光模块、DSP、激光器、硅光、CPO、相干光
Light 的核心是 AI buildout 从算力瓶颈迁移到数据搬运瓶颈。GPU 集群越大，机柜内、机柜间、园区内和数据中心之间的连接越容易成为限制吞吐、功耗和交付的关键环节；这里的右侧机会要用 800G/1.6T 出货、客户认证、AI networking 收入和毛利率来验证。
光模块，把电信号和光信号互相转换。
GPU 集群需要低延迟、高带宽连接，800G、1.6T 光模块直接决定 scale-out 网络能不能跟上算力扩张。
观察 · 800G/1.6T 出货、云客户认证、ASP、良率、backlog、交付周期。
光模块里的数字信号处理芯片。
高速传输会产生失真和噪声，DSP 负责补偿信号，是高速光模块的成本、功耗和性能中枢。
观察 · 制程升级、功耗、通道数、SerDes 速率、设计导入、供应商份额。
把电信号变成光信号的激光器和调制器。
不同距离和速率会用不同光源。激光器性能、成本、良率和产能会影响光模块供给，也会决定上游材料的议价能力。
观察 · 激光器产能、良率、单通道速率、客户认证、成本下降、InP 供应。
用硅工艺把光学器件集成到芯片或模块里。
速率继续上升后，传统分立器件更难同时降功耗和成本。硅光的关键不是概念，而是客户导入、良率和量产成本曲线。
观察 · 量产良率、封装能力、客户导入、成本曲线、技术路线、revenue ramp。
Co-Packaged Optics，把光学和交换芯片放得更近。
当交换芯片带宽继续提升，光电转换距离越短，功耗和带宽效率越可能改善。它是高赔率方向，但必须等试点、可靠性和可维护性被验证。
观察 · 交换芯片路线、云厂商试点、封装生态、可靠性、维修成本、量产节点。
适合更长距离、更高容量传输的相干光技术。
AI 数据中心不仅需要机柜内连接，也需要园区、城域和骨干网络扩容。相干光更适合 DCI 和长距离容量升级。
观察 · DCI 需求、400ZR/800ZR 采用、云和运营商 capex、模块价格。
Broadcom, Marvell, Arista Networks
光互联不是孤立主题，先看 AI networking 的质量锚。AVGO/MRVL/ANET 分别映射 custom ASIC、DSP/optics/互联和数据中心交换系统，是判断整条链是否继续上修的温度计。
关键指标 · AI 半导体收入、custom ASIC 客户、800G/1.6T optics、交换机订单、毛利率。
主要风险 · 云 capex 放缓、客户自研、订单集中、估值提前反映。
Lumentum, Coherent, Applied Optoelectronics, MACOM
最直接承接 800G/1.6T 光模块、laser 和 cloud optics 需求。这里弹性大，但客户集中和价格压力也大，必须看订单能否变成收入和毛利。
关键指标 · 800G 出货、1.6T 认证、cloud optics 收入、backlog、毛利率、大客户集中度。
主要风险 · 订单波动、ASP 下行、客户集中、良率和交付不达预期。
Credo, Astera Labs
偏 AI server 和数据中心内部互联，连接芯片、retimer、AEC 和 CXL 使大规模集群更稳定地扩展。它们通常右侧更陡，回撤也更大。
关键指标 · 客户设计导入、量产收入、SerDes 速率、AI server attach rate、毛利率。
主要风险 · 估值过高、设计导入转收入慢、客户集中、技术路线变化。
POET, Sivers Semiconductors, AXT, IQE, Soitec
高赔率验证池。InP、硅光、optical interposer 和上游衬底可能吃到 CPO/AI optics 扩散，但右侧标准必须比大票更严格。
关键指标 · 客户 PO、量产节点、AI/CPO 收入占比、产能锁定、融资风险。
主要风险 · 商业化时间长、技术路线切换、流动性不足、融资稀释。
Ciena, Cisco, Corning
园区、城域和骨干网络扩容的底层链条。通常不是最高 beta，但能帮助判断 AI 光互联需求是否从机柜扩散到数据中心之间。
关键指标 · DCI 订单、400ZR/800ZR 采用、光纤和连接材料需求、云/运营商 capex。
主要风险 · 运营商 capex 低迷、云采购节奏放缓、库存调整、AI 贡献不够直接。