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 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(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:
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:
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:
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。
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。
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:
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。
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。
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。





