摘要：昨晚刷到个段子：某大厂算法团队算力又不够了，领导拍桌子让他们“再去薅点GPU光”，结果一群人把机房光纤插头全拔下来数了一遍。

昨晚刷到个段子：某大厂算法团队算力又不够了，领导拍桌子让他们“再去薅点GPU光”，结果一群人把机房光纤插头全拔下来数了一遍。

段子真假不辨，却把光模块的重要性讲透了——没有这些不起眼的小盒子，AI再聪明的脑瓜子也传不出一句完整的人话。

把视野拉回现实。

OpenAI训练一次GPT-4大约要跑掉一座中等城市的日用电量，其中七成不是花在GPU上，而是花在数据搬家上。

搬运的数据量大到什么程度？

单台服务器之间要用每秒800Gb的速率对喷，电缆早就不够看，只能靠光。

于是，原本躲在机房角落里的光模块，一夜之间成了产业链里嗓门最大的孩子：价格涨得飞快，交期排到明年，连快递小哥都知道这玩意比茅台还金贵。

市场就是这么直接。2024年全球光模块盘子摸到150亿美元，增速比AI融资新闻还夸张。

技术层面也卷出花样：硅光芯片把激光器、调制器、探测器一股脑塞进指甲盖大的硅片，功耗砍半，成本却降到十年前的三分之一。

英特尔实验室的老哥吐槽，现在他们最大的KPI不是跑出多高的速率，而是怎么把良品率从九成提到九成五——差一个百分点，全年利润就少两个小目标。

数据中心那头更热闹。

AWS刚宣布未来三年再砸350亿美元扩建，所有新机房预留插槽只认800G和1.6T。

国内阿里腾讯也同步跟进，只是策略稍有不同：一边往漠河、乌兰察布这类“冷得天然免费空调”的地方搬大集群，一边在三环外塞进微型边缘机房，专给实时推理抢毫秒级延迟。

算下来，平均一栋楼里塞进去的光模块比一个小区的宽带猫还多。

服务器厂牌们顺势把“光口密度”吹成了卖点。

浪潮的AI新品直接取消低速背板，整柜服务器裸出来一墙壁的光纤头，视觉冲击堪比理发店的霓虹招牌。

内部测试数据更直白：换800G模块后，千卡集群跑ResNet的训练时间从三天缩到36小时，省下来的电费够给员工多发一个月奖金。

光芯片这块也悄悄换了座次。

以前欧美厂牌占着高端，国产只能蹭低端；如今三安光电的25G DML激光器开始给北美二线云厂批量供货，价格差开20%，对方宁可排期晚两周也要用，原因很简单——功耗低3瓦，一个机房一年就能省下一辆保时捷。

国产替代的剧本在这儿不再喊口号，而是结结实实写在采购清单里。

下游应用的故事更带劲儿。

上海某三甲医院的影像科刚上线AI阅片，以前一位主任医师一天看三百张CT，现在算法先跑一遍，自己只过一眼可疑区域，漏诊率降到历史最低。

算力来源正是医院楼顶新建的边缘机房，机柜里塞满了贴着“武汉华工”标签的光模块，风噪呼呼响，患者却再也不用空腹排长队。

工业圈也一样。

昆山一家做笔记本电脑外壳的工厂，给每个质检工位装了AI相机，识别划痕的阈值调到人眼根本看不清的级别。

原本一条流水线要十个人瞪眼数瑕疵，如今只需一个工程师守着屏幕喝茶，剩下九个人改去维护机器。

背后是一套放在园区机房的GPU集群，光纤从厂房直接连过去，延迟低于0.3毫秒，连机器手臂挥错刀都能实时纠正。

至于自动驾驶，更是把光模块的消耗量拉到天量。

路测车队每跑一天产生的数据，比一个小镇全年拍的抖音还多，全得通过5G+光纤同步回传云端再训练。

小马智行内部有个比喻：激光雷达是车的眼睛，高算力GPU是大脑，光模块则是连接云端教练的神经系统，哪一环掉链子，整辆车就是高级轮椅。

可以想见，接下来几年还会重复今天的剧情——模型更大、集群更密、光模块更热。

只是故事不再只是跑得快，而是跑得省、跑得绿。

多家光芯片厂已经给激光器加装了实时温控，节省的每一瓦电都算在TCO里；数据中心把服务器泡在特制液体里，光模块插槽做了完全密封，省空调、省电费、还省了运维小哥的腰。

说到底，光模块这条赛道比的不只是技术，更是产业链的协作默契：芯片厂要让激光器寿命多出5000小时，模块厂要把镀膜工艺稳住，云厂要敢把一整年的预算拿来押注新的传输速率。

任何一环迟疑，市场就留给更不怕赌的人。

普通人也许一辈子都不会摸到一块800G模块，但未来每一次对ChatGPT说“写段冷笑话”，背后都要先跑过一条光的河流。

来源：端庄西柚Tjx