以ChatGPT為代表的AI大模型應用普及將推動算力需求快速增長，服務器產業鏈是其中重要的受益環節之一，AI計算的普及將推動服務器產業鏈光模塊向800G升級提速。

算力網絡驅動下光模塊市場需求預測

光模塊是數據中心內部互連和數據中心相互連接的核心部件。100G和400G是主流產品，800G過去主要用在超算等領域。據LightCounting預計，2023年800G全球普及率僅0.62%。而以ChatGPT為代表的AI大模型，對數據中心內外的數據流量都提出了新要求，有望推動光模塊加速向800G升級。800G光模塊將從2025年底開始主導光模塊市場。

根據LightCounting的數據，2016年至2020年，全球光模塊市場規模從58.6億美元增長到66.7億美元，預測2025年全球光模塊市場將達到113億美元，為2020年的1.7倍。從結構上看數通市場占60%，電信市場占40%左右。

AI算力場景光模塊應用情況

首先我們以英偉達的SuperPOD為例測算單顆GPU與光模塊的比例。測算僅考慮IB網絡對應的光模塊需求。以140個節點的集群為例，每臺舉例服務器需要8顆GPU芯片，共需140×8=1120顆芯片；集群中每20臺服務器組成一個SU（scalable units，可擴展單元），共7個SU。IB網絡架構下實現了完整的胖樹（Fat-Tree）拓撲結構，胖樹架構在訓練場景中最優的配置是上下行端口數一樣，即無阻塞的網絡，具體來看：

第一層：每個SU 中配置8臺葉交換機，共有56臺葉交換機；

第二層：每10臺脊交換機組成一個交換機組Spine Group（ SG），每個SU 的第一個葉交換機連接到SG1中的每個交換機，每個SU的第二個葉交換機連接到SG2中的每個交換機，共有80個脊交換機；

第三層：每14臺核心交換機組成一個交換機組Core Group（CG），對應共28個核心交換機。

使用系統的對應計算側和存儲側線纜全部采用AOC有源光纜，因此每個端口對應一個光模塊，即每條光纜對應2個光模塊，因此計算側和存儲側共需要（1120+1124+1120）×2+（280+92+288）×2=8048個光模塊，即單顆GPU對應所需200G光模塊數量約為1:7.2

DGX GH200超級計算機搭載256個超級芯片，每個超級芯片可視為一個服務器，通過交換機進行互聯。從結構上來看，超級計算機采用兩層的胖樹拓撲結構，第一、二層分別使用96個、36個交換機，每臺交換機擁有32個速率為800G的端口；此外超級計算機還配備了24個IB交換機用于IB網絡。按照端口進行估算，L1層距離較近因此假定使用銅纜進行連接不涉及光模塊，L2層36個交換機在無收斂胖樹架構下，第二層交換機端口向下與L1層交換機上行端口互聯，因此共需要36×32×2=1152個800G光模塊；IB網絡架構下，24臺交換機需要24×32=768個800G光模塊；則DGX GH200超級計算機共需要1152+768=1920個800G光模塊，對應每顆芯片12個800G光模塊。則GPT-3單日完成訓練需要8萬顆以上200G光模塊，如果考慮到FLOPS的利用率約為20%-30%，則需要光模塊的數量將約為35萬顆。

易飛揚應用于算力場景的光模塊

AI發展促進了海量光模塊需求，易飛揚則已于2023年完成800G/400G AI應用光模塊產線建設任務，新建成的生產線主要用于4×100G PAM4和8×100G PAM4光模塊和有源光纜的生產。

得益于供應鏈的支持，易飛揚的系列AI光模塊量產順利，公司本身的產品多樣化設計能力、訂單能力和供應鏈能力形成了較好的匹配關系。可以為中小客戶提供靈活有效的需求交付和樣品測試。

審核編輯 黃宇