光里淘金：一个科技投资人眼中的AI下一站

这段时间，"光"成了二级市场最拥挤的一个词。

光模块、CPO（Co-Packaged Optics，共封装光学）、薄膜铌酸锂、全光交换机轮番冲上热搜，一批此前鲜为人知的公司，盘中被资金反复推高。市场里流传一个段子：要站在光里，而不是光站在那里。

这并非 A 股独有的叙事。2026 年 4 月，曦智科技登陆港交所，成为"全球 AI 光计算第一股"。而在今年的 COMPUTEX 上，黄仁勋与 Marvell 的 CEO 同台，把 AI 基础设施下一步的胜负手清晰地指向了"连接"，也就是光所在的那片场域。他在台上称 Marvell 为"下一家万亿美元公司"，一句话点燃了整个光通信板块。

作为在光领域布局多年的早期投资机构，我们的判断是：光不是 AI 的"万能解药"，但当大模型把算力、功耗、实时性同时推向极限，光已经成了很难绕过去的一环。

在这次行研报告中，我们试图讨论这样几个问题：

• 光通信里，哪些是真需求，哪些只是概念？
• 光计算离我们到底还有多远？
• 而在这一轮机会里，中国公司又站在什么位置？

把光的故事放进一张图：从材料、芯片，到通信与计算

光这条链很长，技术分支又多，材料、芯片、器件、模块、通信、互连和计算彼此嵌套，几个概念也常被混在一起。正式进入这份行研报告之前，我们有必要先把它们放回同一张图景里。

『光』链条路线图。

如果把整个链条压缩成一句话，可以粗略理解为：先把光造出来，再把信息写到光上，让光在不同设备之间传输，最后把它接收、还原；更往前一步，则是直接用光完成计算。

沿着这条链往下看，最上游是材料与光源。激光器负责产生光；硅、磷化铟、薄膜铌酸锂等材料，则分别承担导光、发光或调制等功能，并影响器件的速度、损耗和集成方式。再往下是光芯片和光器件，包括调制器、探测器、波分复用器、光学相控阵等，它们分别负责给光加载信号、接收光、合并或拆分不同波长，以及控制光的方向。

激光器、调制器、探测器等光器件，与驱动器、DSP 等电芯片及接口封装在一起，就构成了光模块。它连接主机设备与光纤，负责完成电信号与光信号之间的转换。换句话说，光模块不是一条单独的技术路线，而是光通信系统中的核心“接口”。

光通信说的是一个更大的系统：利用光传递信息。过去，光已经广泛用于跨洋、城际、基站和数据中心之间的通信；到了 AI 时代，它进一步进入服务器、GPU，甚至同一块板卡上的芯片之间。这个距离更短、密度更高的应用，通常被称为光互连。光模块、CPO 和 LPO，解决的是光如何进入设备、靠近芯片的问题；全光交换机则负责在网络中直接切换光路。

光计算又往前走了一步。光通信解决的是如何把数据“送”得更快，光计算想解决的是能不能直接让光来“算”。前者仍然服务于信息传输，后者则利用光的传播、干涉和衍射等物理性质完成运算。两者共用一部分底层材料、芯片和制造能力，但面对的是不同的问题，也处在不同的产业阶段。

今天市场上关于“光”的不同概念，基本都能放回这条链上理解。

AI 不是算不动了，是路堵死了

多数人以为，AI 的瓶颈在算力，在 GPU（Graphics Processing Unit，图形处理器）不够用。但最先顶到天花板的，不是"算"，而是"连"。

一、内存墙与 PCB（Printed Circuit Board，印制电路板）的物理极限

把每一张 GPU 看作一座工厂，大模型训练，就是上万座工厂之间持续地搬运、协同。真正卡住流水线的，往往不是某座工厂的产能，而是工厂与工厂之间的那条路。第一堵墙，就是内存墙。

为缓解它，行业做出了 HBM（High Bandwidth Memory，高带宽内存），把多层内存像三明治一样叠起来，相当于把一条线的厚度摊成一个面，容量随之跃升。但电路板本身有极限：如今 AI 服务器的板子已经堆叠到约几十层，而手机也不过六到八层，逼近上限。就连这种层叠板用的"电子布"，都被炒成了二级市场的热门题材。

AI 训练与推理服务器的核心硬件构成。GPU、HBM、CPU 和 DDR 承担计算与数据访问，PCIe、NVLink、NVSwitch 等负责高速互联，网卡、存储、供电、散热与管理模块共同支撑整机运行。

二、三层互联同时承压

更棘手的是，这不是一段路在堵，而是三层路同时拥塞。

服务器与服务器之间的互联，行业称为 Scale-out；

一台服务器内部、多张 GPU 之间的互联，称为 Scale-up；

再往里，同一块板子上芯片与芯片之间的互联，称为 Scale-in。

这三层，电都越来越力不从心。

一个直观的对比是：铜缆在板内通常只能稳定传输约三厘米，机内也不过数米，而光纤拉到一百米乃至几公里以上仍然从容；功耗上，一条铜互联大约要十五瓦，换成光互联，大约只要五瓦。

所以，与其说是“光”突然走红，不如说是电的路径，先逼近了自己的物理天花板。

三、英伟达为什么"急"了

英伟达最近的举动很能说明问题：它先后投资了 Marvell、Lumentum、Coherent 等产业链公司，并与康宁达成合作。英伟达又和其他 AI 算力巨头提出 了 CPO、MicroLED（微型发光二极管）、微环调制器、OCS（Optical Circuit Switch，光路交换机）等技术路线。一个原本只做算力的巨头，之所以亲自下场"指挥"光通信，原因很简单：它的需求摆在那里，而现有供应商的节奏跟不上了。

链主一急，整个行业被强行点燃。需求是真实的，但技术路线尚未收敛，泥沙俱下同样真实，其中不乏前来"蹭光"者。

也有人选择反方向。与其费劲把成千上万颗芯片连起来，不如把一整片晶圆做成一颗巨大的芯片，让大部分运算在芯片内部就地完成，从而绕开互联这道坎，做这件事的代表是美国的 Cerebras。只不过这是一条纯电芯片的路子，散热和良率的代价都不低，终究绕不开物理的另一些极限。

然而有一点几乎无人怀疑：所有人都认准了同一个出口，光。

为什么偏偏是光？

光为什么能接住这一棒，要从一条物理常识说起。

光子没有质量，所以它在速度、功耗、信噪比上天生比电占优。最朴素的证明，就是海底光缆能跨上千公里把信号送到对岸，这件事用电做不到。

这也是我们押注光十年、始终没动摇的底层判断：在通信和计算的很多环节，光的物理禀赋就是比电好。

其实光通信早就无处不在，只是我们平时感觉不到。跨洋的海底光缆、城市间的城域网、各代基站之间的回传，乃至数据中心里一台台服务器的互联，骨子里走的都是光纤。但 AI 在这一轮提出了新需求：服务器内部、芯片之间，这些过去用电就够的近距离场景，如今都要换成光。

那信号是怎么搭到光上的？说穿了就两条路：一条是让光源自己带上信号，另一条是让光源稳定地亮着，在后面加一道"调制"去改它。后一条走的是硅光，是当下的主力，但单波速率到了 200G 基本就到顶了。要再往高处走，就得靠一种叫薄膜铌酸锂的新材料，它是冲击 1.6T、3.2T 高速率几乎绕不开的选项。这条线上，中国的团队走得比较靠前，我们也投资了一家公司。

不过光在 AI 基建里的增量还有一层不确定性，来自 AI 自己。现在算力最大的需求侧在训练，各家公司都在堆 GPU 集群；可下一步的推理，专门为它建的数据中心要建多大、怎么建，眼下谁也说不准。要是将来智能体、端侧助手真的铺开，对低延迟的要求越来越高，就会把光的需求再往上顶，更上一层楼；但要是推理主要复用现成的训练集群，增量就小得多。这点没底，正是光通信"热却乱"的一个重要原因。

光模块里还有一块绕不开的硬骨头，叫 DSP（Digital Signal Processor，数字信号处理器），相当于光通信里的"CPU"，专门把传歪了、传糊了的信号重新理清楚，没有它，高速信号根本认不出来。问题是这块芯片又贵又耗电，占了光模块差不多三分之一的成本、近一半的功耗，高端 DSP 的交付期已拉到快一年，而且基本被两家美国公司，Marvell 和博通攥着。

800G 光模块内部结构示意。发送端和接收端分别完成电—光、光—电转换，主要组件包括 DSP、驱动器、激光器、AWG 波分复用器、光探测器和 TIA 放大器等。

坦诚地讲：我们并不是被谁的行政命令卡了脖子，而是我们自己的技术确实还没练到位。它太复杂，是个技术复杂度和难度都很大的芯片，我们还需要点时间才能在高端光 DSP 上赶上来。

光的大方向，几乎无人怀疑；但具体走哪条路、谁先做成，远没有共识。

那么在这片尚未清晰的格局里，中国究竟站在什么位置？

这盘棋上，中国第一次站在"创造"那一端

此前我被问过一个问题：光芯片，到底是不是又一个"国产替代"的方向？

我的回答是，不是。它和我们过去熟悉的故事不一样。当年看 GPU，本质是国产替代，海外已经跑出了英伟达，我们在后面追；而今天看光领域里的那些新方向，比如 CPO、LPO（Linear-drive Pluggable Optics，线性驱动可插拔光模块）、薄膜铌酸锂、OPA（Optical Phased Array，光学相控阵）等，中国和海外是站在同一条起跑线上同时起步的，从当前位置看，我们这次并不落下风，有些环节甚至更靠前，比如薄膜铌酸锂芯片。当然，在我们领先的技术领域，往往没有一个清晰的"锚"，也就是没有海外的对标可参照，也许很多同行会觉得这是不确定性和风险，可在我看来，这恰恰是好事，因为它说明你是第一个。

你是第一个吃螃蟹的人，也就有机会抢到最大、最好的螃蟹。

目前在 AI 光互连的赛道里，有两类玩家，一类是二级市场那几家涨得最凶的光模块龙头，他们主要在做的是已经量产的传统光模块，需求主要来自英伟达建数据中心，本质上是在一个已有的大市场里继续做大。在这个传统的可插拔光模块市场，大厂格局已经比较稳，创业公司等新玩家机会很小；但在新方向上，创业公司和巨头基本站在同一起跑线，甚至因为更聚焦、决策更快，反而有一段窗口期。

光这盘棋很大，我们这些年是按一条一条技术路线去布局的，每一条关键的路，都投了相关创业团队。

峰瑞资本在光领域的投资布局。

先说最受关注的光计算。我们最早于2017年投的曦智科技，已经在今年 4 月登陆港交所，它走的是光电混合路线，用光来加速 AI 里最吃重的矩阵乘法，其余运算仍交给电芯片配合。我们2022年投的另一家公司光本位，走的是另一条路，用硅光加相变材料，把存储和计算合进同一个单元，做"存算一体"，好处是单元更小、功耗更低。同一件事，我们押了两条不一样的路线。

第二条线，是薄膜铌酸锂。前面讲过，速率往 1.6T、3.2T 走，这种材料几乎绕不开。无论是上游的晶圆还是芯片设计，中国的团队这几年都走在前面，我们2021年投的安湃芯研就是其中一支。

第三条线，是 OPA，光学相控阵。它的原理有点像 5G 那块平板天线，用相位去控制光的方向，不再靠机械转动。这东西有两个大用场，一个是全光交换机 OCS，一个是固态激光雷达，后者今年就要陆续上车。全球能把这件事做出来的团队并不多，我们2019年投的力策科技是其中之一。

除了这三条，硅光我们投了走 FMCW（Frequency-Modulated Continuous Wave，调频连续波）路线的洛微科技，光模块投了埃尔法光电，超透镜投了璇相科技。把这些连起来看，从光互连到光计算，从材料到器件，我们在光的几乎每一条关键路线上都有布局。

当然，不是每条线我们都站在最前面。像 DSP 那种硬骨头，前面讲过，我们的技术还没练到那个份上。论门类齐全，我们大概是最全的；但要说每一类都做到顶尖，那肯定还没有，这需要时间。可正因为方向对、布局全，我对最后的结果是有信心的。

而在这整张布局图里，最让我们兴奋的，还是皇冠上那颗钻石。光计算到底新在哪，为什么我们要押两条路线去赌它的未来？

押注一个更远的未来

光通信是把数据用光"送"得更快，而光计算则是更进一步，是干脆让"算"这件事也交给光。

今天 AI 计算，靠的是成千上万颗电芯片没日没夜地乘来加去，又费电又发热；而光跑得快、又几乎不耗能。如果能让光来扛 AI 里那些最重复、最吃力的计算，理论上就又快又省。所以光计算比光通信还要往前一步，它的天花板更高，但也更远、更难。

今天大多数所谓的光计算，其实还只走了一小步：用光去替代乘加这一个算子，把最核心那一步换成光来做，可整个运算拓扑架构和电芯片没有两样。真正的下一步，是用光的物理性质本身，去完成一整道运算。这话听着玄，其实有个朴素的例子。

任何一段波形，都能拆成一堆不同频率正弦波的叠加，也就是傅里叶变换，算法上就是一次矩阵运算；而一束白光穿过三棱镜分成各种颜色，这个再普通不过的现象，本质上就是棱镜帮你把这道题算完了，你在出口读结果就行。棱镜、光栅、超透镜等器件，是一台不耗电的"物理运算机"。

白光经过棱镜或光栅后，被分解为不同频率的光。光学器件利用自身的物理结构直接完成频率分解，输入光信号后，出口即可读取结果。

不过这条路眼下还早，短板也很清楚。把运算用光的物理结构直接实现，等于把模型参数固化在了器件上，训练完就改不了，像照片冲洗出来就定了型。所以它只擅长干固定不变的活，比如某一类图像识别，没法像通用 GPU 那样随时换模型，因此更适合端侧、固定场景的小任务。指望光计算现在就去取代英伟达 GPU 主导的那块电算力市场，还为时尚早。

那我们为什么敢早早下注？因为这类硬科技，方向上几乎不会错，悬念只在于谁、在什么时候做成。就像碳化硅，它的第一性原理很早就成立，可它做出来时，下游还没起来，没人用；早期公司只能靠别的产品维持生存，直到新能源车的高压平台起来，需求一到，就会腾飞。

光比碳化硅还要幸运一些，因为 AI 这个应用场景，眼见着就在那里。

这类靠技术一点点啃出来的公司，估值曲线的形状很特别。前面很多年，它会一直趴在很低的位置，常常估值在二十亿以内，可一旦第一性原理被市场验证、单品销售过了亿，中间只剩很短的一两轮窗口，估值就一路蹿上百亿，再往后，问题已经不是贵不贵，而是根本抢不到份额。

把前面整张图谱连起来看，我们想做的事其实很清楚。既立足当下，在光通信、光互联、光芯片这些已经在发生的领域都占住身位；也着眼未来，提前为光计算这样更远的方向布好局。

光的时代才刚开始。我们想与更多创业者一起，一直站在光里。

本文来自微信公众号 “峰瑞资本”（ID：freesvc），作者：杨永成，36氪经授权发布。