光模块：一个小小光模块，为什么撑起了AI牛市？

2024年以来，中国A股涨幅最大的AI板块之一，不是大模型，不是机器人，也不是GPU。

而是一群很多人听都没听过的公司：

• 中际旭创

• 新易盛

• 天孚通信

• 华工科技

它们共同属于一个赛道：

光模块。

很多人第一次听到这个名字时都会疑惑：

一个巴掌大的小盒子，凭什么价值数千元甚至数万元？

为什么AI训练越火爆，光模块越赚钱？

为什么中国企业能够占据全球领先地位？

今天，我们来拆解AI产业链增长最快的隐形冠军。

一、AI最大的敌人，不是算力，而是距离

在前几期中我们讲到：

GPU
+
HBM
+
先进封装
=
超级AI芯片

但问题来了。

一块GPU远远不够训练大模型。

训练GPT级别模型时：

往往需要：

1000张GPU
↓
10000张GPU
↓
100000张GPU

同时工作。

例如：

OpenAI

Meta

xAI

正在建设的AI集群规模都已经达到数十万张GPU。

这时候出现新的问题：

GPU之间如何通信？

假设：

10000名工程师共同完成一个项目。

如果每个人都无法交流。

效率几乎为零。

GPU也是一样。

训练大模型时。

GPU需要不断交换数据。

同步参数。

同步梯度。

共享模型状态。

于是：

AI开始从算力竞争进入网络竞争。

二、铜线为什么不行了？

传统服务器通信：

主要依靠铜缆。

铜缆有几个优势：

便宜

成熟

易部署

但AI集群规模越来越大。

铜缆的问题开始暴露：

距离短

一般数米以内。

功耗高

速度越高越耗电。

信号衰减严重

无法满足超大规模集群。

于是行业开始转向：

光通信

三、光模块到底是什么？

简单来说：

光模块就是：

电信号和光信号转换器

GPU内部：

传输的是电信号。

光纤内部：

传输的是光信号。

两者无法直接沟通。

于是需要一个翻译官：

GPU
↓
电信号
↓
光模块
↓
光信号
↓
光纤
↓
远端GPU

这就是光模块存在的意义。

可以理解成：

GPU是汽车。

光纤是高速公路。

光模块就是收费站。

负责完成转换。

四、为什么AI让光模块突然爆发？

互联网时代：

服务器流量增长相对平稳。

AI时代不同。

GPU之间的数据交换量呈指数增长。

以单台服务器为例：

过去：

10G
↓
25G
↓
40G

AI时代：

400G
↓
800G
↓
1.6T
↓
3.2T

短短几年增长数十倍。

这意味着：

每升级一次AI集群。

整个光模块体系都要升级。

于是形成AI产业链的新逻辑：

GPU越多
↓
通信需求越大
↓
光模块越重要

五、为什么英伟达越来越像一家网络公司？

很多人以为：

英伟达只是卖GPU。

其实已经不是了。

近几年：

NVIDIA

进行了两次关键收购：

Mellanox

高速网络龙头

Cumulus

数据中心网络软件

原因很简单：

英伟达发现：

GPU性能已经不再是瓶颈。

GPU之间的连接效率。

正在成为AI集群性能核心。

于是今天的NVIDIA产品：

已经变成：

GPU
+
交换机
+
网络
+
软件

整体解决方案。

六、AI数据中心里最贵的网络设备是什么？

答案：

光交换网络

目前AI数据中心典型结构：

GPU服务器
↓
TOR交换机
↓
Leaf交换机
↓
Spine交换机

每一级都需要大量光模块。

一个万卡集群。

往往需要：

数万个光模块。

甚至：

光模块价值占整个网络投资的30%以上。

因此：

GPU卖得越多。

光模块需求越高。

七、为什么中国企业成为全球冠军？

这是AI产业链中少见的中国优势赛道。

目前全球光模块市场：

中国企业占据绝对领先地位。

代表企业：

中际旭创

全球800G龙头。

新易盛

高速成长代表。

天孚通信

核心器件供应商。

华工科技

国产光通信代表。

很多国际云厂商：

包括：

Microsoft

Amazon

Google

都是中国光模块的重要客户。

八、下一代竞争：1.6T与硅光技术

目前主流：

800G

下一阶段：

1.6T

再下一阶段：

3.2T

速度不断提升。

与此同时。

行业正在从传统方案转向：

Silicon Photonics

硅光技术

简单理解：

把光通信能力直接集成到芯片内部。

优势：

更低功耗

更低成本

更高带宽

未来十年。

硅光可能成为AI网络的核心技术。

九、真正的结论：AI比拼的不只是算力

很多人理解AI产业链：

大模型
↓
GPU
↓
结束

实际上：

真正完整的链条是：

大模型
↓
GPU
↓
HBM
↓
先进封装
↓
光模块
↓
交换机
↓
数据中心

如果GPU是发动机。

HBM是燃油系统。

先进封装是总装工厂。

那么：

光模块就是高速公路系统

没有高速公路。

再多跑车也跑不快。

未来几年。

AI集群规模会从：

万卡

升级到

十万卡

甚至百万卡。

谁能解决GPU之间的通信问题。

谁就能获得下一轮AI红利。

下期预告

《每一个ChatGPT回答背后，都有一座发电厂在支撑》

为什么马斯克建一个AI数据中心需要几十亿美元？

为什么未来AI最大的瓶颈可能不是GPU，而是电力？

为什么液冷、变压器和核电突然成为资本市场热点？

下一期我们将进入AI产业链最后一环：

AI数据中心与能源基础设施

揭开AI时代真正的“印钞机”。

结语

过去二十年，互联网连接的是人。

未来二十年，AI连接的是GPU。

而连接这些GPU的，不是代码，不是算法。

而是一束束看不见的光。

谁掌握光，谁就掌握AI时代的数据高速公路。