关键要点总结 涉及的行业与公司 * 行业：光通信行业，具体包括光模块、光芯片、液冷、数据中心(IDC)等细分领域 [1][14] * 公司： * 光模块：中际旭创、新易盛、东山精密、天孚通信 [1][14] * 光芯片：源杰科技、东山精密（通过收购索尔思光电） [1][14] * 液冷：英维克 [1][14] * IDC及算力租赁：润泽科技、奥飞数据、东阳光 [14] 核心观点与论据 1. 光通信行业增长的核心驱动力 * 核心驱动力一：应用场景从Scale-out向Scale-up渗透：光通信正从传统的数据中心互联等Scale-out场景，向用于并行计算的Scale-up场景渗透，创造巨大且不具替代效应的增量市场 [1][2][3][5] * 2024年行业从8卡服务器演进到72卡或64卡机柜方案，将Scale-up范围扩大至72张卡 [3] * 预计2025至2026年将出现柜间Scale-up需求，新增连接大概率采用光通信技术 [3] * 预计从2027年起，这部分增量将显著贡献相关公司的每股收益 [1][5] * 核心驱动力二：AI系统资本开支结构“通胀”：光通信在AI系统资本开支中的价值占比预计从约5%提升至20%，增长达4倍 [1][7] * 核心驱动力三：计算芯片架构从GPU向ASIC演进：ASIC方案因单卡算力较低，构建同等算力集群需更多芯片，导致连接数量增加和额外的通信代价，从而显著增加对光通信带宽的需求 [6][7] 2. 技术路径阵营化与演进前景 * CPO (Co-Packaged Optics)： * 支持方：英伟达、台积电，主推CPO以集成价值 [1][8] * 优势：信号损耗和传输延时等关键通信性能指标最强；有利于英伟达将光通信价值集成到芯片设计中 [8] * 挑战：共封装良率未达理想，系统故障率高，维护成本高昂（组件无法单独拆卸更换） [8] * NPO (Near-Packaged Optics)： * 支持方：云厂商（如谷歌、亚马逊、Meta、微软），因其ASIC体系更青睐NPO [1][8][9] * 优势：可插拔设计解决了维护性难题和潜在巨大成本消耗；提供开放解耦的生态系统，使云厂商不必完全绑定于英伟达和台积电的封闭体系 [8][9] * 应用：是Scale-up网络的主要应用场景之一，近期已观察到巨大增量潜力 [5] * OCS (Optical Circuit Switching)： * 原理：利用光学原理直接进行交换，不涉及光电转换 [10] * 优势：极低的成本和功耗 [10] * 局限：目前只能实现数据转发，无法进行复杂数据处理；转发时间为毫秒级别，远长于电交换机的微秒到纳秒级别 [11] * 应用：目前作为辅助设备，未大规模替代传统电交换机，在Super POD场景中扮演高级配线盒角色，预计未来几年将大规模放量 [11] * XPU： * 核心理念：将多个光模块集成在一起作为一个单元插入交换机，旨在解决光模块的接入密度问题，并有望优化成本与功耗 [10] 3. 光芯片成为高估值环节的原因 * 产能形成周期长：新建一条光芯片产线通常需要一年以上，涉及关键进口设备（如MOCVD、E-beam）采购周期长（半年至一年），以及漫长的设备调试和流片过程 [12] * 上游原材料供应紧张：磷化铟衬底材料供应过去集中于海外厂商（如AXT、住友），扩产速度不快；2025年底中国对相关稀土元素实施管控后，日本厂商扩产受阻；国内厂商（如云南锗业）扩产尚在规划中，目前衬底材料仍是短缺和涨价环节 [13] * 产品验证壁垒高，良率差距显著： * 高端产品（如100G EML）生产良率普遍偏低且爬坡困难 [13] * 顶级厂商（博通、Lumentum、住友）良率可接近80%；Coherent、索尔思等厂商良率在50-60%；更多厂商良率停留在30%或更低，导致产能无法通过客户验证 [13] * 验证过程漫长，两次送样间隔可能长达一个季度或更久 [13] * 竞争格局集中，需求可见度高：紧缺性带来涨价预期；厂商扩产前能获得长期的客户需求指引（如源杰科技二期产能规划已获2027至2028年需求保障，部分海外厂商甚至获得至2030年的需求指引） [13] 4. 投资优先级与核心标的 * 首推方向：光模块（中际旭创、新易盛）与光芯片（源杰科技） [1] * 其他关注方向： * 液冷：重点推荐龙头英维克，2026年主要看点在海外市场突破带来的业绩弹性 [14] * IDC及算力租赁：随着国内算力需求增长，关注润泽科技、奥飞数据、东阳光 [14] 其他重要内容 * Scale-up与Scale-out的功能区别与协同： * Scale-up：采用专有协议（如NVLink、ICI），核心作用是执行并行计算 [2][4] * Scale-out：采用以太网或InfiniBand等协议，功能包括处理推理任务数据流、连接计算集群与其他基础设施（存储、CPU）、以及实现大型集群中不同计算单元间的协同 [4][5] * 两者各司其职，不会互相干扰 [5] * 对常见误区的澄清：Scale-up和Scale-out是基于网络协议的定义，而非物理位置（柜内/柜外）的划分，错误理解会严重错判未来需求增速 [2]