AI算力需求正在直接推高云厂商的资本开支，进而驱动光模块市场增长，产业链的成本结构与盈利模式也随之发生显著变化。核心变化在于：高速率光模块（如800G）对上游光芯片、电芯片及封装工艺的要求大幅提升，推动成本重心向上游核心器件和先进封装转移；同时，头部厂商凭借规模效应与产品结构升级，盈利模式正从单纯的“卖产品”向提供高价值光引擎、深度绑定大客户的方向演进。

成本结构：向“芯片+封装”双核心倾斜

随着传输速率从400G向800G及以上迭代，光模块的成本构成正在发生根本性改变。

  • 上游芯片价值量提升：高速率光模块对光芯片（激光器、探测器）和电芯片（驱动芯片、DSP）的性能要求呈指数级增长，这部分核心器件的成本占比显著上升，成为决定产品竞争力的关键。
  • 封装工艺壁垒抬高：为满足高带宽密度和低功耗需求，传统的可插拔封装正面临技术瓶颈。官方资料指出，当单通道速率超过100Gbps后，传统可插拔光模块在成本效益上难以与新技术媲美。因此，能够实现光电共封装（CPO）的先进封装工艺，其技术溢价和成本占比均在大幅提升。

盈利模式：从“卖模块”到“卖方案”

产业链的盈利逻辑正随之重塑，主要体现在两个层面：

  • 规模效应驱动毛利率改善：在AI算力需求的确定性增长下，率先完成高速率产品量产、并锁定大客户订单的头部厂商，能够通过规模化生产摊薄研发与制造成本，从而获得更优的毛利率表现。
  • 角色升级带来新盈利点：国内厂商的盈利模式正在从提供标准化光模块，向提供定制化的“光引擎”等核心组件升级。例如，天孚通信已具备高速光引擎的量产能力，产品从小批量转入批量生产，并进入思科等海外网络设备龙头的供应链；联特科技则完成了高密度光电连接的产品设计，有望成为二供。这种深度嵌入全球头部设备商供应链的模式，相比单纯出售成品，具备更强的客户粘性和更稳定的盈利预期。

常见问题

为什么AI算力会直接拉动光模块需求？

AI大模型训练和推理需要海量数据在数据中心内部高速流转，这直接推高了云厂商的资本开支预算。官方资料显示，META已开始对800G光模块进行评估，预计其他巨头也会跟进。由于从立项到设备搭载光模块大约需要2年周期，AI带来的需求将在之后集中爆发。

CPO技术对成本结构的具体影响是什么？

CPO（光电共封装）将交换芯片和光引擎共同封装在同一个插槽上，使光引擎尽量靠近网络交换芯片。这种变革虽然能显著降低功耗、提升带宽密度，但也意味着封装工艺的技术难度和成本占比大幅提升，同时光芯片的价值量进一步凸显，成本结构更集中于“芯片+先进封装”两大环节。

国内厂商在产业链中的盈利机会在哪里？

国内厂商目前在高速率交换机芯片领域仍存在短板，因此主要定位是为思科等海外网络设备龙头供应光引擎。以天孚通信为代表的企业，已从批量生产阶段进入客户验证和导入阶段，这种深度绑定全球头部客户的模式，为国内厂商提供了从“卖产品”转向“卖核心组件与解决方案”的升级路径。