在 AI 投资的第一阶段，市场焦点几乎完全集中在制造更强大处理器的公司身上，英伟达等算力供应商成为最大赢家。但雅虎财经一篇分析文章指出，一个被多数投资者忽视的新瓶颈正在浮现：随着 AI 模型与集群规模持续膨胀，在处理器之间高速移动海量数据，其重要性已开始比肩处理数据本身。
文章认为，训练当今最先进的 AI 模型需要成千上万个处理器协同工作。这些处理器在承担巨量计算的同时，也耗费大量时间相互交换信息。当 AI 集群规模扩大时，通信挑战呈指数级增长。长期以来，行业专注于制造更快的 GPU，但越来越多专家意识到，处理器间的通信能力正成为制约 AI 整体性能的关键约束之一。换言之，瓶颈可能从“让处理器算得更快”转向“让处理器沟通得更快”。
传统数据中心内部依赖电信号传输数据，这一方案虽沿用数十年，但随着数据量激增，其在功耗、散热与带宽上的局限性日益突出。为此，行业正大力投资光网络技术——利用光而非电来传递信息。光技术能以更低功耗和更少发热，快速移动海量数据。对于正在建造越来越庞大 AI 数据中心的科技公司而言，这些优势至关重要，从而催生了对光子学与光互联技术的浓厚兴趣。
多家公司正试图从这一趋势中获益。大型基础设施供应商如博通和Marvell Technology已在网络连接领域扮演重要角色，随着 AI 支出攀升，对其产品的需求有望同步增长。投资者同时关注到专业光学公司，例如 Lumentum Holdings 和 Coherent，它们提供高速光通信所需的关键技术与产品。此外，还有像 POET Technologies 这样的小型公司，它不制造 AI 芯片，而是专注于开发能更高效地在 AI 系统内移动数据的光学技术。这些企业路径各异，但都瞄准同一个目标：帮助解决 AI 日益严峻的通信难题。
文章分析称，这一投资逻辑很直接：如果 AI 支出持续增长，连接 AI 系统所需的基础设施大概率也会随之扩张。每一个新的 AI 集群都需要处理器、网络设备、交换机、光模块、激光器、线缆及其他支撑技术。提供这些组件的公司有望从未来数年的持续投资中受益。
不过，文章也提醒，识别趋势往往比识别最终赢家容易。并非所有参与光网络市场的公司都能成功，部分技术可能获得广泛采用，而另一些或许永远无法实现有意义的商业规模。这使得光网络领域既充满机遇，也伴随高度不确定性。
对于投资者而言，AI 投资的第一阶段奖励了那些帮助机器“思考”的公司，下一阶段可能将奖励那些帮助机器高效“沟通”的公司。随着 AI 系统日趋复杂，快速、高效移动信息的能力正变得愈发关键。在寻找 AI 基础设施支出的下一个篇章时，数据传输瓶颈及其背后的光网络解决方案，正成为一个值得密切关注的产业趋势。