800G、1.6T 不是網速升級而已：矽光、InP 與雷射正在變成 AI 資料中心瓶頸

一個 AI 資料中心最浪費的情況，不是沒有 GPU，而是 GPU 在等資料。

算力叢集規模越大，網路就越像高速公路。如果交流道塞住，再多跑車都沒有用。

為什麼 800G、1.6T 會一直升級

模型訓練需要大量 GPU 彼此交換資料，Scale-Out 網路的頻寬需求因此快速上升。800G 已經進入放量，1.6T 接著往前推。

速度越高，傳統電訊號在距離、功耗與訊號完整性上越吃力，光通訊的重要性就上升。

InP 為什麼值得注意

磷化銦 InP 常用在高速雷射與光通訊元件。當需求快速上升，如果基板供應有限，就可能成為整條鏈的瓶頸。

一旦供應限制解除，原本被壓住的 CW Laser、Epi 等產品就有機會重新加速出貨。

矽光真正的價值是功耗

高速傳輸不只是「更快」，還要更省電。資料中心每一瓦都很貴，傳輸如果能降低功耗，就等於釋放更多電給算力。

所以矽光不是單純通訊題材，而是 AI 電力效率題材的一部分。

我會看什麼

• 800G 與 1.6T 出貨占比。
• 雷射晶粒、Epi 與基板供應是否改善。
• 客戶是否從雲端 CSP 延伸到企業資料中心。
• 單位速率提升後，產品 ASP 與毛利率怎麼變。

當所有人都在算 GPU 幾顆時，我反而會多看一眼「資料搬得動嗎」。很多真正的投資機會，藏在大家以為只是配角的地方。

高速光通訊的瓶頸會逐段外移

當資料中心從 400G 走向 800G、1.6T，問題不只是把速度加倍。光引擎、雷射、InP 材料、封裝、散熱與測試都要同步升級，任何一個環節供應不足，都可能拖慢整體出貨。

這讓光通訊供應鏈出現兩種成長：一種來自規模增加，另一種來自每個模組的規格和價值提高。後者通常需要更長的驗證時間，但一旦量產，對供應商的黏著度也可能更高。

看矽光與高速光通訊時，我會先確認產品是否進入實際資料中心架構，再看客戶、產能與毛利。名詞越新，越要回到出貨證據。

如果要把這篇的產業訊號延伸到公司與供應鏈關係，可以使用台股喵的供應鏈關聯探索整理閱讀路徑，再回頭核對公司公告與財報。

作者

謝銘元（艾克斯）