過去兩年，關於AI算力的討論幾乎完全圍繞GPU展開：H100的供應缺口、B200的效能參數、下一代GPU的架構路線圖，構成了產業敘事的主軸。然而，當AI訓練集群從千卡級別跨越至萬卡甚至十萬卡規模時，一個更深層的結構性限制正逐漸浮現——GPU之間的資料流動效率，正成為決定集群整體算效的最終天花板。
騰訊光網路架構師付思東於2026年初指出，從2016年的Pascal架構到2024年的Blackwell架構，AI算力在八年內實現約1000倍成長；推理算力過去四年成長32倍，訓練算力成長16倍。而同期網路頻寬僅從200G提升至800G，僅成長4倍。這種「算力如火箭攀升，網路如步行前進」的失衡狀態，使節點間資料傳輸速度成為萬卡乃至十萬卡級別集群的關鍵瓶頸，嚴重影響集群整體效率與資源利用率。
這一現實正在重塑AI基礎設施的投資邏輯與技術路線選擇。當光互連技術從局部性能補償演變為支撐AI集群規模化運行的關鍵能力，理解其技術邏輯、市場格局與產業價值，便成為評估AI算力賽道不可迴避的基礎問題。與此同時，投資端也在經歷類似的結構性轉變——從單一資產配置走向多市場協同，連接算力基礎設施與金融基礎設施的價值鏈條正在形成。
十萬卡集群的通訊困境：算力與網路的剪刀差
GPU集群的效率並非由單一GPU的峰值算力決定，而是由所有GPU完成協同運算所需的時間決定。在大型模型分布式訓練中，頻繁的參數同步與梯度交換使節點間的通訊能力直接決定整體訓練效率。H3C在其CPO技術白皮書中指出，近年來單卡算力提升速度遠超網路互連頻寬演進，多數集群在算力端不斷疊加GPU數量，但通訊頻寬擴展相對滯後，結果是通訊耗時在總訓練時間中的占比愈來愈高，GPU長時間等待資料到達，整體有效算力難以隨GPU數量成比例放大。
這一現象有明確的量化依據。騰訊的演講數據顯示，過去四年訓練算力成長16倍，推理算力成長32倍，而網路頻寬僅從200G提升至800G，成長4倍。當集群規模突破萬卡並向十萬卡演進時，GPU之間的通訊模式不再是簡單的點對點資料傳輸，而是涉及數千甚至數萬條鏈路同時運作的複雜系統。任何一條鏈路的壅塞或延遲，都可能拖慢整個訓練迭代週期。
IEEE於2026年2月發表的論文進一步確認了這一判斷：隨著AI模型規模的增長，互連已成為大規模GPU集群中的關鍵瓶頸，傳統分組交換網路在功耗、成本與可擴展性方面面臨日益嚴峻的挑戰。研究顯示，基於光電路交換的架構可將骨幹層功耗減少近99%，八年生命週期成本降低76%。
從產業數據來看，這一結構性矛盾正在推動光通訊基礎設施的加速擴張。瑞銀估算顯示，全球光纖需求過去五年年均增速僅約2%，但隨著AI資料中心建設加速，未來幾年產業需求增速有望超過30%，資料中心相關光纖需求甚至可能實現75%以上的複合成長率。此前70%至80%的光纖需求來自電信業者，瑞銀預計到2030年企業與資料中心相關需求占比將超過80%。光纖產業正從傳統通訊產業轉變為AI基礎設施的核心組成部分。
光互連：解決算力瓶頸的確定性技術路徑
面對算力與網路之間的剪刀差，光互連技術正從補充性方案提升為基礎性架構選擇。AI集群擴展通常從三個維度展開：Scale-up（縱向擴展，對應機櫃內GPU間的高速互連）、Scale-out（橫向擴展，對應機櫃間跨節點的集群互連）、Scale-across（跨域互連，對應地理分散的資料中心之間的連接）。三個維度對頻寬、延遲、功耗與傳輸距離的要求各不相同，但共同指向光互連的不可替代性。
在Scale-up場景中，光互連主要取代銅線或電交換機，實現更高頻寬、更低延遲的節點內通訊。以NVIDIA NVL576為例，其採用基於CPO的Spectrum-X乙太網交換機，實現512×200Gbps端口的交換容量，包含32個1.6T矽光光引擎，用於Scale-out與Scale-across場景。華為CloudMatrix 384超節點則採用全對等互連架構，透過3168根光纖與6912個400G LPO模組建構高速互連總線，將384顆NPU、192個CPU及儲存、記憶體等資源全部互連與池化。
技術路徑層面，以LPO、LRO、CPO為代表的「x」PO技術家族正加速演進。LightCounting數據顯示，全球乙太網光模組市場規模2026年年增35%至189億美元，2030年有望突破350億美元，800G與1.6T等高速光模組需求將主導市場。TrendForce預估，2026年全球800G以上光收發模組出貨占比將從2024年的19.5%提升至60%以上，以2026年Google TPU近400萬顆的出貨預估推算，對應800G以上光模組需求將逾600萬支。
功耗是可插拔光模組面臨的核心挑戰之一。Google的Apollo OCS技術透過微型反射鏡實現資料光纖直接對接，避免傳統技術在光與電之間反覆轉換產生的耗能與延遲，單台OCS交換機相較傳統交換機耗電量減少約95%。在延遲層面，THine推出的無光學DSP晶片組適配LPO或CPO的短距離光互連場景，可實現延遲降低90%、功耗節省73%。
中國電信研究院副院長李俊傑於2026年初指出，光互連技術正從局部性能補償演變為支撐AI超節點規模化、靈活化、高可靠運行的關鍵技術能力。無論是解決速率瓶頸、功耗限制還是容量約束，光互連都已成為AI基礎設施從千卡向十萬卡集群演進的前提條件。
Ciena的策略轉向：從電信寬頻聚焦AI光網路
當光互連成為AI基礎設施的核心命題時，該領域的頭部設備商的策略選擇便成為理解產業演變的重要觀察窗口。Ciena，這家全球領先的高速連接網路系統供應商，正經歷一場根本性的策略調整。
在2025財年第3季，Ciena報告營收達12.2億美元，主要由光學與路由平台銷售帶動。與此同時，公司宣布停止寬頻PON業務的進一步開發，將研發投資重新聚焦於核心光學與資料中心解決方案，包括帶外管理技術，並裁減4%至5%的員工，計提約9000萬美元的非現金研發費用沖銷。Ciena預計未來成長將主要來自AI與超大規模雲端業者市場。
公司執行長Gary Smith在財報電話會議中表示，服務提供商客戶正將網路投資集中於能夠實現規模效應以承載AI流量成長的領域，催生了新的系統需求與互連機會，並最終延伸至資料中心內部。Ciena表示，超大規模雲端業者約占其業務50%，2026年的客戶組成預計將與此類似。
Ciena在AI基礎設施領域的具體落地已見成效。公司指向一個與訓練及地理分布的區域GPU集群互連相關的北美AI基礎設施專案，包含其RLS平台以及WaveLogic 6 Nano 800-gig ZR插件。此外，其DCOM帶外管理解決方案針對資料中心內部運維場景，能協助超大規模業者簡化大規模資料中心運營的安裝與管理，提高可擴展性並減少功耗與空間占用。
從更宏觀的產業格局來看，Ciena的策略轉向反映了AI資料中心對光網路需求從量變到質變的跨越。Ciena業務發展與全球合作夥伴首席技術官Jürgen Hatheier指出，市場正明顯轉向更高容量的光連接，已看到對1.6T波長的強勁需求，並預計將在2026年持續。諾基亞光網路產品組合行銷負責人Rob Shore預計，2026年將看到800G相干可插拔模組成為AI網路的標準光連接解決方案。
AI資料中心網路市場規模正以指數級成長。據產業數據，該市場將從2025年的103.1億美元增長至2026年的128億美元，複合年成長率達24.2%，預計到2030年將達301.7億美元。其中，面向AI應用的光纜需求在2025年預計成長77%，到2029年五年複合成長率將達26%，遠超非AI應用。Ciena站在這一結構性成長曲線的核心位置。
從算力基礎設施到金融基礎設施：Gate的股票交易版圖
基礎設施的演進不僅發生在算力層面，也發生在資產配置層面。當AI資料中心的光互連成為決定GPU集群效率的關鍵基礎設施時，投資端的多資產配置能力同樣需要相應的高效基礎設施予以支撐。
Gate在傳統金融領域的布局正穩步推進。2026年1月，平台首次推出TradFi差價合約功能，涵蓋黃金、外匯、股票指數、大宗商品與熱門股票。3月進一步擴展至股票代幣與槓桿ETF。6月，Gate透過與Alpaca的策略合作，正式上線真實股票交易服務。
目前Gate支援超過10,000檔美股及ETF，涵蓋紐約證券交易所、納斯達克等主流交易所的上市公司，覆蓋範圍遠超多數代幣化股票平台通常僅支援的數百種資產。用戶可用USDT直接參與美國主流證券市場投資，最低0.01股的碎股交易讓用戶可用低至1美元起投的金額參與頭部美股投資。
在技術與合作層面，Gate對接持有美國Broker-Dealer牌照及清算資格的合規券商，底層接入紐約證券交易所與納斯達克等主要交易所。每一股由經DTC體系獨立託管的真實資產支撐，而非鏈上衍生品或RWA映射產品。持倉用戶可自動享有分紅、配股、拆股等完整股東權益。
從產業趨勢來看，頭部加密平台整合股票交易已成為明確方向。數據顯示，73%的加密交易者同時持有傳統資產。Gate的做法透過受監管的基礎設施進行真實股票交易，而非合成或代幣化的表示，確保用戶獲得真實的價格發現與結算。結合平台的差價合約產品，Gate正從單一加密資產交易所向加密加傳統金融加衍生品的多資產中心演進。
這一演進與RWA資產代幣化的宏觀趨勢相呼應。2025年9月，Gate正式上線Ondo專區，首批引入Apple、Tesla、Microsoft等知名公司的代幣化股票與ETF。RWA賽道總鎖倉量已超過157億美元，其中Ondo Finance以約16.6億美元的鎖倉量位居全球第三。從真實股票到代幣化股票再到股票差價合約，Gate正建構一條涵蓋多種資產形態的多層次配置通道。
結語
光互連技術的演進路徑清楚指向一個基本事實：AI資料中心的競爭力正從單一GPU算力指標向系統級效率指標遷移。網路不再只是算力集群的附屬支撐層，而是決定十萬卡集群能否真正發揮其理論算力的前置條件。在這一邏輯下，光網路基礎設施企業的策略價值正被市場重新評估——Ciena全力轉向AI光網路的決策本身，就是這一趨勢最直觀的註腳。
同時，投資端的基礎設施演進同樣不可忽視。當AI算力成為數位時代的核心生產力要素，能夠有效連接這一生產力與全球資本的平臺，其價值錨點也在發生系統性的遷移。從算力到網路，從硬體到資產，技術演進與金融創新的交匯處，往往就是結構性機會的集中誕生地。
