最近在看AI产业链的时候，我发现一个容易被忽略，但正在变得越来越重要的领域：光模块和光通信。

很多人关注GPU和存储，但一个更底层的问题正在变得关键：AI系统里的数据怎么高速流动？

这就是光通信的核心。

一、光模块是什么？

光模块可以简单理解为“数据翻译器”。

它的作用是把电子信号转换成光信号，通过光纤高速传输，再转换回来。

可以用一个更直观的比喻：

GPU是AI的大脑

存储是AI的记忆

光模块是AI的神经系统，负责信息传输

没有光模块，GPU再强也很难高效协作。

二、为什么AI离不开光通信？

过去的计算机网络主要依赖铜线传输电信号，但在AI时代，这套体系开始接近极限。

主要原因有三点：

第一，数据量爆炸增长

大模型训练需要大量GPU协同工作，数据交换频率极高。

第二，带宽持续升级

从800G到1.6T，再到3.2T，网络速度不断翻倍。

第三，功耗成为瓶颈

铜线在高速传输下发热大、损耗高、距离有限。

结果是：铜线越来越难支撑AI系统的规模。

行业因此转向光通信，用光来代替电。

三、光通信的技术演进路径

光通信大致经历三个阶段：

第一阶段：可插拔光模块（当前主流）

像U盘一样插在设备上，成熟稳定，但功耗较高，距离较长。

第二阶段：NPO近封装光学

把光模块靠近芯片，缩短距离，降低功耗，提高效率。

第三阶段：CPO共封装光学

将光模块直接与芯片封装在一起，形成一体化结构。

这意味着GPU和光通信将更紧密融合，整体性能更高，能耗更低。

但目前CPO仍处于早期导入阶段。

四、光通信产业链是怎样的？

整个产业链可以分为七个层级：

第一层：材料层（SOI硅光衬底）

提供硅光芯片的基础材料。

第二层：代工制造

负责硅光芯片生产。

第三层：激光器

光通信的“光源”，决定信号生成能力。

第四层：光学系统集成

将多个光学器件整合成完整光模块。

第五层：光纤与连接器

负责数据的物理传输路径。

第六层：网络设备

实现数据中心之间的高速连接。

第七层：云厂商与AI数据中心

最终使用这些基础设施的一方。

五、为什么光通信现在被重新重视？

核心原因是：AI进入“互联瓶颈时代”。

过去关注的是算力，也就是GPU性能。

现在逐渐发现一个问题：

即使GPU越来越强，如果彼此通信不够快，整体效率仍然受限。

可以理解为：

一群非常聪明的人，如果交流很慢，整体效率也不会高。

因此，AI的瓶颈正在从“算力”转向“通信能力”。

六、产业升级的三波节奏

AI基础设施正在经历三轮升级：

第一波：GPU扩张 + 800G光模块普及

第二波：1.6T升级 + NPO逐步导入

第三波：CPO规模化应用

每一轮升级都会带动光通信需求进一步增长。

七、投资视角的三类机会

如果从投资角度看，可以分三层理解：

第一类：基础设施（稳定型）

包括光纤、连接器等基础材料与设备，需求稳定。

第二类：核心器件（成长型）

包括光模块、激光器等，受AI需求驱动明显，成长性强。

第三类：前沿技术（高波动）

包括CPO、硅光等新技术方向，空间大但不确定性高。

八、关键认知

现在的市场正在经历一个特点：

未来技术正在被提前定价。

比如CPO、1.6T升级、硅光等方向，很多还处于早期阶段，但市场已经开始反映预期。

因此需要注意两点：

趋势是真实存在的，但节奏可能被提前透支。

九、总结

可以用三句话总结：

第一，AI的核心不只是算力，而是系统之间的连接能力。

第二，光模块是AI系统的“高速公路”。

第三，下一阶段的机会在于基础设施升级，而不是单一技术。

未来AI的竞争，不只是看谁的GPU更多，而是看谁的系统连接更快、更高效、更节能。

下面把这篇里最关键的专有名词拆开。你会发现，其实核心逻辑没有那么复杂。

一、最基础的几个概念

GPU

NVIDIA 最强的那种 AI 芯片。

你可以理解成：

AI 的“超级大脑”。

它负责：

• 训练大模型

• 跑 ChatGPT

• 生成图片视频

数据中心（Data Center）

就是：

装满服务器的大楼。

里面有：

• GPU

• 存储

• 网络设备

• 电源

• 散热系统

AI 公司真正烧钱的地方。

AI 基建（AI Infrastructure）

就是：

为 AI 提供“电、水、路”的基础设施。

包括：

• GPU

• 网络

• 存储

• 光模块

• 数据中心

类似“AI 世界的高速公路和发电厂”。

二、光通信相关

光模块（Optical Transceiver）

最重要的核心概念之一。

作用：

把“电信号”变成“光信号”。

因为：

• GPU 本身输出的是电信号

• 光纤里跑的是光

所以需要“翻译官”。

你可以理解成：

网络世界里的“光猫”。

只是高级很多。

光纤（Optical Fiber）

一种非常细的玻璃丝。

作用：

用光来传输数据。

优点：

• 快

• 远

• 省电

相比铜线：

• 不容易发热

• 不容易信号衰减

光互连（Optical Interconnect）

意思是：

用“光”连接服务器和 GPU。

这是 AI 数据中心越来越重要的趋势。

硅光（Silicon Photonics / SiPho）

非常重要。

意思是：

在“硅芯片”上处理光信号。

传统芯片处理电。

硅光芯片处理光。

为什么重要？

因为：

未来 AI 数据太多。

如果：

• 继续用传统方式

会：

• 太热

• 太耗电

• 太慢

于是行业开始：

把“光通信”直接做进芯片。

这就是硅光。

三、速度单位

800G / 1.6T / 3.2T

表示：

网络传输速度。

800G

= 800Gbps

意思：

每秒传输 800Gb 数据。

1.6T

= 1.6Tbps

速度是 800G 的两倍。

3.2T

再翻倍。

你可以理解成：

高速公路：

• 从 8 车道

• 变 16 车道

• 再变 32 车道

因为 AI 数据越来越夸张。

四、最核心的技术路线

可插拔光模块（Pluggable Optics）

现在主流方案。

像：

U盘一样插在交换机上。

优点：

• 成熟

• 好维修

• 容易更换

缺点：

• 功耗高

• 距离芯片远

NPO（Near-Packaged Optics）

Near-Packaged Optics

中文：
近封装光学。

意思：

把光模块移到芯片旁边。

好处：

距离更短：

• 功耗降低

• 发热降低

• 速度更高

你可以理解成：

以前：
电脑和路由器隔着一张桌子。

现在：
直接贴在一起。

CPO（Co-Packaged Optics）

共封装光学。

这是文章最兴奋的东西。

意思：

把光模块直接封装进芯片。

以前：

GPU ←铜线→ 光模块

以后：

GPU + 光模块
直接变成一个整体。

好处：

• 更省电

• 更高速

• 更小

为什么市场激动？

因为：

AI 最大问题之一就是：

GPU 太耗电。

CPO 可以大幅降低通信功耗。

但注意：

现在还没真正大规模普及。

很多是：

• 测试

• 小规模部署

• 提前炒预期

五、激光器相关

激光器（Laser）

光模块里的“灯泡”。

作用：

发射激光。

没有激光：
光纤就没法传数据。

EML

Electro-absorption Modulated Laser

一种高级激光器。

特点：

• 速度快

• 适合超高速通信

现在：
1.6T 光模块非常依赖它。

LITE 在 EML 很强。

这是它的技术壁垒之一。

InP（磷化铟）

一种半导体材料。

适合：

• 高速光通信

• 激光器

很多高端激光器用它做。

PIC

Photonic Integrated Circuit

光子集成电路。

意思：

“光版本”的芯片。

传统芯片：
处理电子。

PIC：
处理光。

六、网络相关

OTN

Optical Transport Network

光传输网络。

意思：

用光纤连接大型数据中心。

类似：

城市之间的高铁网络。

Scale-Up

同一个 AI 集群内部扩展。

比如：
一个超级 AI 服务器内部。

重点：
GPU 和 GPU 之间通信。

Scale-Out / Scale-Across

不同服务器之间扩展。

比如：
多个数据中心互联。

七、产业链相关

Foundry（代工厂）

比如：

Taiwan Semiconductor Manufacturing Company

意思：

帮别人制造芯片。

客户设计。
它负责生产。

SOI

Silicon-on-Insulator

一种特殊硅材料。

用于：
硅光芯片。

你可以理解成：

“高级芯片地板”。

八、投资圈常见词

CapEx

Capital Expenditure

资本开支。

意思：

公司砸钱建基础设施。

比如：

• 建数据中心

• 买 GPU

• 铺光纤

现在 AI 最大逻辑之一就是：

科技巨头还在疯狂增加 CapEx。

Hyperscaler

超大云厂商。

比如：

• Microsoft

• Amazon

• Meta Platforms

• Alphabet

他们是真正买 AI 基建的人。

Design-In

设计导入。

意思：

产品被客户正式选中。

为什么重要？

因为：

一旦进入：

• NVIDIA

• Meta

• Google

供应链。

订单可能持续很多年。

“光模块/光互连”是AI基建的第二层机会。第一层是GPU，第二层是“GPU之间怎么连接”。这个逻辑已经越来越清晰。但真正难的不是方向对不对，而是哪一层最赚钱、最不容易死。因为科技投资里，方向正确和公司暴涨之间，隔着一整条淘汰赛。

一、先看清：AI基建的价值链正在迁移

过去两年，市场最确定的是第一阶段：算力。核心受益者是NVIDIA、AMD、台积电。因为大家先把GPU买够再说。后来市场发现第二阶段：HBM/存储。GPU太快，内存跟不上，于是美光、SK海力士开始进入超级周期。现在市场开始意识到第三阶段：互连，也就是GPU与GPU之间、机架与机架之间、数据中心与数据中心之间，怎么高速通信。这里就是光模块、光芯片、硅光、CPO、光交换的舞台。

二、但光通信和GPU有一个巨大区别

GPU是赢家通吃，光通信的产业链非常碎。这意味着很难出现第二个NVIDIA，更可能出现一批阶段性龙头、周期轮动、技术路线切换。所以投资方式不能一样。

三、怎么理解这个行业？

我会把它拆成三层机会。

第一层：最确定的“卖铲子”。这是最重要的。技术路线怎么变，很多基础需求不会变。类似淘金时代，最赚钱的可能不是淘金者，而是卖铁锹的人。我会优先看：

1.光学代工，比如Tower Semiconductor。逻辑是：不管可插拔、NPO、CPO谁赢，只要行业扩产，代工厂大概率受益。

2. 光纤/连接基础设施，比如康宁。AI数据中心越建越多，布线永远需要。它有点像AI世界里的“水泥+电网”，不性感但长期稳定。

第二层：高成长核心器件。这里是最容易暴涨也最容易暴跌的。比如激光器，代表公司Lumentum。激光器像光通信的发动机，AI需要更高速率。特点是技术壁垒高，但周期波动极大。这类公司适合趋势确认后参与，不适合无脑长期死拿。

第三层：未来路线赌注。比如CPO、硅光、光交换。这些方向可能对，但谁赢不知道，什么时候落地不知道，估值可能提前炒爆。所以如果我是投资者，我会把这里当风险仓位，而不是主仓。

四、真正关键的问题：现在是不是已经太晚？

答案是：不算早，但也未必晚。因为AI基建现在仍然处于CapEx爆炸阶段，科技巨头还在疯狂砸钱。最重要的事实是：微软、亚马逊、Meta、谷歌都在继续提高AI资本开支，意味着数据中心建设潮还没结束。光通信的需求本质上是“数据中心密度升级”的副产品，GPU越多，光互连需求越大。

五、最警惕什么？

警惕市场把“长期逻辑”炒成“短期泡沫”。这是AI时代反复发生的事情。比如很多公司会出现收入增长30%、股价上涨300%的不匹配，因为市场会提前透支未来、透支订单、透支技术路线。

六、重点观察三个信号

这比“听故事”更重要。

1. Hyperscaler CapEx是否继续上修，也就是云厂商还烧不烧钱，这是整个AI基建的总开关。

2. 光模块ASP（平均售价）是否稳定。科技行业最大风险之一是价格战。如果需求增长但价格暴跌，最后行业很火但公司不赚钱。

3. CPO是否真正开始量产。这非常关键，因为现在很多估值已经在提前交易CPO的未来，但实验室成功不等于大规模部署成功。

七、怎么配置？

只是思路，不是投资建议。

核心仓位（确定性）：偏光基础设施、龙头器件、代工，因为最容易吃到CapEx红利。

卫星仓位（赔率）：少量布局CPO、硅光、小市值高弹性公司，如果行业爆发弹性最大，但失败概率也高。

八、一个很多人忽略的现实

真正决定AI基建周期长短的未必是技术，而是AI公司什么时候开始真正赚钱。如果未来AI收入跟不上CapEx，科技巨头可能放缓扩建、延迟订单、调整数据中心节奏，整个产业链都会受影响。所以光通信最核心的本质其实是“AI基建资本开支的杠杆品种”。你最终赌的不是光，而是AI基建扩张会持续很多年。