光模块是用于通信设备之间数据传输的光电子器件，主要作用是进行光电和电光转换。从结构上来看，光模块主要由光发射器件（TOSA，含激光器）、光接收器件（ROSA，含光探测器）、功能电路和光（电）接口等部分组成。其中， 光收发组件 TOSA/ROSA 是光模块的核心部分，TOSA 负责将接收到的电信号转换为光信号，经光纤传送后，通过 ROSA 将光信号转换为电信号， 并经前置放大器后输出。根据OFWEEK与前瞻产业研究院，光模块中光器件成本占比约 73％左右，其中 TOSA 占到光器件总成本的48％，即整个光模块成本的 35%；ROSA 占到了光器件总成本的 32％，即整个光模块成本的23%。
从产业链来看，光模块在光通信产业链中位于中间位置，上游包括光芯片（分为有源和无源）和光组件，两者构成光器件（同样分为有源和无源），光器件与电芯片、PCB 等构成光模块，其中光器件占光模块成本最高，其中光芯片占光模块成本比超过 50%；光模块在产业链后续应用于光通信设备，并在终端应用于以中国移动、中国联通和中国电信三大运营商为主的电信市场，以及以谷歌、微软、亚马逊、Meta四大云服务厂商为主的数通市场。
本部分我们将阐述当前光模块行业主要现状及趋势，光模块此前主要应用于电信与数通两大市场，其中电信市场份额逐渐减小，数通市场为主要市场；2022 年后云厂商资本支出有所下行，但ChatGPT的出现引发 AI 科技革命，边际带动数通市场整体向上抬升，AI 成为光模块的主要增长点并有望长期拉动技术层面和需求层面的深刻变革；我国光模块厂商已主导光模块市场，在本轮迭代中各有优势，有望受益于PE拔升和业绩兑现迎来戴维斯双击。
2.1 电信市场稳中有增，数通市场前景广阔
2.1.1 电信市场为光模块发源，运营商资本支出由5G 倾向算力
电信市场是光模块的发源地。从电信网络传输需求来看，5G 传输网络由前传、中传和回传组成，分别将蜂窝基站、核心网络和数据中心连接起来，其中前传主要使用 10G、25G 光收发模块，中传主要使用50G、100G、200G 光收发模块，回传主要使用 100G、200G、400G 光收发模块。前传子系统具有长距离高密度的特点，对光模块需求量最大，因此对光模块需求主要较低速率的光模块为主，根据LightCounting，全球电信侧光模块市场 2020 年市场规模约 21.66 亿美元，预计到 2025 年将达到33.54 亿美元，2023-2025年增速分别 3.4%/11.8%/9.2%。同时根据我们判断的产业发展历史经验，电信市场光模块约7-10 年速率迭代一次，相较数通市场相对较慢。
另一方面，我国 5G 投资逐步迈过高峰，增速趋于平稳。从资本支出结构上来看，三大运营商预计未来资本支出逐渐向云计算等算力方向倾斜：中国移动对 2023 年算力网络的资本开支预算提高到452亿元，同比提高近 35%；中国电信 2023 年计划在产业数字化方面资本支出占比提高9.1%；中国联通计划2023年算力网络资本开支将达到 149 亿元，占总资本开支比例将达到 19.4%，同比增长超过20%。
另一方面，光纤入户规模继续扩大，向 10G PON 升级已经是大势所趋，亚太运营商正引领全球接入网向 10G 速率升级。国内来看，截至 2023 年 4 月我国 FTTH/0 占比已超过95%；截止2022 年底，千兆及以上接入速率的固定宽带用户 9,175 万户，规模是上年末的 2.7 倍；建成具备千兆服务能力的10GPON端口数达 1,523 万个，较上年末接近翻倍。 全球来看，根据 Omdia 数据显示，大多数国家的FTTH基础设施建设势头正在增强，预计到 2027 年，全球 FTTH 家庭渗透将超过 12 亿户；全球PON设备市场预计在 2027 年 超过 180 亿美元。
总结而言，电信市场方面，传统移动网络占资本开支比重有所减小，电信运营商加大算力网络布局作为第二增长曲线，叠加光纤入户规模扩大，10G PON 端口数量增加，整体市场对应光模块需求呈现稳中有增的发展状态。
2.1.2 数通市场推动演进，叶脊架构提升需求
数通市场是目前光模块最大也是发展最快的市场，根据 Lightcounting 预测，数通市场将在几年迎来快速增长（未考虑 AI）。数通市场的快速发展主要得益于数据中心流量的大幅增加和数据中心网络架构的变化，具体来看，一方面，云计算、大数据、物联网等带来数据中心流量与交汇量的爆发，另一方面，数据中心架构升级，交换机之间连接数增加，两者共同推升光模块的用量。
从数据中心架构来看，数据中心网络架构逐渐由传统的三层结构转向新型的叶脊（Spine-Leaf）结构，叶脊网络架构采用扁平化网络，每台脊交换机都与所有叶交换机相连，数据传输可以动态选择多条路径，能有效缓解宽带压力，提高数据传输效率，由于在叶脊网络架构下连接端口数倍数增加，因此光模块需求量随之提高。以通用服务器所需光模块进行测算，OR 交换机与机柜互联，一个机柜6-10 台服务器，每一台都会和上层所有设备进行交叉互联。下行、上行端口收敛比一般是 3:1，由此测算，叶脊架构下1台服务器需要 4-6 只光模块，叶脊架构数据中心若需要 1 万台服务器，则需要约6 万只光模块。
此外，叶脊网络架构还提升了内部设备的连接密度、接口速率及交换容量，因此将推动光模块产品向高速率方向更新迭代。目前，光模块正处于由 400 G 向 800 G 进展的初期，800G 光模块有望在2023年后迎来快速放量。复盘来看，2018 年前光模块市场以 100G 为主，主要受电信市场5G 建设驱动，2019年后数通端资本支出快速提高，云计算推动光模块向 400G 迭代，根据 LightCounting 预测，2026 年前五大的云计算公司：阿里巴巴、亚马逊、Facebook、谷歌和 Microsoft 的光模块支出将增加到30 亿美元以上，同时800G 光模块将主导市场。
2.2 AI：ChatGPT 开启技术革命，光模块市场星辰大海
本部分我们将从两部分阐述，首先，以 ChatGPT 为起始的 AI 革命开启，算力需求的爆发成为光模块市场的主要推动力；第二部分以英伟达计算机和 GPT-3 大模型为例进行测算。
2.2.1 AI 大模型打开算力需求天花板，云厂商业绩超预期催化后续支出
ChatGPT 的出现引领 AI 浪潮： ChatGPT 是美国初创公司 OpenAI 发布的人工智能（AI）对话聊天机器人软件（模型），是一种大型语言模型，ChatGPT 使用基于 GPT-3.5 架构的大型语言模型（LLM），能完成撰写邮件、代码、翻译等任务，以及实现更广泛的搜索服务等。随后 AI 军备竞赛开启，并大幅拉动算力需求。目前国内已经出现多个 AI 大模型，腾讯混元大模型、百度文心大模型、鹏城实验室推出的盘古大模型、中国科学院自动化研究所研发的紫东太初大模型、阿里 AI 预训练模型 M6 等，未来大语言模型的数量有望继续增加。
具体来看，AI 大模型分为训练侧和推理侧：训练过程：又称学习过程，是指通过大数据训练出一个复杂的神经网络模型，通过大量数据的训练确定网络中权重和偏置的值，使其能够适应特定的功能；训练过程需要较高的计算性能、需要海量的数据、训练出的网络具有一定通用性。推理过程：又称判断过程，是指利用训练好的模型，借助在训练中已确定参数的神经网络模型进行运算，使用新数据推理出各种结论。大模型训练过程的影响因素主要是模型参数量、训练数据量和芯片算力，在模型参数量方面，根据浪潮科技《AI 算力集群方案设计与优化》，过去 4 年大模型参数量从 94M 增加到 530B，增长了近5600倍；算力芯片目前主要由英伟达 GPU 提供，并在超级计算机中对应光模块的使用。英伟达AI GPU主要有A100，H100 等，并在 5 月末新推出的超级计算机 DGX GH200 中搭载了其超级芯片Grace Hopper，GraceHopper将 NVIDIA Hopper GPU 与 NVIDIA Grace CPU 结合在一起，所使用的 NVIDIA NVLINK-C2C可提供900Gb/s的总带宽，大大提高在超级计算机中对应光模块的需求量。
此外，云厂商 2022 年业绩超出预期，英伟达数据中心营收创历史新高，主要受益于云商及企业客户对训练 AI 加大对 GPU 芯片的需求，进一步释放利好信号。随海内外云厂商陆续推出AI 大模型及AI 训练加码，高增长确定性将得到进一步延续。
2.2.2 从英伟达计算机和大模型算力预测：800G 光模块需求量显著提升
首先我们以英伟达 DGX SuperPOD 为例测算单颗 GPU 与光模块的比例。DGX A100 和DGXH100网络集群主要使用 InfiniBand 和以太网两类，根据网络功能分为计算、存储、InBand 和Out-of-Band 四种，其中计算和存储使用 IB 网络，InBand 和 Out-of-Band 使用以太网络。IB 网络涉及AI 运算和存储，是光模块的主要需求来源，而以太网则需求较小，因此下面测算仅考虑 IB 网络对应的光模块需求。以140个节点的DGX A100集群为例，每台 DGX A100服务器需要 8颗 A100 GPU 芯片，共需140*8=1120颗芯片；集群中每 20 台 DGX A100 服务器组成一个 SU（scalable units，可扩展单元），共7 个SU；计算侧网络采用三层交换机的胖树(fat-tree)拓扑结构，一到三层分别称为 Leaf （叶）交换机、Spine（脊）交换机、Core（核心）交换机。IB 网络架构下实现了完整的胖树（Fat-Tree）拓扑结构，胖树架构在训练场景中最优的配置是上下行端口数一样，即无阻塞的网络，具体来看：（1）第一层：每个SU 中配置8 台叶交换机，共有 56 台叶交换机；（2）第二层：每10 台脊交换机组成一个交换机组 Spine Group（ SG），每个 SU 的第一个叶交换机连接到 SG1 中的每个交换机，每个SU的第二个叶交换机连接到 SG2 中的每个交换机，共有 80 个脊交换机；（3）第三层：每 14 台核心交换机组成一个交换机组 Core Group（CG），对应共28个核心交换机。
考虑使用 A100 系统的 NVIDIA DGX DGX SuperPOD 白皮书中对应计算侧和存储侧线缆全部采用NVIDIAMF1S00-HxxxE，为 AOC 有源光缆，因此每个端口对应一个光模块，即每条光缆对应2 个光模块，因此计算侧和存储侧共需要（1120+1124+1120）*2+（280+92+288）*2=8048 个光模块，即单颗GPU 对应所需200G光模块数量约为 1:7.2。
5 月 29 日英伟达最新推出 DGX GH200 超级计算机，搭载 256 个英伟达GH200 Grace Hopper 超级芯片，每个超级芯片可视为一个服务器，通过 NVLINK SWITCH 进行互联。从结构上来看，DGXGH200采用两层的胖树拓扑结构，第一、二层分别使用 96 个、36 个交换机，每台 NVLINK SWITCH 交换机拥有32个速率为 800 G 的端口；此外 DGX GH200 还配备了 24 个 NVIDIA Quantum-2 QM9700 IB 交换机用于IB网络。按照端口进行估算，L1 层距离较近因此假定使用铜缆进行连接不涉及光模块，L2 层36 个交换机在无收敛胖树架构下， 第二层交换机端口向下与 L1 层交换机上行端口互联， 因此共需要36*32*2=1152 个800G光模块；IB 网络架构下，24 台交换机需要 24*32=768 个 800G 光模块；则 DGX GH200 超级计算机共需要1152+768=1920 个 800G 光模块，对应每颗 GH200 芯片 12 个 800G 光模块，相较于DGXSuperPOD在光模块数量和速率上均有显著提升。
下面我们再从大模型训练侧和推理侧分别计算大语言模型所带来的光模块数量增量。1）训练侧：以 GPT-3 为例，首先，用来衡量计算量的单位为 FLOPs（浮点运算次数），根据OPENAI的论文《Language Models are Few-Shot Learners》，GPT-3 中最大的模型（1746 亿参数）的训练大约需要3.14* 10^23 次浮点运算（FLOPs）。
在使用英伟达 A100 GPU 对大模型进行训练的情况下，参照英伟达官网，可使用FP16 的精度进行训练，对应 312 TFLOPS（312 万亿次浮点运算能力）；根据总计算量=GPU 数量*GPU 算力*运算时间，则GPU数量=总计算量/（GPU 算力*运算时间），则在训练时间为 1 天的情况下 GPT-3 需要GPU 数量为3.14*10^23FLOPs / (312 * 10^12 FLOPs/s * 86400s)，约为 11648 张，在训练十天的情况下需要3.14 * 10^23 FLOPs / (312* 10^12 FLOPs/s * 86400s*10)=1165 张 GPU。根据前面的测算，假定在系统中每张A100 GPU需要7颗200G光模块，则 GPT-3 单日完成训练需要 8 万颗以上 200G 光模块。如果考虑到 FLOPS 的利用率约为20%-30%，则需要光模块的数量将约为 35 万颗。
目前大模型数量快速增加，据不完全统计，截至目前，参数在 10 亿规模以上的大模型国内已发布79个；同时参数快速提高，最高可达万亿以上，对算力及光模块的需求同样将大幅上涨。
2）推理侧：目前大模型处于快速发展阶段，以训练侧用量为主；而当大模型成熟后光模块的主要需求将转向推理侧。推理侧光模块用量可通过用户流量来计算：乐观预期下，假设在稳定状态时ChatGPT日均访问量为 10 亿次，每次 ChatGPT 回答 1000 字，粗略按照 token 与汉字比例为1：1 估算约1000 个token，共计 10000 亿个 token；按照与推理侧保持一致用 GPT-3 作为预测的大模型，根据《Scaling Laws for NeuralLanguage Models》，训练阶段 FLOPS/每个参数/每个 token 的比值为 6，推理阶段约为2，根据则一次访问需要的算力为 2*10000 亿*1750 亿共计 3.5*10^23FLOPS；由于推理阶段算力需求相对训练较低，使用A100芯片存在成本和显存上的不足，因此选用 A30 甚至 A10 芯片作为推理芯片。以A30 算力测算，则需求量计算方法同理，约为 2.5 万张 GPU，考虑到 FLOPS 利用率约为 20%-30%，则约为13 万张GPU；同理，我们假设一个在 GPT-3 框架下的万亿规模大模型，以 A30 算力测算得到推理侧大约需要80 万张GPU；对应所需光模块数量上百万颗。同理在中性预期下稳定状态时 ChatGPT 日均访问量为5 亿次，悲观预期下稳定时ChatGPT 日均访问量为 1 亿次，则对应所需 GPU 数量分别 40 万张/8 万张，中性预期下对应光模块需求量超百万颗，悲观预期下对应光模块数量接近百万颗。
2.3 格局：国内厂商主导市场，随技术迭代各有优势
2.3.1 产业东移，中国厂商逐渐占领高地
从市场份额上来看，根据 LightCounting ，在过去的十年里，中国的光器件和模块供应商凭借成本优势逐渐在全球市场上获得份额，目前在全球光模块市场占主导地位。2015 年前，全球前十大光模块厂商仅光迅科技一家中国企业；2021 年，中际旭创等五家供应商进入全球前十，主要厂商相较前一年市场份额均有提升；2022 年，光模块全球市前 10 名中国占据 7 家，其中中际旭创、Coherent、思科、华为四家厂商占据全球光模块市场份额超过 50%，中际旭创和 Coherent 分别获得近 14 亿美元的收入。
2.3.2 技术迭代：CPO 和硅光有望成为长期解决方案
从光模块发展进程来看，随光模块速率增高，光模块在以太网交换机中成本占比快速提高，同时从1.6T开始，传统可插拔速率升级或达到极限，CPO 共同封装光子是业界公认未来高速率产品形态。CPO（Co-Packaged Optics，共封装光学）指把光引擎和交换芯片共同封装在一起的光电共封装，最终取代光模块。相较于传统可插拔形式，CPO 缩短交换芯片和光引擎间的布线距离，进而降低电信号驱动功耗。根据Cisco 官网，把 51.2T 系统中的可插拔光模块替换为 CPO 后，将交换 ASIC 与光引擎连接所需的功率可减少 50％，整机系统总功率减少 25-30％。
目前 CPO 技术仍处于布局初期，由于可靠性和成本等因素，在较低速率光模块中优势尚未明显体现；根据 Lightcounting ，CPO 出货预计将从 800G 和 1.6T 端口开始，于 2024 至2025 年开始商用，2026至2027 年开始规模上量。根据 Yole，目前 CPO 将与传统可插拔光模块共存且份额持续扩大，到2034年将占据主要市场；从规模上看，根据 Yole，2020 年 CPO 市场规模约为 600 万美元（光模块9 亿美元），2026年将达到 3 亿美元（光模块 22 亿美元），6 年 CAGR 104%（光模块 19%），至2032 年CPO市场规模将达到22 亿美元，CAGR 19%，而对比同期光模块为 36 亿美元，CAGR 10%。
CPO 成为主流尚需时日，LPO 被认为是期间主要过渡方案。LPO(Linear-drive Pluggable Optics)是指线性驱动可插拨光模块，具体来看，高速光模块通常会引入 DSP 芯片，对高速信号进行信号处理，但DSP芯片功耗占比可达光模块的 50%；LPO 取消了 DSP, 只留下 driver 和 TIA，将DSP 功能集成到交换芯片中。相比于可插拔光模块，在不同应用方案中 LPO 的功耗下降约 50%。根据 OFC2023，MACOM展示了单通道100G 单模 800G DR8 和多模 800G SR8 线性驱动解决方案，其中多模功耗节省70%，单模节省50%，并且可以降低 75%的延迟功耗；Arista 展示的 800G-DR8 线性驱动解决方案与 5nm DSP 解决方案相比，节省30%的功耗。同时根据 Arista，交换机功耗可下降 25%。
此外，由于不再采用 DSP，系统的延迟和成本降低，可应用到对延迟要求比较高的场景，例如高性能计算中心(HPC)中 GPU 之间的互联；相对于 CPO，由于 LPO 仍然采用可插拔模块的形式，未进行较大的封装形式革新，可以利用成熟的光模块供应链，因此被认为是 800G 光模块时代最具潜力的技术路线。
硅光子技术是基于硅和硅基衬底材料，利用现有 CMOS 工艺进行光器件开发和集成的新一代技术。传统光模块主要采用高速电芯片、光芯片和光学组件等器件封装而成，本质上属于“电互联”；硅光技术的核心是采用激光束代替电子信号传输数据，本质上是“光互联”。随着光模块向400G、800G甚至1.6T等高速率演进，以 Tb/s 的光纤传输速度或将成为光通信传输速率瓶颈，而硅光子集成技术具备的超高传输速率能打破这一瓶颈：根据摩尔定律，相同尺寸芯片中能容纳的晶体管数量，因为制程技术推进，每18～24个月会增加一倍；由于芯片是电讯号，传输会有讯号损失，即使单位面积晶体管数量渐增，仍无法避免电耗损的问题，硅光技术以光讯号代替电讯号，或成为突破摩尔定律的关键。 此外，硅光方案集成度高，且在峰值速度、能耗、成本等方面均具有良好表现。一方面，当前主流的光集成技术以稀有材料磷化铟作为主要材料，材料成本昂贵，难以实现大规模集成；硅材料价格低廉且已经成熟应用于电子集成电路，适合规模化生产。另一方面，以磷化铟为材料的光集成技术只负责数据的交换，不涉及数据的存储与处理，不利于通信信息安全。而以硅为材料的光集成技术兼具数据的交换、存储以及处理，是下一代光通信的技术趋势。 硅光技术既可用在传统可插拔光模块中，也可以用在 CPO 方案中，硅光子模块和超大规模CMOS芯片以共封装形式（CPO）封装在一起将成为未来高速率传导的主要方案。根据Lightcounting 的预测。硅光将在 2021-2026 年继续获得市场份额，全球硅光模块市场将在 2026 年达到近80 亿美元，有望占到一半的市场份额。
数据中心光互联方案可根据其传输距离来选择两种支撑技术，一种是直接探测技术，另一种是相干探测技术，其中直接探测的应用场景更适合相对短距离互联。相干技术是利用要传输的信号来改变光载波的频率、相位和振幅，凭借着高容量、高信噪比等优势在城域网内的长距离 DCI 互联中得到广泛应用。随着单通道传输速率的提高，现代光通信领域越来越多 的应用场景开始用到相干光传输技术，相干技术也从过去的骨干网下沉到城域甚至边缘接入网 。相干技术预计在 2025 年后可以开始商用，Omdia 预计2025年相干将达到 250 万支规模；2022-2025 年，400G 相干光模块年复合增长率将超40%。根据讯石预测，2023年-2028 年，ZR 光模块市场规模将从约 30 亿元，增长至超过 60 亿元。
超高速光通信调制器芯片与模块是用于长途相干光传输和超高速数据中心的核心光器件，有望跟随光网络设备市场持续保持增长。目前行业内光调制的技术主要有三种：基于硅光、磷化铟和铌酸锂材料平台的电光调制器。其中，硅光调制器主要是应用在短程的数据通信用收发模块中，磷化铟调制器主要用在中距和长距光通信网络收发模块，铌酸锂电光调制器主要用在 100Gbps 以上的长距骨干网相干通讯和单波100/200Gbps 的超高速数据中心中。传统铌酸锂电光调制器为体材料铌酸锂调制器：体材料铌酸锂调制器具有带宽高、稳定性好、信噪比高、传输损耗小、工艺成熟等优点，但在传输速率需求不断提升的形势下,体材料铌酸锂调制器也在一些性能上遭遇瓶颈，而且体积较大，不利于集成。新一代薄膜铌酸锂调制器芯片技术将解决这些问题。具有“光学硅”之称的铌酸锂材料通过最新的微纳工艺，制备出的薄膜铌酸锂调制器具有高性能、低成本、小尺寸、可批量化生产且与 CMOS 工艺兼容等优点，是未来高速光互连极具竞争力的解决方案。
2.3.3 厂商机遇：龙头升级换代，新秀弯道超车
光模块高速率低功耗高集成的趋势带来诸多新机遇，龙头厂商在高速率和多种技术方案下全面推进，其他厂商在高速率方面亦有基于不同技术方案的研发，或成为弯道超车，提高市占率的有效途径。具体来看，800G 方面，光模块厂商在传统 800 光模块和基于硅光方案的 800G 均有不同程度进展。
新兴技术方面，主要厂商在各项技术上的布局都有不同进度和侧重。从厂商角度来看，龙头中际旭创和新易盛布局较为全面且进展较快，高速率硅光芯片均已研发成功，CPO 技术研发亦有序推进；其他厂商在技术拓展则各有侧重，华工科技在硅光，剑桥科技在 LPO，天孚和联特在CPO 方向较为突出；从技术端来看，硅光集成技术的研发及产业化主要集中于硅光芯片制造，同时厂商多基于自身的硅光芯片配合下游客户研发 CPO 方案。
2.3.4 向上布局芯片，一体化掌握话语权
根据中际旭创披露的 2016 年 1-3 月光模块成本构成，光芯片及组件占光模块成本比超过50%，是光模块中成本占比最高的部分。我国光芯片企业已基本掌握 2.5G 和 10G 光芯片的核心技术，25G及以上高速率光芯片方面，我国技术水平相对落后：根据 ICC 统计， 25G 光芯片的国产化率约20%，但25G以上光芯片的国产化率仍较低约 5%，光模块或光器件厂商仍然以外购为主。 在对高速传输需求不断提升背景下， 25G 及以上高速率光芯片市场增长迅速，且我国自主研发进步较快。根据 Omdia 对数据中心和电信场景激光器芯片的预测，2019 年至 2025 年，25G以上速率光模块所使用的光芯片占比逐渐扩大，整体市场空间将从 13.56 亿美元增长至 43.40 亿美元，年均复合增长率将达到 21.40%。同时，我国光芯片厂商的全球份额将进一步提升，根据 ICC 预测，2019-2024 年，中国光芯片厂商销售规模占全球光芯片市场的比例将不断提升，其中高速率光芯片增长更快。
对光模块厂商而言，长期来看，拥有芯片能力的企业将拥有更多自主权和议价权，中际旭创等厂商已纷纷通过参股或收购等形式向上游进行一体化布局。其中，源杰科技为我国芯片龙头，高速率光芯片领域的技术实力已可以对标世界领先水平，并同时拥有华为作为主要股东，虽然由于下游云厂商对芯片供应商要求较为严格，因此处于可信度等原因，目前光模块厂商难以立即更换芯片供应商，但随着800G光模块放量，芯片需求量快速提高，源杰科技的光芯片未来有望逐步得到云厂商认可，提高在海外的渗透率。此外，新易盛于 2022 年完成对 Alpine 的收购，将其硅光芯片用于硅光产品；光迅科技、华工科技等均可实现一定程度的光芯片自供。
3.1 从估值端看当前光模块市场
历史复盘来看，在 100G，400G 周期期间，往往估值端先于业绩启动，主要逻辑在于预期带来估值拉升，而从下游给出订单指引到业绩反应在财务报表需要几个月的时间，因此业绩端兑现有所滞后。2023年起 800G 新周期已在估值端反映，下游云厂商资本支出与订单指引不断提高，进一步拉高市场预期和景气度，光模块厂商凭借各自技术优势及海外客户有序拓展放量在即。
3.2 主要公司
中际旭创：国内光模块翘楚，2022 年全球光模块市占与 IV-II 并列第一，光模块产品与技术全面布局且技术领先，下游与谷歌，亚马逊，中兴等多家云计算巨头合作紧密，上游持股国内光芯片龙头源杰科技。公 司 营 收 与 业 绩 稳 健 增 长 ， 2020-2023Q1 营 收 分 别 70.50/76.95/96.42/18.37 亿元，同比分别
48.17%/9.16%/25.29%/-12.04% ， 归 母 净 利 润 分 别 8.65/8.77/12.24/2.50 亿元，同比分别68.55%/1.33%/39.57%/14.95% ； 按 区 域 分 ， 公 司 以 海 外 为 主 ， 2020-2022 海外客户营收分别占比69.31%/75.08%/86.88%。
新易盛：400G 光模块放量期间实现突破，2022 年公司完成对 Alpine 的收购，同时拥有CPO，LPO，硅光芯片和相干光技术。公司营收与业绩稳健增长，2020-2023Q1 营收分别19.98/29.08/33.11/6.00亿元，同比 分 别
71.52%/45.57%/13.83%/-18.73% ， 归 母 净 利 润 分 别 4.92/6.62/9.04/1.08 亿元，同比分别131.03%/34.60%/36.51%/-18.57% ； 公 司 毛 利 率 在 同 行 业 靠 前 ，2020-2023Q1 毛利率分别36.86%/32.17%/36.66%/34.04%。
天孚通信：无源器件起家先发优势与海外客户建立合作，目前横向拓展至有源业务，光引擎产品在CPO方案下为刚需，在行业内进展领先。公司营收与业绩稳健增长，2020-2023Q1 营收分别8.73/10.32/11.96/2.87亿元，同比分别
67.03%/18.20%/15.89%/1.50%，归母净利润分别 2.79/3.06/4.03/0.92 亿元，同比分别67.55%/9.77%/31.51%/11.14%；公司有源产品占比提高，2020-2022 有源产品占比分别13.34%/8.23%/18.20%。
华工科技：背靠高校多项技术齐头并进，国内华为等云厂商主要供应，海外客户积极开拓。公司营收与 业 绩 稳 健 增 长 ， 2020-2023Q1 营 收 分 别 61.38/101.67/120.11/26.65 亿元，同比分别
12.40%/65.65%/18.14%/-6.76% ， 归 母 净 利 润 分 别 5.50/7.61/9.06/3.08 亿元，同比分别9.49%/38.24%/19.07%/36.34；
博创科技：电信市场为主，硅光产品前瞻布局，助力数通市场加速发展。公司营收与业绩稳健增长，2020-2023Q1 营收分别 7.77/11.54/14.67/3.93 亿元，同比分别
90.76%/48.59%/27.08%/31.11，归母净利润分别0.88/1.62/1.94/0.37 亿元，同比分别 1036.48% /83.60% /19.59%/1.90%；
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
