過去兩年，資本市場談AI，多半先想到GPU、HBM（高頻寬記憶體）、伺服器與資料中心電力。但當AI叢集越蓋越大，另一個瓶頸開始浮上檯面：資料要怎麼在數十萬顆晶片與伺服器之間高速移動？

AI不只需要算力，也需要通訊。模型訓練時，GPU之間必須不斷交換資料；推論需求擴大後，資料中心內部與資料中心之間，也需要更高頻寬、更低延遲、更低功耗的連接方式。

AI算力狂飆遇瓶頸 光通訊成下一個關鍵

光通訊的核心邏輯很簡單：用光來傳資料。過去光通訊主要服務電信骨幹、長距離傳輸與雲端資料中心。但AI時代改變了需求結構，以前資料中心重視伺服器對外連網，現在更重要的是內部的東西向流量，也就是GPU、交換器、儲存與運算節點之間的高速互連。當AI叢集規模擴大，資料在晶片、機櫃與資料中心之間移動的壓力就會提高。

市場常用「光進銅退」形容這個趨勢，但這句話不能過度簡化。銅連接在短距離、低成本場景仍有經濟性；更準確地說，AI資料中心正在重新分配光與銅的邊界。銅線留在適合它的地方，光通訊則開始承接更高速、更長距離、更高密度的傳輸任務。