AI 光互连先分场景：inside DC、DCI、长距不是一回事
本节学什么
这一节只讲 Andrew Schmitt 最基础、也最容易被市场忽略的一件事：AI 对光网络的拉动必须先按场景切开。深研把他的 AI 链相关性写得很清楚，他不是模型层或应用层 KOL，而是研究 AI 数据中心物理互连、光模块、相干 DSP、WDM、CPO、OCS、IP-over-DWDM 的链路分析师。也就是说，他的入口不是“AI 很强，所以光通信都强”，而是先问流量发生在哪里：数据中心内部的 800G/1.6T 模块、园区或城市间 DCI、metro/long-haul 传送、access 和运营商网络，它们的客户、距离、功耗、标准、采购方式都不一样。
核心框架
本节的框架是“四层光路拆分”。第一层是 inside datacenter，重点是 GPU 集群、交换机端口、800GbE、1.6TbE、200G/lane、光模块功耗和供应链交付。第二层是 DCI，重点是云厂商把不同数据中心连接起来，常见问题是 400ZR、800ZR、single-span、短距 metro、功耗和运维能力。第三层是传统 optical transport，重点是 metro/long-haul、ROADM、线路系统、嵌入式相干引擎和运营商采购节奏。第四层是 access 或企业/政府网络，重点不是追最高速率，而是价格、第二来源、简单运维和现有路由器/传送设备如何接入。Andrew 的方法是先把需求放进这四层，再谈速率代际、模块形态和公司暴露。
他怎么用(具体案例+数据+原话)
深研里的代表判断是：AI 对数据中心内部 800G/1.6T 模块拉动直接，但对传统长距 optical transport 的影响更间接，不能把所有光网络增长都归因于 AI。观点流也把这句话拆成两条信号：AI inside DC drives 800G optical modules；AI outside DC is muted but bandwidth still grows。OFC 2024 Preview 里，他给过更早的量化背景：800GbE 出货从 2022 年少量起步，到 2023 年超过百万，2024 年预期达到 800 万；同时他提醒 AI outside datacenter impact is muted。到 2026 年，Cignal 公开材料继续把 datacom 与 telecom 分开看，页面作业还引用了 2026-04 的判断：datacom 光器件收入超过 19B 美元、同比约 +70%。这些数据的用法不是制造一条股票结论，而是说明同一个 AI 主题，在 inside DC 和 outside DC 的弹性完全不同。
补一层操作细节：inside DC 的证据多来自高速 datacom 模块和交换机端口，DCI 的证据多来自 ZR/ZR+、线路放大器和云厂商站点布局，长距传送的证据则落在 ROADM、线路系统和运营商 capex。三者都使用光，但验证材料不同。Andrew 的强项正在这里：同样一句 AI 带宽需求，他会问它是训练集群内部的东西，还是跨园区搬模型参数，还是运营商骨干网承载更多云流量。只有把这一步拆清，后面的公司、产品和收入归属才不会错位。
常见误区
第一个误区，是把“光模块”当成一个统一市场。数据中心短距 800G 模块、相干 ZR 模块、长距传送系统、外置激光源和 OCS 不是同一条需求曲线。第二个误区，是把云厂商 capex 直接外推到运营商长距网络。云厂商可以快速采购、自己运营、自己承担风险；运营商网络还要考虑多厂商互通、保护架构、运维组织和已有资产。第三个误区，是把 AI 流量增长等同于所有距离都同步增长。训练集群内部带宽、园区 DCI、跨区域备份和全球骨干流量的时点不同。第四个误区，是把 Andrew 的产业拆分读成荐股。他没有 13F，也不披露组合，课程只能学习方法。
可迁移方法
遇到任何 AI 光互连新闻，先做一张“场景定位卡”。第一行写流量位置：机柜内、数据中心内、同城 DCI、区域 DCI、长距骨干、接入。第二行写客户：hyperscaler、colo、service provider、enterprise、government。第三行写接口：800G、1.6T、400ZR、800ZR、100ZR、CPO、OCS。第四行写采购方式：随交换机/路由器买、随光传送设备买、独立买模块。第五行写验证数据：出货量、收入、端口数、客户部署、互操作、供应链约束。这样做的好处是把“AI 光通信”从一句主题词变成可复核的物理链路。
小结
本节的核心是先分场景。Andrew Schmitt 的价值在于把 AI 光互连拆成 inside DC、DCI、metro/long-haul、access 等不同需求层，而不是把所有增长都归因于 AI。合规使用这套方法，就是判断哪一段链路真的被 AI 拉动，再继续验证出货、收入、功耗和客户采用。
Datacom 光器件账本：800G、1.6T 和 200G/lane
本节学什么
这一节只讲 datacom 光器件账本，尤其是 800G、1.6T 和 200G/lane。Andrew 的方法不是先讲“光模块受益 AI”，而是把高增长落到出货量、收入、速率代际、lane 成本和供应链交付上。深研把他的能力圈写成 optical transport、datacom optics、coherent DSP、pluggable optics、network equipment market share、supply chain mapping；页面作业也把他称为“光模块的记分员”。学这一节，是学会用账本看 AI 数据中心内部的光互连，而不是用路线图海报判断行业强弱。
核心框架
Datacom 账本有五个关键格子。第一是速率代际：400G 到 800G，再到 1.6T 和未来 3.2T，不能只看最高速率，要看量产时间、客户切换节奏和交换机端口配套。第二是 lane economics：1.6T 往往依赖 200G/lane，核心问题是单位 lane 的成本、功耗、良率和可供货性。第三是模块出货：收入增长要对应高速度模块数量，而不是只对应 ASP 上涨。第四是供应链：InP、硅光、DSP、TIA/driver、测试、封装、外置激光源都会限制交付。第五是客户验证：hyperscaler 的设计窗口、认证周期、双供策略和实际部署比供应商样机更重要。
他怎么用(具体案例+数据+原话)
最直接的案例是 Cignal 2026-04 的公开摘要：Datacom Optical Component Revenue Surpasses $19B in 2025，页面作业记录其同比约 +70%；观点流还提到 over 40 million high-speed modules shipped in 2025，并称 datacom forecasts revised sharply higher through 2030。这里的重点不是“收入大”三个字，而是 Andrew/Cignal 把收入、出货、速率和预测期放在一起看。深研还记录 OFC 2024 Preview 的判断：800GbE 2023 年已超过百万，2024 年预期 800 万，这给 800G 从样机到量产的爬坡提供了历史刻度。对 1.6T，他的专属判断是要看 200G/lane 成本功耗；观点流里的原话式条目是“1.6T modules follow 200G/lane economics”。如果 200G/lane 的功耗、良率、测试和客户认证不闭合，1.6T 路线图就不能自动变成可用产能。
再看账本时还要注意“高增长后的基数变化”。800G 从 2023 到 2024 的爬坡可以很陡，因为起点低、AI 集群建设集中、客户愿意为带宽密度付溢价；但到 1.6T 阶段，问题会换成产能、良率、功耗预算和客户平台同步。Andrew 不会把上一代的斜率机械外推到下一代，而是追踪每一代的量产条件。比如 200G/lane 若带来更难的测试和散热，模块厂收入增长也可能伴随交付风险。
常见误区
第一个误区，是只看 800G 或 1.6T 字样，不看出货和收入口径。样机、设计中、认证中、批量出货是四件事。第二个误区，是把 ASP 提升当成真实需求。收入增长必须和模块数量、客户部署、速率切换一起验证。第三个误区，是把 200G/lane 当自然升级。lane 速率提升会牵动 DSP、SerDes、光芯片、驱动、散热、测试和误码率，技术路线不是免费午餐。第四个误区，是把供应商公告当行业账本。公司会强调自己的订单和产品，Andrew 的价值是把多家公司放进 Cignal 的季度市场追踪里比较。
可迁移方法
研究 datacom 光器件时，先建“速率账本”。每个速率代际单独记录：量产年份、主力客户、典型模块形态、lane 速率、功耗目标、供应商数量、出货量、收入、交付瓶颈。看到 1.6T 新闻，就追问 200G/lane 是否已经进入稳定供货；看到 800G 收入增长，就追问是新部署、补库存、ASP 变化还是客户集中。再把供应链拆到光芯片、DSP、封装、测试和外置激光源。这样做可以把 AI 数据中心光模块研究从“谁喊得最大声”改成“谁的账能对上”。
还有一个容易漏掉的观察角度是测试和封装节拍。高速模块并非光芯片做出来就能卖，客户还要验证误码率、温度、功耗、固件、交换机兼容和长期可靠性。若某家公司宣布 1.6T 样机，却没有同步披露客户平台、批量测试、良率改善和供货时间，Andrew 式账本会把它放在“技术进展”而不是“收入兑现”栏。
小结
本节的核心是用 datacom 账本约束 800G/1.6T 叙事。Andrew Schmitt 的独特性不是发现 AI 会拉动光模块，而是把这件事钉到收入、出货、lane economics 和供应链交付。合规地说，这是一套产业验证方法，不是对任何模块厂、芯片厂或设备厂的买卖建议。
WDM 可插拔：三种采购模型决定收入落点
本节学什么
这一节只讲 WDM coherent pluggables 的采购模型。Andrew/Cignal 在 2026-06-08 推出 WDM Pluggable Applications Forecast，核心不是又多了一个预测表，而是把过去 IP-over-DWDM 的单一问题扩展成收入落点问题：同样是相干可插拔，究竟是插在路由器里、插在光传送设备里，还是由 hyperscaler 独立采购？这个问题决定收入被归到 Routing Hardware、Optical Hardware 还是 WDM Pluggables，也决定谁掌握客户关系、谁承担运维复杂度、谁被替代。
核心框架
本节框架是“三采购模型 × 三客户市场 × 六模块类型”。三种采购模型分别是 router-attached、optical-attached、standalone。Router-attached 是随路由器采购并托管在路由器中，属于经典 IP-over-DWDM；optical-attached 是随光传送平台或 thin transponder 采购，收入落在 Optical Hardware；standalone 是模块独立采购，几乎主要由 hyperscaler 和大型 service provider 使用，收入落在 WDM Pluggables。三类客户市场是 Cloud & Colo、Service Provider、Enterprise & Government。六类模块包括 400ZRx -10dBm、400ZR+ 0dBm、800ZR/ZR+、1600ZRx、100ZR 等。Andrew 的处理是把“模块卖出去了”继续追问“卖给谁、插在哪里、替代谁”。
他怎么用(具体案例+数据+原话)
2026-06-08 的公开文章给了非常具体的数据。Router-attached revenue 预计从 2025 年约 257M 美元升至 2030 年 905M 美元。Optical-attached 今天最小但增长最快，从 2025 年约 43M 美元到 2030 年 564M 美元，CAGR 约 67%。Standalone 是最大模型，从 2025 年约 1.7B 美元增至 2030 年超过 6.0B 美元，占总 Pluggable Applications revenue 的 80% 以上。按客户看，Cloud & Colo 从 2025 年约 1.7B 美元增至 2030 年 6.1B 美元，约占四分之五；Service Provider 从 293M 美元到超过 1.2B 美元；Enterprise & Government 从 62M 美元到 266M 美元。文章原话式摘要是：forecasting revenue across three procurement models, three customer market segments, and six categories of coherent pluggable optics through 2030。
这个模型还解释了为什么同一只模块会改变行业权力。Standalone 模式里，云厂商直接买模块，对模块供应商和 DSP 供应商的话语权更强；router-attached 模式里，路由器厂和网络运维团队决定采用节奏；optical-attached 模式则让传统光传送设备厂保留更多系统价值。Andrew 把这些模型拆开，是为了避免一个收入预测同时被三类玩家重复认领。研究者若只看“相干可插拔增长”，就会漏掉利润池到底迁移到模块、路由器还是光传送平台。
常见误区
第一个误区，是把所有 coherent pluggables 都算成同一个收入池。不同托管位置会改变设备厂、模块厂、路由器厂和客户采购权力。第二个误区，是把 IP-over-DWDM 只理解成技术路线。它同时是运维模型和采购模型，运营商是否愿意让路由团队承担光层问题，是 adoption bottleneck。第三个误区，是重复计算收入。Cignal 在 forecast 里专门说明，模块卖给硬件公司再 OEM 转售的情况要避免双计，最终用户销售归到 reseller。第四个误区，是只看云厂，忽视 service provider 与企业政府的慢变量。后两者绝对规模小，但在运维成熟后仍可能贡献稳定采用。
可迁移方法
读任何可插拔相干新闻，都先画“收入落点图”。第一步写模块类型和速率；第二步写采购模型：router-attached、optical-attached、standalone；第三步写收入归属：Routing Hardware、Optical Hardware、WDM Pluggables；第四步写客户市场：Cloud & Colo、Service Provider、Enterprise & Government；第五步写它替代的旧方案，是嵌入式相干、传统转发器、波长服务，还是铜缆/短距连接。这样可以避免把技术采用和收入归属混在一起。
这个拆法也能解释为什么服务商 adoption 慢但并非没有价值。服务商更在意故障定位、NOC 流程、线路保护、ROADM 兼容和跨厂商责任边界；一旦这些流程跑通，router-attached 或 optical-attached 模式的增长会更稳定。企业和政府规模更小，但它们常有 IP 团队而缺少深光层经验，因此会被简单线路系统和路由器托管接口吸引。
尤其要警惕“份额错配”：同一笔云厂商 DCI 预算，可能表现为独立模块采购，也可能通过路由器或光传送平台体现。若不先判定采购模型，就会把模块厂增量误算给设备厂，或把设备厂系统收入误看成纯模块替代。
这一步尤其适合复核收入归属。
小结
本节的核心是：WDM 可插拔不是一个单纯模块故事，而是采购模型重分配。Andrew/Cignal 的三模型 forecast 让研究者看到收入落在哪里、谁被替代、谁承担运维。合规地说，这帮助判断产业链位置，不直接推出具体价位或买卖动作。
