在 AI 投資的第一階段，市場焦點幾乎完全集中在製造更強大處理器的公司身上，英偉達等算力供應商成為最大贏家。但雅虎財經一篇分析文章指出，一個被多數投資者忽視的新瓶頸正在浮現：隨著 AI 模型與集群規模持續膨脹，在處理器之間高速移動海量數據，其重要性已開始比肩處理數據本身。

文章認為，訓練當今最先進的 AI 模型需要成千上萬個處理器協同工作。這些處理器在承擔巨量計算的同時，也耗費大量時間相互交換信息。當 AI 集群規模擴大時，通信挑戰呈指數級增長。長期以來，行業專注於製造更快的 GPU，但越來越多專家意識到，處理器間的通信能力正成為制約 AI 整體性能的關鍵約束之一。換言之，瓶頸可能從“讓處理器算得更快”轉向“讓處理器溝通得更快”。

傳統數據中心內部依賴電信號傳輸數據，這一方案雖沿用數十年，但隨著數據量激增，其在功耗、散熱與帶寬上的侷限性日益突出。為此，行業正大力投資光網絡技術——利用光而非電來傳遞信息。光技術能以更低功耗和更少發熱，快速移動海量數據。對於正在建造越來越龐大 AI 數據中心的科技公司而言，這些優勢至關重要，從而催生了對光子學與光互聯技術的濃厚興趣。

多家公司正試圖從這一趨勢中獲益。大型基礎設施供應商如博通和Marvell Technology已在網絡連接領域扮演重要角色，隨著 AI 支出攀升，對其產品的需求有望同步增長。投資者同時關注到專業光學公司，例如 Lumentum Holdings 和 Coherent，它們提供高速光通信所需的關鍵技術與產品。此外，還有像 POET Technologies 這樣的小型公司，它不製造 AI 芯片，而是專注於開發能更高效地在 AI 系統內移動數據的光學技術。這些企業路徑各異，但都瞄準同一個目標：幫助解決 AI 日益嚴峻的通信難題。

文章分析稱，這一投資邏輯很直接：如果 AI 支出持續增長，連接 AI 系統所需的基礎設施大概率也會隨之擴張。每一個新的 AI 集群都需要處理器、網絡設備、交換機、光模塊、激光器、線纜及其他支撐技術。提供這些組件的公司有望從未來數年的持續投資中受益。

不過，文章也提醒，識別趨勢往往比識別最終贏家容易。並非所有參與光網絡市場的公司都能成功，部分技術可能獲得廣泛採用，而另一些或許永遠無法實現有意義的商業規模。這使得光網絡領域既充滿機遇，也伴隨高度不確定性。

對於投資者而言，AI 投資的第一階段獎勵了那些幫助機器“思考”的公司，下一階段可能將獎勵那些幫助機器高效“溝通”的公司。隨著 AI 系統日趨複雜，快速、高效移動信息的能力正變得愈發關鍵。在尋找 AI 基礎設施支出的下一個篇章時，數據傳輸瓶頸及其背後的光網絡解決方案，正成為一個值得密切關注的產業趨勢。