文｜Alpha说

曦智科技刚刚交出上市后的第一份中报。

上半年，公司收入从去年同期的2079.3万元增至7977.9万元，同比增长284%。其中，光互连业务收入6069.9万元，占总收入的76.1%；光计算收入1908万元，占23.9%。

不过，284%的增速来自较低基数，公司也尚未盈利：剔除股份支付、金融工具公允价值变动和上市开支后，上半年经调整净亏损约1.47亿元。本文所说的“先卖起来”，指光互连率先形成了较大收入，并不是公司已经赚到利润。

一家以“光计算”进入公众视野的公司，为什么最先增长起来的却是光互连？

这个变化背后，是一道正在变得越来越重要的产业问题：GPU（图形处理器，也是大模型训练和推理的主力芯片）越来越多、单卡越来越快以后，数据还能不能及时送到下一颗GPU？

当答案开始变得不确定，AI算力的瓶颈也就从“计算得够不够快”，逐渐延伸到了“数据能不能跟上”。

01 GPU越快，等待数据的代价越高

过去看一台电脑的性能，我们习惯先看处理器。

但大模型的计算早已不是一颗GPU独立完成的。一个任务会被拆到几十、几百，甚至更多GPU上。每颗GPU完成自己的部分后，还要与其他GPU交换参数、计算结果和下一步需要的数据。

这就像一群速度越来越快的工人共同装配一件产品。每个人手上的动作都很快，但零件如果送不到，整条生产线仍然会停下来等待。

GPU也是如此。

单卡性能提高，意味着一颗GPU在相同时间内可以处理更多数据，也需要更快地接收和发送数据；GPU数量增加后，需要同步的数据量、参与通信的设备数和调度难度也会随之上升。

在网络没有同步升级的情况下，一颗GPU算得越快，等待数据造成的损失就越大。

因此，AI基础设施真正要交付的，已经不只是芯片参数里的峰值算力，而是整个集群可以持续输出多少有效算力。

英伟达公布的第六代NVLink（英伟达用于GPU之间高速通信的专用互连）把每颗GPU的双向互连带宽提升到3.6TB/s，是上一代的两倍；一个72颗GPU组成的机架，总互连带宽达到260TB/s。英伟达披露的后续路线图还计划继续扩大高速互连域，并引入光连接。

这些数字说明，GPU的升级已经不能只靠GPU本身完成。芯片越快、集群越大，网络越需要和计算一起升级。

计算能力的提升，正在反过来把网络推到AI基础设施的中心。

02 光不是替代所有连接，而是进入原有方式开始承压的地方

GPU之间原本就有连接。为什么现在需要光？

关键不只是速度，还有距离、功耗和连接密度。

在较短距离内，铜连接成本低、延迟小，仍然有自己的优势。但随着传输速率提高，电信号在铜线和电路板上的损耗会迅速增加。为了让信号继续传得准确，系统需要加入更多补偿和处理器件，功耗和复杂度也随之上升。

到了跨服务器、跨机柜的距离，越来越多数据已经需要通过光来传输。

但传统的可插拔光模块也不是终点。现在的做法，是让芯片先把高速电信号送到设备面板上的光模块，再由光模块转换成光信号。芯片速度继续提高后，这一小段电信号走过的距离，也会带来损耗和功耗。

所以，光正在一步步向计算芯片靠近。

LPO（Linear Pluggable Optics，线性可插拔光模块）仍插在设备前面板上，但去掉模块里的DSP（Digital Signal Processor，数字信号处理器），把更多信号补偿交给主机侧芯片。

NPO（Near-Packaged Optics，近封装光学）把光引擎放到ASIC（Application-Specific Integrated Circuit，专用集成电路；这里通常指交换芯片）附近；CPO（Co-Packaged Optics，共封装光学）则进一步把光引擎和主芯片集成在同一封装基板上。

它们都在降低高速电互连的损耗和功耗，但路径不同：LPO改变模块内部的信号处理方式，NPO和CPO则通过改变光引擎的位置来缩短电通道。它们不是一条简单的顺序升级路线。

OCS（Optical Circuit Switch，光电路交换）解决的是另一个问题。它可以直接切换光路，让不同GPU组之间的连接根据任务重新组合。

它并不等于全面取代电交换。电交换擅长处理细小、频繁变化的数据包，光交换更适合承接稳定、持续时间较长的大流量连接。两者更可能在同一套AI集群里分工。

因此，这一轮变化不是简单地“用光纤换掉铜线”，而是光开始从机柜之间的数据通道，继续向交换设备、芯片封装和GPU计算域内部移动。

03 曦智科技先从连接获得收入，是一个怎样的信号？

把这条变化放回曦智科技，中报里的收入结构就更容易理解了。

曦智科技同时布局光计算和光互连。光计算试图改变数据由什么器件完成计算，光互连解决的则是数据怎样在GPU、服务器和机柜之间移动。

前者需要新的软硬件生态和应用方式，后者面对的是已经出现的集群瓶颈。

2026年上半年，曦智光互连业务收入同比增长275%。其中，5590.7万元来自Scale-up产品。Scale-up指把更多GPU放进同一个高速互连域，让它们像一个更大的计算单元共同工作。

公司披露，这一增长主要来自LightSphere X超节点方案的商业部署、其他客户新增的OCS订单，以及OCS产品定价提高。

与此同时，下一代产品仍处在不同阶段：NPO已经提供硬件样品并在客户侧验证；CPO交换机原型进入工程验证；部分800G、1.6T收发器光子集成芯片（PIC）仍在模块测试或设计迭代。

最先进入收入的，是今天已经需要解决的问题；还在测试和开发的，则对应下一阶段可能出现的连接方式。

不过，这份中报还没有把收入背后的客户完整展开。

四名未披露名称、且各自贡献超过10%收入的客户，合计贡献6190.6万元，约占总收入的77.6%。

我们暂时无法从公告中看清，这些客户分别购买了哪些产品，后续能否按期回款，是一次项目交付还是持续采购，以及相同方案能否进入更多客户。

所以，7977.9万元收入能说明曦智的产品和方案正在增加交付，但还不足以判断这些需求是否已经形成稳定、分散并且能够持续复制的商业结构。接下来更值得看的，是回款、复购和客户扩展。

但曦智提供了一个理解产业变化的入口。

过去，算力产业最稀缺的是GPU。谁能拿到更多、更快的芯片，谁就拥有更强的计算能力。

现在，GPU依然重要，但只有把大量GPU有效连接起来，芯片上的峰值性能才能变成可以使用的算力。

这会让AI集群的新增预算和系统价值，更多流向高速互连、光交换、硅光芯片、先进封装和网络调度。

与此同时，铜连接、电交换和可插拔光模块也不会突然消失，它们会在不同距离、成本和应用条件下继续演进。

真正发生的变化是：网络不再只是计算设备之外的配套，它正在成为计算系统本身。

GPU继续变快，也会继续产生更多需要搬运的数据。下一轮AI基础设施的竞争，不仅是谁拥有更强的芯片，还包括谁能让成千上万颗芯片少一点等待，真正一起工作。