本文来自微信公众号“半导体行业观察”，来源：远见杂志。
AI竞争进入下半场，真正决定胜负的，已经不只是单颗芯片的算力。
过去几年，全球科技产业围绕着GPU展开了一场史无前例的竞赛：更先进的制程、更大的芯片、更高的HBM带宽，几乎所有创新都在追求“让一颗芯片更快”。但当AI数据中心开始部署数十万、甚至上百万颗处理器时，一个新的瓶颈逐渐浮现——真正限制系统性能的，不再是单颗GPU，而是这些GPU之间能否高效交换数据、协同运算。
业内越来越多企业开始意识到，未来AI基础设施的核心，不只是计算（Compute），更是连接（Connectivity）。
而承载这场变革的关键技术，正是发展了数十年的硅光（Silicon Photonics）。从英伟达、台积电、博通、美满到AMD，全球科技巨头正以前所未有的速度押注光互连，从光引擎、光子芯片、交换机到先进封装全面布局。谁率先跨越成本、良率与量产门槛，谁就有机会掌握下一代AI数据中心的话语权。
一场围绕“光”的新AI战争，已经正式打响。
三个月砸下数十亿美元，
巨头为何集体押注硅光？
2026年，硅光几乎成为全球半导体产业最热的关键词。
动作最积极的，无疑是AI霸主英伟达。仅今年上半年，英伟达就在短短三个月内宣布超过60亿美元的投资与并购计划，重点全部指向光互连与硅光供应链。从交换网络、光模块，到光子芯片与先进封装，布局范围覆盖整个AI网络基础设施。
这并非孤例。
美满科技（Marvell）随后宣布完成对硅光新创Celestial AI的收购，交易金额超过32.5亿美元。这家公司最受关注的资产，是其Photonic Fabric光子互连架构。不同于传统依赖电讯号的数据交换，Photonic Fabric希望利用光直接构建高频宽、低延迟的数据传输网络，被视为未来AI集群的重要底层技术。
另一家明星企业Ayar Labs，也在今年完成5亿美元E轮融资。更值得关注的是它的投资人名单——AMD、英伟达、联发科、世芯-KY等几乎横跨CPU、GPU、ASIC与SoC阵营。这意味着，即便未来AI芯片路线不同，产业对于“光互连”这一方向却形成了高度共识。
资本的集体涌入，也反映出市场空间正在迅速打开。
市场研究机构Fortune Business Insights预计，2025年全球硅光市场规模约32.7亿美元，2026年将成长至40.3亿美元，到2034年更将达到222.9亿美元，八年成长超过五倍，年复合成长率高达23.8%。
如果进一步放大到整个光互连市场，规模更将从153.8亿美元扩大至431.4亿美元，约合新台币1.4兆元。对于半导体产业而言，这已经不仅是一项新技术，而是一条足以催生新龙头公司的全新赛道。
硅光并不是新技术，
却在AI时代迎来真正爆发
很多人误以为硅光是一项刚诞生的新技术，事实上，它已经发展超过三十年。
所谓硅光，是以硅作为材料平台，将调制器、光波导、光侦测器等光学元件整合到光子集成电路（PIC）中，让原本负责电子传输的数据改由光来完成。由于硅能够沿用成熟CMOS制造工艺，因此硅光一直被认为是最有机会实现大规模量产的光子技术。
真正让它走向商业化的是2016年。
当年，英特尔推出全球首批100G硅光收发器，首次证明硅光可以进入数据中心商用市场。此后的几年里，这项技术主要应用于可插拔光模块，解决机柜与机柜之间的高速传输需求，但距离芯片本身仍有相当距离。
直到ChatGPT出现，一切开始改变。
生成式AI让GPU集群规模迅速膨胀，从几千颗GPU发展到数万颗，再迈向十万颗等级。传统服务器网络架构开始承受前所未有的数据压力，光不再只是连接数据中心，而是必须一路进入服务器、进入交换器，甚至逼近GPU封装本身。
进入2026年，随着台积电COUPE光引擎平台进入生产阶段，以及CPO开始迈向量产准备，硅光终于从“实验室技术”正式进入产业竞赛阶段。
这很可能成为半导体产业跨入“光时代”的重要分水岭。
AI推理崛起，让频宽成为新的算力
推动硅光爆发的真正动力，并不是模型训练，而是AI推理。
过去几年，大模型训练消耗了大量GPU资源，因此HBM、GPU算力成为产业焦点。但未来十年的主战场，将是每天数十亿次AI推理请求。
TrendForce研究副总经理储于超指出，AI推理过程中，系统必须不断将大量Token送入不同模型进行计算。随着AI Agent普及，一个任务往往不会只调用一次模型，而是连续访问多个大型语言模型、数据库与云端服务，完成搜索、分析、生成、执行等多个步骤。
例如，一个“帮我规划东京出差”的简单指令，背后可能同时调用地图、航班、酒店、天气、翻译与支付等多个AI服务。每完成一次任务，都意味着大量数据在不同GPU与服务器之间高速流动。
这让AI数据中心出现一个新的变化：网络开始成为算力的一部分。
过去，人们习惯用FLOPS衡量AI性能；未来，系统整体吞吐量越来越取决于GPU之间的数据交换效率。频宽越高、延迟越低，整个AI集群的利用率就越高，也意味着同样数量的GPU能够完成更多推理任务。
储于超认为，随着AI推理持续增长，频宽需求也将同步扩大，这不仅会带动GPU需求，更将直接推动高速光通讯与光互连产业的发展。
铜线没有退出舞台，
但光正在一步步逼近芯片
四十多年来，现代计算世界几乎建立在铜线之上。
从芯片内部数十亿条金属互连，到封装基板、高速PCB，再到服务器之间的DAC铜缆，电讯号构成了整个数字世界的信息高速公路。铜之所以长期占据主导地位，在于成本低、制造成熟、可靠性高，几乎无可替代。
但AI开始挑战铜的物理极限。
随着传输速率迈向200G、400G乃至800G，电讯号在铜线中的损耗越来越明显。距离越长，不仅需要更复杂的信号补偿电路，功耗与散热也会快速增加。当GPU集群扩展到整座数据中心时，数据甚至需要跨越数百米距离，这已经远远超出传统铜互连最擅长的应用场景。
于是，光开始不断向芯片靠近。
最早，光存在于数据中心之间的长距离光纤；随后进入机柜之间；再进入服务器；如今又演进到NPO（Near Packaged Optics），将光引擎放在交换芯片附近，最终迈向CPO（Co-Packaged Optics），直接与ASIC或GPU共同封装。
这并不是一场“光取代电”的革命，而是AI重新定义了电与光的分工。
未来的计算架构，很可能形成一种混合模式：芯片内部仍依赖电完成逻辑计算，短距离互连继续使用铜，而高频宽、长距离的数据交换则交给光来完成。真正改变的，不是芯片，而是整个数据中心的神经网络。
从材料到市场，
中美正围绕硅光展开新角力
随着硅光成为AI基础设施的重要组成部分，它的竞争也逐渐超越企业层面，演变成国家战略。
中国首先从上游关键材料出手。
2025年，北京正式将磷化铟（InP）相关产品纳入出口管制。磷化铟是高速光通讯激光器最重要的化合物半导体材料之一，广泛应用于1550nm高速激光器与光模块。由于中国掌握全球约七成铟资源，其政策变化足以影响全球光通讯供应链。
美国则把焦点放在下游市场。
2026年8月，多家国际媒体披露，美国联邦通信委员会（FCC）正研拟限制新一代中国制造光收发模块进入美国市场，希望降低中国设备在AI数据中心的占比，并强化本土光通讯供应链。
这意味着，硅光已经形成一条新的战略产业链：上游争夺材料，中游竞争芯片与封装，下游抢占数据中心市场。
过去全球争夺的是先进制程，如今争夺的，则是AI时代最重要的连接基础设施。
CPO像法拉利，
真正挑战不是技术，而是量产
尽管硅光热度持续升高，产业界普遍认为，CPO不会在短时间内全面普及。
黄仁勋曾反复强调一句话：“铜能用多久，就用多久。”原因并非技术，而是经济性。
目前在单一AI服务器机柜内，GPU之间的大量近距离连接依然采用铜缆，因为它便宜、成熟且维护方便。只有当系统规模扩大、传输距离增加、频宽需求突破铜线极限时，光互连才会展现明显优势。
储于超用一个很形象的比喻来形容CPO：“它就像法拉利。”
法拉利代表极致性能，但也意味着昂贵、复杂，以及更高的维护成本。同样地，CPO虽然能够大幅降低功耗、提升频宽密度，却必须解决光电共同封装带来的热管理、测试、良率与维修等一系列难题。
尤其测试，被业界视为量产最大的挑战。
由于光引擎与交换ASIC、HBM共同封装，传统芯片测试方法已无法直接套用，必须建立全新的光电协同测试流程。这也是为什么包括台积电、日月光、ASE、Keysight等企业，都将测试视为CPO商业化最关键的一环。
目前市场最关注的产品，包括英伟达Quantum-X，以及预计2026年底量产的Spectrum-X。这些产品不仅代表CPO首次进入实际部署，也将成为验证整个产业能否跨越量产门槛的重要指标。
AI下半场，真正竞争的是“连接能力”
过去二十年，半导体产业不断回答同一个问题：如何让一颗芯片更强。
先进制程缩小晶体管，HBM不断提升带宽，GPU持续堆叠更多计算核心，整个行业都围绕着单芯片性能展开竞争。
但AI数据中心改变了游戏规则。
当一次推理需要数十万颗处理器共同参与时，真正决定效率的，往往不是某一颗GPU有多快，而是整个系统能否让海量芯片像一台电脑一样协同工作。算力开始从“单点性能”转向“系统性能”，网络互连第一次与计算芯片站到了同样重要的位置。
硅光因此迎来了属于自己的时代。
它未必会彻底取代铜，也不会一夜之间成为所有服务器的标准配置，但它正在成为超大规模AI基础设施不可或缺的一层能力。从光模块到光引擎，从NPO到CPO，从交换器到GPU，光正一步步逼近芯片，也重新定义未来数据中心的架构。
下一场AI战争，比拼的不只是拥有最快的GPU，而是谁能够建立最快、最省电、最高效的连接网络。
因为AI的终局，拼的不只是算力，更是让百万颗芯片彼此沟通的能力。
