为何光通信板块总出大牛股？又为何说这两家公司最为受益？
53 分钟
播放量 193
这两年AI有多火，大家都看在眼里。一提到AI投资，大家首先想到的是GPU，是算力；再往下想，可能会想到存储。不过，还有一个板块也被AI一起带飞了，那就是光通信。过去一段时间，这个板块里确实跑出了不少表现非常亮眼的大牛股，所以关注它的人其实也很多。
开通服务即可查看评论～
文字稿
这两年AI有多火，大家都看在眼里。一提到AI投资，大家首先想到的是GPU，是算力；再往下想，可能会想到存储。不过，还有一个板块也被AI一起带飞了，那就是光通信。过去一段时间，这个板块里确实跑出了不少表现非常亮眼的大牛股，所以关注它的人其实也很多。
对于这个板块本身，也许大家或多或少都知道它是AI的受益者。但它具体是怎么受益的？这个行业的技术是怎么一步步发展过来的呢？以及，如果我要投资光通信这个板块，这背后的逻辑到底是什么？其实很多人并不清楚。这倒也不难理解，毕竟，光通信和我们之前讲过的网络安全一样，是一个非常复杂的行业，要彻底搞懂它并不容易。
所以今天这期视频，我们就从一个更专业、也更科普的视角，来跟大家讲讲光通信这个行业。希望可以通过这样一期视频来帮助大家更好地理解这个行业背后的一些趋势和逻辑。到最后，我会跟大家说一说，在整个光通信行业里，都有什么值得关注的机会。好，话不多说，咱们开始吧。
光通信是怎么一步步普及的
上来，咱们先花一点时间，看看光通信是怎么从实验室走到今天的。说白了，就是一块接一块地补齐技术短板。大家可以看下面这张图，左边是十项技术短板，右边是它们被解决的时间。
这里面最关键的有两块。第一块是光源，也就是激光器。1960年激光器问世，到了1970年，半导体激光器能在室温下连续工作，光通信才算有了能用的光源。大家先记住激光器，因为它也是咱们这期视频最后要落到的投资机会。
第二块是光纤。1970年，康宁拉出了能用来通信的光纤，光通信从此开始走向商用。之后几十年的技术突破，基本都是在让光传得更远、传得更多、做得更便宜。其中对今天比较重要的，是2010年代的硅光子技术，它让光器件可以像半导体一样批量生产。
所以简单总结一下，从历史上看，光通信就是一个靠技术突破推着走的行业。每次有新的技术突破，再赶上一波新的需求，行业就会迎来一轮新的增长。
既然这样，那今天光通信要解决的最大短板又是什么呢？这个问题很重要。因为只有知道了最大的短板是什么，我们才知道这个行业的瓶颈在哪里；尤其是在现在的AI逻辑下，瓶颈往往就是投资的机会。而现在看来，光通信最大的短板，就是怎么解决AI集群的功耗和带宽密度问题。说白了，就是两件事。一是太费电：AI集群里成千上万颗芯片要不停地互相传数据，单是传数据这一项，就要耗掉大量的电。二是地方不够用：一台设备的接口就那么多，要在同样大小的地方塞进更多、更快的数据通道，越来越难。博通、英伟达从2024年起推出的共封装光学，也就是CPO，针对的就是这块短板。这也是我们后面会重点分析的，光通信未来最重要的技术发展趋势之一，同时也和这个行业的投资机会直接相关。
AI为什么离不开光
光通信是怎么一路发展过来的，咱们大概了解了。那到了AI时代，为什么数据中心越来越离不开光呢？咱们先来看几个数字。根据Yole今年6月最新的行业报告，2025年全球光收发器的市场规模是234亿美元，到2031年预计会做到1123亿，每年复合增长30%左右。这里面，单是数据中心用的光收发器，到2031年就会超过1000亿，年复合增长超过33%。也就是说，短短6年时间，整个市场就要差不多变成原来的5倍。一个市场规模上百亿美元的行业，还能连续好几年保持30%以上的增速，增长还是非常可观的。
你看，光通信在AI时代的重要性，是实实在在地发生了质变。那为什么会这样呢？AI计算对光通信的需求，和以前的电信市场、传统云计算相比，到底有什么不同？
不同时代对光通信需求的不同
我们先把不同时代对光通信的需求放在一起做了个对比，整理在了下面这张表里。表里的细节比较多，我就不一一解释了。这里我直接帮大家把重点做一个总结。
从表里可以看到，三个时代的相同点主要有两个，一个是需求的驱动力，一个是周期性，这两点在每个时代都很类似。先说驱动力。光通信说到底是一种通信连接方式，所以不管是传统电信时代、传统数据中心时代，还是现在的AI数据中心时代，大家买光通信产品，最主要的原因都是要传的数据越来越多。再说周期性。正因为需求跟着通信量走，光通信产品的需求扩张周期，和下游基建投资的周期也是高度同步的。下游在大规模建设的时候，光通信的需求就会跟着起来。
再来看不同点。从表里可以看到，三个时代的差别其实非常大。这主要是因为，买家和光通信的场景都不太一样。先说传统电信。在这个时代，买光通信设备的主要是电信运营商。它们买这些设备，主要是用来把不同的城市和大范围的用户连起来，所以设备既要传得远，也要经久耐用。一套设备装上去，往往要用10年以上，产品更新换代也就没那么快。另外，运营商的体量都很大，在采购上有很强的议价能力，所以供应商想要拿到订单，主要还是得在价格上竞争。
再看AI数据中心。买家变成了云厂商、AI公司，还有英伟达。光通信不仅要像传统数据中心那样，把服务器和交换机连起来，还要把GPU集群里成千上万颗芯片连在一起，甚至把相隔很远的几个数据中心连成一个整体。所以对传输速度的要求最高，产品换代也最快，差不多两年就是一代。而且现在大家都在抢着建AI数据中心，需求非常急，谁能更快交货，谁就能拿到更多订单，价格反倒没那么重要了。
简单来说，到了AI数据中心时代，光通信不仅用的地方变多了，对产品的要求也变高了，也因此，这些光通信的公司也在涨价。量和价两个因素叠加在一起，这就使得当前的光通信行业非常受益。
AI推理时代，光通信变得越来越重要
不仅如此，更让人感到兴奋的是，随着AI进入推理时代，光通信的重要性还会继续提升。为什么这么说呢？
这得从现在AI的工作方式说起。AI技术其实发展了很多年，但一直没有出现像ChatGPT这样能举一反三的产品，直到大语言模型的出现，才有了质的变化。这里面最关键的一点，就是参数变多了。参数可以简单理解成AI脑子里的神经连接，参数越多，AI能学会的东西就越多。
参数只有几亿的时候，AI训练完基本只会死记硬背，做做简单的填空题。但等参数涨到几千亿、甚至上万亿，人们突然发现，AI开始会一步一步地推理、会写代码，还能听懂话里的潜台词，越来越像人了。而且到现在我们也知道，模型越大、喂的数据越多、用的算力越多，AI就越聪明。所以今天做AI，模型越做越大、成千上万颗芯片一起算，已经是常态了。
从下图可以看到，2022年底AI大模型发布以来，模型的参数量一直在涨。根据各家模型厂商公开的数据，现在最大的模型超过了3万亿个参数，已经非常大了。而不管是训练模型，还是我们日常用AI时的推理，都要靠一大群芯片同时干活，芯片之间就得不停地来回传数据、对进度。
但问题是，这几年芯片的算力和模型的参数涨得非常快，可芯片从内存里取数据的速度，和芯片之间传数据的速度，都没有跟上。这就是业内常说的「内存墙」和「通信墙」。
这个难点到底在哪里呢？咱们举个例子来帮助大家理解。
好比说，以前的AI本来是一个小厨房，每天就只需要给两三个人做菜。那这个需求天然就小，包括原材料的采购、在厨房里的沟通和工作，都非常简单。
但现在的AI，已经变成了一个给上千人做饭的大饭店了，这时候再用原来的厨房肯定是不行的。因为需求呈指数级增加，他们必须要有一个超大的中央厨房，同时保证厨房里有更多的厨师，当然原材料的用量也成倍增加。
AI大模型运算的过程，就像这个大饭店的中央厨房在做饭。「厨师」就是AI里的「算力」，「各种食材」就是「内存数据」。厨师多了以后，每次从库房取原材料的量也得同步增加，不然就会出现某些时候某个厨师拿不到食材、只能干站着的情况。这就是所谓的「内存墙」。
不过，大家可别以为，只要有人、有食材，这个厨房就可以快速运转起来了。其实还有一件事也很关键，那就是沟通。这一点，相信玩过《胡闹厨房》这个游戏的看官，应该都深有体会。沟通在AI里对应的，就是咱们今天聊的「通信」。所以说「通信墙」这个点，本质上就是厨房在做饭过程中，各方沟通的瓶颈。比如说，客人点的菜要及时传到后厨，厨师之间要协同分工、互相沟通进度。如果整个大厨房只有一部电话，那很多厨师可能就不知道要干什么，等着被安排任务，这样厨师的产能同样会被闲置。
说到这里，相信大家就能理解了。随着AI数据中心要处理的数据越来越多，对响应速度的要求也会越来越高。这时候AI的性能好不好，就不只是看芯片算得有多快了，还要看数据能不能及时送到芯片手里、芯片之间的传输做得够不够快。所以在这个逻辑下，通信也就成为了决定AI性能的重要因素。这便是光通信这个赛道的价值所在。
三条解决通信墙的路径
那么在AI推理时代，我们需要什么样的通信产品，才能解决通信墙的问题呢？目前主要有三个方向。
方向一：光通信渗透率提升
第一个方向，是提高光通信的渗透率，也就是数据中心内部的「光进铜退」，用光纤去替代原来的铜缆。
这是因为，以前数据中心里的数据，大多是用铜缆来传的，铜缆稳定可靠，也比光模块便宜。但在AI数据中心里，芯片传数据的速度越来越快，而速度一快，信号在铜缆上走不了多远就会变弱。
比如传输速率到了800G、1.6T的时候，铜缆就只能传输1.5米以内的距离，所以只能在一个机柜里面用，或者连接离得很近的服务器和交换机。可是，一旦要跨机柜，不管是服务器之间，还是服务器和交换机之间，铜缆就远远不够了。这就不得不换成光纤，靠光模块来传输。而随着AI使得跨机柜的传输需求不断增加，光模块的用量显然也在快速地变多了。
方向二：光模块速率持续升级
第二个方向，是让光模块传得越来越快，从原来的200G、400G，升级到800G、1.6T，甚至3.2T以上。
为什么要这么做呢？因为英伟达的GPU每更新一代，算力就会成倍提升，芯片之间要传的数据也跟着成倍增加，光模块自然也得跟着提速。这个提速，我们也整理在了下面这张表里。简单总结就是，每一代英伟达芯片的更新，光模块也得跟着提高速率，比如说现在的Rubin，已经配置1.6T的速率，是2020年A100的8倍了。所以可以看到，升级的速度还是非常快的。
而这放在投资上，就意味着这些产品的单价在持续地上升，利润率也得以不断提高。
方向三：CPO光电共封装技术
第三个方向，是CPO，也就是光电共封装技术。这里可能有点难理解，我尽量说得通俗一点。现在的交换机里，芯片发出来的是电信号，要先走一段铜线，才能到光模块里变成光。速率一高，电信号在铜线上衰减得很快，就只能用更多的电来弥补这个事情。与此同时，AI服务器里的芯片也越来越多，比如英伟达的一台DGX B300就装了8颗GPU，要用的光模块也跟着成倍增加。
所以你看，光模块越来越耗电，用得又越来越多，整个通信网络的耗电量就大幅飙升。而数据中心的电又是有限的，通信用掉的越多，留给GPU的就越少，这就又影响了数据中心的性能。
那怎么办呢？最好的办法，就是让电信号尽快变成光。因为光在光纤里损耗非常小，跑几公里都不用额外耗电，费电的主要是铜线那一段，所以铜线越短越省电。就好比让传话的人离说话的人越近越好，这样就不用喊了。
围绕这个思路，行业里有LPO、NPO、CPO几种方案，都是在缩短这段铜线的距离。其中CPO直接和芯片封装在一起，距离最短、最省电，被看作是长期的发展方向，未来的比例也会慢慢提升。
好，简单小结一下，这三个方向对投资来说意味着什么。第一，光进铜退，光模块的用量在变多。第二，速率不断升级，光模块的单价在变高。这两点加在一起，就是光通信行业的量价齐升，这往往是市场特别喜欢的逻辑。第三，CPO这类新方案会让光和芯片越靠越近，谁的技术能跟上，谁就能分到更多的钱，产业链的利润分配也会跟着变。所以投资光通信，除了看行业整体在增长，还得看清楚钱最后流到了哪个环节。
资金都流向了哪里
那么，量价齐升带来的这些钱，最后到底流到了哪个环节呢？这里咱们不妨看看法国巴黎银行最新的估算。可以看到，AI基建每花100块钱，大概有15块花在网络设备上。网络设备就是光通信这条产业链上的产品。在这15块里，光模块一项就占了5块多，是网络设备里花钱最多的部分，剩下的是交换机、通信芯片和线缆。
不过，光模块、交换机这些都是整机，里面还装着很多零部件。如果我们再把这个整机拆开，会发现有不少钱，其实是花在了各种芯片上。网卡芯片、交换机芯片、光芯片，再加上各种电芯片，合计差不多占了40%，比任何一项都高。所以在网络设备扩容这件事上，其实赚钱赚得最多的，还是那些做芯片的公司。
而在这几种芯片中，最能受益，又最具确定性的芯片，就是咱们今天一直绕不开的光芯片。前面讲过，为了满足AI数据中心越来越大的传输需求，光通信有三个技术方向，用光替代铜、提高速率，以及把光芯片尽量靠近交换机芯片。
这三个方向，虽然落到数据中心的不同场景里会有不同的变化，具体可以看下面这张表。但其实不管未来技术路线怎么变，每个场景都离不开一样东西，那就是激光器。这句话很重要，我再说一遍，“不管未来技术路线怎么变，每个场景都离不开激光器”。而这个激光器，其实就是光芯片的一种。
不单是说激光器在每个场景里都出现，更为重要的是，未来的需求都是朝着用量更多，要求也更高的趋势走的。用得更多，是因为很多原来用铜的地方，比如机柜之间的连接，以后都要改用光，每条光链路都需要光源；要求更高，是因为速率越来越快，对激光器的性能、功率和可靠性要求也都在提高，当然也意味着单价会提升，相关的企业就又可以涨价了。所以不管最后哪条路线胜出，有一个点是很确定的，那就是行业都会需要更多更好的激光器。梳理到这里我们发现，在整个光通信行业里，激光器这个细分赛道，就是未来的需求最为坚挺的。
更有意思的是，在需求如此坚挺的背景下，它的供给端却很难跟得上。一方面，高速激光器的产能集中在少数几家厂商手里，据TrendForce估计，前三家大约占了72%，而新建一座晶圆厂又要花两到3年。另一方面，上游的磷化铟衬底也很紧张，一年多的时间，价格差不多涨到了原来的3.5倍。所以像200G EML这样的高速激光器，缺货预计会一直持续到2027年下半年。
需求在多个场景同时放量，供给短期又很难扩张，因此，激光器会是未来几年光通信里最紧缺的环节，甚至都没有之一。谁手里有技术、有产能，谁就有更强的议价能力，比如可以涨价，客户也愿意提前锁定订单。所以从投资的角度来看，我们当下最看好的是高速激光器芯片这个方向，当然还包括它上游的磷化铟产能和衬底环节。
那么，在激光器这个环节里，具体有哪些公司值得关注呢？大家可以回头看看上面那张表里「受益环节与代表公司」这一列，在激光器那一栏里，有两家公司反复出现，一家是Lumentum，一家是Coherent。就拿Lumentum来说，它的CEO前不久刚刚表示，公司的光器件产能已经完全卖光，一直卖到了2029年初。这个时间线比存储公司的还要往后一点，也说明，激光器的紧缺是实实在在的。那这两家公司到底强在哪里？两家谁的机会更大？现在还值不值得投资？这些问题老实说又是个一万字的长文，本期视频实在是写不下了，所以我们决定放在下一期视频里，会跟大家再次深度展开。视频两天后就会上线。
总结
好，到这里，这期光通信的行业分析就讲完了。我知道这期视频很多都是技术上的内容，听起来可能有点复杂。所以最后，我帮大家把整条逻辑再重新整理一下。
首先，光通信是一个靠技术突破推着走的行业，每补齐一块短板，再赶上一波新需求，行业就会迎来一轮增长。而这一次的新需求，就是AI。按照Yole的预计，光收发器市场会从2025年的234亿美元，增长到2031年的1123亿美元，6年时间差不多变成原来的5倍。
那为什么AI这么需要光通信呢？因为现在的AI模型越做越大，要成千上万颗芯片一起算，芯片之间得不停地传数据。就像咱们前面说的那个大厨房，厨师再多，沟通跟不上，很多人也只能干站着。所以芯片之间传得够不够快，就成了决定AI性能的重要因素，这也是光通信在AI时代越来越重要的原因。
后来，我们又去研究了资金到底都流向了哪个细分赛道。然后我们发现，AI基建每花100块钱，大概有15块花在网络设备上。而把这些设备拆开来看，差不多40%的钱都花在了各种芯片上，所以到目前为止，赚得最多的是做芯片的公司。
而在这么多芯片里，最值得关注的就是光芯片里的激光器。原因有两个。第一是需求，不管未来技术路线怎么变，每个场景都离不开激光器，而且会用得越来越多，要求也越来越高，单价自然也会往上走。第二是供给，高速激光器的产能集中在少数几家厂商手里，新建一座晶圆厂要两到3年，上游的磷化铟衬底也很紧缺。需求这么坚挺，供给又跟不上，激光器就会是未来几年光通信里最紧缺的环节，谁手里有技术、有产能，谁就有议价能力。所以从投资的角度来看，我们当下最看好的，是高速激光器芯片这个方向，以及它上游的磷化铟产能和衬底环节。再具体到公司，就是这个环节里的两家龙头，Lumentum和Coherent。
那最后他们的投资逻辑有什么差异，咱们两天后的下一期视频会再给大家做深挖，敬请期待！
为你推荐
