光互連本質上是將電訊號轉換為光訊號，然後在另一端將光訊號轉換回電訊號的過程。光纖位於兩者之間。其結構看似簡單，但實際應用中最難的部分在於穩定地產生光訊號。
產生光訊號的核心器件是雷射器。
對於人工智慧資料中心使用的高速 1310nm 和 1550nm 光模組，作為光源的 EML 和眾多連續波雷射器實際上都建構在 InP 平台上。更準確地說，這些器件是通過在 InP 襯底上生長外延層來製造的。
在接收端，某些基於 InGaAs 的光電探測器和特定的長距離、高性能接收器結構也依賴於 InP 生態系統。在矽光子收發器中，Ge-on-Si 光電二極體是目前商業化的平台。但在實際需要產生光訊號的發射端，InP 卻處於結構瓶頸的位置。
進入CPO時代，對InP的依賴性進一步增強。CPO將光引擎緊鄰ASIC，以提高電源效率。問題在於，這個位置溫度很高。雷射器對溫度非常敏感，因此很難將其直接置於高溫環境中。實際上，這意味著將雷射器從封裝中取出，作為獨立的外部雷射源（ELS）運行。而該ELS的核心仍然是基於InP的連續波雷射器。
這就是“通道”概念的重要性所在。在之前的可插拔光器件時代，每個模組所需的雷射器數量相對有限。但在CPO結構中，單個開關ASIC連接了多個光引擎，每個光引擎包含多個通道。雷射器的需求不再與模組數量成正比，而是與通道數量成正比。這意味著巨大的變化。過去以模組數量衡量的市場規模，現在必須以通道數量來衡量。InP雷射器的需求不僅在增長，市場本身的計量單位也在改變。
市場格局發生十倍級的轉變
現在的問題不再是為什麼需要 InP，而是這種需求未來會以多快的速度增長。
在我看來，問題的核心在於，這不僅僅是簡單的增長。並非光器件市場規模在擴大，而是光器件在人工智慧基礎設施內部的權重正在發生轉變。
人工智慧資料中心從 GB200 和 GB300 過渡到 Vera Rubin，再到 Rubin Ultra，每一代產品中每個機架的光器件數量和價值都在同步增長。據高盛估計，從 GB300 NVL72 到 Rubin Ultra NVL576，光器件的橫向擴展和縱向擴展市場規模總和增長了近十倍。這不僅僅是市場擴張，更意味著建構單個機架所需的光器件的重要性和價值都達到了與上一代產品截然不同的水平。
這種轉變同時發生在兩個維度上。
首先是速度。傳輸速率從 800G 提升至 1.6T，再到 3.2T。即使鏈路數量保持不變，每條鏈路對元件性能的要求也更高，價格自然也更高。1.6T 模組的平均售價 (ASP) 明顯高於 800G 模組。即使鏈路數量保持不變，市場依然能夠增長。
第二個維度是連接密度。隨著叢集規模的擴大和網路拓撲結構的日益複雜，每個 GPU 連接的光模組數量也在增加。業界將此稱為連接率。高盛估計，在 GB200 和 GB300 時代，GPU 與光模組的比例約為 2 到 3，而從 Vera Rubin 時代開始，這一比例將上升到 4 到 6。GPU 連接埠速度不斷提升，更大的叢集需要更密集的互連。人工智慧基礎設施不僅需要更快的鏈路，同時也需要更多的光連接。
矽光子技術滲透率
這種需求的增長與模組架構的結構性變化密切相關。在資料通訊光模組市場，從以EML為中心的結構向基於矽光子技術的結構的轉變正在快速推進。公開市場資料顯示，矽光子技術的市場份額已經攀升至相當可觀的水平，一些預測甚至認為，幾年內其市場份額將達到近一半。
關鍵在於，即使架構發生轉變，對InP的需求也不會消失。恰恰相反，模組架構越複雜，外部雷射器的供應就越具有戰略意義。矽光子技術的普及並沒有取代InP。市場結構發生了變化，但InP仍然佔據著核心地位。
人工智慧基礎設施之外的需求
此外，僅人工智慧資料中心並不能完全解釋對InP的需求。人工智慧基礎設施是最大的增長引擎，但需要InP的領域遠不止於此。
高速InP器件對於人工智慧無線接入網（AI RAN）和6G前傳中的高頻訊號處理至關重要。在量子計算領域，基於磷化銦（InP）的器件是單光子源和探測器的核心候選材料。在自動駕駛雷射雷達領域，1550nm人眼安全雷射器至關重要，而基於InP的器件在該波段表現出色。除此之外，醫療診斷、空間通訊和軍用紅外感測器等領域也存在規模較小但門檻極高的市場。
關鍵在於，這些細分市場的供應鏈並非與光互連完全分離。它們爭奪相同的襯底、相同的外延線、類似的裝置和材料。當光互連需求激增時，這些細分市場的產能也會受到擠壓。反之，當細分市場的需求超出預期時，光互連的產能則會更加緊張。InP更像是一種被多個行業共享的單一資源。在這種結構下，那個市場增長最快，就會加劇整個供應鏈的緊張局面。
為何增加產能不容易
如果需求增長如此迅速，而供應也能跟上，那麼瓶頸理論就會站不住腳。但這恰恰是磷化銦（InP）與普通半導體材料的不同之處。儘管產能公告層出不窮，但由於一些結構性原因，InP的供應無法快速提升。
首先是認證周期。
光器件需要經過漫長而嚴格的客戶認證流程。從新建外延生產線或器件生產線到獲得超大規模資料中心客戶的量產批准，通常需要12到24個月的時間。雖然公告發佈得很快，但從公告到實際收入的轉化卻需要很長時間。
其次是裝置交付周期。
訂購MOCVD裝置並不意味著生產就能立即開始。裝置需要到貨、安裝，工藝需要穩定，良率也需要逐步提升。今天的訂單預示著未來的供應，而不是解決當前短缺的方案。
第三是製造技術本身就是一道准入門檻。
對於InP而言，引進裝置並不能自動帶來穩定的良率。要始終如一地協調晶體生長、晶圓均勻性、外延層質量和雷射器性能，需要多年的經驗積累。在6英吋晶圓領域，難度更是倍增。新進入者或許能迅速提升產能，但這並不意味著實際的供應能力也能同步提升。
第四個風險是原材料和地緣政治風險。
InP供應鏈不僅僅關乎晶圓和裝置。關鍵原材料銦的供應高度集中於中國，並且容易受到出口管制等政策因素的影響。這些風險並非止步於原材料層面，而是會向下延伸至襯底、外延層和器件等環節。供應鏈越短，微小的衝擊就越容易被放大。
第五點是，短缺蔓延至整個供應鏈。
主要器件製造商正在積極擴大自身產能，但人工智慧資料中心的需求增長速度可能更快。
業內人士透露，一些主要的光學元件整合器件製造商（IDM）正在大力提升其InP產能。
一旦這種情況發生，有限的襯底和裝置資源將優先分配給這些製造商，而沒有自有晶圓廠的器件製造商則被迫求助於外部外延代工廠。外部代工廠的產能隨即迅速收緊。這種溢出效應正是市場尚未充分消化的。
這就是為什麼資料顯示供應正在擴張，但業內人士仍然感覺供應短缺。事實上，業內人士經常談論的話題是“InP外延產能”、“MOCVD交貨周期”和“襯底供應商多元化”，這本身就說明了一些問題。在市場資料證實之前，供應鏈內部人士已經感受到了瓶頸所在。
問題的核心很簡單。需求不僅在增長，而且正在結構性地加速增長。供應也在增長，但其擴張的速度和質量都未能跟上需求。兩者之間的差距就是 InP 周期。 (EDA365電子論壇)