网络与光互连:算力之后的下一个瓶颈

网络为何会成为瓶颈

训练一个前沿模型需要在数万个GPU之间同步权重。随着集群规模扩大，全归约(all-reduce)操作在训练时间中的占比不断上升。跨集群通信中1毫秒的延迟，会在每个训练步骤中的数百万次操作里被放大。带宽而非算力，正日益成为有效集群利用率的限制因素。大规模推理面临同样的动态——具有多步推理链的自主(agentic)工作负载会产生持续的节点间流量。

产业链结构

• 交换芯片：Broadcom(Tomahawk、Jericho)、Marvell(Teralynx)。负责在机架之间路由数据包的芯片。
• 光模块：Lumentum、Coherent、Fabrinet、InnoLight、Eoptolink。将电信号转换为光信号以便通过光纤传输。
• 网络系统：Arista、Cisco、NVIDIA Spectrum、Juniper。在机架和集群层面组装的交换机。
• 线缆与连接器：TE Connectivity、Amphenol。这是常被忽视的物理层，直到出现短缺才受到关注。

光互连的转型

铜互连在短距离、较低带宽下可以工作。随着GPU集群规模扩大以及机架功率密度攀升，光互连开始接管——先是机架间连接，最终通过共封装光学器件延伸到机架内连接。这一转型为纯光学标的(LITE、COHR、FN)开辟了此前在AI出现前从未达到过的规模化收入来源。光互连每端口的价值量是铜互连的数倍，而这一增长才刚刚开始。

共封装光学(CPO)

下一次架构变革将光学引擎与交换芯片封装在同一个封装体内——消除长距离电气走线，大幅提升带宽和能效。Broadcom和Marvell正在推动CPO设计进入量产，预计2026-27年部署。CPO是决定谁将赢得下一轮网络周期的关键转折点。它还将光互连的潜在市场规模(TAM)扩展到铜互连无法触及的领域。

风险因素

客户集中度：NVIDIA、Google、Meta、Microsoft占据了大部分需求。技术转型可能会让在位者被超越(CPO的失败对Broadcom是机会，反之亦然)。历史上光模块行业的库存周期极为剧烈——2022-23年出现了大幅回落，随后AI建设浪潮重新启动了这一周期。那些具有最清晰长期增长逻辑的标的，往往也是历史回撤波动性最高的标的。