以人工智能為代表的TMT板塊在A股投資者的擁簇下成為了今年的新主線，炒完了算力炒芯片，炒完了AI應用炒數據，幾乎所有關聯板塊都成了香餑餑。
(資料圖片僅供參考)
另一方面，Open AI領導的這場人工智能革命開啟了“百模大戰”，一時之間數不清的大模型也踴躍出現，模型性能提升所需要的算力在過去幾年內成倍增長，更加強了“賣水人”的邏輯。
跨越鴻溝，被算力捆綁的光模塊在產品迭代的新周期趕上了AI浪潮，追加訂單的消息也讓光模塊成為本輪最硬氣的環節。
在圍繞算力升級的數據中心配套里，光模塊無疑成了A股最靚眼的仔，年初至今，多只個股均實現了翻倍，但今年業績兌現的潛力或不足以消化這么高的漲幅，股價對未來盈利增長進行了提前的透支。
回望過去，該環節的投資節奏受產品迭代周期、下游細分市場的需求變化所影響，19-20年5G爆發，光模塊行情在主題炒作的集體追捧下持續了一年的光景，這一次，光模塊又能走多遠？
1 光之所向，算力為錨
隨著ChatGPT風靡全球，大模型及其應用在短時間內爭奇斗艷，僅在生成式模型的起步階段，算力不足的問題已經暴露了出來。
訓練參數的擴張也讓算力規模指數級狂飆，訪問量太大一度讓服務器宕機，大廠們一方面得訓練模型，另一方面又要給機房備貨。
AI模型要提升訓練效率，帶寬的水準自然不能降低。在數據及通信領域，當端口速率超過25Gps時，光模塊成為了加快數據傳輸的核心器件。
光模塊過去的發展，背靠的是數據流量的快速增長，讓傳輸速率和距離標準不斷突破。
過去十年，通信技術、移動互聯網、智能手機的發展讓應用和數據量井噴式地增加。根據愛立信，從2011年至今，移動流量增長了近300倍。
在數通領域，早期數據直接從客戶端到數據中心的服務器進行傳輸和訪問，浪費了大量的機房資源。數據中心網絡架構的演變提升了光模塊的需求。
隨著分布式計算和虛擬化的流行，客戶端應用可以在服務器之間產生大量的流量，服務器之間的數據流動遠高于向外傳輸的流量。
在虛擬機的基礎上，分層、模塊化的葉脊架構成為了主流。客戶端的一次請求可以由多個服務器協同完成，數據分布就在成千上百個服務器中進行并行計算，為此減少了延遲以及流量瓶頸。
網絡架構升級之后，大廠們掌握了規模化部署算力的技術實力，大大提高了光模塊使用需求，資本開支增速先后于16年Q1，19Q1迎來拐點。
16年到21年，全球大型數據中心的數量從338個增加至628個，云計算數據中心的工作負載每年保持著22%的復合增速。
在數據中心的建設熱潮里，光模塊于16-18年迎來過景氣周期，18年后隨著云廠商去庫存，銷量開始下滑，在出貨量上與大廠資本開支保持著8-9個季度的同步。
目前，美國科技企業正在抵御經濟需求衰退的危機，降本增效才是23年的主旋律，近兩個季度開支很難回升。但AI大模型的“馬拉松”爭分奪秒地進行，隨時有新的攪局者震撼世界，為了爭搶下一個應用生態的門票，大廠們是不會吝嗇的。
隨著大模型繼續迭代，開始將創新擴散至基礎層和應用層，而底層設施顯然還沒做好準備。訓練參數和使用量攀升之快已經讓算力疲于應對，是本輪光模塊需求激增的錨點。根據信通院的預測，到2030年全球的算力需求較21年將提升90倍。
同樣是工具層，在上一輪移動互聯網浪潮里，基于深度學習的算法極大地提高了信息匹配的效率和商業價值。在算法出現后平均算力翻倍的時間縮短到了5.7個月，但在大模型出現后，時間又增加至了9.9個月。
這里面有資本開支放緩的原因，可是模型的訓練量直到等到2020年才跑上千億，而到了今年，號稱幾千億以上的大模型，一只手都數不過來了。
大模型不斷地突破極限，算力翻倍的時間估計會再度縮短，需要更多的GPU/CPU，也就需要更多的光模塊，隨著錨點的轉移再度迎來一輪新周期。
2 800G新周期，國內企業翻身
作為光通信系統的核心，光模塊由光芯片和各種無源器件組成。其中，光芯片又是實現光電信號切換的關鍵，技術壁壘是最高的，成本也占了一半，根據不同場景、傳輸速率、傳輸距離的要求分為不同規格。
產品升級的方向圍繞著提高帶寬速率、減小封裝體積的方向演進，逐漸迭代出10G/40G、25G/100G、100G/400G、200G/800G等規格，基本每隔2-4年就會有新一代產品推出。
在數據中心到AI模型訓練的場景轉換下，對高速光模塊的要求從400G增加到了800G。隨著短視頻病毒式傳播帶來的新增流量，字節在21年成了第一個集采400G光模塊的客戶。
由于芯片的核心地位，光模塊產業的發展路徑與其類似，但光模塊種類繁多，只做單款芯片難以形成規模效應，對于下游客戶而言，供應商定制化開發和批量交付的能力需要同時具備。
在行業開支快速增長的幾年里，相比人力成本，自動化設備更新折舊的開支更高，海外廠商傾向于毛利更高的芯片設計環節，中國企業憑借著人口紅利和成熟的代工體系承接了封裝制造。
10-16年，排名基本由國外廠商所壟斷，此后中國廠商在并購整合的基礎上，不斷推陳新的產品，并通過綁定下游客戶逐漸凝聚起產業競爭力和國產化實力。
中際旭創的前身蘇州旭創成立于2008年，12年開始布局高速光模塊，14年引入Google Capital的戰略融資，其后與Google、Amazon、華為、中興等主要客戶之間形成了合作關系。
18年下游開支開始縮減，頭部廠商出現了一波兼并整合的浪潮，以提高競爭力。無源光器件龍頭II-VI斥資32億美元買下了有源光器件的龍頭Finisar；思科連續收購了硅光模塊供應商Lightwire、Luxtera、Acacia，擁有了更加全面的硅光模塊產品線。
在產品迭代上競爭的同時，行業越來越注重整體解決方案的呈現，橫向拓展品類或者往上游延伸，鞏固成本優勢。一邊海外廠商抱團取暖，另一邊國內廠商則通過收購補齊短板。
12年和16年，光迅科技分別收購了丹麥IPX、法國Almae，獲得了PECVD無源芯片和10G以上高端有源光芯片的量產能力。劍橋科技于19年收購了Oclaro日本光接收器件的產品線，并且和Lumentum建立芯片供應關系。21年新易盛收購了美國光模塊企業購Alpine，補充硅光模塊、相干光模塊以及硅光子芯片技術。
20-21年是800G集中取得突破的階段，華為、中際旭創、光迅科技、新易盛、劍橋科技等光模塊領軍企業先后推出了800G產品，2022年積聚產能和實現批量銷售，今年英偉達、微軟開始大規模部署，800G快速跑上了軌道。
國內廠商憑借優質的產品供應和較低的制造成本，把光帶向了世界。由于許多海外廠商推出了競爭，國內光模塊企業在近十年的時間里擠占了許多細分領域的市場空間，成為市場領導者。
3 追光，慢一點
光模塊供應商以銷定產的生產模式易受下游客戶的開支需求影響，在上一輪周期里，海外龍頭Lumentum在17-19年保持約25%的營收增速，隨后在下游客戶資本開支放緩，疊加行業競爭下，業務受到明顯的沖擊。
AI應用的快速發展對于國內外超算中心基礎設施帶來了升級要求，令800G模塊有望在今明兩年得到規模化部署，下一代1.6T新產品已經在今年OFC會議上亮相。另外，光電共封裝（CPO）和線性直驅（LPO）等先進方案用于降低系統功耗，也將成為未來光通信技術發展的主流趨勢。
根據LightCounting預測，2020年全球光模塊市場規模達到了80億美元，保持10%的復合增長率，到2026年市場規模將增至145億美元，其中800G光模塊將在2023-2024年之間開始得到規模化部署。
隨著 5G 和 10G FTTx 部署落地，由地方國資委牽頭建設的國資云數據中心將承擔起海量數據存儲的重任，有望主導國內下一輪光模塊的需求。
由于芯片、光器件的質量、精度對產品性能影響較大且定制化程度高，產業鏈光器件上游較模塊組裝環節往往占有更高的毛利率，主營光器件的天孚通信、光庫科技，毛利率均在40%以上。
中游光模塊龍頭中際旭創，新易盛保持在30%上下。封裝產品升級方向繁多，早期推出新品時有溢價，后隨著量產規模與工藝改進，模塊價格降幅會逐漸追上生產成本，模塊產品毛利率會逐漸降低。
產品周期開啟之后，新品研發速度、價格優勢和快速交付能力是建立客戶關系的重要之匙。早期高速光模塊通過驗證導入海外云廠商獲得批量訂單，21年中際旭創，新易盛、劍橋科技的海外營收占比分別高達75%/78%/71%，而華工科技、光迅科技在國內扎根，分別貢獻91%/67%。
2019年新易盛靠400G光模塊成功打入亞馬遜供應鏈，成為其股價和業績的催化劑，19-21年公司營收保持高速增長，分別達到53%/71%/45%，股價也于兩年間實現了翻倍。
當前800G是一樣的邏輯，新周期的產品滲透率提升疊加大客戶鎖定，市場對微軟、谷歌、英偉達等對800G的需求非常樂觀，追單的消息又進一步加強了這個預期。
雖然產品更新迭代的路線繁多，并不好確認誰家的產品未來就一定有優勢，只不過能給海外AI龍頭供貨，又高度自主不處于劣勢的環節稀少了些。
劍橋科技一季度同比扭虧為盈，直接將市盈率打回了35倍，去年公司高速光模塊的占比只有12.64%，利潤貢獻還很微薄，但因為給手握Open AI的微軟提供800G光模塊，年初至今股價已經翻了4倍。
不過，對于今年上半年整體市場需求偏弱，繼而出現的砍單降庫存的現象，公司沒有否認，800G只是含苞待放的一類細分市場，而今年出貨量卻已經看高到了百萬支。
長期來看，模塊的降價趨勢會沖刷量的增長，公司或許正在復刻當年的新易盛，從下游周期規律來看，這類公司的投資窗口期往往是短暫的。
責任編輯：Rex_23
營業執照公示信息