社区

🔥 AI 光通信真正的竞争，已经开始从“谁做光模块”，进入“谁掌控下一代调制层标准”。

很多人现在提到 AI 光通信，第一反应还是 800G、1.6T、CPO、光模块这些概念，但如果真正深入产业链，会发现未来最关键的位置之一，其实是 Modulator（调制器）。

因为未来 AI 数据中心最大的瓶颈，正在慢慢从 GPU 本身，转向 GPU 与 GPU 之间的数据传输。

未来像 NVL72、超大规模 AI Cluster、AI Factory 这种架构，会同时出现几千颗 GPU、几万个高速光连接以及海量实时数据交换。真正最可怕的地方，已经不再只是“算力够不够”，而是“数据能不能搬得动”。

而 GPU 本身是电信号，光通信是光信号，中间必须有一个核心器件完成“电 → 光”的转换，这个核心器件，就是调制器。

现在整个 AI 光通信行业里，主流调制层路线，其实已经慢慢分成四大方向。

第一条路线是 Silicon Photonics（硅光），核心标的包括：

$AVGO

$COHR

$TSEM

这是目前产业化最成熟、资本投入最大的方向。硅光最大的优势，是能够更容易与 CMOS 工艺结合，这意味着它更容易规模化生产、更容易进入 Foundry 体系，也更容易与 AI 芯片直接整合。

这也是为什么 $AVGO 现在越来越被市场视为 AI 光互联核心玩家之一。因为未来 AI 网络升级，本质上会越来越依赖“硅光 + 高速交换”的组合。

而像 $TSEM 这样的 Foundry，也会越来越重要。因为未来 PIC（光子集成电路）规模扩大后，真正的壁垒之一，就是制造能力。

第二条路线是 InP（磷化铟），核心方向主要看：

$COHR

$LITE

$AXTI

InP 的优势在于超高速性能，尤其在高频调制、激光器和超高速光通信领域非常强。很多 AI 数据中心未来更高带宽的高速连接，其实都会越来越依赖 InP 技术。

而很多人低估了 $AXTI 的位置。因为它真正卡的是上游 InP 衬底。未来 AI 光通信如果持续爆发，最容易缺货、但市场最容易忽略的，往往不是终端模块，而是所有人都绕不开的核心材料层。

第三条路线是 TFLN（薄膜铌酸锂）。

这个方向最近行业热度非常高，因为它具备速度快、功耗低、线性性能优秀等优势，非常适合下一代高速 AI 光互联。很多人认为，TFLN 未来可能会在高端调制器市场占据越来越重要的位置。

不过目前美股里，还没有特别纯正、特别核心的 TFLN 标的，所以现在更多仍属于技术路线预期阶段。

第四条路线，也是最近越来越多人开始重新研究的方向，就是 EO Polymer（电光聚合物）。

而目前市场里最核心、几乎唯一纯正的代表标的，就是：

$LWLG

这也是为什么最近越来越多人重新开始认真研究 Lightwave Logic。

因为 EO Polymer 理论性能其实非常激进。相比传统硅光路线，它具备更高速、更低功耗、更低电压、更低热损耗等特点。

而未来 AI 数据中心真正最缺的，恰恰就是：

带宽效率 + 功耗效率。

尤其当 AI Cluster 越来越大之后，功耗问题会变得越来越致命。

但 $LWLG 真正最大的想象空间，其实不只是材料本身，而是它有没有机会成为未来 AI 光互联里的“标准层”。

尤其现在它开始逐步进入 Foundry 的 PDK 生态，这一点非常关键。

因为一旦进入 PDK，工程师就能够直接完成设计、Tape-out、验证与量产。这意味着它正在从“实验室技术”，慢慢进入真正的工业体系。

而半导体行业有一个非常重要的特点：一旦进入工艺库，后续护城河会越来越深。因为后面会涉及封装、热设计、光学校准、良率与客户系统适配，客户不会轻易更换材料路线。

所以未来 AI 光通信真正的竞争，可能已经不只是“谁卖更多光模块”，而是谁能掌控下一代调制层标准。

因为未来 AGI 数据中心真正最恐怖的东西，不只是算力，而是：

超高速实时数据流。