从一根光纤到一万亿市值

高盛测算，光互联从 scale-out 扩展到 scale-up，可寻址市场（TAM）会扩大 13 倍。

为什么这么大？因为 scale-out 连的是「机柜与机柜」，数量以万计；而 scale-up 连的是「GPU 与 GPU」，同一个集群里数量以百万计。把光挤进机柜内部，等于把客户数量乘上两个数量级。这也是为什么所有关于「铜还能撑多久」的讨论，最后都会变成对光模块公司的估值讨论。

这张表解释了行业所有技术路线之争的动机。后面讲到的每一条路线，本质上都在回答同一个问题——怎么把不属于自己的那部分成本拿回来，或者绕过去：

· LPO（线性直驱）：干脆不要 DSP，省掉 30%–40% 的物料成本，同时绕开卡脖子
· 硅光：用硅基调制器替代 InP 的 EML，把 30%–35% 的光芯片成本转移到可自研、可规模化的硅工艺上
· 垂直整合：旭创投资源杰科技等上游光芯片厂，把 8%–13% 的毛利拿回来一部分

理解了成本结构，行业的技术路线就不再是一堆缩写，而是一张清晰的利益地图。

数据中心已占光模块应用的 60% 以上，且 AI 让数通市场的迭代周期从 3–4 年缩短到约 2 年。

中际旭创是一家几乎纯粹的数通厂商，客户是北美超大规模云厂商与 GPU 供应商。这既是它高毛利、高增长的原因，也是它风险集中的原因——命运与少数几家美国科技巨头的资本开支高度绑定。

作为对照，国内的光迅科技（002281.SZ）有较重的电信基础，结构更均衡但成长性更弱，这部分解释了两者估值的差异。

英伟达每推一代新平台，光模块主流速率就升一级；而升级本身就是光模块厂商最大的利润来源——新规格上市初期价格最高、竞争者最少，随后逐年降价，直到下一代接棒。

所以这门生意的商业模式不是「守住一个产品赚钱」，而是「不断跑到下一代去赚第一波钱」。二.2 节会把这一点讲透——它同时解释了这家公司的高毛利和它的脆弱性。

它没有被计入任何一家大行的盈利模型（三.1 节会看到那些模型里逐项收入的构成）。 也就是说：如果它发生，是纯增量；如果不发生，也不影响现有估值。

这类「不在模型里的东西」正是超额收益最常见的来源——四.1 节会给你一份完整的跟踪清单，Coherent-Lite 在上面。

这 11–17 个百分点的毛利率差距，就是旭创未来三年毛利率能从 42% 走到 50% 的主要机制。它不来自涨价，而来自产品结构的迁移。

但有一个需要警惕的判断：当硅光在 1.6T 的渗透率已达 80%，它就从「差异化优势」变成了「入场门票」。 旭创的硅光先发优势，正在完成从护城河到基础设施的转变。真正的下一道壁垒在薄膜铌酸锂、相干、先进封装——这一点管理层自己也承认。

苏州旭创在创立初期即获得了 Google 的投资——这不是普通财务投资，它意味着这家中国初创公司在成立三年内就进入了全球最挑剔的数据中心客户的供应体系核心。

今天旭创与 Google、AWS、Meta、NVIDIA 的深度绑定，源头就在这里。这也是为什么美银在讨论 Google 可能采用 2.4T Coherent-Lite 时，特意强调「backed by its deep relationship with Google」。

与 Google 的关系是历史形成的，而非商务谈判得来的。这类关系的粘性远高于普通供应商关系。

2023 年：收入只增长 11.2%，但净利润增长 77.6%，毛利率从 29.3% 升到 33.0%。

这是典型的「代际切换前夜」特征——老产品（400G）需求见顶，新产品（800G）尚未放量，但产品结构已在改善。

如果一个投资者在 2023 年只看收入增速，会错过整个行业最大的一轮机会。下一年收入就 +122.6% 了。

结论：在换代周期只有两年的行业里，收入增速是滞后指标，产品结构和毛利率才是领先指标。

每一代产品的单价都在逐年下降（各跌 25%–27%），但公司的加权平均 ASP 在上升（$555 → $686）。

光模块厂商不是靠守住单品价格赚钱，而是靠不断推出下一代产品，在竞争对手追上来之前收割技术溢价。旧规格逐年降价的同时，新规格以更高单价补位。

用高盛的另一个数字更精确——每 G 价格（把总带宽和价格相除，剔除规格差异）： $0.6（2026E）→ $0.5（2027E）→ $0.4（2028E），年降 3% / 6% / 22%。

单位带宽的价格持续下降，这是光通信行业几十年不变的规律。厂商的利润，来自于在价格下降的同时把带宽卖得更多、更快。

管理层电话会：「不少客户反馈该比例在提升，市场认知或仍停留在 1:3；实际自 2025 年起，随 AI 集群规模变大、连接场景增多，比例至少翻倍甚至更多。」

一家公司的管理层口径与一家国际大行的独立产业调研，在同一季度给出同一结论，且两者不存在信息传递关系。 这类交叉印证的可信度，远高于任何单一来源的断言——这也是你以后判断任何产业数据时该用的标准。

如果这个比例从 5% 提升到 8%，那么即便 CSP 资本开支零增长，光模块市场仍可增长 60%。

把两条放在一起（attach rate 翻倍 ＋ 占资本开支比例提升），光模块行业有两条独立于「AI 资本开支总量」的增长源。这是多头逻辑中最扎实的部分。

大摩比高盛多算了 19% 的量，又高估（或高盛低估）了 53% 的价，1.19 × 1.53 = 1.82。 这就是为什么一个「只含 AI」的口径能超过一个「含 400G 以下和电信」的口径 48%。

价格分歧是主因。大摩自己说明「重大上调主要来自对 1.6T 需求的更乐观判断」， 而高盛在同一年给 1.6T 的行业均价只有 $435（见下一单元的价格表）。 两家对「1.6T 三年内跌到什么位置」的看法根本不同——这正是第五单元那场价格战争议的底层来源。

1.6T 从 2025 年占价值 11%，到 2026 年占 37%——一年之内成为最大单一品类。3.2T 在 2027 年出现，2028 年就占 31%。

产品世代更替周期已压缩到 18–24 个月，任何一代的份额领先都不构成长期护城河，必须每一代重新赢一次。 这就是一.4 节那条「份额每代重置」在数据上的样子。

如果 LPO 在 1.6T 时代继续扩张，新易盛的成本优势会持续；
如果 产业快速转向 NPO/CPO，旭创的布局更有价值。

这是两家公司之间最值得跟踪的一场路线赌局。注意它不是「谁技术更好」的问题—— 两家都是理性的，只是在赌不同的未来。你要跟踪的是产业往哪边走，而不是评判谁更聪明。

卖方模型给出的 scale-out CPO 渗透率是 25%–29%——也就是说，即便到 2028 年，四分之三的 scale-out 连接仍然用可插拔模块。

而且这个 25%–29% 还是高盛「基于产业调研和我们对 CPO 采用的乐观视角」得出的数字——高盛在这份报告里是明确看多 CPO 的。 当一份看多报告的乐观假设只到 29%，空头叙事里那句「CPO 会让可插拔厂商失业」就需要拿出自己的数字来。

结论一：即使到 2028 年，CPO 相关业务只占旭创收入的 3.3%，而可插拔仍占 87.7%。 所以对 2028 年之前的旭创而言，CPO 无论利好利空，量级都不足以改变基本面。 真正的变量是 NPO（8.1%）——而 NPO 恰恰是旭创的主战场，不是威胁。

结论二：旭创的 scale-up 故事，主要是 NPO 的故事，不是 CPO 的故事。 在 scale-up 业务内部，NPO 占出货量 96.1%、收入 77.1%；CPO 只占 3.9% / 22.9%。

管理层表述完全一致：「NPO 将成为 scale-up 光连接的主流方案」「2027 年下半年起至少两家行业内极具影响力的客户开始批量采购 NPO，逐渐上量；2028 年才是更大规模放量」。 大摩说得更直白：「NPO 的成功也有助于缓解市场对 CPO 颠覆的担忧。」

Rubin Ultra NVL576 的每计算单元互联价值量是 GB300 NVL72 的 29 倍（$315k → $9.4bn）。

在一个 29 倍大的蛋糕里被切走一半，剩下的仍然是原来的 10 倍以上。

高盛原话，是本报告认为对 CPO 威胁论最有力的一句反驳：「pluggable optical modules would continue to increase dollar content per rack in scale out despite our assumption of 25-29% CPO switch penetration rate」 （即便我们假设 CPO 交换机渗透率达 25–29%，可插拔光模块每机架的价值量相比 GB300 仍将继续提升）。

注意这个论证的力量来源：它出自一份对 CPO 极度乐观的报告。 高盛在这份报告里假设 CPO 拿走 $91bn（占 $154bn 总 TAM 的 59%），却仍然得出可插拔价值量增长 10 倍的结论。 用对方最有利的假设得出对方不利的结论——这是最强的论证形式。

第一件事：参与横评的四家挤在 37 天内（美银 06-10 → 高盛/大摩 07-17）。 这段时间里行业没有发生足以改变格局的事件——所以时间差解释不了后面那个 95% 的目标价分歧。 这一点很重要：它把「因为看的数据不一样」这个最方便的解释排除掉了， 剩下的只能是方法论差异。下一节的分解会证实这一点：分歧的 87% 来自估值倍数，只有 13% 来自盈利预测。

第二件事：所有人都在大幅上修，但节奏差了近四倍。 同样约三个月，高盛把目标价抬了 117%，野村只抬了 31%。 看一家机构「现在给多少」，不如看它「三个月里改了多少」——后者才反映它对新信息的反应速度和方向。

第三件事：美银那一行值得单独看。 它把目标价从 ￥780 抬到 ￥1,650（+112%），同时却把估值倍数从 30× 下调到 25×。 也就是说，它的上修全部来自盈利预测，而它对「这份盈利该值多少钱」的看法是往下走的。 一家同时上修盈利、下调倍数的机构，比一家两头都上调的机构，态度其实更谨慎—— 只看目标价涨了多少，会把这个信号完全漏掉。

第四件事：花旗 2026-02-01 的 ￥649 已经过时 166 天，不参与横评。 它留在这里只是提醒：市面上流传的目标价里，总有一些是半年前的， 引用之前先看日期——这是最低成本、也最常被跳过的一步核对。

市值 ＝ 每股盈利（EPS） × 市盈率（PE） × 股本

其中 EPS 由五个产业变量决定：

EPS ≈ [ 行业规模(量) × 公司份额 × 单价(ASP) × 毛利率 − 费用 ]
　　　　× (1−税率) × (1−少数股东) ÷ 股本

第六个变量在括号外：市场愿意给这份盈利多少倍（PE）。

同样是 −10%，价格造成的盈利冲击（−22.2%）是出货量冲击（−11.0%）的 2.02 倍。

原因是会计上的不对称：
· 量减少时，收入下降，但成本也同比例下降，所以只损失了「毛利率那部分」（约 49%）
· 价格下降时，收入下降，但成本一分不少，所以全额冲击毛利

直接的操作含义：跟踪价格的边际信息，价值是跟踪出货量边际信息的两倍。 一条关于年度议价的传闻，比一条关于订单量的传闻重要得多——这也解释了 7 月 28 日为什么一个价格传闻能引发 9% 的单日跌幅。那不是情绪过度，那是弹性系数的合理反映。

步骤一，取公司分速率出货量（高盛 Exhibit 4, p8）。原表标签整体下移一行，通过加权平均反向验算确认正确对应：

SiPh 2026E：1,327 + 11,896 + 12,275 = 25,498 ＝ 表列合计 ✓
SiPh ASP：(1,327×190 + 11,896×381 + 12,275×763) ÷ 25,498 = 555 ＝ 表列加权 ASP ✓
EML 2026E：3,973 + 995 + 2,735 + 942 = 8,645 ＝ 表列合计 ✓
EML ASP：(3,973×71 + 995×228 + 2,735×457 + 942×917) ÷ 8,645 = 303 ＝ 表列加权 ASP ✓

四项验算全部通过。步骤二合并 SiPh＋EML 得公司分速率总出货，步骤三除以高盛自己的全球 TAM 表（同报告 p4）。

殊途同归——两家对旭创 1.6T 出货量的判断几乎完全一致（相差 1%），但对「行业多大、旭创占多少」的拆分完全相反。

不要把「四家大行都看好」当作四个独立证据。当分子（公司出货）趋同而分母（行业规模）分歧 56% 时， 说明各家很可能是先有了对公司的判断，再倒推行业假设。 它更可能是一个共识经过四次不同的包装。

这个方法本身值得记住：要检验多个来源是否真的独立，把它们的结论拆成分子和分母，分别对照。

如果价格压力只发生在 1.6T，即使最悲观格子（$550 ＋ 份额 35%）EPS 仍有 ￥45.7；
但如果价格压力传导到全速率段，仅降价 16% 就把 EPS 打到 ￥46.4，再叠加份额下降就只剩 ￥34.6。

所以真正决定下行空间的，不是 1.6T 降多少，而是「降价会不会传导到 800G 和 3.2T」。

现实中客户通常会用一个速率段的降价来要求其他速率段同步让利，因此全速率段联动是更现实的假设。 注意情景 ④ 那一格：降价 16% ＋ 份额退到 40%，乘 25 倍 ＝ ￥865。这个数字会在下一章重新出现。

野村：￥66.06 × 20.0× = ￥1,321（报告值 1,325）
美银：￥66.00 × 25.0× = ￥1,650 ✓
高盛：￥72.10 × 35.8× = ￥2,581 ✓

EPS 因子：72.10 ÷ 66.06 = 1.091（＋9.1%）
倍数因子：35.8 ÷ 20.0　= 1.790（＋79.0%）
合计：1.091 × 1.790 = 1.953（＋95.3%）✓

按对数贡献分解：倍数贡献 ＝ ln(1.790) ÷ ln(1.953) ＝ 87.0%；EPS 贡献 ＝ 13.0%。

目标价分歧的 87% 来自估值倍数的选择，只有 13% 来自盈利预测的差异。

这个结论的重要性怎么强调都不过分：当你看到「高盛看到 2,581，野村看到 1,325」时， 你看到的不是两种对公司前景的判断，而是两种对「成长该值多少钱」的判断。两家对公司能赚多少钱的看法，其实只差 9%。

美银在 6 月 10 日主动把目标倍数从 30× 下调到 25×，同时把盈利上调 16%–70%。理由（原文）：

「我们下调目标市盈率倍数，以反映在交期拉长以及围绕 CPO 的争论持续的背景下，市场对盈利的前瞻性定价。」 「我们注意到旭创此前曾交易在 27×（+1 标准差）以上，但鉴于市场更加拥挤以及对英伟达采用 CPO 的担忧持续，我们认为市场倾向于更关注还有什么能驱动盈利进一步超预期。」

这是四份报告里唯一直面「为什么市场不愿意给高倍数」的。 美银的判断是：在盈利已被充分上调、且技术路线存在悬念时，市场会压缩倍数而非扩张倍数—— 因为超预期的空间已被 price in，而颠覆的风险还没有。

事后看，美银是对的。6 月 10 日报告发布时股价 ￥1,180，7 月 30 日 ￥864——市场给的倍数比美银的 25× 还要低。

只有高盛在两个维度上同时取激进值。不是某一个假设特别激进，而是两个都取了上限，且它们相乘。

这是一个可以迁移到任何个股的检验方法：把每家的目标价拆成「预测」和「倍数」两个坐标，画在一张表上，异常值会自己跳出来。

⚠️ 部分成立，但被误读了年份和速率段。

❌ 至 2028 年不成立；2029+ 存在真实风险。

❌ 暂不成立，但要注意证据的结构性偏差。

每颗 GPU 要配几只光模块，这个配比本身在变。

正面事实（①②③）主要影响「量」，负面事实（⑤⑥⑦）主要影响「份额」和「倍数」， 而争议最大的「价格」两边都没有决定性证据。

这意味着：如果你要建立与市场不同的判断，最有效率的做法不是去猜价格， 而是去验证 attach rate 和份额这两条可观测的线。 前者有季度产业数据可跟踪，后者有 LightCounting 的季度份额和大客户供应商名单可跟踪。

价格是弹性最大的变量，但也是最不可观测的变量——把研究资源投在可观测的变量上，性价比更高。

这条原则可以迁移到任何一只股票上：先按「弹性 × 可观测性」给变量排序， 只在两者都高的格子里投入研究时间。弹性高但不可观测的变量，你花再多时间也只是在猜。

这个精确度当然有偶然成分，但它给出一个干净的解读：

￥864 不是一个非理性的价格。它对应着一组内部自洽的产业假设——价格战与份额流失同时发生，并给予中性偏低的估值倍数。

这也是本课程反复强调的方法：不要问「股价对不对」，要问「股价在为哪一组假设定价」。 后者可以被拆开、被检验、被证伪；前者只能各说各话。

四家里两家用一个词组打发，两家一个字没提。没有任何一家给出机制、情景、概率或量化。

所以对「这条风险有多大」这个问题，诚实的回答是：卖方没有给，本课程也不会替他们编一个数出来。 能做的是把暴露面和缓释条件摆清楚，让你自己判断——下面两张表全部来自可溯源的事实，不含估算。

顺带一个方法：当所有卖方对同一条风险都只写一个词时，这本身是信息。 它通常意味着两件事之一——要么这条风险无法建模（不写比乱写好），要么写了会动摇整个评级。 这两种情况下，缺失的篇幅都不等于风险小。

价格是弹性最大但最不可观测的变量，而份额和 attach rate 弹性次之却高度可观测。把研究资源投向可观测的变量，性价比更高。

供应链准入那一行是个例外，值得单独说：它的「弹性」无法计算， 但它的前哨信号（关税、许可、供应商名单）反而是全表里最公开、最容易跟踪的—— 政策文件都是公开发布的。一条量不出来的风险，未必是一条跟不了的风险。

中际旭创是一家基本面极强、但估值高度依赖两个未充分披露假设（份额与价格）的公司。市场当前定价已把这两个假设同时打到悲观情形。

分歧不在于公司好不好，而在于——你是否相信一家 2025 年综合份额 21% 的公司，能在最新一代产品上拿走全球一半的市场，并守住 19% 的价格溢价。