麼推動光通訊需求快速增長

AI 資料中心是支撐人工智慧模型訓練與推理的基礎設施,而高速光通訊則是連接這些運算資源的關鍵技術。隨著 AI 模型參數規模不斷擴大,資料中心內部資料交換需求急速成長,傳統網路連接方式正面臨頻寬、距離與能耗上的限制。

過去資料中心主要服務網頁、雲端儲存與企業應用,伺服器間資料傳輸規模相對有限。但 AI 工作負載有明顯不同特性,大型模型訓練需數千甚至數萬顆 GPU 同步運行,運算節點間需持續交換大量資料。

以訓練大型語言模型為例,GPU 除了處理自身運算任務,還需不斷同步模型參數。若伺服器間資料傳輸速度不足,便會導致 GPU 等待資料,進而降低整體運算效率。

因此,AI 基礎設施的發展不僅需增加 GPU 數量,也必須同步提升網路連接能力。高速光通訊正是在此背景下成為產業焦點。

相較傳統銅纜連接,光通訊以光訊號傳輸資料,能支援更遠距離、更高頻寬及更低訊號損耗。對需大規模擴展的 AI 資料中心而言,光互連可有效提升運算群集整體效率。

近年全球雲端運算企業持續加大 AI 基礎設施投入,包括新建資料中心、採購 AI 晶片及升級網路設備。這些趨勢正推動高速光模組、光器件與雷射技術需求快速增長。

從產業鏈角度,AI 浪潮不僅帶動 NVIDIA 等運算晶片企業,也推動伺服器、儲存、網路交換及光通訊產業發展。Lumentum 正在這一產業趨勢中發揮重要作用。

光模組為何成為 AI 資料中心的關鍵組件

光模組是 AI 資料中心網路的核心組件,主要負責電訊號與光訊號間的轉換。

簡言之,伺服器產生的資料最初為電訊號,需經光模組轉換為光訊號,再透過光纖進行高速傳輸。資料到達目標設備後,再由另一端光模組轉回電訊號處理。

在一般資料中心環境,光模組已廣泛應用於伺服器、交換器及網路設備間。隨著 AI 資料中心規模擴大,光模組的重要性進一步提升。

AI 群集多採大量 GPU 伺服器協同運算。伺服器數量增加後,節點間資料交換量呈指數成長,網路設備需支援更高傳輸速度。

近年資料中心光模組從 100G、200G 升級到 400G,而 AI 需求正推動市場邁向 800G 甚至 1.6T 光模組。

高速率升級意味產業鏈需更先進的光晶片、雷射器與封裝技術。光模組不再只是簡單資料轉換設備,更成為影響 AI 群集效能的關鍵基礎設施。

此外,AI 資料中心對能源效率要求愈來愈高。隨著 GPU 功耗增加,降低網路連接部分能源消耗成為重要方向。光通訊於高速傳輸下能維持低功耗,具長期發展優勢。

Lumentum 如何布局高速光器件

Lumentum(LITE)為全球領先的光通訊與雷射技術企業,其核心定位並非製造 AI 晶片,而是為 AI 基礎設施提供光通訊底層元件。

公司業務集中於高速光器件、雷射器與光子技術,涵蓋資料中心、電信網路及工業領域相關產品。

在 AI 光通訊產業鏈中,Lumentum 更接近上游核心器件供應商。高速光模組需穩定、高效能光源,而雷射器正是決定光模組效能的關鍵組成。

隨著資料中心邁向更高速度,市場對光器件提出更高要求,包括:

  • 更高資料傳輸速率;
  • 更低功耗;
  • 更遠傳輸距離;
  • 更高穩定性。

Lumentum 長期累積的光子技術,使其能參與高速通訊升級。

目前 AI 資料中心正推動光通訊標準快速演進。800G 光模組逐漸成為大型資料中心首選,未來隨 AI 群集規模持續擴大,1.6T 光通訊技術亦可能成為新發展方向。

對 Lumentum 而言,未來成長機會主要來自 AI 基礎設施擴展、雲端運算網路升級及下一代光通訊技術應用。

雷射器如何支援高速光通訊

雷射器是光通訊系統中的核心器件之一,負責產生穩定、高速調制的光訊號。高速資料傳輸過程中,雷射器需具備高速反應、低功耗與長期穩定運作等技術要求。若將光通訊系統比作資訊高速公路,雷射器則是產生高速訊號的動力來源。無高效能雷射器,光模組無法達到更高資料傳輸速度。

AI 資料中心對雷射器提出更高要求:

  • AI 網路需更高傳輸速率。隨光模組從 400G 升級到 800G 與 1.6T,雷射器需支援更高頻率資料調制。
  • 大型 AI 群集需降低能源消耗。資料中心規模愈大,網路設備功耗愈受關注,低功耗雷射技術成為重要發展方向。
  • 未來矽光技術、共封裝光學(CPO)等新型架構發展,亦可能進一步改變光通訊產業。

Lumentum 在雷射器領域長期布局,能參與高速光通訊技術升級,並成為 AI 基礎設施供應鏈的重要企業。

AI 群集為何需要低延遲光互連

AI 群集的核心在於大量運算節點協同作業,因此節點間資料交換效率直接影響整體效能。

傳統運算模式下,單台伺服器可處理大量任務,但 AI 模型訓練需多顆 GPU 同時處理不同資料。

當 GPU 數量增加,伺服器間通訊壓力急速提升。若網路延遲過高,GPU 需等待其他節點完成資料同步,導致運算資源無法充分利用。

光互連能有效解決此問題。

相較傳統連接方式,光通訊具有:

  • 更高頻寬;
  • 更低延遲;
  • 更低訊號損耗;
  • 更適合長距離傳輸。

因此,在大型 AI 資料中心中,光互連正從輔助技術轉為核心基礎設施。

未來隨 AI 推理需求增長,資料中心除需支援模型訓練,也需支援大量用戶即時調用 AI 服務,進一步提升網路對速度與穩定性的要求。

Lumentum 與 Coherent、Broadcom 的差異

AI 資料中心光通訊產業鏈吸引眾多科技企業參與,包括 Lumentum、Coherent、Broadcom 等。不過,各企業在產業鏈定位並不完全相同。Lumentum 核心優勢在光子器件與雷射技術領域,主要提供高速光通訊所需雷射器、光學元件及解決方案,屬於光通訊產業鏈的關鍵零組件供應商,憑藉技術累積參與 AI 資料中心網路升級。

Coherent Corp. 同為光通訊與雷射領域重要企業,業務範圍更廣,涵蓋通訊、工業雷射、半導體製造等多市場。Coherent 在光通訊領域競爭力強,同時依賴工業雷射等業務形成多元收入結構。

Broadcom Inc. 則定位更偏向資料中心基礎設施平台,不僅布局網路交換晶片,亦提供 AI 資料中心所需 ASIC 客製化晶片、網路解決方案與高速連接技術。其優勢在於晶片與系統層面的整合能力。

因此,Lumentum 與 Broadcom 並非直接競爭,兩者分屬 AI 基礎設施不同環節。Broadcom 著重資料處理與網路控制能力,Lumentum 則聚焦高速資料傳輸的光學連接問題。

整體而言,AI 資料中心發展需運算晶片、網路晶片、光模組與光器件協同合作。未來產業競爭將環繞整個基礎設施生態,不再侷限單一技術。

光通訊產業面臨挑戰

儘管 AI 資料中心為光通訊產業帶來新成長機會,產業發展仍面臨多重挑戰:

  1. 光通訊產業具明顯週期性。近年電信業者與雲端運算企業資本支出變化曾影響光模組市場需求。當企業減少網路建設投資,光通訊供應商可能面臨訂單減少與庫存調整壓力。AI 浪潮雖改變產業需求結構,市場仍需關注 AI 基礎設施投資能否持續。若雲端業者放緩資料中心擴建速度,光通訊企業成長亦可能受影響。
  2. 技術升級速度加快。隨 AI 群集規模擴大,市場由 400G 轉向 800G、1.6T 甚至更高速度。企業需持續投入研發,維持競爭優勢。高速光通訊不僅需提升傳輸速度,還需解決功耗、散熱、成本與製造規模等問題。技術路線變化亦可能影響企業長期競爭格局。
  3. 產業競爭加劇。除 Lumentum、Coherent 等傳統光通訊企業外,愈來愈多半導體公司進入高速互連領域,例如 Broadcom、Marvell 等透過晶片與系統方案強化在資料中心市場影響力。

此外,亞洲供應鏈企業也持續提升光模組與光器件製造能力,全球市場競爭可能進一步加劇。

AI 光網路未來發展方向

隨 AI 運算需求持續成長,光通訊技術正邁向新階段。

第一個方向是更高速率光模組。現今 800G 光模組成為 AI 資料中心升級主力產品,未來 1.6T 光模組將進一步滿足超大規模 AI 群集需求。傳輸速度提升將帶動雷射器、光晶片與封裝技術不斷升級。

第二個方向是矽光技術與共封裝光學(CPO)。傳統架構下,光模組通常獨立安裝於伺服器與交換設備間,而 CPO 技術嘗試將光學元件更貼近晶片,縮短資料傳輸距離、提升效率。隨 AI 晶片功耗提升,CPO 有望成為解決高速連接與能源消耗問題的關鍵方案。

第三個方向是 AI 專用網路架構。未來 AI 資料中心可能不再採用傳統通用網路,而針對 AI 工作負載設計專用網路,需更低延遲、更高頻寬及更智慧資料調度能力。

光通訊將在此過程中扮演更核心角色。

對 Lumentum 而言,未來發展機會不僅來自現有 AI 資料中心擴展,也來自整體運算架構向高速互連演進的長期趨勢。若公司能持續維持雷射器與光器件技術領先,將有機會參與下一代 AI 基礎設施建設。

總結

AI 資料中心發展正推動高速光通訊成為關鍵基礎設施。隨 AI 模型規模擴大,大量 GPU 群集需進行高速、低延遲資料交換,傳統連接方式逐漸難以滿足需求,光互連以高頻寬、低功耗優勢成為重要解決方案。

光模組、雷射器與光學元件構成 AI 網路關鍵基礎,其中雷射器作為光訊號產生核心部件,對高速通訊效能具重要影響。Lumentum(LITE)憑藉多年光子技術累積,在高速光器件領域占有重要地位,並受益於 800G、1.6T 光通訊升級趨勢。

與 Coherent 相比,Lumentum 更聚焦通訊光學領域;與 Broadcom 相比,Lumentum 更偏向光通訊器件,Broadcom 則專注於晶片與系統級基礎設施。不同企業共同構成 AI 資料中心完整產業鏈。

未來,AI 算力提升、雲端運算擴展及新一代網路技術演進,都將持續推動光通訊產業發展。同時,產業週期、技術競爭與資本支出變化仍是需重點關注的因素。

長期來看,AI 競爭不僅是晶片之爭,更是資料傳輸能力之爭。高速光通訊正成為連接 AI 算力的關鍵基礎,而 Lumentum 所處的光器件領域,也將在下一代 AI 基礎設施建設中持續發揮核心作用。

作者:  Max
免責聲明
* 投資有風險,入市須謹慎。本文不作為 Gate 提供的投資理財建議或其他任何類型的建議。
* 在未提及 Gate 的情況下,複製、傳播或抄襲本文將違反《版權法》,Gate 有權追究其法律責任。

相關文章

USD.AI 效益來源解析:AI 基礎設施貸款如何創造收益
中級

USD.AI 效益來源解析:AI 基礎設施貸款如何創造收益

USD.AI 的收益主要來自 AI 基礎設施貸款業務,也就是透過為 GPU 運營商及算力基礎設施提供融資,並收取貸款利息。協議會將這些收益分配給收益型資產 sUSDai 的持有者,並透過 CHIP 治理代幣來管理利率與風險參數,進而構建一套以 AI 算力融資為核心的鏈上收益體系。這種模式能夠讓現實世界 AI 基礎設施的收益轉化為 DeFi 生態中的可持續收益來源。
2026-04-23 10:56:01
USD.AI 代幣經濟學:深入解析 CHIP 代幣的應用場景與激勵機制
新手

USD.AI 代幣經濟學:深入解析 CHIP 代幣的應用場景與激勵機制

CHIP 是 USD.AI 協議的核心治理代幣,主要負責協調協議的收益分配、貸款利率調整、風險控制以及生態激勵機制。透過 CHIP,USD.AI 將 AI 基礎設施的融資效益與協議治理深度結合,讓代幣持有者能夠參與協議參數決策,並共享協議價值的增長,從而構建出以治理為核心驅動的長期激勵體系。
2026-04-23 10:51:10
Pharos 如何推动 RWA 上链?解析其 RealFi 基础设施逻辑
中級

Pharos 如何推动 RWA 上链?解析其 RealFi 基础设施逻辑

Pharos(PROS)以高效能 Layer1 架構和針對金融場景優化的基礎設施,支援真實世界資產(RWA)上鏈。憑藉並行執行、模組化設計及可擴展的金融功能模組,Pharos 能夠滿足資產發行、交易結算與機構資金流轉等需求,協助真實資產更快速且高效地接入鏈上金融體系。其核心邏輯是透過建構 RealFi 基礎設施,連結傳統資產與鏈上流動性,為 RWA 市場提供更穩定且高效的底層網路支援。
2026-04-29 08:04:57
Pharos 代幣經濟學深度解析:長期激勵機制、稀缺性模型及 RealFi 基礎設施的價值邏輯
新手

Pharos 代幣經濟學深度解析:長期激勵機制、稀缺性模型及 RealFi 基礎設施的價值邏輯

Pharos(PROS)的代幣經濟學以長期激勵、供應稀缺及 RealFi 基礎設施價值捕獲為核心設計理念,目標在於將網路成長與代幣價值緊密綁定。PROS 不僅具備交易手續費與質押等功能,還透過長期釋放機制調控供應節奏,並藉由網路使用需求強化代幣價值的支撐。
2026-04-29 08:00:16
Arweave:用AO電腦捕捉市場機會
新手

Arweave:用AO電腦捕捉市場機會

以點對點網路為例的分散式存儲創建了一個全域、無需信任且不可變的硬碟驅動器。Arweave是該領域的龍頭,提供具有成本效益的解決方案,確保持久性、不變性性和抗審查性性,這對於 NFT 和 dApp 不斷增長的需求至關重要。
2026-04-07 02:31:08
即將到來的AO代幣:可能是鏈上AI代理的終極解決方案
中級

即將到來的AO代幣:可能是鏈上AI代理的終極解決方案

AO建立在Arweave的鏈上存儲之上,實現了無限可擴展的去中心化計算,允許無限數量的進程並行運行。去中心化 AI 代理由AR託管鏈上,並由 AO 鏈上運行。
2026-04-07 00:29:01