ECOC2025 已经过去将一个月，今天简单来梳理总结一下本届 ECOC 的一些技术要点和市场分析。
给我们的感觉，整个会场讨论的核心都绕不开 AI。几乎所有专家，比如来自 Omia、Cignal AI、PhotoniX AI 和 Source Photonics 的，都在讲同一件事：AI 的巨额投资和大规模 GPU 集群建设，正在让光模块市场迎来爆发式增长。
那么，要支撑这么庞大的需求，技术上就得跨过一些门槛。当前最关键的就是单通道 400G 速率， 448G 电接口，能效散热等。
Synopsys 和 IEEE 指出，在面前向纠错和调制格式的选择，是继续用 PAM4 还是升级到 PAM6 或 PAM8 。将会直接影响到整个系统的延迟和功耗。
华为、Synopsys 和 Source Photonics 都提到，想实现 1.6T 甚至 3.2T，光电器件本身的调制和接收带宽就得超过 100 GHz，挑战不小。
正如我们清楚的，光模块本身也处在技术路线的十字路口。现在看，未来几年会是多种形态共存。传统的可插拔模块，像 Eoptolink、Cisco 和 Meta 说的，因为更换和维护方便，依然是市场主力。
而 LPO 这种架构，根据 Meta 和 Cisco 的实测，因为去掉了功耗大户 DSP，能效比传统可插拔方案能提升 20% 到 30% 。
CPO 方案把光引擎和交换芯片贴得更近，Meta 和 Broadcom、Corning 认为它比可插拔方案能省大约 65% 的电。但它也有麻烦，就是散热、可靠性和出了问题怎么维护。
这个问题博通/Meta 的数据在我们昨天的文章“博通：51.2T CPO 可靠性数据与102.4T CPO 交换机”中较为详细地介绍了。
所以，大家普遍的共识，包括 Omia 和 Cisco 也预测，未来会是一个可插拔、 LPO 和 CPO 根据不同场景混合共存的局面。
再就是为什么大家这么关注能效和可靠性？因为AI数据中心实在太耗电了。 OIF 和 Meta 给出数据，光互连部分的能耗能占到整个 AI 工厂的 20% 到 30% 。如果不控制，就会挤占 GPU 的用电。
所以，超大规模数据中心现在定了硬指标：能效要低于 4Pj/bit，端口密度要大于 2Tbps/mm。
同时，OIF 和 Meta 也强调，GPU 集群训练对网络延迟和误码率极其敏感，一旦出错重传，会直接拖慢训练任务。所以，光链路的可靠性必须向 ASIC 芯片看齐，甚至更高。
网络架构层面，大家也在探索不同方向。
有务实派，比如 PhotoniX AI、华为和 Coherent，他们主张通过 Chiplet、硅光混合集成 EML 或 MRM 的方式，一步步演进。也有颠覆派，像 Oriole Networks，想法更超前，想直接打造纯光子的 AI 网络，去掉电的包交换。
当然，这也离不开标准组织的推动，IEEE 和 OIF ，连同厂商如 Marvell，都在努力推进以太网和相干技术的标准，确保不同厂家的设备能互通，这是技术真正落地的前提。
我们再看看具体的市场数据。数据中心光模块是绝对的主战场。
Omia 的数据显示，从 2023 到 2024 年，产业年增长高达 43% ；2025 年第一季度，数通光模块营收占整个行业的 63%，第二季度又涨到 65%；滚动年营收在两年内从 60 亿美元翻倍到 120 亿美元，增速非常惊人。
同时 Cignal AI 的数据显示，高速光模块的出货量也将从 2024 年的大约 2250 万颗，增长到2025 年的大约 3900 万颗。
其中，1.6T 模块是当下的热点，根据 Cisco、中国电信、Broadcom 和 Terahop 的讨论，今年上半年已经出货大约 2 万颗，全年预计能达到 50 万颗。
整个市场规模，Cignal AI 预测会从 2025 年的大约 150 亿美元，增长到 2029 年的大约240亿美元。与此同时，高速模块的价格也在快速下降，目标指向每 Gbps 0.5 美元，今年内已经进行了两轮议价。
至于下一代的 3.2T，Cignal AI 和华为都认为，要到 2029 年才会真正规模量产，接替 1.6T。
电信和相干光模块市场规模小一些，但很稳定。Cignal AI 预测从 2025 年大约 50 亿美元增长到 2029 年大约 80 亿美元。
技术部署上，OIF 确认 400ZR 已经商用。OIF 和 Marvell 认为 800ZR 正成为 2024 到 2025 年的主力。而 1600ZR 的目标是 2026 年完成标准，2027 到 2028 年开始部署。
在 OCS 方面，Cignal AI 保守估计 OCS到 2029 年能有 16 亿美元规模，而 Coherent 更乐观，预计 2030 年能达到 20 亿美元。
那么，为什么 OCS 会被看重呢？根源在于传统电交换的瓶颈。
OIF 和 Google 指出，多层的 O-E-O 转换带来高功耗、高延迟和高成本，而且电交换的排队延迟不稳定，这对需要高度同步的 AI 训练任务很不利。
谷歌/Coherent等：可插拔 vs. CPO vs. OCS
Google 介绍说它们的 OCS 实现了功耗降 40%、成本降 30%、吞吐量还提升了 30% 的效果。
目前，Google 的 OCS 已经规模部署，但网络重构时间比较长，以小时或天计；而像 Oriole Networks 这样的初创公司则在尝试纳秒级的光交换，不过这还需要配套的软件和成本优化。
我们按应用场景再来聊聊，主要有两大块：
一个是 Scale-Out，也就是跨机柜、跨数据中心的连接。Cignal AI 和 Omia 指出，目前是 800G 可插拔为主，2026 到 2028 年会过渡到 1.6T 可插拔；距离超过 10 公里，就由 Marvell 和 OIF 提到的 ZR/ZR+ 这类相干技术来补位。
另一个是 Scale-Up，特指机柜内部极短距离的连接，比如 GPU 到 GPU。Synopsys 和 OIF 表示，目前主要还是铜缆，但随着速率提升，铜缆的有效传输距离已经缩到1到2米了。
所以，从 2026 到 2027 年开始，会转向光方案，比如 LPO、CPO、Chiplet Optics，或者像Meta、PhotoniX AI、Furukawa 和 Tokyo Institute of Science 正在研究的1060nm 单模 VCSEL 配合多芯光纤这类新技术。
VCSEL 主要在机柜内短距互联场景上很有优势。传统 850nm 的多模 VCSEL 传不远，但新技术比如 Tokyo Institute of Science 展示的 1060nm 单模 VCSEL 加多芯光纤，能实现 2.88Tbps 传 500米；Furukawa 也做出了能效高达 3.95fJ/bit 的 CPO 方案，传 2 公里。
当然，Furukawa 和 Tokyo Institute of Science 也指出，想用到 400G 每通道，还需要在带宽和长期可靠性上继续突破。
在最底层的调制器技术方面。各种调制器技术各有千秋，适合不同场景。比如说：
- SiPh MZM 成熟稳定但功耗和体积大；
- MRM 尺寸小、功耗低但怕热；
- EML 带宽高适合中长距离但成本高；
- VCSEL 成本和能效是优势但带宽和距离有限；
- TFLN 带宽潜力巨大但成本和集成是挑战；
- InP 则在电信长距领域地位稳固。
这些技术会长期共存，不会出现一家独大的情况。
能效方面，除了刚才提到的架构演进，元器件的功耗分解也很重要。主要耗电的部分包括 DSP、激光器和泵浦、Driver 和 TIA、TEC 冷却等等。
具体的节能手段包括：
在元件层面，Lumentum 和 Source Photonics 提到了比如四合一泵浦共享 TEC、EML 采用约 1V 的低压差分驱动等技术。
在调制和 FEC 选择上，IEEE 和 Synopsys 认为，短距离用 IMDD 更省电，而高阶 PAM4/6/8 能省带宽但会增加 DSP 和 FEC 的功耗，需要权衡。
热管理是和能效紧密相关的话题。随着 CPO 等技术的发展，散热压力越来越大。Broadcom 和 Corning 明确说 CPO 必须用液冷或浸没冷却。Cisco、Meta 和 Google 也认同，风冷已经快到极限，直接芯片液冷正在成为主流，浸没冷却也在评估中。
总的来说，ECOC 2025 给我们描绘了一个清晰的图景：AI 时代的光通信，不再只是拼命追求速度，而是要在速率、功耗、延迟、可靠性和成本这多个维度上，找到一个最佳的平衡点。
后面我会对上面一些重点内容进行详细的解读：