中國洞見諮詢(CIC)受袁杰半導體科技委託、為其香港 IPO 文件提供的市場預測顯示,全球資料中心光互連市場可能由 2024 年的 137 億美元增至 2030 年的 1,444 億美元,年複合成長率達 48.1%;這是委託型預測,並非獨立審計結果。 AI 叢集需要高頻寬、低延遲且兼顧功耗與散熱的連線,正推動光互連、矽光子,以及更靠近運算與交換晶片的共同封裝光學(CPO)發展。
研究答案

Create a landscape editorial hero image for this Studio Global article: What does the China Insights Consultancy report commissioned by Yuanjie Semiconductor Technology project about the global data center optica. Article summary: The CIC forecast portrays an AI-driven, more-than-tenfold expansion in data-center optical interconnects by 2030, but it should be treated as a commissioned market projection rather than an independently audited outcome.. Topic tags: general, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
這份市場預測最吸睛的數字,是全球資料中心光互連市場可能在短短六年間,由 2024 年 137 億美元增至 2030 年 1,444 億美元,相當於 48.1% 的年複合成長率(CAGR),規模超過十倍。這項預測來自中國洞見諮詢(China Insights Consultancy,CIC),由袁杰半導體科技為香港首次公開募股(IPO)申請委託編製,因此更適合被視為與發行人相關的市場推估,而非獨立審計或驗證的產業預測。
真正值得留意的,不只是市場規模有多大,而是 AI 基礎設施需求急速升溫之際,支撐這些系統的晶片與光學元件供應鏈,是否有足夠產能跟上。
AI 系統需要在處理器、記憶體與網路設備之間搬運龐大資料量。光互連以光訊號傳輸資料,可支援 AI 工作負載所需的高頻寬、低延遲連線,涵蓋資料中心設備內部及設備之間的連結。
隨著 AI 叢集規模愈來愈大,連線技術面對的不再只是速度問題,還包括功耗、散熱與機櫃內的空間密度。當電氣連線在傳輸距離、頻寬或能耗上逐漸遇到限制,光學方案的吸引力自然上升;不過,這並不代表銅纜會立即消失。
產業界正在嘗試以開放規格降低導入門檻。由 AMD、博通(Broadcom)、Meta、微軟、Nvidia 與 OpenAI 組成的 Optical Compute Interconnect Multi-Source Agreement(OCI MSA)團體,便是為大型 AI 系統制定可互通的光學連線方案。
CIC 的預測認為,矽光子在市場中的比重將顯著提高:其營收占比據報將由 2020 年的 16.6% 升至 2030 年的 63.7%,接近未來市場的三分之二。
矽光子是把光學功能整合到以矽為基礎的製造流程中。對 AI 基礎設施而言,這項技術的吸引力在於有機會以更高密度、較具規模化的方式製造光學連線。不過,現有資料不足以獨立驗證 CIC 預測背後每一項細部假設,因此不宜把所有延伸數字當作已確定的市場結果。
更長期的架構方向,則是 共同封裝光學(co-packaged optics,CPO)。CPO 把光引擎放到交換器或運算封裝附近,甚至與其整合,而不是完全依賴傳統可拆卸的光收發模組。縮短光學元件與運算來源之間的距離,可能有助於改善傳輸距離、功耗和密度問題;但同時也會增加製造、散熱、測試及維修的難度。OCI MSA 推動開放式光學 scale-up 規格,正是產業朝向可互通光學基礎設施發展的一部分。
相關報導還提到,1.6T 連線到 2030 年可能成為最大細分市場,規模達 656 億美元,而 3.2T 技術則可能達到 445 億美元。這些數字屬於 CIC 的報告預測,但目前提供的證據不足以獨立驗證,因此不應將其描述為已確立的市場結果。
較為確定的是產業發展方向:隨著 AI 叢集擴張,單條連線的容量必須持續提高,業界路線圖也已討論每條光纖達到 1.6T 的光互連方案。 至於 1.6T、3.2T 及其他規格的推出時間、採用速度與最終營收分布,仍取決於市場預測與實際部署進度。
CIC 所指的 137 億美元至 1,444 億美元,特別針對全球「資料中心光互連市場」,由 Tom’s Hardware 報導。 另一方面,其他市場研究採用更廣泛的「光互連」定義,將電信應用也納入計算,估計整體市場將由 2024 年 179 億美元增至 2030 年 1,514 億美元,年複合成長率為 42.8%。
兩組數字不一定互相矛盾,因為涵蓋的市場邊界與計算方法不同。一項只計算資料中心,另一項則同時納入電信應用;若忽略這個差異,市場規模比較便容易看起來前後不一致。
同樣需要保留態度的,還有「近期業界投資超過 150 億美元」的說法。現有證據不足以獨立支持這個數字,較妥善的做法是把它視為尚未驗證的細節,而不是已確認的產業投資總額。
AI 帶來的需求,不只集中在最先進的 AI 加速器。配套系統同樣需要成熟製程邏輯晶片、電源管理晶片,以及與光學相關的晶片。中芯國際表示,AI 將繼續支撐強勁的晶圓代工需求,公司也正調整產能配置並加快新產線爬坡,以協助緩解業界供應限制。
中芯國際公布的 2026 年第二季產能利用率為 93.7%,高於第一季的 93.1%。同期每月產能增加至約 110 萬片八吋約當晶圓,但利用率仍然上升,顯示新增產能尚未完全消除需求壓力。
華虹也被報導處於高壓運作狀態。有報導將其利用率列為 102.8%,並與中芯國際的 93.7% 並列;然而,超過 100% 的利用率通常涉及報告口徑與有效產能假設,因此更適合解讀為產能極度緊張的訊號,而不是可直接比較的實際產出比例。
現有二手報導還稱,部分與 AI 處理器搭配使用的成熟製程晶片,尤其是 BCD 電源管理產品,訂單能見度已延伸至 2027 年底。這項說法尚未獲提供的主要證據獨立確認。
即使擴產,也不代表供應能立刻鬆綁。中芯國際曾提到,將在有空間的既有廠房增添設備;但目前資料並未確立具體投產時間,也未說明新增產能中有多少可通過特定光學或電源管理製程的認證。
此外,中國晶圓代工廠在全球 22 至 40 奈米成熟製程產能中的占比,預計將由 2025 年的 32% 升至 2027 年的 41%。但整體產能增加,並不必然代表某一特定製程、封裝流程或已完成認證的生產線就能立即解除短缺。
CIC 的預測支持一個具吸引力的策略主題:AI 擴張很可能讓光互連在資料中心各個層級的重要性持續上升。矽光子、更高速的單鏈路,以及共同封裝光學,都被視為應對頻寬、功耗與密度壓力的可能方案。
但精確結果的確定性,遠低於 1,444 億美元這個醒目的標題。這個數字本身是受委託提出的市場預測;矽光子占比、1.6T 與 3.2T 的營收數字、投資總額,以及新增產能的時間表,也沒有全部獲現有證據獨立驗證。與此同時,中國晶圓代工廠的高利用率說明,決定光互連擴張速度的,可能不只是網路架構,還包括能否增加足量且通過認證的製造產能。
最穩妥的結論是雙面的:AI 正為資料中心光互連創造強勁的需求基礎,但要把這股需求轉化為 1,444 億美元市場,仍取決於技術採用、標準化進程,以及整個產業增加合格產能的能力。
Studio Global AI
這個頁面包含附來源佐證的答案,你可以在 Studio Global 內繼續追問。
中國洞見諮詢(CIC)受袁杰半導體科技委託、為其香港 IPO 文件提供的市場預測顯示,全球資料中心光互連市場可能由 2024 年的 137 億美元增至 2030 年的 1,444 億美元,年複合成長率達 48.1%;這是委託型預測,並非獨立審計結果。
中國洞見諮詢(CIC)受袁杰半導體科技委託、為其香港 IPO 文件提供的市場預測顯示,全球資料中心光互連市場可能由 2024 年的 137 億美元增至 2030 年的 1,444 億美元,年複合成長率達 48.1%;這是委託型預測,並非獨立審計結果。 AI 叢集需要高頻寬、低延遲且兼顧功耗與散熱的連線,正推動光互連、矽光子,以及更靠近運算與交換晶片的共同封裝光學(CPO)發展。 [6][17][21]
供應端的壓力已浮現:中芯國際(SMIC)2026 年第二季產能利用率升至 93.7%,而華虹的報導數字達 102.8%;後者受有效產能與統計方式影響,不宜直接視為可比的實體利用率。