AI 光模块占整体比例
AI 已成为光模块行业的唯一边际增量主导力量——AI 数据中心相关需求 2025 年约 165 亿美元（占总市场约 56%），到 2026 年跃升至 260 亿美元（YoY +57%）[TrendForce]。[BoA] 预测 2030 年 AI 光连接达 730 亿美元（CAGR 39%），且光端口将占 AI 网络端口的 71%（铜缆退至 29%）。AI 占比从 2024 年的不足一半，到 2030 年将主导整个光模块市场。
一、AI vs 总市场的比例演进
gantt
title AI 光模块占比演进（2024-2030）
dateFormat YYYY
axisFormat %Y
section 总光模块市场
2024 ~$15B :done, 2024, 2025
2025 ~$25B :done, 2025, 2026
2026 ~$35-40B :active, 2026, 2027
2030E ~$80-100B :2027, 2031
section AI 光模块
2024 ~$5B (33%) :done, 2024, 2025
2025 ~$16.5B (~56%) :done, 2025, 2026
2026 ~$26B (~65%) :active, 2026, 2027
2030E ~$73B (~73%) :2027, 2031占比与规模数据
| 年份 | 总光模块市场 | AI 光模块 | AI 占比 | 数据来源 |
|---|---|---|---|---|
| 2024 | ~150 亿美元 | ~50 亿美元 | ~33% | [LightCounting] |
| 2025 | ~250 亿美元 | ~165 亿美元 | ~56% | [Cignal AI] / [TrendForce] |
| 2026 | ~360-400 亿美元 | ~260 亿美元 | ~65% | [TrendForce] 26-04 |
| 2027 | ~450-500 亿美元 | ~340 亿美元 | ~70% | [LightCounting] 增速外推 |
| 2030E | ~800-1000 亿美元 | ~730 亿美元 | ~73% | [BoA] / [Lumentum] |
关键转折：2024 年 AI 占比仅 ⅓，2025 年跃升过半，2026 年超过 60%——AI 已是光模块行业的"决定性增量"。
不同口径机构对 2030 的预测对比
| 机构 | 2030E 规模 | 口径 | 隐含 CAGR(25-30) | 备注 |
|---|---|---|---|---|
| [BoA] AI Connectivity TAM | $62.2B | 仅 AI 连接（光+铜，光占 76%） | ~30% | 严格光连接口径 |
| [BoA] 光组件 TAM | $54B | 收发器 + AOC + WSS | ~32% | 模块 + 光器件 |
| [BoA] AI 网络 TAM | $245B | 含交换 + SmartNIC + 连接全栈 | ~40% | 全栈口径 |
| [Lumentum] 广义光通信 | $90B | AI Optics 全口径 | ~40% | 含光模块 + 光器件 |
| [LightCounting] 乐观 | $100B+ | AI 集群光互连"冲击千亿" | ~45% | 需多重利好叠加 |
| [LightCounting] 中性 | $73-80B | AI 光模块 | ~38% | 受 XPU/ASIC 短缺约束 |
| [内资共识] | ¥4500-5500 亿 | 多家中资 | 38-42% | 多家券商一致预期 |
口径校验：730 亿美元 = 模块 + 光器件 综合口径
[BoA] 严格 "AI 光连接 TAM 2030E" 实际为 \(62.2B**；**\)73B 的口径更接近"光组件 + 部分相干模块" 综合数；$90B 是 Lumentum 广义光通信全口径。本文采用 730 亿作为中性参考，分析时需注意机构间口径差异（仅模块 / 光组件 / 整体网络全栈）可达 4 倍量级。
二、AI 光模块需求层 24-30 逐年拆解
[LightCounting] 给出 2030 年端口结构：Non-AI ≈ 35%、AI Scale-out ≈ 44%、AI Scale-up ≈ 21%——Scale-up 从 26 年 4% 起步到 30 年突破 20%，这是关键结构性变化。
四需求层逐年规模拆分（亿美元）
| 年份 | Scale-out | Scale-up | Scale-across | AI 推理 | 合计 | 同比 |
|---|---|---|---|---|---|---|
| 2024 | ~38 | ~3 | ~5 | ~4 | ~50 | 基准 |
| 2025 | ~115 | ~12 | ~18 | ~20 | ~165 | +230% |
| 2026 | ~185 | ~32 | ~22 | ~21 | ~260 | +57% |
| 2027 | ~225 | ~58 | ~30 | ~27 | ~340 | +31% |
| 2028 | ~270 | ~95 | ~42 | ~43 | ~450 | +32% |
| 2029 | ~310 | ~135 | ~58 | ~67 | ~570 | +27% |
| 2030E | ~340 | ~185 | ~75 | ~130 | ~730 | +28% |
结构演进信号： - Scale-up 28-30 年是真正接力——从 2026 年 4% 占比抬升到 2030 年 21%（[LightCounting]/[BoA] 口径）；CPO/NPO 是这一层的核心载体； - AI 推理 28 年起加速——训练饱和后推理接棒，30 年占比可达 18%； - Scale-out 仍是绝对体量——但增速从 +230% 降至 +10% 区间，进入稳态。
端口结构口径校验：2026 vs 2030
| 端口结构 | 2026 | 2030 | 5 年变动 |
|---|---|---|---|
| Non-AI（电信 + 传统数通） | ~36% | ~35% | 基本稳定 |
| AI Scale-out | ~60% | ~44% | -16pp |
| AI Scale-up（新增） | ~4% | ~21% | +17pp（最大变量） |
Scale-out 增速放缓 ≠ Scale-out 萎缩——绝对量仍扩张，Scale-up 增速更快、占比跃升。
三、AI Capex 传导：从云厂商到光模块
flowchart LR
A[北美四大 CSP<br/>2026 合计 Capex<br/>~$700B] --> B[AI 基础设施<br/>~$450B / 75%]
B --> C[GPU/ASIC<br/>~$200-250B]
B --> D[网络设备<br/>~$50-70B]
B --> E[数据中心建设<br/>~$130-150B]
D --> F[光模块<br/>~$25-30B / 全球总量主体]:::core
classDef core fill:#fef3c7,stroke:#d97706,stroke-width:3px;北美四大 CSP 2026 Capex
| 公司 | 2026 Capex 指引 | YoY | AI 倾斜度 |
|---|---|---|---|
| Amazon | ~$200B | 显著增长 | 极高（AWS Trainium2 + Anthropic 合作） |
| ~$185B | 大幅提升 | 极高（TPU 自研 + Gemini） | |
| Meta | ~$135B | +60-90% | 极高（MTIA + Hyperion 5GW） |
| Microsoft | ~$130B | 持续高位 | 极高（Azure + OpenAI） |
| 合计 | ~$650-700B | +30-40% | 75% 投向 AI |
仅北美四大 CSP 2026 年 AI 相关 Capex 就近 5000 亿美元——这是史上最大规模的单一行业资本开支。25Q4 全球前四大 CSP 合计资本开支 $1176 亿，同比 +67%、环比 +22%[内资研报]。
关键拐点：25Q4 单季 $1176 亿（同比 +67%、环比 +22%）是史上首次单季破千亿，26 年全年 Capex 中枢被显著上修至 $6500-7000 亿。
四、单 GPU/ASIC 光模块配比演进
AI 光模块需求 = GPU/ASIC 出货量 × 单芯配比 × 平均单价。单芯配比是最强杠杆变量——内资数据：H100 1:3 / B300 1:4.5 / Meta 两层网 1:8 / 三层网 1:12 / Rubin 预期 1:5+ [外资研报]。
flowchart LR
A[H100<br/>2023-24<br/>1:3] --> B[B200/GB200<br/>2024-25<br/>1:3-4]
B --> C[B300<br/>2025-26<br/>1:4.5]
C --> D[Rubin<br/>2026-27<br/>1:5-6]
D --> E[Rubin Ultra/<br/>3.2T 时代<br/>2028-30<br/>1:7-8]
F[Meta 两层网 1:8<br/>三层网 1:12<br/>2025-26] --> E
G[ASIC TPU/<br/>Trainium2/3<br/>2025-27<br/>1:6-8] --> E
classDef nvidia fill:#dcfce7,stroke:#15803d,stroke-width:2px;
classDef hyperscaler fill:#fef3c7,stroke:#d97706,stroke-width:2px;
class A,B,C,D,E nvidia
class F,G hyperscaler单芯光模块配比明细（800G 当量）
| 芯片代际 | 量产年份 | 网络速率 | 单芯配比 | 备注 |
|---|---|---|---|---|
| A100 | 2020-22 | 200G | 1:2 | 基准参考 |
| H100 / NVL36 | 2023-24 | 400G/800G | 1:3 | Scale-out + Spine |
| GB200 NVL72 | 2024-25 | 800G/1.6T | 1:3-4 | 含 IB Scale-out |
| B300 NVL576 | 2025-26 | 1.6T | 1:4.5 | 大集群拉动 |
| Rubin NVL144/288 | 2026-27 | 1.6T/3.2T | 1:5-6 | Scale-up 抬升 |
| Rubin Ultra | 2028-29 | 3.2T | 1:6-7 | CPO 接力 |
| Meta 两层 / 三层网 | 2025-26 | 800G | 1:8 / 1:12 | Hyperion 极高密度 |
| TPU v5e/v6 | 2024-26 | 800G | 1:5-7 | Google 自研 |
| AWS Trainium ⅔ | 2025-27 | 800G/1.6T | 1:6-8 | UltraCluster |
单价中枢（[内资研报] 26 年 Q1）
| 产品 | 关键芯片 | 出厂均价（$） | 备注 |
|---|---|---|---|
| 800G EML 模块 | EML 4×100G | ~380 | 26 年 Q1 主流 |
| 800G LPO 模块 | EML | ~280 | LPO 节本路径 |
| 1.6T EML 模块 | EML 8×200G | ~1100-1200 | 26 年 Q1 量产 |
| 1.6T 硅光模块 | SiPh | ~900 | 渗透率上行 |
| 3.2T 模块（27-28E） | EML 16×200G | ~2500-3000 | 27 年商业化、28 年量产 |
关键观察
- Nvidia 配比 5 年翻 4 倍：1.5 → 6，大集群规模化（NVL72/144/576）+ 速率升级双重驱动
- ASIC 配比 1:6-8 高于 Nvidia：自研芯片缺 NVLink 私有铜互连，更依赖光模块
- CSP 自研占比上升 → 需求弹性放大：假设 30% Capex 转向自研 ASIC，光模块需求 +20-25%
- Rubin Ultra 突破 1:8 是关键节点：单芯片光模块价值量超过 $10000，与 GPU 价值量比例达 1:5
五、各代际中 AI 需求的占比
| 速率代际 | AI 需求占比 | 26 年出货预测 | 备注 |
|---|---|---|---|
| 100G | <20% | ~1500 万只 | 主要为传统数通 + 电信 |
| 400G | ~50% | ~2000 万只 | 早期 AI 训练集群 |
| 800G | ~80% | ~4100 万只 | AI 训练 H100/B200 主流 |
| 1.6T | ~95%+ | ~1100 万只 | 几乎纯 AI 驱动（Rubin/B300） |
| 3.2T | ~95%+ | <100 万只 | 27-28 商业化、29-30 起量 |
关键事实：1.6T 及以上代际几乎是 100% AI 驱动——传统电信和企业网升级用不到这个速率。AI 与高速率代际几乎是绑定关系。 数据来源：[LightCounting] 26 年初预测 + [东吴证券] 测算 + [华泰] 校核。
2030 速率结构预测（[LightCounting]）
| 速率 | 2030E 占比 | 备注 |
|---|---|---|
| 800G | 51% | 高位维持，受推理 / 二级集群拉动 |
| 1.6T | 30% | 训练主力、Rubin/Rubin Ultra |
| 3.2T | 9% | 28 年量产、29-30 高速起量 |
| 其他（400G 及以下） | 10% | 电信 / 短距 |
量价交叉校验：26 年 800G/1.6T 出货 → 收入测算
| 速率 | 26 年出货 | 单价（$） | 营收测算 |
|---|---|---|---|
| 800G EML | ~3800 万只 | 380 | $144 亿 |
| 1.6T EML | ~1400 万只 | 1100 | $154 亿 |
| ≥800G 合计 | ~5200 万只 | 均 ~570 | $298 亿 |
三路校验：(1) [TrendForce] 26 年 AI 光模块 $260 亿；(2) 量价直推 $298 亿；(3) 1600 万颗 AI 芯片 × 1:4 配比 → 6400 万组 ≥800G 模块（与 [TrendForce] 6300 万组吻合）。三条独立路径数据在数量级上一致，核心数据可信度高。
六、AI 光模块各细分增长率
| 时段 | 同比增速 | 来源 | 驱动 |
|---|---|---|---|
| 25-26 高峰 | +57-60% | [TrendForce] / [LightCounting] | 1.6T 放量 + Capex 上修 |
| 26 约束 | "仅" 60% | [LightCounting] | XPU/ASIC 短缺限制集群扩张 |
| 27-28 减速 | +30-35% | [LightCounting] | 集群扩张节奏放缓 |
| 29-30 双位 | +25-30% | [BoA] / [Lumentum] | CPO/NPO 接力 + 推理 |
| 25-30 全期 CAGR | 39% | [BoA] | AI 光连接全口径 |
七、AI 推理集群规模化对光模块结构的潜在改变（28-30 观察窗）
当前 AI 光模块 90%+ 来自训练集群。但推理集群正在快速规模化——ChatGPT/Gemini/Claude 全球用户已突破 10 亿月活级别，推理算力需求按 token 消耗近指数级增长。
推理 vs 训练集群差异（结构性）
| 维度 | 训练集群 | 推理集群 | 对光模块影响 |
|---|---|---|---|
| 集群规模 | 1-10 万卡 | 100-5000 卡 | 推理更分散、Scale-out 总量小 |
| 网络结构 | 全互联 IB/RoCE | 部分互联 | 光模块密度需求降低 |
| 延迟敏感度 | 训练同步关键 | 推理流式即可 | 可用 LPO 等低成本方案 |
| 速率需求 | 800G/1.6T 主流 | 400G/800G 性价比优 | 800G 生命周期延长 |
| 集群数量 | 数十-数百 | 数千-数万（边 + 中心） | 推理"小而多" |
推理需求 28-30 年情景测算
| 情景 | 28 年推理光模块 | 30 年推理光模块 | 占 AI 光模块比例 30E |
|---|---|---|---|
| 保守（推理增长缓慢） | ~25 亿 | ~70 亿 | 10% |
| 中性（一致预期） | ~43 亿 | ~130 亿 | 18% |
| 乐观（推理规模化超预期） | ~70 亿 | ~200 亿 | 25%+ |
关键观察：推理集群规模化将重构光模块需求曲线——总量持续高增，但内部结构会从"集中训练" → "分散训练 + 推理"演化。这意味着： 1. 800G 不会快速被 1.6T 完全替代，可能形成"双主流"格局； 2. 低成本可插拔（LPO 等）有望从 27 年起加速渗透； 3. CPO/NPO 仍主要在训练集群，推理集群对其依赖度较低。
八、AI 占比对 A 股龙头业绩影响
| 公司 | 2025 收入估算 | AI 数通占比 | 2026 增长驱动 |
|---|---|---|---|
| 中际旭创 | 100 亿+ 净利 | ~95%+ | 1.6T + NPO 双轮驱动 |
| 新易盛 | 高速增长 | ~95%+ | 1.6T 跟进 + Meta LRO 独家 |
| 光迅科技 | 央企稳健 | ~50% | 800G/1.6T + 电信稳定盘 |
| 天孚通信 | 高增 | ~80% | 光引擎封装 |
| 源杰 / 长光华芯 | 国产替代 | ~70% | 上游 EML/CW |
| 罗博特科 | 起量 | NPO/CPO 设备 | 27 量产元年 |
九、关键投研议题
议题 1：65% 占比是历史性跨越
2024-2026 短短两年 AI 占比从 33% → 65%——行业从"电信主导"到"AI 数通主导"的根本转变。估值体系应重塑——参照对象从电信运营商 Capex，切换到 CSP AI Capex 节奏。
议题 2：CSP Capex 兑现度是最大变量
需求高度集中于北美四大 CSP（合计 75%+）。任何 CSP 削减 AI Capex 都会立刻反映到光模块订单。需跟踪：(1) Capex 季度实际值 vs 指引；(2) AI 应用收入兑现；(3) 推理是否替代训练成为新主力。
议题 3：AI 推理集群结构差异创造新机会
当前 AI 光模块 90%+ 来自训练。推理规模化将带来另一波需求——但分布更分散、延迟敏感度更低、速率需求停在 800G。对 LPO 和 800G 生命周期延长有利。
议题 4：1.6T 与 AI 是绑定关系
1.6T 代际 95%+ 来自 AI——1.6T 出货节奏直接代理 AI 算力需求。中际旭创 / 新易盛 1.6T 出货量 = 直接读出 AI 训练集群规模化进度。
议题 5：单芯配比演进是最强杠杆
H100 1:3 → Rubin 1:5-6 → Rubin Ultra 1:7-8——5 年提升 2-3 倍，是 AI 光模块需求最被低估的隐性弹性。CSP 自研 ASIC 配比更高（1:6-8），自研占比上升放大需求。
议题 6：[LightCounting] $100B 千亿目标的可达性
[LightCounting] 提出 30 年 AI 光互连冲击千亿——需要"天时地利人和"：(1) Scale-up CPO 渗透超预期；(2) 推理规模化兑现；(3) ASIC 自研高占比；(4) 3.2T 28-29 顺利商业化。中性 730-800 亿、乐观破千亿。
十、跟踪指标
| 指标 | 频率 | 信号意义 |
|---|---|---|
| 北美四大 CSP 季度 Capex | 季度 | AI 需求基本面 |
| Nvidia/AMD GPU + 自研 ASIC 出货 | 季度 | 光模块配套基数 + 配比变化 |
| 800G → 1.6T 切换比例 | 季度 | AI 高端代际渗透 |
| [TrendForce]/[LightCounting] 季度数据 | 季度 | 占比修正 |
| [BoA]/[Goldman] 卖方报告 | 季度 | 一致预期 + 目标价 |
| 800ZR/ZR+ 出货量（DCI） | 季度 | 跨园区 AI 集群规模化 |
| CPO/NPO 量产 + 3.2T 商业化 | 半年 | Scale-up 接力 + 代际拐点 |
| 推理集群占 AI 算力比例 | 半年 | 28-30 结构变化先行指标 |