中信證券研報表示，需求決定供給是商業世界重要規律 ，AI大模型與以往截然不同的需求帶來產業鏈變革機遇 。使用OCS構建大型算力集群
，在高帶寬 、低延遲
、低成本方面都勝過傳統IB、RoCE技術，該技術路線長期來看有望成為AI基建的主流 ，從而帶動光通信全產業鏈變革
。整機環節建議關注OCS整機廠商 、代工廠商
、OTN整機廠商；核心器件環節建議關注光學MEMS代工廠、LCoS生產商；光學零部件領域建議關注光環行器 、微環調制器等市場。

　　計算機｜從OCS看AI網絡變革的投資機遇

　　需求決定供給是商業世界重要規律
，AI大模型與以往截然不同的需求帶來產業鏈變革機遇 。使用OCS構建大型算力集群，在高帶寬
、低延遲、低成本方面都勝過傳統IB 、RoCE技術 ，該技術路線長期來看有望成為AI基建的主流
，從而帶動光通信全產業鏈變革
。整機環節建議關注OCS整機廠商、代工廠商
、OTN整機廠商；核心器件環節建議關注光學MEMS代工廠、LCoS生產商；光學零部件領域建議關注光環行器 、微環調制器等市場。

　　▍算法決定網絡架構，大模型與HPC/互聯網截然不同 。

　　商業上一條重要規律是需求的變化決定產業的變化
。網頁時代的數據中心以南北向隨機流量為主 ，云計算時代以有序而隨機的東西向流量為主，HPC和傳統AI則是大算力
、低延遲、局部互聯
，每一次需求的變化都帶來數據中心網絡架構的巨變，大模型時代也不例外。AI大模型的網絡需求與以往截然不同 ，其特點是大范圍全局性數據交換 、數據流幾乎完全可預測
，因此勢必要求新網絡技術 。

　　▍AI時代需要新網絡，全光化順應需求。

　　要建立強大的AI計算集群 ，只有Scale up和Scale out兩條路
，其中Scale up現在效果較好，OCS則解決了Scale out的瓶頸問題
。AI需要高帶寬
、低延遲、低成本的網絡解決方案 ，OCS在這三方面都比以往的IB 、RoCE更強
，由于其只反射光束而不需要解析數據包，所以天然延遲低
、帶寬高 ，而且OCS設備能夠兼容很多代產品
，其折舊周期幾乎與數據中心本體一樣長，從而攤薄了使用成本。未來光通信還將在AI集群繼續滲透 ，依次取代脊交換機、葉交換機，乃至承擔卡間互聯 、片上網絡的功能
，打開市場空間 。

　　▍全光網絡對產業鏈的影響與投資機會
。

　　1）整機環節，我們預計遠期市場空間可能達到400億美元以上。格局方面 ，一方面有專門針對數據中心的OCS廠商；另一方面傳統核心網光通信設備ROADM
、OXC與OCS有共同的技術基礎
，光通信廠商未來也能夠承接AI OCS相關業務 。

　　2）核心器件環節，主要是基于MEMS或LCoS技術的WSS（波長選擇開關） ，我們預計兩條技術路線遠期市場空間可達數十億美元
。MEMS領域
，由于產品尚未成熟，目前主要是代工廠受益。LCoS領域 ，其技術與投影顯示互通
，因此除一直深耕光通信場景的廠商外，投影顯示領域的廠商也有望進行拓展 。

　　3）被動元件環節 ，OCS增加了光環行器、微透鏡 、分束器的使用
。微透鏡和分束器的OCS增量市場空間合計不到5億美元
，光環行器的增量市場空間或可達到50億美元。被動元件領域全球競爭格局相對分散，不同廠商均有部分擅長的領域 。

　　▍風險因素：

　　市場競爭加劇風險；跨國經營及外延并購風險；國際環境和貿易政策變化風險；技術路線變化與升級迭代風險；AI資本開支不及預期風險；新技術路線落地進度不及預期風險
。

　　▍投資策略：

　　AI數據中心使用OCS仍處在早期階段 ，谷歌已實現產品落地，大部分廠商仍在積極研發。我們認為OCS技術路線可行性高
，優勢明顯，未來增長確定性較強 ，建議對整機、核心器件
、光學零部件等全產業鏈保持關注 。按照產業鏈環節
，我們梳理三條投資主線：

　　一、整機環節，建議關注具備核心網光通信設備業務的廠商以及OCS代工廠商。

　　二 、核心器件環節 ，建議關注光學MEMS供應商和代工廠
。

　　三
、光學零部件環節
，建議關注我國光學部件供應商。

（文章來源：第一財經）