如果最近关注 A 股市场，很多人会有一个明显感受：
以前大家熟悉的银行、白酒、医药、地产这些“老登股”，今年并不占优；反而是通信、电子、光模块、CPO、硅光、光芯片这些和“光”有关的方向，频频出现在涨幅榜前列。
这张图要表达的，不只是几个板块涨跌幅的差异，而是一个更深层的市场现象：
在没有明显新增资金入场的情况下，A 股正在发生明显的流动性再分配。AI 主线持续虹吸其他板块的资金，很多传统板块正在被动成为 AI 板块的“血包”。
于是，一个很有意思的现象出现了：
A 股正在“站在光里”。
当然，这里的“光”，不是我们平时说的照明，也不只是传统光学镜头，而是 AI 算力基础设施中的一条关键链条：
光通信、光模块、硅光、光芯片、CPO，以及背后大量的光器件、精密封装和光学检测。
如果说过去几年市场最关注的是“谁有大模型”“谁有 GPU”“谁能建算力中心”，那么到了现在，越来越多资金开始看到另一个更底层的问题：
这么多 GPU 之间，数据到底靠什么高速流动？
这就是光通信火起来的真正原因。
01 市场为什么突然开始“追光”？
从 2026 年以来的市场表现看，A 股结构分化非常明显。
以通信、电子为代表的 AI 硬科技方向明显强于传统行业。相比之下，食品饮料、白酒、医药、银行、房地产等传统板块则明显承压。
这背后不是简单的风格切换，而是市场定价逻辑的变化。
过去，市场喜欢确定性。白酒、银行、医药这些行业，因为商业模式稳定、现金流相对清晰、分红能力较强，长期被认为是核心资产。
但在 AI 产业趋势面前，市场开始重新寻找增长来源。
这时候，光通信被推到了台前。
因为 AI 不只是模型问题，也不只是芯片问题，更是一个庞大的系统工程。
GPU 要买，服务器要建，电力和液冷要配套，但还有一个非常关键的问题：
GPU 和 GPU 之间，服务器和服务器之间，机柜和机柜之间，必须高速连接。
如果连接跟不上，算力就不能真正释放出来。
02 AI 不只是“算得快”，还要“连得快”
我们可以把 AI 数据中心理解成一个巨大的团队。
每一块 GPU 都像一个非常聪明的成员，但一个团队能不能高效工作，不只取决于每个人聪不聪明，还取决于他们之间沟通是不是足够快。
大模型训练和推理不是单块 GPU 独立完成的，而是成千上万块 GPU 组成集群协同完成。
当 GPU 数量变多以后，系统里的数据交换量会急剧增加。
这时候，AI 数据中心会遇到三个瓶颈：
- • 第一个是算力瓶颈，也就是芯片够不够强；
- • 第二个是存储瓶颈，也就是数据能不能快速读写；
- • 第三个是网络瓶颈，也就是数据能不能在芯片、服务器和机柜之间高速流动。
过去市场更关注前两个问题，现在第三个问题变得越来越重要。
这就是为什么光通信会成为 AI 主线中的重要分支。
一句话说：
GPU 解决“算得快”，光通信解决“连得快”。
03 为什么是光，而不是电？
这个问题其实要回到最基本的物理逻辑。
电信号当然可以传输数据，而且在短距离、低成本场景里非常好用。但随着数据速率越来越高，电信号会遇到越来越明显的问题：
- • 速率越高，损耗越大；
- • 距离越长，信号完整性越难保证；
- • 数据中心规模越大，功耗和发热越难控制；
- • 线缆越来越多，布线也越来越复杂。
而光信号的优势正好在这里体现出来。
光可以承载很高的带宽，适合较长距离传输，抗电磁干扰能力强，而且在高速互连场景中具备更好的功耗潜力。
所以 AI 数据中心不是因为“光”这个概念新，才选择光通信。
而是当 GPU 集群越来越大、数据传输越来越密集以后，光逐渐变成了更合适的技术路径。
这也是为什么这轮 A 股“追光”，本质上不是炒一个新名词，而是在反映 AI 基础设施里的真实瓶颈。
04 从光模块到 CPO：光正在靠近芯片
现在市场上经常提到光模块、800G、1.6T、硅光、NPO、CPO，这些词看起来很复杂，但可以用一条线来理解：
光正在越来越靠近芯片。
图2：从光模块到 CPO，三阶段对应产品示意第一阶段：传统可插拔光模块
它通常插在交换机面板上，负责电信号和光信号之间的转换。数据从芯片出来，先经过电通道，再到光模块里变成光信号。
这个阶段，市场最容易看到业绩兑现的公司，是高速光模块龙头。
比如中际旭创、新易盛，它们直接受益于 AI 数据中心对 800G、1.6T 高速光模块的需求扩张。
第二阶段：硅光和更高集成度的光模块
硅光的核心思路，是用半导体工艺来制造光波导、调制器、探测器等器件，提高集成度，并降低成本和功耗。
这个阶段，产业链关注的不只是最终光模块，也包括光器件、光芯片、光引擎、无源器件、连续波光源等环节。
比如天孚通信，更多对应光器件、先进封装、光引擎等方向；仕佳光子，则更多对应 AWG、PLC 无源器件、光芯片以及硅光相关链条。
第三阶段：CPO，也就是共封装光学
CPO 的方向，是把光引擎放到更靠近交换芯片的位置，减少高速电信号在板级上的传输距离，从而降低损耗和功耗。
这件事的意义很大。
因为它意味着，光通信不再只是插在设备外面的一个模块，而是开始进入 AI 算力系统内部。
换句话说，光不再只是“外设”，而正在变成 AI 算力基础设施的一部分。
如果按照这三个阶段来看，A 股中部分代表公司可以简单梳理如下：
阶段 代表公司 产业链位置 阶段 1：可插拔光模块 中际旭创、新易盛 高速光模块，800G / 1.6T 核心受益方向 阶段 2：硅光 / 更高集成度 天孚通信、仕佳光子 光器件、先进封装、光引擎、AWG / PLC、光芯片等环节 阶段 3：CPO / 共封装光学 光迅科技、华工科技 光芯片、光器件、光模块，NPO / CPO 相关布局 这张表不是为了讨论股票买卖，而是为了说明一个产业事实：
资金最先追逐的，往往是最容易兑现业绩的环节。
所以第一波最强的是高速光模块龙头，因为订单、收入、利润最直接。
但随着技术路线继续演进，市场会逐渐把目光从可插拔光模块，扩展到硅光、光芯片、光器件、CPO、NPO、测试设备和先进封装。
这也是为什么我们说：
光正在靠近芯片。
05 为什么 A 股会重估这条产业链？
A 股之所以对光通信、光模块、CPO、硅光这些方向反应强烈，主要有三个原因。
第一，有真实的业绩兑现
这里不能只看股价涨幅。
股价涨幅只能说明市场情绪和资金定价，但要判断产业链是不是真的发生了变化，更应该看财报里的经营数据。
公开财报通常不会逐项披露具体订单数量，但我们可以从营收、利润、产能扩张和客户订单准备中，看到更真实的经营变化。
比如：
- • 中际旭创 2025 年营收 382.40 亿元，同比增长 60.25%；归母净利润 107.97 亿元，同比增长 108.78%。2026 年一季度，公司营收 194.96 亿元，归母净利润 57.35 亿元，继续保持高增长。
- • 新易盛 2025 年营收 248.42 亿元，同比增长 187.29%；归母净利润 95.32 亿元，同比增长约 236%。这说明 AI 数据中心对高速光互联产品的需求，已经直接反映到公司的收入和利润里。
- • 天孚通信 虽然体量小于前两家，但 2025 年营收 51.63 亿元，同比增长 58.79%；归母净利润 20.17 亿元，同比增长 50.15%。这说明不仅最终光模块受益，上游光器件、先进封装、光引擎相关环节也在受益。
第二，中国企业在部分环节具备全球竞争力
在 GPU、EDA、先进制程这些环节，中国企业仍然面临很高壁垒。
但在光模块这个环节，中国企业已经不是边缘参与者，而是在全球产业链中占据了非常重要的位置。
公开市场研究数据显示，中国光模块厂商合计占据全球 60% 以上市场份额，在 800G 及以上高速光模块领域的市占率超过 70%。
同时，按照 2025 年光模块销售额排名，中际旭创位列全球第一，新易盛位列全球第二。
这个信息非常关键。
它说明光模块不是一个只能讲国产替代的方向，而是中国企业已经在全球 AI 基础设施供应链中具备真实竞争力的方向。
第三，技术升级还没有结束
如果这一轮行情只是停留在 400G 升级到 800G，市场的想象空间其实是有限的。
真正让产业链持续被重估的，是这条技术路线还在继续向前演进。
从 400G 到 800G，再到 1.6T、3.2T，每一次速率升级，都会带来新的器件需求、封装难度和测试要求。
而从可插拔光模块继续往前走，产业链又开始延伸到硅光、NPO、CPO 等更高集成度方向。
所以，这一轮“追光”行情背后，本质上有三层支撑：
一是龙头公司财报已经兑现；
二是中国企业在全球光模块产业链里有真实份额；
三是技术路线还在从可插拔光模块，继续走向硅光、NPO 和 CPO。这三层逻辑叠加在一起，才是 A 股重估这条产业链的真正原因。
06 “站在光里”，本质是连接能力被重新定价
所以，A 股“站在光里”，不是偶然。
表面上看，是光模块、CPO、硅光、光芯片这些板块在涨。
但更深层的原因是：
AI 产业链正在从“算力竞赛”进入“连接竞赛”。
当 GPU 数量越来越多，系统效率不再只取决于芯片本身，也取决于数据能否在芯片、服务器和机柜之间高速、低功耗地流动。
光通信之所以火，并不是因为“光”这个字更好讲故事，而是因为它正在成为 AI 算力扩张的基础设施。
而且，随着技术路线从传统可插拔光模块，继续走向硅光、NPO 和 CPO，光学在整个系统中的位置也在发生变化。
过去，光更像是一个“连接件”，部署在交换机前面板。
现在，光正在逐步进入芯片附近，进入封装附近，进入 AI 算力系统内部。
这意味着，产业链关注的重点，也不再只是“能不能发光、收光”，而是越来越多地落到下面这些具体问题上：
- • 激光器发出的光，如何高效率耦合进光纤？
- • 光纤阵列和芯片波导，如何实现微米级对准？
- • 准直透镜、耦合透镜、隔离器、滤波片、连接器的装调误差如何控制？
- • 高速工作时，温度变化会不会带来光路漂移？
- • 端面质量、波前质量、光斑形态、插入损耗、回波损耗又该如何检测？
这些问题并不容易。
越往高速率、高集成度、高良率方向走，光学就越不是配角。
它不只是一个零件，而是决定产品能否稳定量产、能否进入高端供应链的基础能力。
所以，如果说过去大家看到的是 GPU、服务器和大模型，那么现在，市场开始看到的是网络、连接、封装、测试和光学。
这就是“站在光里”的真正含义。
AI 的尽头不只有算力，还有连接。
而连接的背后，光正在成为越来越关键的基础能力。
