光模块产品分类、竞争格局及市场前景分析

数据光通信核心器件，深度受益于 AI 算力建设。

1. 光模块核心元件为光电芯片，产品有多种分类方式

光模块是光通信系统中实现信号电光/光电转换的核心器件，根据功能的不同主要 可分为光发送模块、光接收模块、光收发一体模块、光转发模块，目前光模块主要指光 收发一体模块。

光模块主要由光发射器件（TOSA）、光接收器件（ROSA）、电芯片、PCB、结构件 等组成，其中光发射器件及光接收器件等光器件为光模块核心部件，光器件的核心元件 为光芯片。以 2022 年中端光模块硬件成本结构为例，光器件占比在 70%左右，发射及 接收器件则是光器件最重要成本来源，越高端的光模块光器件成本占比越高。

光模块可按照传输速率、复用技术、封装方式等进行分类，其中 400G 及 800G 光 模块主要用 QSFP-DD、OSFP 封装方式。

2. 竞争格局：全球前十中国厂商占半数以上，云厂商控制供应商数量

光模块市场中国厂商占据主导，根据 LightCouting，2022 年全球前十大光模块厂商 中中际旭创（Innolight）、华为、光迅科技（Accelink）、海信、新易盛（Eoptolink）、华 工正源（HGG）、索尔思光电（Source Photonics，被华西股份收购）七家公司为中国大 陆厂商，其中中际旭创为高端光模块市场龙头，400G 光模块全球份额在 50%左右。

云厂商倾向控制光模块供应商数量，切换新产品时优先考虑已有供应商。云厂商在 导入新的光模块供应商时，均会对潜在供应商的光模块进行对传等测试，由于会在同一 计算中心混用不同厂商的光模块，需对各厂商的光模块进行组合测试。云厂商选择的供 应商越多，测试的工作量呈几何级增长，测试及日常运行中出错概率也相应增加，因此 云厂商往往会将光模块供应商数量控制在 3 个左右。同时，由于云厂商对已有供应商的 产品工艺稳定性、批量交付能力充分了解，因此在导入 800G、1.6T 光模块等新产品时， 一般会优先考虑已有供应商。

3. 市场前景：电信与传统数通市场为基，AI 拉升高速光模块需求

3.1. AI 市场：高算力需求推动 800G 光模块结构性增长

模型迭代数据量扩张，算力需求持续增加。历代 GPT 的参数量呈现指数级增长， ChatGPT 的总算力消耗约为 3640PF-days(每秒计算一千万亿次，需要计算 3640 天);GPT4 在 ChatGPT 的基础上增加了图像、视频等交互信息类型，内容容量扩大到 2.5 万字， 所需的算力规模远大于单纯的文字交互。OpenAI 首席执行官 Sam Altman 接受公开采访 表示，GTP-5 在 2024 年底至 2025 年发布，它的参数量为 GTP-3 的 100 倍，需要的计 算量为 GTP-3 的 200-400 倍。随着 ChatGPT 的用户和应用范围的持续扩大，数据处理 的压力增大，将带来庞大的算力需求。 AI 算力增速远超“摩尔定律”，硬件需求空间增势确定。根据 OpenAI，2012-2018 年 AI 计算量每年增长 10 倍，虽然之后增速会逐渐放缓，但增速仍远超“摩尔定律”， 华为预测 2030 年全球 AI 算力将超 105ZFLOPS，2020-2030 年增长 500 倍，同时 IDC 预 测中国AI 算力将从 2022 年的 268EFLOPS 增加至 2026 年的 1271EFLOPS，CAGR=47.6%。 在 AI 算力爆发背景下相应数据传输硬件需求的快速增长也是必然趋势。

硬件算力提升，高速率传输拉动 800G光模块需求。英伟达于 2020 年5 月发布A100， 双精度浮点运算速度从 7.8 TFLOPS 提升至 9.7 TFLOPS，8 块 A100 训练速度是 8 块 V100 的 3.5 倍；2022 年 3 月英伟达发布的 H100 双精度浮点运算速度则又相比 A100 在 8 位浮点运算能力上提升约 6 倍。快速提升的算力需要高速率传输架构与之适配，800G 等高速光模块的需求进而提升。 以 H100 组成的 DGX H100 SuperPOD 为例，8 张 H100 GPU 组成一个 H100 System， 每个 H100 System 都是一个节点，32 个 H00 System 节点组成一个可拓展单元（Scalable Unit, SU），目前最多由 4 个 SU 组成 DGX H100 SuperPOD，加上 ConnectX-7 网卡及 QM9700 交换机组成 DGX H100 SuperPOD 的网络架构。按照最大 SU 计算，单个 H100 SuperPOD 用到的 GPU 数量为 1016 片（对应 4 个 SU×32 个 H100 System 节点×8 片 H100 GPU，其中一个节点空间用于安装网络监控单元未放置 GPU），脊交换机和叶交换 机数量则分别为 32 和 16 个。

每个 SU 分配 8 台叶交换机，计算节点和叶交换机间共建立 1024 个双向连接（4 个 SU×32 个 H100 System 节点×8 个叶交换机），叶-脊交换机间共建立 512 个双向连接 （32 个叶交换机×16 个脊交换机）。最初版本的 DGX H100 SuperPOD 在节点-叶交换机 间以 400G 传输，根据我们调研，后续网络架构中有望陆续换用 800G 及以上速率光模 块，据此计算，后续节点-叶交换机间或将使用 2048 个 800G 光模块，叶-脊交换机间或 将使用 1024 个 800G 光模块，800G 光模块与 H100 GPU 数量关系约为 3:1。 参考 DGX A100 SuperPOD 的架构设计，当 SU 为 4 个时，采取双层架构，当 SU 为 7 个时，则采取三层架构，通过与上文中相同的计算过程可得到此时光模块与 GPU 数量 比为 6:1 左右。随着之后对算力需求的提升，DGX H100 SuperPOD 或将同样推广至 7 个 SU 三层架构，届时 800G 光模块与 H100 数量关系则或提高至 4:1 至 6:1。

按照以下假设，我们测算截至 2030 年全球 AI 光模块总存量市场空间： 2030 年全球 AI 算力将达 105 ZFLOPS； 单片 H100 算力为 2E+15 FLOPS； 等效 800G 光模块与 H100 数量比不同情境下为 4/5/6/7； 单 G 价格 0.6 美元 经我们测算，当等效 800G 光模块与 H100 数量比分别为 3/4/5/6 时，直至 2030 年 全球 AI 光模块累计存量市场空间分别为 720/960/1200/1440 亿美元。

3.2. 传统数通市场：云厂商资本开支稳步提升，800G 光模块落地正当时

全球数据量快速增长，云厂商提升资本开支。全球每年产生的数据将从 2018 年的 33ZB 增长到 2025 年的 175 ZB，CAGR 为 26.9%。数据量爆发带来高数据处理需求，总 体上看，北美头部云厂商脸书、谷歌、亚马逊及微软的单季度资本开支在近五年实现倍 增，2022 年四大厂商的资本开支达约 1502 亿美元，同比提升 18.5%，虽然受当地经济 环境影响 2023 年一季度其总资本开支同比减少 3.0%达约 343 亿美元，但各厂商均对 AI 算力建设持积极态度，AI 算力支出有望出现结构性可观增长。

数据中心传输速率不断提升，800G 光模块加速渗透。近两年交换机主流速率将从 25.6T 向 51.2T 转换，为了满足提升的交换机速率，有两类光模块应用方案，一是提升 光模块用量，如将 64 个 400G 光模块提升至 128 个，二是提升光模块速率，将 64 个 400G 光模块替换为 64 个 800G 光模块。与 400G 光模块相比，800G 光模块单 G 功耗更 低，对于云厂商来说更具经济实用性，因此，800G 光模块有望在传统云计算领域加速 渗透。

3.3. 电信运营商市场：5G 建设进入下半场，运营商算力端建设支出占比增加

2023 年，我国 5G 投资逐步迈过高峰，国内 5G 基站数量增速趋于平稳。根据工信 部，我国 2022 年新建 5G 基站 88.70 万个，累计建成投运 231.2 万个，2023 年新建、开 通 5G 基站预计达 60 万个，届时 5G 基站总量将突破 290 万。GSMA 数据显示，中国大 陆是全球最大 5G 市场，2022 年底 5G 连接数已超过全球总量的 60%。《“十四五”信息 通信行业发展规划》规划提出，我国每万人平均 5G 基站数将从 2020 年的 5 个提升至 2025 年的 26 个，届时 5G 基站总量达到约 390 万个，5G 用户普及率从 2020 年的 15% 提升至 56%。 三大电信运营商 2022 年资本开支合计为 3591 亿元，同比增长 2.0%，且云计算业 务全部增长 100%以上，运营商云计算业务有望通过 AI 应用实现新一波扩张。同时从运 营商资本开支结构上来看，“东数西算”及数字经济发展推动算力需求高速增长，三大运 营商的资本开支向算力网络建设倾斜，2023 年三大运营商的算力网络相关资本开支指 引合计约 891 亿元，同比增长 34.2%（其中中国电信 2022 年基数为预期值），在总资本 开支中的占比从 2022 年的 18.9%进一步提升至 2023 全年预期的 24.8%。