社区

接着上篇继续。

今年非常流行的一句话是要站在光里，不要光站在那里。这个板块拆开详解光互联、光模块到底是什么东西。

由于电信号在 PCB 上传不远、铜缆超过几米衰减就太大，于是需要把电信号转成光、用光纤传输、到对端再转回电。光模块就是完成电-光-电转换的器件。

据 TrendForce，2026 年 AI 光模块市场约 260 亿美元；1.6T 进入超级周期，出货量从 2025 年约 180–250 万只暴增到 2026 年 2000–3000 万只以上，英伟达一家占 1.6T 需求六成以上。

利润集中在两端：模块组装由中国厂商主导但相对薄利（中际旭创占英伟达 800G 采购五成以上、2024 年营收约 33 亿美元同比+123%、净利率 20%–22%；新易盛紧随）。

真正的价值高地是上游的 EML 激光芯片。Lumentum 占高端 EML 约 50%–60%、是唯一量产 200G/lane EML（1.6T 关键器件）的厂商，Coherent 的 InP 磷化铟激光已售罄至 2027 年。

这场路线之争到底在争什么？

起因是两堵墙——速率冲到 1.6/3.2T、集群奔向百万 GPU 时，(a) 交换芯片到面板的电信号链路成为瓶颈，(b) 带 DSP 的可插拔模块太耗电（功耗墙）。

围绕如何把光用得更省电，链路层出现三条路线，本质是在”省电”和”可维护/成熟度”之间取舍：

可插拔光模块（带 DSP，现状主流）

标准形态（OSFP/QSFP-DD）、遵循 OIF 标准，因此可以独立选型、可热插拔、采购灵活、议价力强；但 800G 模块功耗约 14–17W，且受电气传输距离限制。预计仍主导到 2027 年。

LPO（线性可插拔光学）

把模块里的 DSP 去掉，改由交换芯片的 SerDes 直接”线性驱动”光器件——800G 功耗降到约 7–8.5W（省 40%–50%）、每跳延迟更低，同时保留可插拔形态（仍可维护）。已在英伟达 Spectrum-X 和 Meta 的网络中出货。代价：去掉 DSP 就失去了对信号失真的补偿，链路预算变紧、互通更难、只适合短距离，可能只能多撑一两代。Arista、Meta 是主推方。

CPO（共封装光学）

把光引擎直接搬进交换芯片（或 GPU）的封装里，几乎消灭那段耗电的电链路。Meta 与博通的实测显示，Bailly 51.2T CPO 交换机里光引擎每 800G 仅耗约 5.4W，对比可插拔约 15W，省约 65%；到 3.2T 以上，可插拔逼近热极限，CPO 从”可选”变”必选”。

代价是可维护性：光引擎坏了可能要换整个封装/交换机，加上供应链不成熟、可靠性待验证（超大厂的应对是多端口冗余、并先推 CPO 交换机积累现场数据；Meta 已发布上百万端口小时的 Bailly 可靠性数据）。

两种 CPO 打法分化。

博通把光引擎永久键合进 ASIC 封装（Bailly 51.2T、Tomahawk 6 Davisson 102.4T），走开放生态、让客户自由选型；

英伟达更模块化：用可拆卸的光子组件（OSA）和前面板可插拔激光器，靠台积电 COUPE 硅光工艺和 SoIC 堆叠把光电芯片叠在一起，走垂直整合（Quantum-X InfiniBand 2025 下半年、Spectrum-X Ethernet 2026 下半年）。

硅光（SiPh）在这里面是技术底座：它把调制器、波导、光探测器集成到硅上，是高端可插拔和 CPO 共同的技术平台（激光器因为难在硅上集成，通常仍外置）。台积电 COUPE、英特尔、GlobalFoundries 提供硅光制造，Ayar Labs、Lightmatter 则在做片上光 I/O：把光直接接到 XPU 上，是更激进的方向。

OCS（光交换）则是另一层，拓扑/组网，不是链路器件。

传统组网靠电交换芯片做数据包交换，OCS 则用 MEMS 微镜把光束物理地重新连接，切换的是”整条光路”。谷歌首创（在 TPU pod 里用 OCS 动态重构网络拓扑，省掉成层的电交换机和它们配套的光模块，从而降功耗、降成本），现在正从长途通信走向机架级，英伟达也在引入。

它和电交换的 spine 竞争，与 CPO/LPO 是互补关系。

这个板块总结来说，链路层是省电↔可维护/成熟的光谱（可插拔 → LPO → CPO），硅光是它们共同的底座；组网层是 OCS 挑战电交换；而铜在机柜内仍是赢家，光接管跨机柜，整个前沿是把光推到离芯片越来越近的地方。

配套的交换 ASIC（博通 Tomahawk/Jericho、英伟达 Spectrum/Quantum）和 DPU 也在同一条主线上。

板块 E：散热与液冷

GPU 功耗冲到 500–600W、机柜功率密度从 2024 年约 50kW 走向 2029 年约 1MW（Vertiv 预测），热量必须及时带走，否则芯片降频甚至烧毁。空气导热能力太弱，超过约 50kW/机柜风冷就失效，于是改用液体（导热能力比空气强几个数量级）。

冷却液从 CDU（冷却液分配单元）泵出 → 流进贴在 GPU 上的冷板（直触式 D2C）吸热 → 升温后的液体回到 CDU 与设施侧冷却水换热 → 排到冷却塔；浸没式则更激进，把整台服务器泡进绝缘冷却液（单相或两相）。

数据中心液冷市场从 2025 年约 48 亿美元增长到 2026 年约 60 亿美元、2035 年约 270 亿美元，AI 专用液冷增速更高（2026–2030 年复合约 32%）。

Vertiv 以约 11% 份额居首，且是唯一同时覆盖供电与制冷的大厂；施耐德通过收购 Motivair 补齐 CDU 与冷板；其余有 Boyd、CoolIT、Asetek、被特灵（Trane）收购的浸没式龙头 LiquidStack，以及台系冷板/散热供应链——双鸿、奇鋐、讯凯和台达。

这是一个正在快速整合的细分，高增长但参与者多、竞争相对充分，赚的是成长的钱。

板块 F：供电与电源（瓶颈下移到电网）

这块在做的事就是把市电一路降压、稳压成 GPU 需要的不到 1V、几百上千安培的直流，且损耗要尽量低（损耗就是白白发热、推高电费和散热负担）。之前英伟达 800VDC有详细讨论过原理，有兴趣的大家可以自己去看。下面我简略带过一下。

机柜电源与数据中心电力系统由 Vertiv（营收指引约 135–140 亿美元）、伊顿（主攻固态变压器 SST）、施耐德、台达（已推 800V、660kW 电源架）主导；

电源半导体（VRM/GaN/SiC）方面，硅基 MOSFET 正被氮化镓（GaN，中低压高频，适合服务器 VRM）和碳化硅（SiC，高压段）替代，玩家有 MPS（芯源）、英飞凌（AI 数据中心营收目标约 15 亿欧元）、意法（与英伟达共推 800V-to-6V 方案）、Navitas、罗姆，以及走垂直供电（把电源放到 GPU 正下方）、订单积压环比+70% 的 Vicor；

最上游的电网设备才是真正的物理瓶颈。高压变压器交期已从疫情前的 24–30 个月拉长到约 5 年，开关柜、电池同样紧缺，核心供应商是伊顿、西门子能源、日立能源、GE Vernova，绕开电网的自备电源（燃气轮机、燃料电池、核电/SMR）正成为新趋势。

供电是瓶颈轮动最新的落点。

板块 G：测试（需求从哪来）

芯片是概率性良率的产物，每一颗的好坏都要逐一验证；而且它要在数据中心 7×24 连续跑好几年，所以既要筛掉直接坏的，也要筛掉”早夭”的。测试就是这道质量闸门。

具体怎么测（测试流程）：

晶圆测试 / CP（wafer sort）：在切割之前，用探针机（prober）把探针卡（probe card，上面有几千根探针）扎到晶圆上每颗 die 的焊盘，连接自动测试设备（ATE）逐 die 测电性，挑出已知良好裸晶（KGD）。对 AI 芯片尤其关键：封装太贵，绝不能把坏 die 或坏 HBM 封进价值数万美元的成品。

终测 / FT（final test）：封装完成后，用分选机（handler）把成品逐一送进 ATE，再测一遍功能、性能和高速接口。

老化 / burn-in：在高温高压下跑一段时间，逼出早期失效（可靠性曲线最左端的”婴儿死亡”）。

系统级测试 / SLT：在接近真实系统的环境里运行真实负载和固件，捕捉 ATE 的标准测试图案抓不到的潜在缺陷。AI 大芯片越来越依赖 SLT，但它单颗测试时间长、要更多测试舱，成本结构与传统 ATE 不同。

HBM 还要额外做堆叠级的 KGSD 测试。

为什么测试需求暴涨？

第一，AI 芯片巨大、多 die、接口高速，测试内容多、测试时间长，直接吃测试机产能；

第二，先进封装让”封装前测 + 封装后测”都成为必需，KGD 的价值飙升；

第三，每一个新的定制 ASIC 程序都要开发一套全新的测试程序。博通-谷歌、迈威尔-Meta/微软、AWS Trainium 的定制芯片越多，测试需求就被乘数式放大；

第四，高电流、高速、高可靠性要求，把需求推向更高端的测试机、SLT 和老化。

结果就是 SoC 测试机市场从 2025 年约 69 亿美元增长到 2026 年约 87–95 亿美元，爱德万把产能从 3000 台扩到 5000 台仍售罄。

ATE 是双寡头市场，爱德万（被称为测试界的 ASML）与泰瑞达合计占全球八成以上，AI 拉动下爱德万的 SoC 测试机份额一年内（2025）从 56% 升到 66%、整体份额约 65%，因对 CoWoS 封装暴露更好而跑赢泰瑞达；

探针卡是 FormFactor（美，龙头）、Technoprobe（意）、JEM（日）的寡头；

晶圆探针机由东京电子主导；

封测厂日月光、安靠也在延伸测试服务。

这个环节是典型的AI 越卷、它越赚的双寡头卡点，确定性高、却常被忽视。

板块 H：系统集成与数据中心（薄利组装 + 电力硬约束）

服务器 ODM/整机组装是微笑曲线的最低点：英伟达的整机柜（GB200/GB300）主要由鸿海/工业富联、广达、纬创、英业达，加 Supermicro、戴尔代工，量大利薄。

数据中心与电力层面：亚马逊、微软、谷歌、Meta、甲骨文五家 2026 年资本开支合计约 6600–6900 亿美元、几乎吞掉全部经营性现金流并大举发债，而电力已取代芯片成为头号约束，变压器、开关柜、电网接入（排队 4–7 年）成为真瓶颈，美国 2026 年规划产能中有 30%–50% 可能延期或取消，国际能源署预计全球数据中心用电将在 2030 年翻倍至约 945 TWh。

价值分布与瓶颈总览

把所有环节叠起来，按议价能力分三档：

第一档：独家/双寡头/极度集中（议价力最强、利润最厚）

EUV 光刻机（ASML 唯一）、ABF 膜（味之素唯一）、先进代工（台积电约 92%）、CoWoS 封装（台积电主导）、HBM（三寡头、售罄）、ATE 测试（爱德万+泰瑞达约 80%+）、EML 激光芯片（Lumentum/Coherent）、探针卡（FormFactor 等）、T-glass 玻纤布（日东纺等）。

这一档是真正沉淀超额利润的地方，而且常常是”卖味精、卖玻璃布、卖测试机”的隐形冠军。

第二档·高增长但竞争相对充分（组装/集成，毛利较薄）

光模块组装（中际旭创、新易盛等中系厂商）、液冷系统、机柜电源、连接器/铜缆、被动元件（MLCC）。增长极快，但壁垒相对低，赚的是成长的钱。

第三档·最薄一段

服务器 ODM 整机组装（鸿海、广达等），量大利薄。

瓶颈轮动的清晰路径：算力需求 → GPU 短缺 → HBM 售罄 → CoWoS 与载板（ABF/玻纤布）紧张 → 光模块与激光芯片紧缺 →（当下）电力与电网设备。

每一次轮动都会催生下一批受益标的。

给投资者的四条启示

第一，沿链优先找独家与双寡头。 价值永远沉淀在无可替代的卡点。

第二，区分卡点高毛利与组装薄毛利。同在 AI 供应链里，上游材料/卡点器件赚垄断利润，光模块组装、液冷、服务器 ODM 赚成长利润，估值逻辑和回撤特性完全不同。

第三，紧盯瓶颈轮动到载板、激光芯片与电力，以及玻璃基板这条暗线。ABF 载板与玻纤布的多年缺口、1.6T 激光芯片的稀缺、电网设备/核电的长周期机会，以及玻璃基板从研发跨入认证带来的格局重排，都值得提前布局。

第四，警惕高集中的两类风险。 一是地缘与单点风险（押注台湾、依赖少数寡头与独家供应商）；二是估值与资本开支泡沫（超大厂 capex 吞噬现金流、大举发债，”需求能否兑现”的担忧从未消失）。

特斯拉(TSLA) ROUNDHILL GENERATIVE AI & TECHNOLOGY ETF(CHAT) 通用人工智能 ETF-AGIX(AGIX)