AI 光通信产业链深度研究

核心结论

• AI 光通信不是“可有可无的配套件”，而是 AI 集群从单机强算力走向大规模训练、推理、分布式存储与跨园区互联时的核心扩容环节。算力扩张越依赖多机协同，网络越从“带宽附件”变成“系统瓶颈”，这也是 Dell’Oro 单列 AI back-end switch 市场并预期 2030 年规模超过 1000 亿美元的根本原因。
• 真正已经兑现为订单与收入的主题，优先级依次是：800G 可插拔光模块、1.6T 早期放量、AI 交换机/交换芯片、EML/CW 激光器、关键光器件与高端光学制造。相较之下，CPO、NPO、Optical I/O 更接近中期架构方向，产业地位很高，但未来 12 个月对大多数上市公司报表的直接贡献仍弱于 800G/1.6T 可插拔。
• 800G 是“现在进行时”，不是概念。LightCounting 指出，AI 集群相关光模块、LPO、CPO 市场从 2024 年约 50 亿美元增长到 2026 年超过 100 亿美元；Dell’Oro 也指出 AI back-end 网络交换端口已以 800G 为主，并将在 2027 年向 1.6T 迁移。
• 1.6T 是“下一轮真实升级”，其逻辑来自 200G/lane 电口与光口、102.4T 交换芯片、下一代 AI scale-out/scale-up 网络的高 radix 需求。Marvell、Cisco、Broadcom 都已公开展示 1.6T 相关 DSP、交换与系统路线，说明这不是遥远愿景，而是 2026-2027 年的产品与设计导入窗口。
• 3.2T 仍偏“路线确定、收入未到”。Broadcom 已明确其 200T AI 时代路线将为未来 3.2T 光模块和 204.8T 交换平台打基础；Marvell 通过收购 Polariton 把路线延伸到 3.2T 及以上。但在未来 12-24 个月，3.2T 对上市公司利润弹性更多体现为研发卡位和估值想象，而非大规模收入。
• 最直接受益的上市公司，不是所有“讲 AI 光通信故事”的公司，而是已经进入关键客户采购名单、具备量产与交付、并且有报表验证的公司。这一类公司包括：Arista、Cisco、Broadcom、Marvell、Coherent、Lumentum、Fabrinet、Applied Optoelectronics，以及中国的中际旭创、新易盛、天孚通信、光迅科技等。
• 客户与订单确定性当前最强的证据链，不在泛泛“AI 曝光”，而在NVIDIA 官方生态与长期合作承诺：NVIDIA 已公开披露其 CPO/硅光生态合作方包括 TSMC、Coherent、Corning、Foxconn、Lumentum、SENKO，并指出 pluggable optics 生态由 Coherent、Eoptolink、Fabrinet、Innolight 等支持；此外，NVIDIA 分别与 Coherent、Lumentum 签署多亿美元级采购与 20 亿美元投资合作，并与 Marvell 在 NVLink Fusion 与硅光上合作。
• 利润率最好的环节，长期仍是交换芯片/系统软件栈与具有专有 IP 的关键半导体/激光器；收入弹性最大的环节则是可插拔模块与上游器件。这意味着高毛利与高弹性经常不在同一处：Arista/Broadcom 赚高盈利质量，Coherent/Lumentum 赚关键材料与器件稀缺性，中际旭创/新易盛赚 AI 代际升级的量价弹性。
• 未来 12-24 个月真正可能紧张的，不再是泛化的“800G 模块产能”，而是200G/lane DSP、InP/EML/CW laser、CPO 用高功率激光器、硅光封装与测试、高密度连接器/FAU/MT ferrule。LightCounting 已指出 2026 年传统以太网光模块总体供给压力正在缓解，这意味着通用品类更容易面临价格竞争；真正的稀缺性正在向 1.6T/CPO 所需的更高规格环节移动。
• 中长期可能遭遇替代的，不是“光模块全部被消灭”，而是价值链重心发生转移。LPO/LRO 会削薄短距 DSP 模块价值，硅光会压缩离散调制器/WDM 部分价值，CPO/NPO 会把一部分传统模块装配价值迁移到交换芯片与光引擎封装。但在维修、可更换性、热设计、良率和标准化解决前，可插拔模块仍是未来数年的主力形态。
• 以太网在 AI scale-out 中的上升已是现实而非预期。Dell’Oro 指出 2025 年以太网 AI back-end switch 销售额已超过 InfiniBand 两倍以上，Amazon、Microsoft、Meta、Oracle、xAI 均在采用以太网；这直接利好 Arista、Cisco、Broadcom，也意味着光模块需求将从 NVIDIA 单一生态，扩散到更广阔的以太网链条。
• 云厂商资本开支并未出现“AI 建设见顶”的公开证据。Microsoft FY26 Q1 CapEx 为 349 亿美元，Alphabet 2026Q1 CapEx 为 357 亿美元且其中约 40% 投向数据中心与网络设备，Meta 2026Q1 CapEx 为 198.4 亿美元，Alphabet 还给出 2026 年全年 1750-1850 亿美元 CapEx 指引；Oracle FY26 Q3 OCI 收入同比增长 84%，RPO 同比增长 325%。这些披露意味着 AI 网络与光互联的需求底座仍强。
• 最大风险不是“AI 光通信没有需求”，而是需求是真的，但利润分配顺序会变：如果 800G 供给充分、ASP 快速下行，而 1.6T/CPO 又未及时接棒，则中游模块装配商可能出现收入增长快于利润增长；反之，激光器、关键器件、交换 ASIC 与系统软件层的利润韧性更强。

产业链全景

AI 光通信产业链里，真正值得投资研究的不是“谁跟光沾边”，而是谁能把GPU 集群扩张直接转化为可见订单、收入确认、利润释放。以下按上游—中游—下游梳理，并把“收入确认方式、供给瓶颈、利润率特征、受益强度”放在同一张图里看。

上游材料与芯片

光器件、光模块与封装制造

硅光、CPO 与网络系统

需求与技术路径

AI 集群为什么持续推高高速光通信需求

AI 训练与大规模推理的核心不是单颗 GPU 的峰值算力，而是GPU 之间、GPU 与存储之间、机柜与机柜之间、园区与园区之间能否保持高利用率地交换参数、梯度、KV cache、checkpoint 与样本。Dell’Oro 已把这类网络明确划分为 scale-up、scale-out、scale-across 三个域，并认为未来 AI back-end 网络支出将跨越这三个域持续增长；NVIDIA 则在 Rubin 与 Spectrum-X 路线里把“持续高利用率”和“降低训练时间/TCO”直接绑定到网络能力上。

从物理层看，AI 数据中心之所以需要更多光而不是更多铜，原因很简单：速率更高、距离更长、功耗更敏感、机柜更热。NVIDIA 公开表示，其 Spectrum-X Photonics 与 Quantum-X Photonics 通过把光学集成到交换 ASIC 封装，可实现 5 倍以上网络功耗效率提升和 10 倍以上韧性提升；Broadcom 也把 102.4T Tomahawk 6 CPO 交换机定义为为 AI scale-up/scale-out 提供更稳定链路和更高能效的基础设施。

云厂商的财报也说明，网络不是边缘开支。Alphabet 在 2026Q1 将 357 亿美元 CapEx 的约 40% 指向数据中心和网络设备；Microsoft FY26 Q1 的 349 亿美元资本开支中，除 GPU/CPU 外也包括服务器和网络设备替换；Meta 2026Q1 资本开支达到 198.4 亿美元；Oracle OCI 收入与 RPO 的高增则说明 AI 基础设施租赁需求仍在扩张。

训练、推理、scale-up、scale-out 与 scale-across 的不同含义

训练最怕的是全局同步与大规模 all-reduce；推理最怕的是低时延、弹性扩容和跨模型/跨缓存调度。因此训练对带宽、延迟抖动、丢包控制、网络确定性要求更高，推理则更受成本、功耗和网络分层设计影响。Dell’Oro 认为，过去主要依靠 scale-out 的集群已经不足以承接下一阶段 agentic/physical AI 需求，scale-up fabric 正在兴起，而 Ethernet 会逐步从 scale-out 扩张到 scale-up 领域。

• Scale-up：更多发生在单机柜/机架域甚至机架内部，追求 GPU 与内存的极高带宽耦合，当前仍以 NVLink 等专有方案为主，但 UALink 与以太网方案开始争夺未来主导权。
• Scale-out：跨机架、跨列连接大量加速节点，是 800G/1.6T 光模块最直接的需求来源，也是 Arista、Cisco、Broadcom、NVIDIA 交换机最强增长区。
• Scale-across：跨数据中心互联，偏向 ZR/ZR+、Jericho 类 DCI/AI WAN。Broadcom 的 Jericho4 与 Marvell 的 1.6T ZR/ZR+ 路线，直接对应这一层。

800G、1.6T、3.2T 的升级逻辑

根据 Dell’Oro，AI back-end 网络的多数交换端口已经转向 800G，预计 2027 年转向 1.6T，2030 年迈向 3.2T。Marvell 在 2026 OFC 上将 1.6T 定义为 AI 数据中心端到端连接的“新纪元”；Cisco 也已发布面向 AI scale-out 的 1.6T OSFP optics；Broadcom 则通过 102.4T CPO 交换与 200G/lane 器件，明确把路线延向未来 3.2T 光模块。

这背后的数学并不复杂。以 51.2T 交换机为例，如果采用 64 个 800G 端口，光模块数量会按端口数近似线性增长；Lumentum 用 EML 芯片做过一个很清晰的示意：单个 51.2T、64×800G 交换平台就可能对应 512 颗 100G EML 芯片，100 台这种交换机就需要 5 万颗以上 EML 芯片。这个例子不是对所有架构的精确计数，但足以说明只要 AI 集群从数千卡扩到万卡、十万卡，光器件与模块需求就会呈“端口数×代际升级”复合放大。

对于“一台 AI 服务器、一个 AI 机柜、一个 AI 集群大致需要多少光模块”，公开资料很难给出一个对所有架构都适用的固定数字，因为这取决于是否机架内走铜、TOR/EOR 布局、液冷拆分程度以及 scale-up 是否留在柜内。更合理的做法是给出区间判断：单台训练服务器的外部高速链路通常从“几乎不用光”到“多达数个 400G/800G 光口”不等；跨机柜的 leaf-spine 设计会让单个 AI 机柜边界需要几十个高速光口；当集群规模来到上万 GPU 时，模块需求通常会进入数千到上万只 800G/1.6T 的量级。这是基于交换端口规格和 AI fabric 结构做出的推演，而不是统一的 BOM。

LPO、LRO、DSP 与 CPO 的适用场景

LPO/LRO 的经济学核心，是在短距、可控链路质量的场景里削减 DSP 与 retimer 带来的功耗和时延，因此更适合 AI 数据中心内部、尤其是可严格控制布线和互操作环境的链路。LightCounting 明确认为 AI 正在加速 LPO/CPO 的采用；新易盛则已公开将 LPO/LRO、XPO、NPO、CPO 视为同一技术族谱并实现量产布局。

但 DSP 并不会因为 LPO 而快速消失。原因在于，随着速率从 100G/lane 升到 200G/lane，链路预算、信号完整性和互通性要求更高，在更远距离、更复杂部署、更强调兼容性的环境中，带 DSP 的模块仍是主流。Marvell 的 1.6T Ara DSP 平台和 Broadcom 继续强化的 200G/lane 光器件路线，都说明 DSP 在 1.6T 时代仍有相当强的生命力。

CPO 则是另外一个层级的问题：它不是“替代一颗芯片”，而是重新划分交换芯片、光引擎、连接器、维修与供电的边界。NVIDIA 已把 CPO 放到其 Quantum-X 与 Spectrum-X Photonics 产品中，并给出 2026 年量产时间表；Broadcom 也已量产发货第三代 CPO 交换机。然而就未来 12-24 个月看，CPO 更可能先替代部分最极致、最密集、对功耗最敏感的交换层连接，而不是全面取代传统可插拔光模块。

情景预测

赛道拆解

为保持可读性，以下将用户要求的十八个赛道压缩成一张“投资吸引力矩阵”，每个赛道都对应赛道逻辑、收入转化、供需、价格与毛利、催化与风险。评分为 5 分制，越高表示未来 12-24 个月越值得优先研究。

谁最直接受益，谁更可能只是主题

最直接受益的是模块、激光器、核心器件与 AI 交换系统，因为这些环节最容易受到订单拉动并快速确认收入。以财务证据看，Arista 已把 FY2026 AI fabrics 收入目标上调到约 35 亿美元；Cisco 在 FY26 Q2 单季拿到 21 亿美元 hyperscaler AI 基础设施订单；Coherent、Lumentum 已与 NVIDIA 建立带采购承诺的长期合作；Fabrinet、AOI 的财报也已直接体现 AI 光器件/模块需求。

相反，单纯讲“硅光/CPO/Optical I/O 故事”但尚未形成规模收入的公司，或者主营仍以传统电信/骨干网/泛连接为主、AI 只是次要增量的公司，更适合放在“中长期观察”而非“短中期业绩兑现主线”。这一类并不是没有价值，而是公开财务证据还不足以支撑“高确定性、高利润弹性”的结论。

公司清单与分层

重点上市公司总表

下表优先覆盖真正处于 AI 光通信订单流中枢、且已有公开证据的公司。对无法从公开资料确认的客户、AI 收入占比、积压订单或实时估值，统一标注“未披露/需进一步验证”。

重要未上市公司与一级市场机会

公司分层与投资优先级

A 类：核心直接受益者 中际旭创、新易盛、天孚通信、Coherent、Lumentum、Fabrinet、Arista、Broadcom、Marvell。共同特征是：要么直接卖 800G/1.6T 模块与关键器件，要么直接卖 AI 交换系统/交换芯片，且已有公开订单、收入目标、合作承诺或显著业绩反映。

B 类：受益明显，但带有周期/客户集中/估值风险 光迅科技、仕佳光子、AOI、Cisco、Fujikura。它们的 AI 逻辑都成立，但要么客户与订单披露不够完整，要么 AI 收入占整体收入比例还不够高，要么估值与供给周期波动更大。

C 类：长期可能受益，但短期财务弹性一般 Corning、Furukawa Electric、Sumitomo Electric、Ciena、中兴通讯。它们更偏光纤、连接、DCI、通信设备等环节，AI 需求可传导，但路径更长、利润弹性更弱。

D 类：题材强于财务证据 纯 CPO/Optical I/O 主题映射标的，或把 AI 光通信映射到泛通信设备的公司。这个类别并不意味着公司差，而是指现阶段公开资料不足以证明其 AI 光通信已显著转化为订单、收入和利润；多数一级市场公司也暂时属于这一类。