报告概述
本报告是通信行业投资策略周报，聚焦AI Agent新品发布对模型推理架构的变革，深入分析Scale-Up网络升级中光互联的技术优势与投资机会。报告覆盖Claude Cowork、OpenClaw等AI Agent事件，探讨长上下文、高并发、实时交互推理需求如何驱动Scale-Up升级，并从技术与需求空间两个维度论证光互联替代铜缆的必然性。报告还包含通信板块行情回顾、行业数据更新及近期要闻，为投资者提供光互联产业链（交换设备、NPO、DAC/AEC等）的投资建议。
报告的核心结论
AI Agent推动模型推理向Scale-Up架构升级
Claude Cowork和OpenClaw等AI Agent具备多步骤决策、多轮对话能力，产生长上下文、高并发、实时推理需求。长上下文依赖KV Cache，但分布式环境下跨节点传输易造成GPU空闲，Scale-Up架构通过统一内存池实现高性能网络，是满足推理需求的关键升级方向。
光互联是Scale-Up网络升级的必然选择
当前Scale-Up多采用铜缆，但受限于传输距离（仅7米）和机柜密度，无法支持百卡/千卡扩展。光互联可覆盖几十米至数百米，突破物理限制，且在高带宽、低延迟方面优势显著，是未来大规模AI集群的必备互联方案。
海外CSP资本开支加码，算力缺口持续扩大
微软和Meta财报显示算力资源仍短缺，Meta 2026年资本开支计划高达1350亿美元。AI投资ROI已非重点，CSP进入“Buy More Earn More”阶段，加速投入以补齐算力短板，直接拉动光互联等基础设施需求。
关注交换设备、NPO、DAC/AEC等产业链环节
报告建议重点关注光互联相关的交换设备、NPO（近封装光学）、DAC/AEC（有源电缆/有源电电缆）赛道。这些环节在Scale-Up升级中受益明确，是AI基建投资的核心方向。
报告回答的关键问题
为什么AI Agent需要Scale-Up架构？
AI Agent如Claude Cowork和OpenClaw具备多步决策和多轮对话能力，产生长上下文和高并发推理需求。传统分布式网络中，KV Cache跨节点传输易造成GPU等待，效率低。Scale-Up架构将加速器内存统一为共享池，提供高带宽低延迟的网络，满足AI Agent实时交互的推理需求。
光互联相比铜缆有哪些优势？
光互联在传输距离上远超铜缆（铜缆仅7米，光互联可达百米以上），适合百卡、千卡级Scale-Up域扩展。同时光互联能降低机柜供电、制冷和布线压力，在大规模AI集群中优势突出。英伟达NVL72虽采用铜缆，但扩展受限，未来必然转向光互联。
海外CSP资本开支对通信行业有何影响？
微软和Meta表示算力短缺，Meta 2026年资本开支最高达1350亿美元，用于AI基础设施。这将直接拉动光模块、光纤、交换设备等通信产品需求。例如康宁与Meta达成60亿美元光纤合作，Cignal AI预测2025年数通光模块市场超180亿美元，产业链迎来增长机遇。
报告中的代表性数据
2025年数通光模块市场规模
2025年，根据Cignal AI报告，2025年数通光模块营收预计超过180亿美元，800G及1.6T产品是主要驱动力。2024-2029年复合年增长率超20%，预测期末达290亿美元。
Meta 2026年资本开支计划
2026年，Meta预计2026年全年资本支出在1150亿至1350亿美元之间，中值远超分析师预期的1106亿美元，用于支持AI超级智能实验室及核心业务。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 通信板块行情回顾：本期申万通信板块涨跌幅5.83%，跑赢沪深300指数5.75个百分点，个股涨幅前五包括网宿科技、长飞光纤、天孚通信等，附有完整涨跌幅与换手率排名。
- 行业估值分析：通信行业PE-TTM为51.19倍，位列申万一级行业第7，与沪深300估值对比图展示行业相对估值水平。
- 5G及移动通信数据更新：截至2025年底我国5G基站达483.8万个，5G手机出货占比90.4%，移动物联网终端用户28.88亿户，移动互联网流量同比增17.3%，DOU值达23.04GB/户·月。
- 近期要闻：Cignal AI报告预测数通光模块市场超180亿美元；康宁与Meta达成60亿美元光纤合作；阿里发布真武810E AI芯片对标H20；Meta 2026年资本开支拟达1350亿美元。
- 投资建议与风险提示：建议关注交换设备、NPO、DAC/AEC等赛道；风险提示包括AI基础设施建设不及预期、AI应用发展不及预期、进出口政策变化及国际合作减少风险。
- 重点公司估值表：包含中国移动、中国电信、中国联通等运营商的EPS、PE、EV/EBITDA、ROE等财务指标及评级，为个股投资提供参考。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
