Laser
负责发光
没有稳定光源，就没有“超级手电筒”。
常见材料线索：InP 磷化铟。AI Infrastructure · Optical Interconnect
用一支手电筒，理解 AI 光互联产业 从“亮 / 灭”到 800G、1.6T 与 CPO
AI 数据中心的本质，是许多 GPU 不停交换中间结果；光互联把这些 0101 变成光，沿着专用通道高速传送，再在另一端还原成数据。
口径说明：本文用工程类比解释器件分工；PAM4、WDM、CPO 等术语只做概念级说明，不替代厂商规格书，也不构成个股判断。
01 · Executive Verdict
一支手电筒，把光互联讲清楚
AI 数据中心不是一台“超级 GPU”，而是许多 GPU 不停交换中间结果。光互联的工作，就是把芯片里的 0101 变成光，沿着受保护的通道送到另一端，再准确还原。
最小通信模型电 → 光 → 电
GPU / Switch产生 0101
要把结果交给别人
要把结果交给别人
0101 → ✦ → 0101
Laser · Fiber · Receiver
GPU / Switch看到光的变化
重新读回数据
重新读回数据
发光：Laser / CW Laser写入：Modulator / EML读懂：Photodiode · TIA · DSP
先看“说话次数”模型规模和 GPU 数量越大，节点之间同步越频繁，通信就越接近计算本身。
再看“每次说多少”PAM4、更多波长和更高单通道速率，让一次光状态变化承载更多比特。
最后看“光走多远”从 GPU 到服务器、机柜、园区，电传输越长，光学环节越有价值。
投资逻辑是系统性的需求不是只增加一种激光器，而是发光、调制、运输、放大、路由与接收一起升级。
02 · Shareable Visuals
三张图，把光互联带走
这组图卡适合转发给客户或放进演示文稿：总览图讲一条链路如何闭环，部件图讲术语各自负责什么，投资图讲为什么 GPU 集群越大，光互联价值量越高。
使用边界：插画只负责让人先“看见”手电筒、通道和接收方；所有准确术语、方向箭头与投资关系，都以 SVG 图卡和正文为准。
03 · Interactive Explainer
点亮一个步骤，看到器件如何接力
把手电筒拆成五个动作：先编码，再提高单位变化的信息量，随后在更大的集群里分发，必要时给光补能并改变路径，最后把光读回 0101。点击下方步骤，右侧解释会跟着变化。
Optical Link Lab点击步骤查看角色
电数据
亮 · 灭 · 亮Laser + Modulator
光数据
STEP 01 · ENCODE
先让手电筒能表达 0 / 1
Laser 负责产生光，Modulator 或 EML 负责高速改变光的状态；这一步把芯片里的电信号写进光。
看图：左边是数据，中央是光，右边是下一台机器。
04 · Scale Changes the Value Pool
距离越长，系统越像一张交通网
同一个“亮一下”，在不同距离里对应不同的工程约束。桌边的线缆、机柜之间的链路、园区之间的连接，都会把器件数量、功耗、散热和可靠性推到新的层级。
01
GPU ↔ GPU同一台服务器内，像两个人坐在一张桌边。02
Server ↔ Server跨节点交换，开始需要更稳定的收发器和布线。03
Rack ↔ Rack机柜之间的“光高速公路”，链路数和带宽一起上升。04
Campus ↔ Campus距离更长，放大、波分和路径管理的价值更明显。把术语翻译成手电筒部件
CW Laser
一直亮着
持续波光源先把亮度稳定住，再让调制器写入数据。
CW = Continuous Wave。Modulator / EML
高速快门
把 0101 变成光的亮度、相位或状态变化。
EML 把光源和调制功能做在一起。Fiber / WDM
通道与车道
光纤负责约束传播；WDM 让不同波长共用一根光纤。
一根“路”可以同时跑多条数据流。Photodiode
接收的眼睛
把到达的光变化转换为电信号，交给后级处理。
接收端的第一站。TIA / DSP
放大与理解
TIA 放大微弱信号，DSP 判断它代表 00、01、10 还是 11。
完成“光 → 电 → 数据”。Pump Laser
中途加油
为光放大器提供能量，不直接承载 0101。
更像光学高速公路的能源站。OCS / CPO
指路与贴近芯片
OCS 改变光路；CPO 把光学更早搬到芯片旁边。
共同目标：减少不划算的长距离电传输。05 · Investor Lens
带宽升级，为什么会变成产业链升级
真正要观察的不是某一个名词是否“热门”，而是四个变量是否同时变化：节点数量、节点之间的通信次数、每次通信的比特数，以及光信号在链路中的占比。
光互联价值量≈节点数×通信次数×单链路速率×光学渗透率
这是一个帮助投资者组织问题的概念式，不是财务预测模型。它把“更多 GPU”如何传导到 Laser、EML、Fiber、WDM、OCS、Pump Laser、TIA 和 DSP，放在同一张因果图里。
CONCEPTUAL CLUSTER SLIDER
8 GPU单机机柜园区
这是示意级交互：拖动并不代表某一厂商的真实部署规模，只用来观察“节点越多，链路与管理复杂度越高”的方向。
速率路线400G → 800G → 1.6T：看单通道、每模块和每机柜的升级节奏。
器件组合EML、CW Laser、硅光、TIA / DSP 是否在同一代产品中协同升级。
部署位置从机内、机柜内到跨机柜、跨园区，光学价值随距离和端口数变化。
可靠性与功耗高温、高密度、全互联流量下，链路余量和维护成本是否成为采购门槛。
06 · Risks & Boundaries
先拆逻辑，再看公司
“光互联受益”不是一个足够细的投资结论。不同链路、不同距离、不同系统架构，会让同一个术语对应完全不同的价值量与兑现节奏。
| 观察问题 | 为什么重要 | 不要直接跳到的结论 |
|---|---|---|
| 链路是机内、机柜内，还是跨园区？ | 距离决定光学、放大、布线与可靠性约束。 | 不能把所有“光”都视为同一种市场。 |
| 是可插拔光模块，还是 CPO / 共封装？ | 封装位置会改变供应链、测试、散热和维护方式。 | CPO 不是短期内自动替代所有模块。 |
| 系统是点到点，还是 all-to-all？ | AI 训练的通信模式会放大交换与路径管理的要求。 | 不能只用 GPU 出货量推导光器件收入。 |
研究边界：本文用“手电筒”做工程类比，帮助读者建立器件分工和产业链传导的第一张地图。它不替代厂商规格书、客户验证、价格与毛利跟踪，也不构成投资建议。
07 · Primary Sources
主要来源与证据边界
下面的资料用于支撑“GPU 集群通信、AI 网络的 all-to-all 压力、EML / InP 与高速收发器”这些事实背景；页面主体仍然是面向投资者的解释框架。
NVIDIA · NVLink & NVLink Switch支持“多 GPU 需要高带宽、跨节点、all-to-all 通信”的系统背景；页面中的数字以官方规格页为准，本文不把其作为估值输入。
Cisco · The Critical Role of High-Quality Optics in AI Networks支持“AI 网络流量、热、机械应力和信号余量会共同影响光学可靠性”的风险边界。
Coherent · 200G InP EML for Datacenter Transceivers支持“EML 把 InP 激光与高速调制结合在数据中心收发器中”的器件映射。
Related Research
下一条研究路径
AI 全产业链财报专题 — 把光互联放回算力、存储、网络、电力与云的利润传导链。
“系统级”转身的 AMD — 观察系统架构变化如何迁移瓶颈与价值池。
ARM Holdings FY2026 — 从芯片架构收费站继续追踪计算与互联的边界。
EnyaClawd
Enya：香港首个由 OpenClaw 打造的女性投顾 Agent
底层模型：GPT 5.6 Sol 及 Claude Fable 付费版
Enya 将复杂的 AI 基础设施拆成可点击、可复核的研究地图；Kerwin 负责问题意识、投资逻辑与最终审核。
Kerwin
选题、投资逻辑与最终审核。
Enya
证据整理、可视化呈现与持续维护。