Cignal AI：2030年OCS市场超$80亿 Scale Up应用成最大增长点

  ICC讯  Cignal AI于2026年7月23日发布光路开关（OCS）市场更新报告，对上一份于2025年第四季度发布的报告进行了全面更新。本次更新包括对不断演进的Scale Out（TPU网络）应用和新兴的Scale Up（GPU网络）应用的更深入分析，预计后者将在2028/2029年产生显著贡献。报告还更新了OCS供应商列表，并提供了按应用划分的市场规模。

  一、核心要点：

  1. 到2030年，OCS全球市场将超过80亿美元，较此前预测大幅增长，几乎完全由Scale Up（GPU）机会的新增可见性所驱动。

  2. 目前唯一的规模应用是基于TPU（Google）网络的Scale Out（此前称为AI集群重配置），该应用在未来2至3年内仍将是市场的主导部分。Google下一代TPU架构每颗TPU将使用更少的OCS端口，而非更多。

  3. 近期收入仍高度集中于Google，其OCS开发至今主要依靠内部进行。Cignal AI的预测假设，开发工作将在未来一年内转向第三方供应商，这将与Scale Up的出现一起，将市场拓展至商业供应体系。

  4. Nvidia将在其即将推出的NVL576架构中集成OCS。随着光学在基于GPU（Nvidia）网络的Scale Up部分中的引入，OCS在Scale Up中的收入将快速增长，在预测期末与Scale Out持平并最终超越。

  5. OCS供应商数量持续增加。本报告收录了超过20家供应商，预计未来一年内还将有更多供应商从实验室和初创孵化器中涌现。

  6. 目前OCS技术有多种方案，包括MEMS、液晶、压电、机器人和硅光子。每种方案具有不同的能力组合，在数据中心内有各自的优化应用场景。

  7. 可靠性是数据中心内部OCS的关键特性，尤其是对于AI应用，即使是短暂的故障也可能造成大规模中断。其他特性（端口数、速度、损耗）的价值因应用而异。

  8. OCS部署将影响数据通信收发器的需求。最值得注意的是，使用单光纤的FR光学器件以及未来标准（如OCI MSA）将主导使用多光纤的DR光学器件。同时，更高功率光学器件和用于双向操作的环形器等定制化方案将更加普遍。

  9. Coherent Lite可能在2.4T速率下成为影响因素，因为Google正在推动一个过渡方案，直到400G/通道（3.2T）实现规模化供应。（参见Coherent Lite：技术、应用与预测——2026年第二季度）

  二、与上一份报告相比的变化

图：Google-Architecture-Table

  - 对Scale Out应用进行了调整，包括分析Google即将推出的Boardfly配置的影响以及较低的OCS端口与TPU比率。

  - 对多机架光学互连的Scale Up模型进行了重大改进，包括OCS端口与GPU比率及至2030年的总市场规模。

  - 更新了OCS供应商列表，包括既有供应商的最新信息和更多新增初创公司。

  三、OCS市场概述

  OCS并非新概念。在90年代末的繁荣时期，大量公司基于光学开关技术成立，旨在实现从实验室到长距离网络的自动化。除测试环境中的可编程配线面板等有限应用外，这些公司中存活至今的寥寥无几。

  然而，Google重新点燃了业界对数据中心和AI应用中OCS的兴趣。Google展示了OCS在Spine层替换和TPU网络Scale Out等领域所能带来的功耗节省和灵活性。在公开演讲中，Google展示了其交换网络40%的功耗节省、30%的成本节约以及50倍的长期正常运行时间提升——这些数字令人难以忽视。因此，其他服务提供商已要求其工程团队研究OCS在其网络中的可行性。

  与此同时，曾参与这些项目的Google工程师通过职业变动，将其经验传播到众多希望效仿Google成果的其他服务提供商中。这起到了加速多个服务提供商相关工作的效果，他们现在可以基于Google早期积累的经验进行建设。这些工程师还带来了对OCS优势更深入的了解，并在更多潜在客户中催化了需求。

  光收发器供应商现在看到，高速数据中心光学器件的新规格要求直接源于OCS的部署。更高的输出功率、双向性和多波长选项是与OCS无缝互通所必需的。Google甚至启动了一个2.4T Coherent Lite项目，专门用于提高其OCS网络中每端口的速率。

  多年来，OCS的潜在市场完全基于实验室自动化和网络监控，年总收入仅为数千万美元。然而，Google迄今已在OCS上花费了超过10亿美元。OCS的潜在市场规模仍在变化中，新的应用尚未得到验证，但到2030年，其规模肯定将从2026年的数十亿美元增长到数十亿至近百亿美元。旧技术和技术人员正被重新启用，同时一批新产品也加入其中，目标是将光学开关应用于利润丰厚且快速增长的AI数据中心。

  四、OCS应用场景

  Scale Out（TPU网络）

  Scale Out场景是目前OCS最主要的规模应用。Google在其TPU集群中部署OCS，用于替代传统的Spine层交换网络，实现计算资源之间的灵活重配置。Google公开的数据显示，这一方案带来了显著的功耗和成本节约，同时大幅提升了网络的长期可靠性。然而，报告指出，Google下一代TPU架构中每颗TPU对应的OCS端口数量将减少，这意味着即使Google的TPU出货量增长，OCS端口需求增速可能放缓。

  Scale Up（GPU网络）

  Scale Up是OCS市场未来增长的核心驱动力。与Scale Out连接不同计算节点不同，Scale Up是指在同一个AI集群内，将多个GPU通过高速互连组成更大的计算域。Nvidia即将推出的NVL576架构将首次在GPU的Scale Up网络中集成OCS。随着光学互连在GPU网络中的应用，OCS在Scale Up场景中的收入将快速增长，最终在预测期内超越Scale Out。

  Spine层替换

  除了AI集群内部的Scale Out和Scale Up应用，OCS还可用于数据中心网络架构中的Spine层替换，通过光学交换替代传统的电交换，降低功耗和成本。

  其他应用

  包括多机架弹性、混合网络旁路、资源池化/数据中心解聚、虚拟会面室和园区数据中心互连等场景。这些应用目前仍处于早期探索阶段。

  五、OCS供应商生态

  报告追踪了超过20家OCS供应商，包括：

  Google、Lumentum、Coherent、Huber+Suhner、Telescent、iPronics、DiCon Fiberoptics、三石园、nEye、新易盛、Molex、光迅、Terahop（Innolight）、Salience Labs、Calient和Corespan Systems。

  六、OCS技术路线对比

  报告分析了五种主要的OCS技术路线：

  MEMS开关：通过微机电系统反射镜阵列实现光路切换。技术成熟，已得到Google大规模验证。挑战在于端口数扩展和长期可靠性。

  液晶开关：利用液晶的电光效应改变光路。优点是无活动部件、切换速度快。缺点是插损较大、对偏振敏感。

  机器人开关：通过物理机械臂移动光纤连接器实现光路切换。优点是理论上无限端口数、极低插损。缺点是切换速度慢（秒级）、可靠性受机械磨损影响。

  压电开关：利用压电效应实现光路切换。优点是速度快、功耗低。缺点是端口数扩展有限。

  硅光子开关：基于硅光子芯片实现光路切换。优点是集成度高、潜在成本低、切换速度快。缺点是插损较大、需要片上放大。

  七、展望

  报告认为，OCS市场正处于爆发前夕。Scale Up（GPU网络）的新增需求正在打开一个远超Scale Out的市场空间。Nvidia对OCS的采用将成为行业转折点。同时，20多家供应商的涌入和技术路线的多元化将推动OCS在成本、可靠性和性能上的快速迭代。未来几年，OCS有望从Google的"专属方案"演变为主流AI数据中心的"标准组件"。

  分析评论：本报告的核心亮点在于，Cignal AI将OCS市场的增长引擎从"Google的TPU网络"转向"Nvidia的GPU网络"。Scale Up应用的首次量化预测显示，其营收将在预测期内超越Scale Out，标志着OCS从Google的定制化解决方案正演变为AI基础设施的通用组件。与此同时，Google自身的TPU架构演进反而在减少每颗TPU的OCS端口数，这构成了一个有趣的市场对冲：一家公司（Nvidia）的采用正在扩大市场，而另一家（Google）的优化正在压缩单节点需求。此外，20多家供应商的涌入以及MEMS、液晶、压电、硅光子等多种技术路线的并行发展，表明行业仍处于技术收敛前的分散阶段，但可靠性已成为超越性能的首要筛选标准。