2025年通信行业2026年投资策略：海外算力的“空中加油”

一、回顾与展望：海外算力空中加油

（一）AI 算力景气度持续，通信行业指数表现亮眼

2025 年开年以来，尽管短期受到关税、算力持续性担忧等不确定性因素影响，AI 算力景气度仍持续，通信板块显著跑赢大盘。2025 年年初截止至 11 月 21 日收 盘，通信（申万）板块涨幅为 51.67%，跑赢沪深 300 指数 38.49pct，在申万一 级板块中位居第二名。具体来看，年初以来通信前十大涨幅标的（不含北交所和 ST）依次为：仕佳光子（336%）、中际旭创（278%）、新易盛（265%）、线上 线下（185%）、永鼎股份（178%）、 恒宝股份（165%）、长飞光纤（145%）、 剑桥科技（143%）、天孚通信（129%）、光库科技（128%）。分行业看，通信 服务下跌 0.15%，通信设备上涨 78.97%。

（二）通信板块稳健增长，AI 驱动算力产业链业绩高增

通信行业公司 2025 年前三季度实现营收净利同比双增长，盈利能力同步改善。 2025 年 Q1-3，按申万通信口径，行业整体收入为19570.49 亿元，同比增长3.2%； 剔除移动、电信、联通、中兴后，2025 年前三季度通信行业收入 3746.09 亿元， 同比增长 12.7%，高于通信行业整体营收增速。行业整体实现归母净利润 1942.22 亿元，同比增长 9.0%；剔除移动、电信、联通、中兴后， 2025 年前三季度通信 行业整体实现归母净利润 340.02 亿元，同比增长 55.9%，显著高于营收增速。

2025Q1-3，受益于 AI 产业加速渗透，算力基础设施及配套产品需求持续保持高 增长，相关公司业绩表现优异。根据我们对通信行业上市公司的划分，营收方面， 光芯片、光模块及其配套、连接器、物联网 4 个子行业表现最为亮眼，营收同比 增速分别为 115.09%/57.50%/22.05%/17.26% ；利润方面，IDC、光模块及其配 套、连接器与铜连接 4 个子行业在 2025Q1-3 归母净利润同比增幅最高，分别为 118.79%/115.92%/28.65%/22.07%。

（三）基金持仓大幅提升，机构增持光模块及配套产业链板 块

通信行业整体持仓环比显著提升：2025Q3 通信板块整体持仓占比约为 9.26%， 环比 2025Q2 提升 3.96pct，其中光模块及其配套产业链、液冷等板块仍是核心 持仓方向。

（四）AI 商业闭环逐步落地，海外算力行业长期确定性高

海外头部云厂商 AI 驱动的商业闭环已经逐步形成，推理需求爆发带动云业务高 增长与长期订单的快速积累。Oracle 表现最为突出，FY26 Q2 云业务在手订单达 到 5230 亿美元，同比增长 438%，环比增加 680 亿美元，新增承诺订单来自包 括 Meta 和 NVIDIA 等客户。整体来看，AI 应用已从试验阶段走向规模化落地， 不仅推动订阅与 API 调用收入，也带动云计算、存储、网络等周边业务联动增长， 实现从技术驱动到商业闭环的正向循环。

Google 通过 Gemini 等 AI 模型增强搜索及广告推荐系统，推动广告营收增长； Microsoft 在 Azure 及 Copilot 中嵌入 AI ，提升客户粘性与平均订阅费用。Amazon 的 AWS AI 基础设施投入回流至云服务增长，再反哺物流与零售协同； Meta 透过 AI 优化广告定向与视频互动，实现商业闭环。 谷歌云：25Q3 收入同比+33.51%、环比+11.25%至 151.57 亿美元，云业务在手 订单环比+46%至 1550 亿美元。Gemini 月活用户超 6.5 亿，每分钟 token 处理量 约 70 亿。目前月度处理 token 量达 1300 万亿，较 7 月的 980 万亿继续大幅提 升。 微软智能云：25Q3（FY26 Q1）同比+28%至 309 亿美元，Azure 和其他云服务 的营收同比增长 40%。 AWS：25Q3 收入同比+20%至 330 亿美元，重回高景气区间。积压订单已达 2,000 亿美元（不含 10 月新签大单）。

海外 CSP 资本开支持续高增长，26 年指引积极乐观： 谷歌：预计 2026 年资本开支将显著增长。25Q3 资本开支同比+83.39%、环比 +6.71%至 239.53 亿美元；其中 60%投资于服务器、40%投资于数据中心和网络 建设。2025 年全年 CAPEX 从 850 亿美元上调至 910-930 亿美元，预计 2026 年 CAPEX 将显著增加。 亚马逊：CapEx 的增长将延续至 2026 年。25Q3 单季资本开支为 342 亿美元， 前三季度累计 899 亿美元，全年预计 1250 亿美元，绝大部分投资将流向 AI 所需 的数据中心、电力和芯片。管理层强调 “CapEx 增长将延续至 2026 年”，AI 基建为长期驱动。 META：预计 2026 年资本开支将增长将显著高于 2025 年。25Q3 资本开支同比 +110.54%、环比+13.88%至 193.74 亿美元，2025 年全年资本开支预计为 700- 720 亿美元，较此前预计的 660-720 亿美元有所提升。公司预计 26 年资本开支 增长将显著高于 25 年，主要由基础设施成本推动。 微软：预计 2026 财年资本开支增长率将高于 2025 财年。25Q3（FY26 Q1）资 本开支同比+75%、环比+44%至 349 亿美元。公司预计 26 财年的资本开支增长 率将高于 25 财年。

液冷板块，2025 年，英伟达机柜级方案开始大批量发货，拉动全球液冷市场迅猛 增长。2026 年，受益于 asic 芯片液冷渗透率的抬升及英伟达机柜出货量的高速 增长，全球液冷市场规模有望达千亿人民币，同比倍增。国产芯片散热要求更高， 910c、950 等系列芯片的液冷比例高，超节点方案有望标配液冷。且国内液冷已 实现高国产化率（CDU、管路等环节几乎全国产化，液冷板环节的国产供应商份 额将持续上升），随着国产芯片的放量，国内液冷公司有望迅速提升规模效应。

二、AI 热潮还是泡沫？穿越喧嚣，洞见长期价值

（一）2023 年以来 ai 算力行情及分歧回顾

过去两年，生成式 AI 的爆发点燃了资本市场的热情，科技巨头股价和创业融资 迅猛攀升，一度将市场推向新高。例如，以英伟达（NVIDIA）为代表的 AI 芯片龙 头，公司股价在 2023 年飙升约 239%，2024 年进一步暴涨 171%，市值峰值突 破万亿美元。微软、谷歌等受益于 AI 布局的科技股也纷纷创下历史新高。然而， 高昂的估值和涌入的巨额资金令部分投资者开始担忧“AI 泡沫”的形成。

2023 年-推理需求接力，部署端出现“降规格”趋势。

算力重心转向推理：随着生成式 AI 应用爆发，AI 算力需求从训练端快速转 移至推理端。根据 IDC 与浪潮信息联合发布的《2025 年中国人工智能计算 力发展评估报告》，2024 年中国 AI 算力中训练占比约 35%，推理占比已 升至 65%。推理成为继训练之后的新增长引擎。

市场担忧推理“降规格”，光模块配比要下降。英伟达发布历史上第一个机 柜产品 GB200，作为训推一体化，特别适用于大规模分布式推理的旗舰产品， 定位是成为推理时代的“王炸”，配套的是最高速的光模块，并未出现大家 担心的配比下降、规格下降情况，本质是市场低估了大规模分布式推理的难 度，以及更高速光模块带来的成本优势（每 G 成本是下降的）。

2024 年-Scaling Laws 质疑，OpenAI o1 提振市场信心。

大模型研发遭遇瓶颈：2024 年初，谷歌推出的新一代大模型未达市场预期， 模型效果和商业进展不及外界此前乐观估计，导致市场对 AI 前景的信心波 动，投资者开始质疑仅靠扩大参数规模的路线能否持续带来突破。

资本开持续高增，引发市场规模效应的反思：业界开始反思“大力出奇迹” 的规模化策略。由于训练数据和算力成本的限制，Scaling Law 被认为遇到 瓶颈。

推理范式重燃信心，推动进入推理侧 Scaling Laws 阶段： 面对模型效果瓶 颈，OpenAI 于 2024 年 9 月发布了全新的推理范式大模型 o1，并在三个 月后推出升级版 o3。相比传统预训练模型，o1/o3 将更多算力投入推理过程， 通过增加强化学习和延长“思考”时间来提升模型能力。这一新范式被业界 视为突破 Scaling Law 瓶颈的重要起点，证明大模型在非单纯扩参的路线下 仍有提升空间，提振了市场对 AI 继续演进的信心。

24 年底、25 年初-CPO 热度提升，引发产业链颠覆担忧。

CPO 商用预期升温，引发对可插拔光模块的替代担忧：从 2024 年底开始， 市场不断传出英伟达准备在下一代交换体系中采用 CPO 的消息，令投资者 担心可插拔光模块会被体系级替代。由于 CPO 能显著改善功耗、带宽密度 和信号完整性，市场一度认为这可能成为 AI 集群互连的主流方案，从而冲 击现有 800G 和 1.6T 光模块路径。围绕 CPO 商用时间和规模的讨论迅速升 温，光模块板块在 2024Q4—2025Q1 出现明显估值压力。行业普遍担忧： 如果英伟达率先落地 CPO，那么传统光模块的竞争格局可能面临根本变化。

CPO 改写价值链结构，光模块企业价值量可能被压缩：市场当时最担心的 一点，是 CPO 会将原本由光模块厂商承担的高价值集成环节“前移”到系统厂商手中。CPO 模式下，光引擎直接与交换芯片共封装，系统公司将主导 封装、设计和测试，而光模块厂商可能只剩光器件或光引擎等低层级供应。 这样不仅会削弱光模块企业的定价权，也可能造成价值量由“整机级集成” 向“半成品供应”转移，使传统光模块公司的地位和利润中心显著弱化。正 是在这种预期压制下，2024 年底光通信板块普遍出现估值收缩。

CPO 或改变供应格局，引发对产业洗牌的担忧：CPO 对先进封装、硅光平 台和散热技术的要求远高于可插拔模块，因此市场认为未来量产更可能掌握 在 NVIDIA、Broadcom 与台积电、日月光等封测厂商手中，而非传统光模 块企业。这种格局意味着产业链上游集中度大幅提升，供应链入口从光模块 公司前移到系统厂与封测大厂，行业的话语权可能重新分配。一旦 CPO 规 模商业化，光模块行业可能面临新一轮洗牌，这一预期在 2024Q4—2025Q1 成为压制行业估值的核心逻辑之一。市场因此担忧传统光模块企业有被结构 性边缘化的风险。

实际产业跟踪-传统光模块/铜连接生命力仍强。

传统光模块/铜连接生命力仍强，CPO 产业进展逐步延期；未来 CPO 时代以 模块厂为代表的国内公司仍有可为。以英伟达、博通、台积电等为代表的龙 头公司不断推进 CPO 技术不断演进，但实际进展有待验证。从低功耗痛点 出发下，Scale up 柜内互联场景中，铜连接的成本、功耗和可靠性优势明显， CPO/OIO 的部署需求迫切性较低；在 Scale out 场景中，传统可插拔方案在 成熟度、可维护性和稳定年降节奏尚具有突出优势，凭借顽强生命力有望继 续主导；且即使 CPO/OIO 方案到来后，也均需要光引擎模组与外置光源模 块；传统光模块产业链公司凭借光学连接协议与客户关系的积累，仍大有可为；国内相关 PIC 硅光芯片设计、光引擎模组、CW 光源、外置光源模块、 MPO/Shuffle、FAU 光线阵列、硅光设备等产业链核心公司均有希望受益。

Deepseek 时刻引发算力通缩论 vs 杰文斯悖论。

Deepseek 通过算法创新和硬件优化，加速算力平权进程，引发市场对 AI 算 力需求是否会被效率革命替代的担忧。 2025 年 1 月 20 日，深度求索正式 发布新一代推理大模型 DeepSeek-R1，通过混合专家模型（Mixture-ofExperts,MoE）、多头潜注意力机制（MLA）、蒸馏技术与分布式/边缘计算 架构等技术，在效率和成本控制上实现巨大突破，在性能方面比肩 OpenAI o1 正式版，小模型则超越 OpenAI o1-mini 的情况下，价格只有 OpenAI 的 几十分之一，且遵循 MIT License，允许用户通过蒸馏技术借助 R1 训练其 他模型。Deepseek 时刻打破“唯算力论”，引发市场对 Scaling Laws 的担 忧。

AI 时代的杰文斯悖论：杰文斯悖论指效率的提升并不必然导致资源消耗的减 少，反而可能因为成本降低和应用范围扩大，刺激需求增长，最终导致资源 消耗总量增加。AI 时代，随着 AI 技术的门槛降低，过去由于成本限制而无 法应用人工智能的领域如端侧将涌现出大量新的应用需求，新兴应用场景的爆发有望驱动推理侧算力需求指数级上升。同时，模型复杂度也在持续提升， 也会对效率提升形成部分抵消，推动算力需求加速增长。

（二）当前争议：“AI 是否存在泡沫?”

AI 热潮引发泡沫质疑： 近两年 AI 相关企业市值飙涨，引发部分市场人士将其 与 20 年前的互联网泡沫相提并论。以英伟达为例，凭借 AI 算力需求暴增，公 司股价在 2023–2024 年累积上涨数倍，一度成为全球市值最高的公司 。“硅谷 风投教父”彼得·蒂尔等知名投资人在 2025 年前后高位套现英伟达股票，桥水基 金等也缩减科技股仓位。同时，微软、亚马逊等巨头在 AI 领域高额投入但短期 收益不明，这些现象都加剧了市场对 AI 泡沫可能破裂的担忧。 争议升温：随着 AI 板块经历大幅上涨后回调，市场对“AI 是否存在泡沫”的争论愈 发激烈。一些评论将当前的 AI 热潮与 2000 年前后的互联网泡沫相提并论，认 为二者在估值涨幅和市场情绪上有相似之处。例如，美股 AI 龙头的估值指标已 达到历史高位：著名的巴菲特指数（股市总市值/GDP）在 2025 年底突破 200%， 超越 2000 年互联网泡沫顶峰水平。这被视为整体股市估值过高的警示信号。 泡沫迹象：今年以来部分 AI 概念股累积了数倍涨幅，推动纳斯达克指数三年翻 倍。但近期高位震荡凸显隐忧：多只热门 AI 股出现了 20%以上的回撤，一些投 资者开始质疑巨额 AI 投入何时才能转化为相应利润。市场担心当前对 AI 的乐观 预期可能跑在了技术和商业变现节奏的前面。如果下游客户 CAPEX 支出迟迟无 法跟上、或宏观环境紧缩融资，那么高估值可能难以为继。风险提示主要包括： 终端需求不及预期、盈亏平衡推迟，甚至可能出现阶段性产能过剩等。

（三）本轮 AI 泡沫是否可以类比上一轮互联网泡沫？

2000 年互联网泡沫的形成，是技术突破带来的叙事、监管放松和资本极度充裕 共同推动的结果，其本质并非技术本身的错误，而是技术成熟、商业变现与资本 投入三者节奏的错位。互联网用户从 1995 年的几千万增至 2000 年的 3.6 亿，但 用户增长不等于带宽需求同步增长：早期应用以文本和图片为主；流媒体视频等 高带宽应用要到 2000 年代中后期才普及。 技术突破带来的叙事：随着计算机和光纤传输技术突破，互联网用户爆发式增长， 形成“100 天带宽翻倍”“带宽永不够用”的主流叙事。 监管放松：上世纪 90 年代中后期，美国《电信法案》大幅放宽行业准入，市场 短时间涌入数百家新进入者，在过度竞争环境下依赖资本市场推动高负债、高扩 张的商业模式，运营商和 CLECs 在尚未成熟的应用场景前大量提前建设基础设 施。

资本充裕：在金融端，1995-1999 年，美联储长期宽松、实际利率水平较低，资 本市场将十年后的互联网愿景提前兑现到当下估值，使众多仍未找到盈利模式的 企业获得了远超其承受能力的融资支持。技术乐观、制度激励与资本推动三重力 量叠加，最终形成了互联网泡沫的基本结构。 泡沫破裂则是在宏观流动性、企业经营与信用风险三个层面层层触发后发生的连 锁反应。1999 年 6 月以后加息，融资环境骤然收紧，使高度依赖股权与债务融 资的 CLECs 立即失去造血能力。运营商与互联网企业开始削减资本开支，导致 设备商订单断崖式下跌，库存堆积、应收账款回收困难等经营问题迅速恶化。随 之而来的供应商融资坏账集中暴露，使朗讯、Nortel 等设备巨头出现巨额资产减 值，业绩暴雷进一步强化市场恐慌。与此同时，WorldCom、Enron 等财务造假事 件的曝光使信用体系全面崩塌，资本市场从增长冲动直接跌入流动性危机。互联 网泡沫的破裂并不是由某个单一变量引发，而是政策收紧、资本开支萎缩、库存 与坏账爆发、信用体系瓦解的链式反应。表现为：运营商资本开支下滑，大公司 业绩开始低于预期，小公司暴雷。

从结构性逻辑而言，本轮 AI 热潮与当年的互联网泡沫确实存在若干相似之处， 尤其是在叙事驱动、资本充裕（带来的供给扩张）、供应链金融三方面都呈现出 一致的特征。AI 行业同样建立在对未来技术潜能的强乐观预期之上，模型能力指 数级提升、AGI 想象空间巨大，使市场形成了“算力每年翻倍”的增长叙事；巨 头与创业公司纷纷提出跨数千亿美元甚至万亿美元规模的长期资本开支计划，与 当年“带宽永不够用”的逻辑相似，存在需求被过度线性外推的风险。在供给端， GPU、硅光、光模块、数据中心等硬件基础设施的扩产节奏明显快于下游应用成 熟度，而 AI 模型公司普遍依赖上游供应链融资、预付算力合同和股权置换的方 式推动扩张，与互联网时代依赖供应商金融拉动需求的模式也具有结构性相似性。 此外，本轮 AI 的下游需求高度聚焦在极少数模型公司与 CSP 手中，与当年通 信行业对少数运营商客户过度依赖的特征类似，使整个供应链对单点需求波动具 有天然敏感性。

然而，尽管具有这些结构性类似，本轮 AI 周期在最重要的几个变量上都与 2000 年互联网泡沫存在本质差异，暂未看到明显的“系统性泡沫”。 大模型还在持续进步，带来的叙事空间更大。AI 是可实现替代“人+工具”的技 术革命，而互联网是典型的“工具型技术”。互联网赋能信息流通、沟通与内容 分发，其本质上提升的是“效率”，而不是“能力”。而 AI 的质不再只是一个改 善信息流通的“工具平台”，而是一种能同时替代“工具”和“部分脑力劳动” 的通用智能技术。互联网的商业价值主要来自广告、电商和流量变现，本质受限 于用户时长与内容消费；而 AI 的潜在边界是整个知识劳动市场，从编程、设计、营销到金融分析与医疗辅助，几乎所有需要认知处理的行业都可能被 AI 改写， 这使其长期市场规模远高于当年互联网所面对的消费互联网空间，也更接近“全 要素生产率提升”的技术革命级别。 商业模式成熟度的差异，AI 目前已经实现一定程度的商业闭环。互联网在 2000 年泡沫时期尚未形成稳定变现模式，用户虽增长迅猛但缺乏收入闭环；而 AI 在 2023–2025 年已在 ToB 与 ToC 两端实现了快速商业化，企业级 Copilot、AI 搜 索广告、自动化开发工具、AI 内容生产等场景已经产生稳定收入，企业支出具有 真实预算来源，不再依赖纯融资驱动。到 2025 年 10 月，OpenAI 披露 ChatGPT 每周活跃用户已达约 8 亿人次（远超当时互联网用户数爆发速度和）；付费用户 达 3500 万，OpenAI 年化收入约 130 亿美元（远超当时互联网泡沫初期的收 入）。

供需结构与技术变革完全不同。互联网泡沫的核心是“供给远超需求”，DWDM 波分复用技术在短时间内让单根光纤容量提升数十倍、甚至上百倍，使光纤网络 供给瞬间过剩，大量投入的光纤变为“暗光纤”，导致 90% 光纤长年未点亮， 导致运营商资本开支出现非线性坍塌。目前 AI 行业并不存在类似 DWDM 那样 能使算力需求在短期内大幅下降的底层技术；且目前 GPU 利用率仍处于中高水 平，算力短缺而非过剩是行业真实矛盾。尽管模型训练和推理效率不断提升，如 DeepSeek 模型显著降低成本，但更低的单位算力成本反而带来更广泛的应用扩 张，使总算力需求持续上升，呈现典型的“杰文斯效应”，并未触发类似光纤时 代的“需求消失型”技术冲击。股价是业绩而不是估值驱动。 货币宽松预计会持续一段时间，AI 融资结构远较互联网时代稳健。2000 年 CLECs 大规模依赖债务融资，一旦利率上升即可引发违约链条；AI 行业几乎完 全以股权融资为主，由巨头承担资本成本，模型公司与供应链之间的预付协议具 有灵活性，不会形成系统性信用危机。最后是宏观政策环境差异显著。美联储在 2000 年主动加息刺破泡沫，而当前美国就业放缓、财政扩张、政策偏向宽松，使 科技周期短期内不太可能受到宏观流动性“强硬中断”。

综合来看，本轮 AI 的风险不在于 2000 年互联网泡沫式的系统性坠落，而在于 技术迭代速度、应用落地节奏、资本开支周期与供需错配导致的阶段性波动。短 期估值可能因 DeepSeek、关税政策、CPO 路线、模型迭代速度变化等事件出现 情绪化调整，但长期路径仍由技术进步、成本下降与应用扩散共同驱动。这意味 着 AI 行业更可能呈现“高波动—高成长”的长周期，而不是互联网泡沫式的“快 速膨胀—一次性崩塌”。我们因此保持中性偏乐观的判断：泡沫成分是存在的， 但其破裂方式更可能表现为估值回吐与节奏重定，而非行业根基动摇；真正的风 险来自阶段性节奏错位，而真正的机会来自长期的技术渗透和规模化应用。

三、预期差板块有哪些？

（一）光模块：GB300+Rubin 节奏逐步明确，1.6T 需求成为 主流

英伟达 Blackwell 推动数据中心进入“加速兑现期”，Rubin 进展顺利，1.6T 光 模块明年有望成为主力需求。25Q3 英伟达 GB300 占 Blackwell 收入的 2/3，全 面超过 GB200 成为主力 SKU。整体来看，Q3 已确认英伟达进入 GB300 高速放 量+Hopper 残余订单兑现+网络需求同步爆发的三重驱动阶段，数据中心业务的 增速强度明显高于市场此前预期。Rubin 预计将在 2026 年下半年量产，和新一代 NVLink/NVSwitch 深度搭配，用于 AI 工厂规模从十万 GPU 向百万 GPU 演进的 关键阶段，1.6T 光模块或成为标配，明年需求有望显著增长。

Scale-up 驱动柜内光需求快速增长。Blackwell GPU 单卡 NVLink 带宽双向 1.8TB/s（单向 900GB/s），是 ConnectX-8 网卡单端口（800Gb/s=100GB/s） 带宽的 9 倍。即使考虑交换机层数、配比关系，柜内总带宽需求仍远大于柜外流 量，带来数倍的光模块与光引擎增量。在大模型训练需要低延迟、高带宽互联的 背景下，随着未来高速光通信的逐步渗透，柜内光互连的必要性与优势有望进一 步放大。

（二）硅光 CW：行业需求紧俏下或成为 1.6T 重要方案

传统 EML、VCSEL 芯片紧缺下，硅光芯片有望逐步产业化，凭借低成本、低功 耗等优势或成为 1.6T 光模块补充方案。硅光技术发展分为分立式硅基器件、耦合 集成、单片集成演进、光电一体化等多个阶段，目前正处于耦合集成阶段。AI 驱 动 400G、800G 光模块加速放量背景下，明年 100G VCSEL、EML 芯片紧缺下 有望推动硅光方案逐步商业化；1.6T 时代，AI 突出的低功耗诉求下，硅光有望成 为继 EML 后的重要补充方案。未来随着硅光子技术向单片集成技术发展，成熟 CMOS 工艺下成本优势有望进一步凸显，硅光为未来重要方向。 硅光子进入快速增长阶段，数通光模块是应用核心下游之一。根据 Yole Group 最 新数据，硅光子 PIC 市场预计从 2022 年 0.68 亿美元增长至 2028 年的 6.13 亿 美元，2022-2028 年复合年增长率为 44%。增长主要来自于：1）800G 高数据速 率可插拔硅光模块需求释放；2）对快速增长的训练数据集大小的预测表明，数据 将需要利用机器学习服务器中的光学 I/O 来扩展大模型。在落地形式上，预计可 插拔硅光光模块先成熟，后演进至 CPO 形式。

EML（Electro-absorption Modulated Laser）光芯片是一种将 DFB 激光器（产 生连续光） 与 EA 电吸收调制器（进行高速调制）在同一芯片上单片集成的高 速发射端器件，是 100G/200G/400G/800G 等高速光模块的重要核心芯片之一。 芯片通过 DFB 提供稳定窄线宽的连续激光，再由 EA 区在电场作用下快速改变 吸收系数实现亮灭切换，可达到 40–60 GHz 的调制带宽，支持 25G/50G/100G Baud 的高速 PAM4 传输。相比直接调制激光器（DML），EML 具有更高带宽、 更低啁啾、更好的线性度和更强的色散容忍度，尤其适用于 2–40 km 的 FR/LR/ER 场景，是高速远距光模块的主流方案。随着 800G/1.6T 对长距与高线 性高速调制需求提升，以及硅光方案在中短距占比提升，EML 在高速长距和“硅 光替代艰难段”中仍具有持续优势，是光模块产业链中关键的高壁垒芯片方向。 EML 芯片用量与整个模块速率及单个通道速率直接相关。以 800G 的光模块为 例，主流方案是 8*100G，共有 8 个通道，每个通道一颗 100G EML 芯片，同理 1.6T 目前主流方案为 8*200G。

硅光光模块（Silicon Photonics Transceiver）采用“硅光芯片 + 外置 CW 激 光器”的架构：硅光芯片本身不产生光，由外置的 DFB/DFB-阵列提供连续光（CW， Continuous Wave）注入至硅光 PIC 内部，再通过 MZM、Ring、MZI 等调制器 完成高速调制。硅光 PIC 承担光路复用/解复用、调制、耦合等全部光子处理功 能，而 CW 光源则承担稳定窄线宽激光的产生，两者通过耦合结构（但耦损较高） 形成完整的发射链路。这种拆分式架构使得硅光芯片可以低成本、大规模制造， 并具有更好的高速性能与工艺一致性，是 800G / 1.6T 模块的主流技术路线之一。 在硅光光模块中，硅光 PIC 通常只需要 1 片，而 CW 光源数量随架构设计而 变化。以 800G DR8 为例，行业主流方案采用 4 颗 70mW 的高功率 CW Laser， 通过 1→2 分光提供 8 路光给 PIC。进入 1.6T 时代，CW 光源数量进一步优 化，可采用 4 颗约 70 mW 的激光分别分光给 8 路（4×2=8 路），也可采用 2 颗约 100 mW 的高功率激光，每颗通过 1→4 分光提供 8 路光，实现更高集成度与更低成本。总体来看：硅光 PIC 数量基本不变，而 CW 光源数量与功率 等级根据通道拆分方式灵活配置，是硅光模块设计的关键差异点。

ELSFP 外置光源模块较好解决维护性问题，其核心有多个 CW 光源组成。外置光模块模块以可插拔的形态做在 CPO 交换机面板上可较好解决 维护性问题，单个光引擎由一个 ELSFP 驱动，每个 ELSFP 由两个 CWDM4 激 光器组成（1X4 驱动 4 个 800G 光模块）；与传统硅光模块 CW 光源相比，CPO 中的 CW 光源功率要求更高，或至少需要 300mW。 ELSFP 模块功耗核心由 DFB 激光器芯片与 TEC 散热组成。CPO 的 CW 光源所 需的功率更高，对应功耗也更高；同时对 TEC 散热器也提出了更高的要求。未来 CW 光源将努力提升光电转换效率，以减少转化下热量形式的功耗，从而降低整 体 CW 功耗。

（三）Google 全产业链布局，AI 模型+TPU 硬件双点开花

Gemini 3 体现了 Google 在多模态架构和实时推理能力上的深度积累。不同于传 统以文本为中心的大模型，Gemini 3 从底层设计就是“native multimodal”体系， 能够在文本、图像、视频、音频、动作序列之间进行统一表征和跨模态推理，并 在多项行业评测中表现出更高的稳定性和一致性。相比强调“慢思考”的对手， Gemini 3 在实时推理、长上下文处理和多模态一致性方面更为均衡，是为真实产 品场景（如搜索、地图、YouTube 内容理解、实时助手）设计的工程化模型。此 外，Gemini 3 在与知识库和实时搜索增强结合时具有天然优势，Google 的搜索 与网页索引体系为模型提供高频更新的知识输入，使 Gemini 3 在事实性、一致 性和信息时效性上具备独有的结构化领先。 Google 的算力体系与产品生态的双重加持。Gemini 3 的第二个核心竞争力来自 其“训练—部署—应用”一体化闭环。Google 的 TPU v5/v6 架构与 AI Fabric、 OCS 网络使 Gemini 3 在训练成本和推理能效上明显优于同代大模型，更容易 快速进行全量部署。而更重要的是，Gemini 3 可以直接嵌入 Google 全系产品， 包括 Android 系统、Chrome 浏览器、Gmail、Workspace、YouTube 和搜索分 发体系，天然面对数十亿级的用户群体与超多样化的数据反馈场景。规模化落地 带来的海量交互数据会持续回流模型，推动迭代，也使 Gemini 3 在可靠性、覆 盖面、响应速度和多语言能力上形成竞争者难以复制的飞轮优势。从这一意义上 讲，Gemini 3 并非单纯的“模型对模型”的竞争，而是“平台对生态”的竞争， 其背后的算力、数据与产品体系共同构成了 Google 在这一轮模型竞赛中的核心 护城河。同时 Anthropic 和 Meta 都客户都有意向去采购 Google tpu 芯片产品。

Google 从 TPU V4 开始尝试规模部署 OCS 交换结构。以 4096 张 TPU V4 的集 群为例，64 张 TPU 通过铜连接实现 4*4*4 的 cube 形态的 rack，64 个 rack 在通 过 48 台 128*128 的 OCS 交换机实现 rack 间的全光互联。4096 张 TPU，采用48台OCS方案下合计通过6144根光链路实现互联，每条光链路一头直接OCS， 一头连接光模块，因此理想情况下光模块配比为 4096：6144=1：1.5。

谷歌 Ironwood 架构全面升级，光互联深度嵌入 AI 超级计算网络。谷歌最新一代 TPU 系统 Ironwood 正式亮相，采用“Scale-Up + Scale-Out”混合架构，实现 FLOPs、HBM 带宽、ICI 带宽等多维度 1.5×-10×性能提升。机柜内通过 ICI（InterChip Interconnect）实现低延迟互联，Superpod 间以 3D Torus 拓扑结合 OCS 光 交换构建万卡级集群，并通过高速以太网实现跨数据中心级“Scale-Across”互 联。该架构不仅代表 AI 训练与推理进入更大算力密度、更高带宽时代，也意味着 光模块、OCS 及硅光芯片在 AI 基础设施中的渗透率持续提升，产业链需求确定 性与景气度同步上行。

（四）DCI：分布式计算+电力资源限制驱动 DCI 需求显著提 升

DCI 爆发来自 AI 推理走向分布式化，跨数据中心流量激增。DCI 需求快速上升， 根本原因是 AI 时代的推理正从集中式部署走向分布式化。随着模型规模扩大、 推理调用变得高频且实时，不同区域、不同集群之间必须共享参数、缓存和推理 负载，形成跨数据中心的协同体系，这使得数据中心之间的东西向流量出现结构 性增长。单一园区无法承担全部推理任务，推理在多个集群之间动态调度，直接 带动 400G/800G 相干 DCI 光模块的需求。换句话说，AI 推理的规模化本质上 建立在 DCI 高速互联能力之上，因此 DCI 成为 AI 商业化过程中天然的必需品。 电力与土地受限让单体数据中心规模有限，DCI 成为扩算力的重点方式。DCI 市 场爆发的另一核心驱动是数据中心建设受限于电力和土地供给，全球主要 CSP 只能在不同地点建设多个中型园区，而无法继续依赖超大规模单点数据中心。由 于 AI 任务的能耗急剧上升，单体园区的电力、散热和 PUE 都已逼近物理极限， 算力必须通过“多园区拼接”来扩张，多个数据中心被当作一个“虚拟超算集群” 使用。因此，园区之间必须依靠高带宽、低时延的相干光互联，DCI 显然成为算 力扩容的必要底座，也因此有望在 2024–2026 年迎来结构性增长。

Spectrum‑XGS 引入 Scale-across 概念，旨在将分布 DCI 场景的在不同城市、国 家乃至洲际的数据中心组合成一个十亿瓦级 AI 超级工厂。该平台由 SpectrumX 交换机和 CX-8 网卡组成，其带宽比传统以太网提高约 1.6×，支持更高效的数 据传输。CoreWeave 将作为首批使用者，将部署 Spectrum-XGS 超级计算平台。 建立跨数据中心（DCI 互联）AI 基础设施范式，推动 AI 向更大模型与更低延迟 演进。Spectrum‑XGS 的推出，旨在突破这些瓶颈，跨地区实现无缝协同和资源 整合（DCI），同时推动应用延伸到全时在线、跨地域部署，深度契合 AI 商业化 需求。

对光通信行业的影响：Spectrum‑XGS 加速了 DCI 数据中心互联需求，标配 CX8 网卡对应适配 1.6T 的光模块，且考虑到跨域性的长距离，或有望带来高速 ZR/ZR+等相干光模块需求的进一步爆发。

相干光模块内部的关键器件——可调谐激光器、相干调制器（LN/InP）、集成接 收机 ICR 等，都必须采用陶瓷管壳进行高速封装。陶瓷材料具备高绝缘、高气密 性、精密布线与优异散热能力，可高速电信号引出，是相干模块实现高性能的关 键基础设施。 近两年全球数据中心架构快速演进，来自 AI 训练与推理系统的东西向流量全面 爆发，DCI 成为带宽增长最迅猛的板块。尤其在北美 CSP 中，AI 超算集群数量 持续翻倍建设，集群规模不断增大（单集群千卡向万卡级演进），导致跨机房、 大机房内部 POD 之间的流量成倍增长。传统 100G/200G 链路已无法满足跨距 离、低损耗、高稳定性的传输要求，相干 400G ZR/ZR+ 与下一代 800G 相干的 渗透显著提速。 随着 400G/800G ZR/ZR+ 在 DCI 的全面放量，陶瓷管壳首次迎来真正意义的 “量价齐升”：DCI 模块出货增速远快于传统城域网，海外 CSP 需求强烈，带 动陶瓷管壳供需偏紧并推动部分客户确认涨价。

数通光模块中的 EML 激光器、探测器等高速芯片需通过陶瓷基板实现贴装、散 热和高速信号过渡。陶瓷基板承担微电子载板功能，比传统 PCB 具备更低损耗、 更高介电稳定性，可在 100G 单波 PAM4 环境保障信号完整性，是 800G 与 1.6T 光模块不可或缺的关键材料。 800G 已进入大规模商业部署周期，1.6T 也即将由头部客户启动量产验证。头部 光模块公司对陶瓷基板需求指引明显上修，陶瓷基板未来的发展趋势更高密度、 更高散热性能，从单层向多层 LTCC 演进，预计会持续推升单位价值量。 随着光模块速率翻倍、通道数提升，陶瓷基板在未来 2–3 年受到的需求推力将显 著强于过去任何周期，成为光模块下游最受益的材料环节之一。

中瓷电子是国内陶瓷外壳与陶瓷基板领域最核心企业，在相干陶瓷管壳与高速陶 瓷基板两个赛道均实现快速突破。公司的传统陶瓷主业从通信用陶瓷外壳起家， 产品包含相干光模块的陶瓷管壳，客户覆盖国内外产业链头部客户，深度受益于 本轮 AI 驱动的 DCI 相干光模块需求的爆发；且在全球产能紧张背景之下有望进 一步提升自己的份额，迎来“量价齐升”增长。在陶瓷基板业务上，公司凭借传 统通信业务的客户积累，逐步拓展数通光模块公司客户，产品覆盖 400G、800G、 1.6T 等高速品类，深度受益于本来 AI 数通高速光模块需求的爆发，且随着出货 量与良率提升下，公司盈利能力有望进一步爬升。 DCI 的普及将直接推高陶瓷管壳需求，而数通向 800G/1.6T 迁移使陶瓷基板进 入爆发期，中瓷电子同时站在两条成长曲线的交汇点。未来公司业绩弹性较大， 是光通信产业链中“成长确定性 + 份额提升”的核心标的。

（五）MPO 到 MMC：光纤连接器向高密度、小型化发展

随着数据中心高密度连接需求爆发式增长，高密度、小型化是光纤连接器发展趋 势。伴随网络架构对光纤数量和光连接密度的需求不断增长，MPO/MTP 连接器 芯数持续增长，并逐步向体积更小、连接密度更高的 MMC 连接器切换。 MMC 连接器是由 US Conec 推出的一种超小型 (VSFF) 的多芯光纤连接器，设计用于 直径达 2.5mm 的单模和多模光缆的端接，布线密度是 MPO 端口的 3 倍，有望 广泛应用于包括共同封装光学器件(CPO)和板载连接、光收发器和高密度、低损 耗、预端接布线基础设施等领域。

插芯是 MPO 连接器的核心部分，MT 插芯通过导针和导针孔进行精准连接，确保 了光纤跳线的高密度、高速度传输。根据 C&C 公司的市场研究报告，2023 年全 球插芯需求规模约为 26.6 亿只，同比增长 7.3%。插芯分为陶瓷插芯和 MT 插芯 两种，其中陶瓷插芯多用于单芯光纤连接器，整体需求稳定增长，MT 插芯受益于 高速率互联应用，需求快速增长，预计到 2027 年全球插芯的需求量可突破 30 亿 只。

技术壁垒方面，不同于普通陶瓷插芯，MT 插芯采用 PPS 树脂作为原材料，具有 耐高温、尺寸稳定的特性，生产关键技术包括塑料成型插芯、金属导向销、插芯 端面研磨抛光技术和检查技术等，对精度的要求极高，一般按照金属铸模结构采 用注入成型法，由模槽前方的 V 形槽确定及固定中心销位置而制造成型。由于 MT 插芯生产技术壁垒及客户认证壁垒较高，目前美日企业仍占据主要份额。

（六）高速连接器：IO 连接器从风冷过度到液冷方案

随着高性能计算芯片、5G 基站、数据中心服务器等功率密度的持续提升，传统风 冷散热技术已逐渐达到效率瓶颈，液冷散热技术凭借其高热传导效率、低能耗和 紧凑结构等优势，成为解决高功率设备散热需求的主流方向。液冷 IO 连接器的价 值量远大于传统风冷方案的 IO 连接器，带动 IO 连接器行业量价齐升。 新华三 H3C S9828-128EP 采用 102.4T 单芯片架构，提供 128 个 800G 全线速 端口或 256 个 400G 全线速端口，可与新华三 800G/400G 系列交换机灵活组网。 凭借高密度端口设计，单个 POD 在两层 Spine-Leaf 架构下可支持 10K 以上 800G 端口，大幅优化智算网络层级。相比上一代产品，设备用量可减少 70%， 光模块用量降低 50%，显著简化集群建设，降低总体拥有成本（TCO），并在高 密度、多任务场景中提供稳定高效支撑。在散热设计上，主芯片冷板与液冷 Cage 分区循环，支持液冷/风冷智能切换，机内配备 360° 温度感应与双转子风扇， 实现高性能与节能兼顾，能耗降低 20% 以上。

共封装铜互连（Co-Packaged Copper，CPC），是一种适用于短距离、高密度场 景的互连方案。物理形态上类似于 CPO，但是它使用铜缆，传输的是电信号。和 传统方案相比， CPC 方案核心变化在于，它把高速铜缆连接器直接做进 ASIC/Switch 的 substrate 内部，让高速信号“一出芯片就上铜缆”，不走 PCB， 直接从芯片侧通过铜缆连接到交换机的 IO 端口。 目前，CPC 连接方案的应用场景，重点定位为 Scale out 交换机，立讯精密、 samtec 已经公开展示过相关的 CPC 产品方案，以及相关的 100T 交换机。 立讯精密：2024 年 10 月，在 OCP 全球峰会上，立讯精密旗下子公司立讯技术 推出的 KOOLIO CPC 224G 架构，与微软联合展示了基于 1.6T CPC 全链路的应 用实例。2025 年 4 月，ETH-X 超节点原型机成功点亮，标志着我国在开放超节 点 AI 算力基座领域取得突破性进展。在该项目中，立讯技术提供了涵盖 Koolio 共封装铜互连（CPC）方案、OmniStack 近封装铜互连（NPC）方案，Intrepid Cable Cartridge 高速线缆背板解决方案，基于下一代高速互连关键技术。

Samtec&博通、Samtec&Marvell：2025 年 DesignCon 展会上，展示了 Samtec& 博通 224 Gbps PAM4 互连解决方案，融合了博通业界领先的 200G SERDES 技 术与 Samtec 的 Si-Fly® 高密度共封装铜缆系统。Si-Fly® HD CPC 是业界占位 密度最高的耐用型互连方案，可在 95×95mm 的芯片基板上实现 102.4T 带宽（即 512 通道 × 200G）。在 OFC 2025 上，结合 Samtec Si-Fly HD 224 Gbps PAM4 互连， Samtec 和 Marvell 联合突破性的下一代 100T 网络交换拓扑 ，在基板 级别整合了 Samtec 的共同封装铜连接。

与传统的直接走 PCB 方案相比：CPC 方案绕开 PCB，从而把 PCB 走线带来的 损耗、反射和串扰降到最低，延长了传输距离。 与 CPO（共封装光互连）对比：①CPC 和可插拔光模块配套，可靠性更强，有望 显著延长可插拔光模块的生命周期，缓解 CPO 的迫切性。②相对更易于维护，维 护成本更低，维护方式与现有铜缆生态兼容。③CPC 方案提供的信号质量非常好 （损耗低），且交换机内部线路比较短，或可以用 LPO 等技术，改善端口的功耗。 CPC 受益方向：主要是 CPC 连接器组件产业链、可插拔光模块厂商。 ① CPC 连接器品牌商：国内 IO 连接器龙头立讯精密（自主研发 KOOLIO CPC 方案）等， 海外连接器龙头安费诺、莫仕、泰科、Samtec 等。②可插拔光模块：中际旭创、 新易盛。③内部铜缆潜在供应商：沃尔核材、新亚电子、金信诺等。④IO 连接器 组件潜在厂商：鼎通科技、奕东电子等。

（七）液冷加速渗透，重视千亿市场规模机遇

液冷确保高功耗电子部件正常工作。近几年算力卡功耗攀升，使得风冷没办法满 足高功率机柜级方案的正常散热需求。与传统的风冷相比，直接液冷的散热效果 有明显提升，且更经济环保。北美缺电背景下，液冷可降低数据中心机房温控设 备的耗电量及服务器内风扇的功耗，从而显著节省用电量。 液冷在整机柜中的价值量占比相对较低，但散热是确保芯片正常工作的必要前提， 因此液冷解决方案的可靠性极为重要。我们认为液冷的主要参与者为综合实力强 劲的头部厂商，GPU 及 Rack 迭代改进速度快，具备较强响应速度及技术创新能 力的厂商将持续领先。 未来几年液冷行业增长迅猛，部分供应链内的海外液冷厂商扩产意愿不足，或给 新进入者更多机会。国内公司具备产能优势（扩产积极、龙头公司已海外大规模 扩产）、较强的成本和技术优势、更快的响应速度，长期看有望在全球市场占据 重要份额。 持续重点推荐英维克：公司在国内华为等液冷多环节中均占据大份额，全链条解 决方案具备较强的全球竞争力，近几年公司和北美多家客户均持续紧密沟通液冷 需求，CDU、接头、液冷板等产品获高度认可，公司持续实现海外大客户突破； 在美国、东南亚等地积极扩产。

（八）国产芯片性能持续抬升，国产算力需求有望显著好转

2025 年，国内互联网头部企业的算力扩张速度弱于海外，主要受缺卡影响较大， 未来算力资本开支将逐年提升。一方面，海外先进 GPU 的获取受到政策及供给 约束，导致头部互联网厂商在训练大模型、部署推理集群时面临制约；另一方面， 国产 GPU 尚处于加速迭代阶段，尽管性能提升迅速，但短期内在生态成熟度、软 件适配、规模验证等方面仍有差距，客户采购时更加审慎。 国产芯片性能持续抬升，随着产能的逐步释放，“缺芯”问题将大幅缓解，我们 预计国产算力需求将显著好转。 华 为全 联接 大 会 中 ，华 为 规划了 昇 腾 950PR/950DT、960 和 970 三个系列产品，分别将于 26Q1/26Q4、27Q4、28Q4 上市，围绕算力一年翻一番的节奏，以及更易用、更多数值类型、更高带宽持续 演进。 IDC 招投标需求也将陆续释放。近期政策严控能耗指标新增，行业供需格局向好， 建议跟踪 IDC 公司的订单获取情况和资源规划，优选核心资源储备丰富的公司， 光环新网天津宝坻项目、奥飞数据怀来项目、润泽科技廊坊等项目、大位科技张 北榕泰项目有望逐步交付给大客户，业务加速拓展。

编辑：火腿肠