过去两年，美股AI行情的主线始终围绕GPU展开：谁的芯片性能更强、谁的出货量更大、谁的客户预算更充足。但当下越来越多的迹象表明，决定AI集群效率的短板正在从芯片转移到网络。当单个集群的GPU数量从万卡迈向数十万卡，芯片之间数据交换的带宽、延迟与稳定性，正在成为决定大模型训练成本与速度的关键变量。本文将从产业逻辑出发，梳理光互联与数据中心网络的升级路径，并解析美股相关产业链的投资机会。
一、网络为何成为AI集群的新瓶颈
理解这一转变，需要先厘清AI集群的两种扩展方式：纵向扩展与横向扩展。纵向扩展指在单机柜内通过高带宽互连把更多GPU紧密耦合，典型代表是英伟达的NVLink；横向扩展则指跨机柜、跨机房把成百上千台服务器组成超大集群，主要依赖InfiniBand或以太网交换网络。
问题在于，大模型训练采用数据并行、张量并行等多种并行策略，GPU之间需要高频次进行梯度同步等集合通信。任何一处网络带宽不足或延迟抖动，都会让昂贵的GPU陷入等待状态，实际利用率下降，训练成本被动抬升。业内普遍观察到，集群规模越大，通信开销占比越高，网络质量对整体算力有效产出的影响也越显著。这正是头部云厂商在采购GPU的同时，愿意在网络设备上投入同等量级精力与预算的原因。
此外，随着推理需求占比提升，超大规模数据中心的流量模式也在变化：训练流量讲究稳定，推理流量则更接近传统云业务的突发特征，这对网络的灵活性与可运维性提出更高要求，进一步抬升了网络层在AI基础设施中的地位。
二、光互联升级浪潮：从800G到1.6T，再到CPO
网络带宽的提升，最终要落到物理层的光互联上。过去几年，数据中心光模块沿着400G、800G的节奏快速迭代，行业正在向1.6T世代切换。速率翻倍的同时，单GPU对应的光模块用量也在增加：集群规模扩大、网络架构扁平化演进、GPU与光模块配比上升，多重因素叠加，使光器件成为AI基建中增速最快的环节之一。
技术路线上，几条分支值得重点关注。其一是硅光技术，将光器件与成熟硅基工艺结合，在成本、功耗与集成度上逐步体现优势；其二是线性直驱等低功耗方案，通过精简DSP环节降低功耗与延迟；其三也是最激进的，是共封装光学（CPO）——把光引擎与交换芯片封装在一起，大幅缩短电信号传输距离，显著降低功耗。随着交换芯片单颗容量向百T级别演进，传统可插拔方案的功耗压力与日俱增，CPO被视为下一代超大规模交换的候选方案，博通等厂商已将其纳入产品路线图。
竞争格局：三类玩家各据一方
目前的格局大致分为三类。第一类是系统级玩家：英伟达通过并购Mellanox获得了InfiniBand与以太网交换的完整能力，NVLink、Spectrum-X与其GPU形成捆绑销售，网络已成为其生态护城河的重要组成；博通则凭借Tomahawk系列交换芯片与CPO布局，成为超大规模云厂商自建网络的首选供应商。第二类是光器件厂商：Coherent、Lumentum掌握高端光引擎与器件能力，Fabrinet承担精密光模块代工。第三类是连接芯片厂商：Credo的有源电缆方案、Astera Labs的retimer与CXL方案，在机柜内部互连中找到了清晰的差异化定位。
值得注意的是，在传统可插拔光模块的制造环节，中国厂商长期占据全球主要份额，这也是A股光模块板块与美股AI行情高度联动的产业基础。若CPO加速渗透，价值量将从模块组装向上游光引擎与器件迁移，产业利润分配可能面临重构，这是未来两年观察该赛道最重要的主线之一。
三、美股投资视角：三条主线与一个变量
- 主线一：网络芯片与交换设备。博通的交换芯片与定制网络ASIC、英伟达的网络业务、Arista Networks面向AI云的以太网交换机，直接受益于云厂商网络投资占比的持续提升。
- 主线二：光器件与光引擎。速率迭代叠加CPO趋势，具备硅光与高集成光引擎能力的厂商业绩弹性更大，可关注Coherent、Lumentum及代工环节的Fabrinet。
- 主线三：机柜内互连。随着机柜功率密度提升，铜互连与光互连在机柜内的边界不断重构，Credo、Astera Labs等连接芯片公司卡位优势明显。
而最大的变量，是云厂商自研网络与供应链多元化的进展。超大规模厂商为了降低成本、摆脱单一供应商依赖，正加速推动基于以太网的开放生态，Ultra Ethernet联盟的标准化工作就是典型例证。这一趋势对英伟达的网络优势构成潜在挑战，却利好博通、Arista以及开放生态中的光器件厂商。同一种趋势，对不同标的的含义截然相反，投资者需要动态跟踪。
四、风险提示：热闹之下的三重考验
首先，技术路线切换风险。CPO的可靠性、可维护性与成本曲线尚未被完全验证，若渗透节奏低于预期，高弹性标的的估值将面临回调压力。其次，客户集中度风险。AI网络订单高度集中于少数云厂商与英伟达生态，任何单一客户资本开支的波动都会被放大传导至供应链。第三，竞争与利润率风险。随着更多玩家涌入，光模块与器件环节的价格竞争可能加剧，超额利润的持续性存疑。此外，板块整体估值并不便宜，对业绩兑现的容错空间有限，盲目追高的风险不可忽视。
结语：从算芯片到算网络
AI算力竞赛正在从单点芯片性能的比拼，演变为整个系统工程的综合较量。网络与光互联正是这场系统工程中被低估的一环：它不像GPU那样星光熠熠，却决定着每一块GPU能否物尽其用。对投资者而言，与其纠结于泡沫与否的宏大命题，不如回到产业细节，弄清带宽、功耗、互连架构这些具体变量的演进方向——真正的超额收益，往往藏在这些不起眼的环节里。后续我们将持续跟踪财报季中各公司网络业务的收入结构与指引变化，为读者提供更及时的算力情报更新。
