光模块从400G到1.6T：垂直整合、LPO与硅光的技术博弈

1. 光模块行业为什么突然成了“硬科技”赛道里的顶流

过去几年，只要聊到算力、AI大模型、数据中心，光模块这三个字就绕不开。作为连接服务器和交换机之间的核心部件，光模块的速率每提升一代，整个数据中心网络的带宽能力就往上跳一个大台阶。从主流的400G到正在铺开的1.6T，再到更远期的3.2T甚至线性驱动可插拔光学（LPO）方案，这条赛道表面上拼的是速率迭代，实际上拼的是光电芯片、封装工艺、测试设备和下游客户认证的综合体系。

这个行业有意思的地方在于：它既有通信设备的“重资产”属性，又有消费电子级别的“快速迭代”节奏。一个400G光模块的出货峰值还没过去，1.6T的方案就已经在各大展会上刷屏，头部厂商的研发投入几乎全部押在下一代速率上。而AOI（美国AOI公司，Applied Optoelectronics Inc.）这类公司之所以被市场重新关注，核心逻辑在于：当行业从400G向1.6T切换时，垂直整合能力和自研光芯片的比例，直接决定了毛利率和交付能力。AOI代表的正是“自己有激光器、自己有探测器、自己有封装产线”的IDM模式，这种模式在速率迭代的窗口期，往往比纯组装厂拥有更多定价权和供应链韧性。

这篇文章我想从行业演进规律、速率代际切换的关键技术、AOI这类厂商的商业模式，以及1.6T时代真正值得关注的技术细节几个角度，把这个行业从“热闹的新闻”拆成“可理解的逻辑”。如果你是在数据中心做网络运维、在光通信公司做产品规划，或者单纯想搞明白为什么光模块能成为资本市场的热点，这篇文章应该能给你一个比较完整的视角。

2. 从400G到1.6T：光模块速率升级背后的物理与工程逻辑

2.1 为什么速率提升不能只靠“跑得更快”

很多人以为光模块从400G升到1.6T，就是把激光器开得快一点就行，实际上远没有那么简单。光模块的速率提升，本质上是三个维度的同时升级：单通道速率、通道数量、调制格式。

400G时代最主流的方案是QSFP-DD封装，8个通道，每个通道50G，采用PAM4调制。这里的50G并不是简单的“比特率”，在PAM4下，每个符号携带2比特信息，所以实际波特率是25GBaud。这个设计的巧妙之处在于：在现有激光器和探测器的带宽范围内，通过换调制格式就把速率翻倍，而不是非要挑战更高的模拟带宽。

到了800G，方案基本就是两个方向：一是把8个通道的每通道速率从50G提升到100G，仍然用PAM4，波特率变成50GBaud；二是直接上2×400G的方案，用两个光引擎配合CW（连续波）激光器。而1.6T就更复杂了，目前的主流路线是16个通道，每通道100G，相当于在800G的基础上把通道数翻倍。也就是说，从400G到1.6T，光模块走的是“通道数×单通道速率”双轨提升的路线，而不是单纯把某一项做到极致。

速率	封装	通道数	单通道速率	调制方式	典型应用
400G	QSFP-DD / OSFP	8	50G	PAM4	数据中心骨干、AI训练网络
800G	OSFP / QSFP-DD	8	100G	PAM4	大规模GPU集群、HPC
1.6T	新型OSFP-XD	16	100G	PAM4	下一代AI集群、超大规模数据中心

通道数翻倍带来的直接问题就是封装尺寸和散热。16个光通道塞进一个可插拔模块里，光学组件的排列密度、PCB布线的串扰控制、热设计的冗余能力，每一环都是新的工程挑战。所以1.6T的模块外形尺寸大概率会在OSFP的基础上做加宽处理，这也是为什么很多厂商在推“OSFP-XD”这类新封装的原因。

2.2 单模与多模：1.6T时代怎么选

光模块的另一个重要分水岭是单模还是多模。400G以前，数据中心内部短距离互联（几十米到几百米）基本都是多模方案的天下，VCSEL激光器加OM4/OM5光纤，成本低、功耗低、技术成熟。但到了400G时代，多模的速率上限开始吃紧——100G每通道的多模方案在传输距离和链路预算上都很勉强，更别说1.6T了。

1.6T时代，单模方案会成为绝对主流。原因很简单：PAM4 100G每通道速率下，多模光纤的模式色散会严重限制传输距离，哪怕是在机柜内的极短互联，链路余量也很紧张。而单模方案配上EML（电吸收调制激光器）或硅光技术，传输距离可以轻松覆盖2km甚至10km，给数据中心的布线架构留出了充足的设计空间。

这里顺便说一下AOI这类厂商的机会：单模方案需要高质量的DFB（分布式反馈）激光器和EML激光器，而这些恰恰是AOI自研的核心产品。你去看AOI的年报，它最大的亮点从来不是说“我们能组装光模块”，而是“我们有自己的外延生长和晶圆制造能力”。这就像做餐馆的能自己种菜、自己养猪、自己磨调料，供应链的每一环都攥在自己手里，成本结构和供应稳定性自然不一样。

2.3 PAM4调制与光模块驱动电路：信号完整性才是隐形战场

聊到光模块原理，很多人会下意识去看激光器和探测器，但我个人觉得真正决定一个模块能不能批量稳定出货的，往往是驱动电路和信号完整性设计。PAM4的四个电平之间，电压间距只有传统NRZ的三分之一，这意味着一丁点噪声都可能把信号误判成另一个电平。

光模块的驱动电路通常包含以下几个核心环节：

• DSP（数字信号处理器）：负责PAM4信号的编解码、均衡、时钟恢复。400G时代的DSP功耗基本在10W~15W，到了1.6T，DSP的功耗压力更大，所以行业里才会出现“去DSP化”的LPO方案讨论。
• TIA（跨阻放大器）：把探测器输出的微弱光电流转成电压信号。光电转换后的信号极小，TIA的噪声性能直接决定接收灵敏度。
• Driver（激光器驱动电路）：把DSP输出的电信号放大到足以驱动激光器的电平，同时要保证偏置电流的稳定，防止激光器的波长漂移和功率波动。

这三个环节里，任何一环的匹配出了问题，光模块的误码率（BER）就会飙升。我实测过一些早期1.6T样品，表现不稳定的原因往往不是光路，而是驱动电路在高温下的眼图塌陷。所以在评估光模块样品时，千万别只看实验室常温数据，一定要拿到高温（70℃甚至85℃）下的眼图和误码率测试报告，那才是量产可靠性的关键指标。

3. 拆解AOI的垂直整合模式：为什么自研光芯片是1.6T时代的胜负手

3.1 AOI的核心资产：外延生长、晶圆制造、封装测试全链条

在光模块行业，大部分公司走的路线是“外购光芯片+自行封装+系统集成”，这样的好处是轻资产、起量快，坏处是毛利被上游芯片厂卡脖子。而AOI走的是另一条路：从砷化镓（GaAs）和磷化铟（InP）外延片开始，自己做激光器的晶圆制造，再自己封装成TO-CAN或COS（芯片on载体），最后才组装成光模块。

这套模式的第一个优势是成本结构。光模块的成本构成里，光芯片通常占比30%~40%，如果自研自产，这部分成本能比外购低20%~30%。在400G价格战打得最凶的时期，很多纯组装厂毛利率掉到15%以下，而具备自研能力的厂商依然能维持20%以上的毛利，差距就是这么来的。

第二个优势是供应链韧性。2022年到2023年那波光芯片缺货潮，很多人应该还有印象：EML激光器交期一度拉到30周以上。那些依赖外购芯片的模块厂，手里攥着订单却交不出货；而AOI这种有自己的InP产线的厂商，至少可以在排产上保自己产品的优先级。虽然它的产能规模跟国际大厂比不算大，但在“保供”这件事上，自研自产带来的确定性是纯贸易属性厂商完全无法比拟的。

第三个优势是定制化能力。数据中心客户的要求五花八门，有的要特定波长，有的要放宽温度范围，有的要求特殊的链路预算余量。如果是外购芯片，想改个参数得等芯片厂家排期；但自研芯片的厂商可以针对客户需求直接调整外延结构和芯片设计。这种“贴身定制”的能力，在大客户验证阶段非常加分。

3.2 从400G到1.6T，AOI看中的增量市场在哪里

AOI的核心市场过去偏重于有线电视（CATV）和光纤到户（FTTH），但这两年它的业务重心明显在往数据中心光模块转移。从400G开始，AOI在数据中心市场拿到了不少设计导入（Design Win），到了1.6T时代，它的机会点主要体现在三个方面。

第一，EML激光器的放量需求。1.6T单模方案对EML激光器的需求量是800G的接近两倍（通道数翻倍），而EML恰恰是高门槛、高价值的核心光芯片。AOI在InP基EML上的积累，让它有机会在这一波需求爆发中分到可观的份额。

第二，多通道封装工艺的成熟度。1.6T的16通道封装，对光路对准精度、功率一致性、焊点可靠性都有极高要求。AOI在自有产线上做过多代产品的封装迭代，这种“工艺know-how”是时间堆出来的，新进入者很难快速复制。

第三，垂直整合对客户的信任价值。光模块的客户（云厂商、设备商）在下单前会很认真地审厂：你的芯片自研率多少？产线良率多少？品控体系完善吗？AOI这种“我什么都自己干”的模式，在客户审厂时天然有背书效果。反过来看，纯组装厂的客户粘性往往取决于价格，一旦有更便宜的竞争对手出现，订单转移风险就很高。

3.3 垂直整合的代价：规模门槛与资本开支压力

当然，垂直整合不是没有代价。自建InP产线意味着巨大的资本开支，一条像样的光芯片产线，动辄上亿美元投入，而且良率爬坡周期很长。AOI的体量跟中际旭创、新易盛这种纯模块大厂比，产能规模不在一个量级。这意味着它必须把自己有限的产能投入到高价值的产品和客户上，相对来说，承接大规模、低毛利订单的能力会弱一些。

这也是市场对AOI的争议点：到底是“小而美的IDM”，还是“因为体量不够才被边缘化”？我的看法是，在400G时代，纯组装模式的规模优势很明显，但在1.6T这种技术切换窗口，垂直整合的价值会被重新定价。原因在于，1.6T的早期需求不会像400G那样瞬间爆发，客户更看重的是技术验证能力和交付确定性，这时候“自己搞定一切”的能力就变得非常关键。等到1.6T进入成熟期、价格战打响，AOI能否守住份额，就要看它能不能把产能规模跟上去了。

4. 1.6T之后：LPO、硅光与CPO，三条技术路线的博弈

4.1 LPO（线性驱动可插拔光学）：跳过DSP，省下功耗与成本

LPO（Linear-drive Pluggable Optics）是最近两年非常热门的方向，核心逻辑是去掉模块里的DSP芯片，让交换芯片的SerDes直接驱动光模块的光引擎。这么做的好处非常直观：DSP一颗就要好几美元，功耗还高，去掉它，模块的功耗能降30%~40%，成本能降一大截，时延也更低。

但天下没有免费的午餐。DSP在PAM4信号里的作用不只是编解码，它还承担了重要的信号均衡和时钟恢复功能。一旦去掉DSP，交换芯片SerDes输出的信号质量就必须足够好，同时光模块内的Driver、TIA的线性度必须足够高，否则信号经过电-光-电转换之后，眼图会变得一塌糊涂。

从我实际测过的LPO模块来看，它在短距离（<500m）、高质量链路里的表现确实不错，误码率和普通带DSP的模块差距不大。但只要链路里有一个比较差的连接点——比如光纤损耗偏大、连接器端面脏了——LPO的劣势就会立刻暴露。所以LPO比较适合AI集群内部那种“短距离、高质量、密集互联”的场景，而在长距离和复杂链路里，还是得老老实实用带DSP的方案。

4.2 硅光技术：从“可选项”到“必选项”的转变

硅光技术这些年最大的变化是：从“能用”变成了“好用”。早期的硅光芯片性能跟InP分立器件比有差距，尤其是激光器还得外挂InP光源（就是常说的CW激光器+硅光调制器的方案）。但硅光的优势在于可以用成熟的CMOS制造工艺来加工，成本摊薄能力强，而且芯片集成度高，可以在一片硅片上同时做多个调制器和探测器，特别适合1.6T这样多通道的应用。

AOI在硅光上的布局不算激进，它的核心还是InP有源器件。但行业里有一个明显趋势是：1.6T时代，硅光方案和InP方案的边界会更加模糊。有的厂商会采用“硅光调制器+InP激光器”的混合方案，也就是CW激光器外置，硅光芯片负责调制和接收。这种方案既保留了InP激光器的高性能，又利用了硅光的集成优势，可能在800G向1.6T过渡的中间阶段成为主流。

4.3 CPO（共封装光学）：把光模块“化整为零”的未来方案

如果说LPO是“去掉模块里的DSP”，那CPO（Co-Packaged Optics，共封装光学）就更激进：直接把光引擎封装到交换芯片旁边，甚至封装进芯片基板里。这意味着光模块这个独立的可插拔部件在CPO架构里基本不存在了，取而代之的是“光引擎+交换芯片”的紧耦合封装。

CPO的优势是功耗和密度：光信号不用再通过PCB走线传到面板端口，省掉了大量的高速电互联损耗，功耗可以大幅下降，端口密度也能显著提升。但CPO的挑战同样巨大：可维护性变差（光引擎坏了得换整个交换机）、芯片与光引擎的热耦合问题、测试难度提升，而且一旦做成CPO，整个供应链的分工格局会被彻底改写——传统的模块组装厂可能会被边缘化，而具备封装和光芯片能力的厂商会占据主导。

AOI在CPO上的存在感目前不强，但它的InP芯片能力在CPO架构里同样有潜在价值，只是需要时间和更紧密的芯片级协同。总的来说，1.6T之后，LPO、硅光和CPO会形成一段相当长的共存期，不会出现某一条路线立刻“通吃”的局面。

5. 实操视角：从mellanox mlxlink工具看懂光模块与线缆诊断

说完了行业和技术路线的宏观框架，回到一个非常实际的问题：你手里拿到一块400G或者1.6T的光模块，怎么判断它是不是真的健康？这里必须提到一个非常实用的工具——Mellanox的mlxlink。这个工具是NVIDIA/Mellanox网卡上用来做链路诊断的命令行工具，尤其适合在数据中心里排查光模块和线缆问题。

5.1 mlxlink的核心功能与参数

mlxlink最常用的两个参数是-m和-c。-m是模块信息查询，-c是线缆信息查询，两个都带具体的端口参数。基本用法大概是这样：

# 查看网卡某个端口的光模块信息 mlxlink -d mlx5_9 -m -p 1 # 查看线缆信息 mlxlink -d mlx5_9 -c -p 1

其中-d后面跟着的是网卡设备名，比如mlx5_9，-p是指定端口号。命令执行后，你会看到一长串输出，包括模块类型、支持速率、厂商信息、序列号，以及非常关键的模块温度、供电电压、发射光功率、接收光功率等实时监控项。

这套信息就是光模块的“体检报告”，基于它可以直接判断链路状态。我实际排查过不少链路问题，基本套路可以归纳成下面几步：

• 第一步，看温度与电压：如果模块温度超过70℃且持续走高，大概率是散热设计不足或者模块周围风道堵塞。电压异常则可能是电源供电不稳，这种问题往往伴随随机丢包。
• 第二步，看发射光功率（Tx Power）：如果发射功率低于模块规格下限，说明激光器老化或者驱动电路有问题。正常的400G单模模块，发射光功率一般应该在+2dBm到+4dBm之间，具体看模块等级。
• 第三步，看接收光功率（Rx Power）：接收光功率太低，大概率是链路衰减过大或者光纤端面脏了。这时需要检查整个链路的损耗预算：连接器插损、熔接点、光纤本身的衰减，一项一项算过去。
• 第四步，看误码率（BER）：如果光功率都正常但误码率偏高，问题往往出在信号完整性上，比如光纤弯曲半径太小、连接器回损过大，或者是DSP的均衡参数不匹配。

5.2 mlxlink实战：一次典型的链路劣化排查

举一个我自己排查过的案例。某个机房的400G链路频繁出现瞬时丢包，业务影响很大。用mlxlink -m查看模块信息后发现，接收光功率只有-7.8dBm，而该模块的接收灵敏度是-8.5dBm，这意味着链路余量只剩不到0.7dB，稍微有点环境波动就会误码。

接下来我做了三件事：先是检查光纤跳线的插损，用光功率计实测下来发现两个连接器端面的插损加起来超过1.5dB，明显超出正常范围（正常单个连接器插损应该在0.3dB以下）；再用光纤显微镜看端面，果然发现了灰尘颗粒和划痕；最后更换了跳线并用酒精棉清洁了模块端面，重新查询mlxlink，接收光功率恢复到-3.2dBm，瞬时丢包消失。

这个案例想说明的是：光模块本身往往没有问题，问题出在链路中那些看似不起眼的光纤连接点上。mlxlink的价值在于它帮你把光模块的“内部健康状态”暴露出来，让你能够快速定位排查方向，省去盲目换模块、换线缆的冤枉路。

5.3 mlxlink输出解读：关键指标速查表

为了让不太熟悉mlxlink的朋友更快上手，我整理了一张常见指标速查表：

指标	正常范围（400G单模参考）	异常信号	排查方向
模块温度	30℃~60℃	持续高于70℃	散热风道、模块周围布局
电压	3.2V~3.5V	波动超过5%	电源模块、背板供电
发射光功率	+2dBm~+4dBm	低于0dBm	激光器老化、驱动异常
接收光功率	-5dBm~+2dBm	低于灵敏度门限	光纤插损、端面污染、链路断点
误码率（BER）	小于1E-12	大于1E-9	DSP均衡、链路衰减、串扰

不同厂商、不同型号的光模块，这些指标的绝对值会有差异，关键是要跟模块在数据中心里实际运行的链路预算做对比，而不是生搬硬套某个固定数值。另外，mlxlink的图形化版本MFT（Mellanox Firmware Tools）也提供了一些Web界面能力，但在headless服务器上，命令行版本通常是效率最高的选择。

6. 从行业数据看需求空间：AI算力集群到底需要多少光模块

6.1 算力集群与光模块数量的对应关系

这一轮光模块需求爆发的直接驱动力是AI大模型训练。以典型的英伟达GPU集群为例，一张A100/H100加速卡需要搭配至少1~2个400G光模块。如果是一台8卡服务器，那就是8到16个光模块；一个千卡级别的AI训练集群，光模块的用量轻松上万只，而且对速率的要求还在不断提高。

这个数字背后有一个更本质的逻辑：AI集群的带宽瓶颈不在计算而在通信。GPU之间需要海量数据交互，传统的电互联在距离超过几米之外就损耗过大，必须靠光互联。GPU数量越多、模型越大，通信占训练总时间的比例就越高。这也是为什么头部云厂商愿意花大价钱升级网络基础设施——光模块做的不是锦上添花，而是直接决定AI集群能否高效运转的基础设施。

有行业分析机构测算过，全球前几大云厂商加在一起，2024年400G光模块的采购量在千万只量级，而800G开始放量后，2025年的增速预期会更高。如果1.6T在2025年下半年开始小批量、2026年规模起量，那整个市场的增量空间会非常可观。AOI之所以在这个时间点被关注，核心逻辑就是它踩中了“速率代际切换+AI集群扩容”的双重风口。

6.2 光纤与光模块的关系：光模块背后的连接生态

再往下一层看，光模块的需求天然带动着光纤光缆的需求。单模光模块匹配的是G.652/G.657单模光纤，多模光模块匹配的是OM3/OM4/OM5多模光纤。1.6T时代单模成为主流后，数据中心内部的单模光纤使用比例会明显提升，对应的高密度MPO/MTP连接器、预制光缆、布线系统的需求量也会跟着涨。

这里有一个容易被忽视的细节：光纤端面的污染问题。单模光纤的模场直径只有几微米，一点灰尘就可能导致巨大的信号衰减。在实际运维中，我见过太多的链路故障最终都是因为端面脏了，而这个问题用再高级的光模块也无法绕过。所以光模块升级的同时，对应的测试仪器（比如光纤显微镜、光功率计、OTDR）和运维规范也必须同步升级。

6.3 投资视角：光模块公司的护城河在哪里

从投资和商业分析的视角看，光模块公司的护城河可以拆成三层：

第一层是技术护城河：光芯片设计能力、高速封装工艺、DSP适配积累。这一层决定了你能做多快的产品、良率有多高。第二层是客户认证护城河：云厂商和数据中心客户的认证周期通常要一年以上，验证过的供应商不会轻易更换，这给先行者提供了一道很厚的壁垒。第三层是成本与交付护城河：在技术趋同之后，成本控制和大规模交付能力就成了决胜因素。这需要供应链管理、产能布局和全球服务网络的全链条配合。

AOI目前的优势集中体现在第一层和部分第二层上，它拥有自研芯片能力和客户设计导入，但在第三层的规模和成本上仍需要补课。400G时代，纯组装厂靠规模赢了一局；1.6T时代，技术上又给了垂直整合厂商一次重新卡位的机会。至于谁能笑到最后，还得看未来两年各家在良率、成本和客户交付上的实际表现。

7. 实操心得：评估一款光模块是否值得信赖的四个维度

最后分享一点我在实际接触光模块产品和项目时积累的经验。不管你是采购光模块、做产品选型，还是单纯对技术感兴趣，评估一款光模块是否值得信赖，可以从四个维度切入。

第一个维度是光芯片来源。问清楚这款模块用的激光器和探测器是自研还是外购，如果外购，供应商是谁。光芯片是整个模块最核心的部件，直接决定了性能上限和成本结构。第二个维度是测试覆盖率。光模块出厂前的测试项目是否覆盖了全温范围、老化测试、误码率测试和眼图余量测试？大厂通常会做全检，而一些小厂可能只会做抽检或只测常温。第三个维度是DSP方案。用的是哪家的DSP？功耗和性能参数如何？这决定了模块在不同链路条件下的适应能力。第四个维度是现场部署表现。有条件的话，一定要在真实的数据中心环境里跑一跑，看它在高温、高负载、复杂链路下的稳定性。

我记得有一次选型测试，某款光模块在实验室里各项指标都非常漂亮，但拿到机房实际部署后，只要机柜温度一上来，丢包就开始出现。后来排查发现是模块的散热设计和壳体的接触热阻出了问题。这个教训让我意识到：实验室数据再好看，也不能替代真实环境里的验证。光模块是一个非常依赖工程经验的行业，纸上谈兵很容易踩坑。

如果你现在正在关注AI集群或者数据中心的网络建设，建议把光模块放到和计算、存储同等重要的位置来看待。算力集群的规模再大，网络如果成为瓶颈，整体效率也上不去。而从400G到1.6T这一轮升级，恰恰是网络基础设施重新洗牌的窗口期，能抓住这个机会的公司和个人，在这个周期里都能获得不小的红利。