AI 基礎設施最容易被忽略的關鍵，可能不是 GPU，而是機櫃後方那些把電訊號轉成光、再轉回電訊號的光收發模組（optical transceiver）。

這些模組讓 GPU、交換器、機櫃、資料中心與不同園區之間，可以透過光纖交換龐大資料量，而不必只依賴銅線。隨著 AI 訓練與推論叢集不斷擴張，光互連已從配角變成決定資料中心能否持續擴容的基礎設施。

中國的戰略重要性，並不代表中國控制了光通訊供應鏈的每一個環節。更準確的說法是：中國企業在最難快速複製、也最需要量產經驗的下游階段，建立了非常強的規模優勢——包括模組設計整合、封裝、組裝、測試、客戶認證與大量出貨。

中國供應商已進入全球第一梯隊

LightCounting 的 2024 年供應商排名，呈現了市場結構的快速變化。中際旭創（Innolight）光收發模組營收超過 33 億美元，按年增長 114%；新易盛（Eoptolink）營收達 12 億美元、增長 175%，並由 2023 年的第七名升至 2024 年的第三名。52

其他報告則形容，全球前十大供應商中有七家來自中國；但由於統計期間與方法不同，新易盛究竟位列第二或第三，可能出現差異。較可靠的結論不是糾結單一名次，而是中國供應商已成為高速乙太網路光收發模組市場的主導力量。與此同時，不少日本及美國供應商已縮減或退出部分相關業務。5051

這個轉變之所以重要，是因為乙太網路光學產品正是光收發模組市場中增長最快的部分。LightCounting 指出，乙太網路在 2025 年約佔整體光收發模組市場的 75%；專注服務大型雲端客戶的中際旭創與新易盛，也因此受惠。51

為何 AI 叢集需要大量光模組？

AI 訓練與推論需要讓大量 GPU 與交換器保持高密度連接。當叢集規模擴大，光纖連線的範圍也從機櫃內、機櫃間，延伸至建築物、園區，甚至不同資料中心之間。

網路速度每升級一代，光模組的需求與製造難度也同步提高：400G 逐步讓位給 800G，而 1.6T 產品已開始進入量產與客戶認證階段。

一項針對 2026 年的市場估算預測，全球將出貨約 4,900 萬個 800G 模組及 2,200 萬個 1.6T 模組，但市場仍可能存在數百萬個模組的供需缺口，其中 1.6T 的短缺最為明顯。1 中際旭創也曾表示，其 400G、800G 與 1.6T 等不同世代的高速模組已陸續實現量產。6

在這種規模下，製造執行本身就成為一種競爭技術。供應商必須同時協調光學元件、電氣晶片、基板、封裝、光學對準、自動化測試與客戶認證。實驗室裡能運作的樣品遠遠不夠；超大規模雲端業者需要的是數百萬甚至更多產品都能維持一致品質、高良率、互通性與可預期交期。

中國的優勢集中在「製造系統」

這條供應鏈更適合被理解為跨國分工，而不是一個完全中國化的體系：

• 中國供應商：在模組設計與整合、封裝、大批量組裝、測試及交付方面尤其強大。
• DSP 與類比晶片供應商：提供高速電子元件，用來調節、恢復與處理光訊號。
• 專業光電企業：供應 EML 雷射及其他先進光學元件。
• 亞洲製造網絡：在中國大陸、台灣、泰國及其他東南亞地區提供元件、設備、委外製造與終端模組產能。

因此，即使部分高價值輸入來自其他國家，中國企業仍能在整個生產系統中佔據有利位置。它們的優勢不只是人工或成本，而是能把供應鏈、工程團隊、產線與大型雲端訂單組合在一起，快速完成產品世代轉換。

為何「不依賴中國」不是蓋一座新工廠那麼簡單？

美國及其他國家當然可以增加工廠，但單純增加廠房面積，並不能立即重建一個成熟的光通訊生態系。一個合格的 800G 或 1.6T 光收發模組，需要同步取得晶片、雷射、磷化銦基板、封裝設備、光學對準工具、測試產能與工程專業。

此外，還需要經過超大規模雲端業者的客戶認證。業者必須先驗證產品的效能、可靠性與互通性，才會把模組部署到整個 AI 網路。多年累積的製程學習與良率經驗，重要性不亞於工廠名義上的產能。

Coherent、Lumentum、Nokia、Applied Optoelectronics（AOI）與 Corning 等企業的擴產計畫，確實有助於提升地理多元性與供應韌性，但短期內難以取代亞太地區既有的生產能力。更可能出現的情況是供應鏈多元化：中國大陸以外的製造增加，但市場仍持續依賴中國企業、工程人才與供應商網絡。

中國企業也已在採取這種布局。中際旭創與新易盛都在泰國擴大產能，藉此服務海外客戶。海外廠房可以降低關稅與物流風險，卻不代表對中國企業供應鏈或上游採購的依賴會自動消失。17

真正的瓶頸正往上游移動

當下游模組組裝能力持續增加，供應短缺更可能出現在難以快速擴產的上游輸入。以下四個環節尤其值得關注：

1. EML 雷射：部分高效能 800G 與 1.6T 設計所需的核心光源。
2. 矽光子：有助於提高連接密度與能源效率，但需要專門的製造、封裝及雷射整合能力。
3. 高速 DSP 與類比晶片：先進產品由相對有限的供應商群體提供。
4. 磷化銦（InP）基板：許多高速光學元件與雷射技術的基礎材料。

其中，InP 基板的限制尤其突出。近期報告引用的業界估算顯示，2026 年全球 InP 基板需求約為 260 萬至 300 萬片「兩吋等效晶圓」，有效產能則約為 75 萬片。34 TrendForce 同樣將 InP 供應形容為限制 AI 資料中心光互連擴張的關鍵瓶頸。33

這些數字應被視為產業估算，而非經審計的全球統計總量；但它們清楚說明了一個問題：增加模組組裝產能，不一定能解決供應短缺。如果合格基板或雷射產能不足，下游工廠就無法按照名義產能運轉。

市場正在從可插拔模組延伸到完整光網路

AI 基礎設施帶動的機會，也不再局限於短距離可插拔光模組。更完整的光通訊版圖還包括：

• 用於高容量連線的相干光學；
• 資料中心互連（DCI）；
• 光傳輸網路與面向 AI 的 OTN；
• 交換器與光引擎；
• 共封裝光學（CPO）。

這種擴張反映了 AI 運算的地理分布。訓練叢集需要資料中心內部的高速連線，也需要園區、城市與不同區域之間的大容量連接。因此，需求會從 GPU 網路一路傳導至都會及長途光傳輸網路。

Ciena 2026 會計年度第二季的業績，提供了傳輸層需求的一項訊號：營收達 15.7 億美元，按年增長 40%；訂單積壓達 77 億美元，光網路業務則增長 42%。31 這些數字不能證明每一筆訂單都與 AI 有關，但與雲端及光纖基礎設施重新投入大量資本的趨勢一致。

下一階段的贏家，將取決於誰能鎖定整條供應鏈

未來競爭不會只由「誰先公布最快的光模組」決定。更具優勢的供應商，可能是那些能確保長期取得整條生產鏈資源的企業，包括 InP 基板、雷射、DSP、矽光子產能、封裝線及經客戶認證的測試能力。

因此，中國的優勢最好被描述為製造系統規模，而不是完全的技術自給自足。中國企業深度嵌入了把先進光學元件轉化為可部署 AI 網路硬體的流程；但它們同時也暴露於上游技術與材料的供應限制，而這些資源由更廣泛的國際生態系掌握。

這種相互依賴，正是 AI 基礎設施與投資布局中最重要的啟示：資料中心不能只靠 GPU 擴張，也需要可靠的光互連供應鏈。未來十年，能控制稀缺上游材料、核心元件與高良率量產能力的企業，可能決定 AI 基礎設施究竟能以多快速度落地。

AI 基礎設施最容易被忽略的關鍵，可能不是 GPU，而是機櫃後方那些把電訊號轉成光、再轉回電訊號的光收發模組（optical transceiver）。

這些模組讓 GPU、交換器、機櫃、資料中心與不同園區之間，可以透過光纖交換龐大資料量，而不必只依賴銅線。隨著 AI 訓練與推論叢集不斷擴張，光互連已從配角變成決定資料中心能否持續擴容的基礎設施。

中國的戰略重要性，並不代表中國控制了光通訊供應鏈的每一個環節。更準確的說法是：中國企業在最難快速複製、也最需要量產經驗的下游階段，建立了非常強的規模優勢——包括模組設計整合、封裝、組裝、測試、客戶認證與大量出貨。

中國供應商已進入全球第一梯隊

LightCounting 的 2024 年供應商排名，呈現了市場結構的快速變化。中際旭創（Innolight）光收發模組營收超過 33 億美元，按年增長 114%；新易盛（Eoptolink）營收達 12 億美元、增長 175%，並由 2023 年的第七名升至 2024 年的第三名。52

其他報告則形容，全球前十大供應商中有七家來自中國；但由於統計期間與方法不同，新易盛究竟位列第二或第三，可能出現差異。較可靠的結論不是糾結單一名次，而是中國供應商已成為高速乙太網路光收發模組市場的主導力量。與此同時，不少日本及美國供應商已縮減或退出部分相關業務。5051

這個轉變之所以重要，是因為乙太網路光學產品正是光收發模組市場中增長最快的部分。LightCounting 指出，乙太網路在 2025 年約佔整體光收發模組市場的 75%；專注服務大型雲端客戶的中際旭創與新易盛，也因此受惠。51

為何 AI 叢集需要大量光模組？

AI 訓練與推論需要讓大量 GPU 與交換器保持高密度連接。當叢集規模擴大，光纖連線的範圍也從機櫃內、機櫃間，延伸至建築物、園區，甚至不同資料中心之間。

網路速度每升級一代，光模組的需求與製造難度也同步提高：400G 逐步讓位給 800G，而 1.6T 產品已開始進入量產與客戶認證階段。

一項針對 2026 年的市場估算預測，全球將出貨約 4,900 萬個 800G 模組及 2,200 萬個 1.6T 模組，但市場仍可能存在數百萬個模組的供需缺口，其中 1.6T 的短缺最為明顯。1 中際旭創也曾表示，其 400G、800G 與 1.6T 等不同世代的高速模組已陸續實現量產。6

在這種規模下，製造執行本身就成為一種競爭技術。供應商必須同時協調光學元件、電氣晶片、基板、封裝、光學對準、自動化測試與客戶認證。實驗室裡能運作的樣品遠遠不夠；超大規模雲端業者需要的是數百萬甚至更多產品都能維持一致品質、高良率、互通性與可預期交期。

中國的優勢集中在「製造系統」

這條供應鏈更適合被理解為跨國分工，而不是一個完全中國化的體系：

• 中國供應商：在模組設計與整合、封裝、大批量組裝、測試及交付方面尤其強大。
• DSP 與類比晶片供應商：提供高速電子元件，用來調節、恢復與處理光訊號。
• 專業光電企業：供應 EML 雷射及其他先進光學元件。
• 亞洲製造網絡：在中國大陸、台灣、泰國及其他東南亞地區提供元件、設備、委外製造與終端模組產能。

因此，即使部分高價值輸入來自其他國家，中國企業仍能在整個生產系統中佔據有利位置。它們的優勢不只是人工或成本，而是能把供應鏈、工程團隊、產線與大型雲端訂單組合在一起，快速完成產品世代轉換。

為何「不依賴中國」不是蓋一座新工廠那麼簡單？

美國及其他國家當然可以增加工廠，但單純增加廠房面積，並不能立即重建一個成熟的光通訊生態系。一個合格的 800G 或 1.6T 光收發模組，需要同步取得晶片、雷射、磷化銦基板、封裝設備、光學對準工具、測試產能與工程專業。

此外，還需要經過超大規模雲端業者的客戶認證。業者必須先驗證產品的效能、可靠性與互通性，才會把模組部署到整個 AI 網路。多年累積的製程學習與良率經驗，重要性不亞於工廠名義上的產能。

Coherent、Lumentum、Nokia、Applied Optoelectronics（AOI）與 Corning 等企業的擴產計畫，確實有助於提升地理多元性與供應韌性，但短期內難以取代亞太地區既有的生產能力。更可能出現的情況是供應鏈多元化：中國大陸以外的製造增加，但市場仍持續依賴中國企業、工程人才與供應商網絡。

中國企業也已在採取這種布局。中際旭創與新易盛都在泰國擴大產能，藉此服務海外客戶。海外廠房可以降低關稅與物流風險，卻不代表對中國企業供應鏈或上游採購的依賴會自動消失。17

真正的瓶頸正往上游移動

當下游模組組裝能力持續增加，供應短缺更可能出現在難以快速擴產的上游輸入。以下四個環節尤其值得關注：

1. EML 雷射：部分高效能 800G 與 1.6T 設計所需的核心光源。
2. 矽光子：有助於提高連接密度與能源效率，但需要專門的製造、封裝及雷射整合能力。
3. 高速 DSP 與類比晶片：先進產品由相對有限的供應商群體提供。
4. 磷化銦（InP）基板：許多高速光學元件與雷射技術的基礎材料。

其中，InP 基板的限制尤其突出。近期報告引用的業界估算顯示，2026 年全球 InP 基板需求約為 260 萬至 300 萬片「兩吋等效晶圓」，有效產能則約為 75 萬片。34 TrendForce 同樣將 InP 供應形容為限制 AI 資料中心光互連擴張的關鍵瓶頸。33

這些數字應被視為產業估算，而非經審計的全球統計總量；但它們清楚說明了一個問題：增加模組組裝產能，不一定能解決供應短缺。如果合格基板或雷射產能不足，下游工廠就無法按照名義產能運轉。

市場正在從可插拔模組延伸到完整光網路

AI 基礎設施帶動的機會，也不再局限於短距離可插拔光模組。更完整的光通訊版圖還包括：

• 用於高容量連線的相干光學；
• 資料中心互連（DCI）；
• 光傳輸網路與面向 AI 的 OTN；
• 交換器與光引擎；
• 共封裝光學（CPO）。

這種擴張反映了 AI 運算的地理分布。訓練叢集需要資料中心內部的高速連線，也需要園區、城市與不同區域之間的大容量連接。因此，需求會從 GPU 網路一路傳導至都會及長途光傳輸網路。

Ciena 2026 會計年度第二季的業績，提供了傳輸層需求的一項訊號：營收達 15.7 億美元，按年增長 40%；訂單積壓達 77 億美元，光網路業務則增長 42%。31 這些數字不能證明每一筆訂單都與 AI 有關，但與雲端及光纖基礎設施重新投入大量資本的趨勢一致。

下一階段的贏家，將取決於誰能鎖定整條供應鏈

未來競爭不會只由「誰先公布最快的光模組」決定。更具優勢的供應商，可能是那些能確保長期取得整條生產鏈資源的企業，包括 InP 基板、雷射、DSP、矽光子產能、封裝線及經客戶認證的測試能力。

因此，中國的優勢最好被描述為製造系統規模，而不是完全的技術自給自足。中國企業深度嵌入了把先進光學元件轉化為可部署 AI 網路硬體的流程；但它們同時也暴露於上游技術與材料的供應限制，而這些資源由更廣泛的國際生態系掌握。

這種相互依賴，正是 AI 基礎設施與投資布局中最重要的啟示：資料中心不能只靠 GPU 擴張，也需要可靠的光互連供應鏈。未來十年，能控制稀缺上游材料、核心元件與高良率量產能力的企業，可能決定 AI 基礎設施究竟能以多快速度落地。