人工智能主题的整体活跃度在昨天虽然有所下降，但光通信分支却很是耀眼，板块内超过四分之一的个股涨超5%。

驱动上，最近中国科学院半导体研究所集成光电子学国家重点实验室微波光电子课题组李明研究员-祝宁华院士团队研制出一款超高集成度光学卷积处理器，这标志着我国在光计算方面有了重大突破。据了解，光计算是一种利用光波作为载体进行信息处理的技术，具有大带宽、低延时、低功耗等优点，提供了一种“传输即计算，结构即功能”的计算架构，有望避免冯·诺依曼计算范式中存在的数据潮汐传输问题。近年来光计算在AI领域呈现高速的发展，具有广阔的应用前景。以Lightmatter和Lightelligence为代表的公司，推出了新型的硅光计算芯片，性能远超目前的AI算力芯片，据Lightmatter的数据，他们推出的Envise芯片的运行速度比英伟达的A100芯片快1.5到10倍。

在AI算力时代，随着数据流量爆发与下游应用的丰富，驱动光模块产品向着更小型化、更高速率、更低成本的方向演进。同时，光模块已发展至800G以及后续1.6T等速率的升级，带动光模块相关技术路线的前瞻研发与迭代升级。当前，主要的技术升级方案包括CPO方案、薄膜铌酸锂方案、硅光方案、LPO方案。

CPO方案：AI算力下高效能比方案。CPO方案将引擎和交换芯片共同封装，缩短了光引擎和交换芯片间的距离，主要应用于超大型云服务商数通短距场景，将有效解决高速率高密度互联传输。

薄膜铌酸锂方案：技术突破，尺寸与集成度问题得以改善带来新发展。铌酸锂材料研究历史较早，具备优异性能；随 着薄膜铌酸锂新技术突破，大幅改善尺寸及价格问题，随着相干技术下沉为相干光调制器带来重要发展机遇。

硅光方案：具有集成度高、成本下降潜力大、波导传输性能优异三大优势。硅光模块在高速率传输网中优势明显，需求增速将高于传统光模块；硅光模块有望在2025年高速光模块市场中占据60%以上份额。

LPO方案：成本优势突出，满足AI计算中心短距离、大宽带、低延时要求。相较DSP方案，LPO可大幅度减少系统功耗和时延，适用于短距传输；而其系统误码率和传输距离较短的问题，因为在AI计算中心短距离应用场景下较为适配，得以弥补。

在AI算力环节中，光模块的国产化程度相对较高，因此也是AI算力爆发时代国内主要的受益方向，因此中期来看，那些前瞻布局CPO/LPO等新技术的上市公司值得持续关注。不过，短线上还是需注意一下节奏。