01 触发事件

7 月 10 日，36kr 援引证券时报称，AI 算力需求爆发正在把光纤行业推入涨价通道；同一天，烽火通信公告拟定增募资不超过 29.13 亿元，用于光纤智能制造等项目，领益智造则拟参与重整富通嘉善，切入光纤通信赛道。

这不是孤例。报道还点名杭电股份、永鼎股份的上半年业绩预告录得大幅增长，并强调光纤价格上行、供需缺口存在，已经推动多家企业启动光棒和光纤扩产计划。

我没法仅凭这则快讯确认整个行业缺口到底有多深，也没看到精确的吨位、纤芯公里数或 ASP 变化幅度；但只看公司动作，信号已经够强：资本开支开始追逐一个此前被低估的 AI 配套环节。

光纤价格的大幅上涨以及行业供需缺口的存在，正推动多家企业启动光棒及光纤扩产计划。

02 这事的真正含义

表面上看，这是传统通信材料景气度回升。

真正的含义不是“光纤公司赚到钱了”，而是 AI infra 的瓶颈正在从 compute 芯片外溢到 network fabric 与物理互连层。

过去两年，行业叙事几乎被 GPU、HBM、先进封装吃掉了注意力。可一旦训练集群和推理集群继续放大，问题就不只是卡够不够，还是卡与卡、机柜与机柜、园区与园区之间能否被低延迟、低损耗、可扩展地连起来。那个真正会被定价的，不只是算力本身，而是把算力组织成产品的整套链路。

这也是 aggregation theory 在 infra 层的一个版本：上层模型公司和 cloud provider 聚合需求，下层材料和器件被迫承受突发性的非线性拉动。GPU 是 headline，光纤是 hidden constraint。谁控制了供给弹性，谁就有议价权。

对 opcx.ai 这类 token 网关视角来说，这个信号尤其重要。因为 token 价格最终不是只由 model quality 决定，而是由全栈成本结构决定：GPU 折旧、网络互连、机房电力、调度效率、KV cache 命中率、batch utilization，一层都跑不掉。光纤涨价不是边角新闻，它会沿着 capex 和 opex 传导，最后映射到 API 定价、容量优先级与区域可用性。

我可能高估了光纤在总成本中的占比；但我不认为这改变方向判断。成本占比小，不等于约束力小。 在高负载系统里，最贵的常常不是最先卡住你的那一项。

03 历史类比 / 结构对照

这更像 2014 年前后的 AWS，而不是 2022 年的 ChatGPT。

ChatGPT 时刻告诉市场：需求可以一夜爆发。

AWS 时刻告诉市场：真正吃掉行业利润、决定供给边界的，往往是底层基础设施的复利式扩张能力。

今天的光纤扩产，更接近后一种。它说明 AI 已经不再只是“模型演示”阶段，而是在逼近一个更重资产的现实：当推理成为持续性工作负载后，网络、存储、电力、冷却、机房拓扑都会被重新定价。

如果一定要再找一个类比，我会想到 2007 年 iPhone 之后的移动供应链。最先被市场看见的是终端品牌，随后被重估的是触控、摄像头、基带、代工和材料。AI 也是这样：最先被追逐的是 foundation model，随后被重估的是交换机、光模块、光纤、机柜、电源和数据中心运营能力。

这才是这条新闻在说的事：AI 行业正在从“模型 scarcity”走向“系统性 capacity management”。

我没在内部跑过中国光纤厂商的产能爬坡模型，所以不能断言这就是长期超级周期。可只要扩产需要翻越“多重门槛”，这就意味着供给不是按钮式打开，而是有时滞、有摩擦、有执行风险。时滞本身就是利润窗口，也是价格维持的前提。

04 对 AI builder 意味着什么

对 AI builder，这周和这个月真正该调整的，不是去研究哪家光纤公司股票，而是重看自己对 token 成本曲线 的假设。

第一，别再把 API 降价当成自然规律。模型能力会上升，单位 token 成本长期大概率下降，但路径不会是直线。只要底层互连、机房和容量调度吃紧，短期就可能出现区域性涨价、额度收紧、queue 变长，或者高峰时段服务质量波动。你应该准备多 provider routing，而不是把单一模型当默认真理。

第二，重新评估 context window 的商业意义。长 context 不只是模型 feature，也是网络和内存系统压力。谁能把 prompt caching、batch API、prefix reuse、KV cache 做好，谁就能把“同样的智能”卖得更便宜。问题不在 benchmark，而在 delivery economics。

第三，应用层要更激进地区分“贵 token”和“便宜 token”。能异步的就异步，能离线的就离线，能小模型 first-pass 的就别直接上大模型 full-context。Routing 不只是模型选择，也是 infra 风险对冲。

第四，如果你在做 agent、code generation、search 或长链路 workflow，现在应该把 network-sensitive workload 单列出来。因为这些产品的成本不是只由单次 completion 决定，而是由多轮调用、上下文膨胀、工具往返和 tail latency 共同决定。底层互连一紧，最先受伤的往往是体验而不是账单。

我可能把 builder 的 infra 自主权说得太高了。很多团队根本没法影响上游 capex 节奏。可你至少能控制两件事：架构上保留切换空间，财务上别按最乐观的 token 单价做预算。 这就是 survival math。

05 反方观点 / 风险

反方观点也很强，而且我认为不能写软。

第一，这可能只是又一次中国制造业熟悉的“景气一来就扩产，扩产一上就过剩”。报道本身就提到市场担心“周期魔咒”重演。如果新增产能最终大于 AI 真实需求，今天的涨价很可能只是短周期尖峰，最后以价格战收场。

第二，光纤未必是最核心的 AI 瓶颈。真正卡住大规模训练和推理 economics 的，可能仍是 GPU 供给、先进封装、HBM、交换芯片和电力接入。换句话说，光纤涨价可能只是一个跟随指标，而非决定性变量。我在这点上可能误判了它的中心性。

第三，这条新闻谈的是光纤行业，不等于所有 AI infra 都同步受益。资本市场喜欢把“AI 拉动”外推到整条链，但真实世界里，不同层级的传导效率差异极大。有人拿到订单，有人只拿到情绪。

第四，builder 也别顺手得出“所以 API 必涨”的结论。上游如果竞争激烈，Anthropic、OpenAI、Google、开源托管平台和 cloud provider 依然可能主动压价，用毛利换 distribution。基础设施变贵，不自动意味着终端价格同步上涨；中间可能先发生的是利润被挤压。

所以我的最终判断不是“买光纤逻辑成立”，而是更冷一点：AI 行业的第二层瓶颈已经浮出水面，供给约束开始从芯片扩散到互连。 这对 builder 的意义，不是追热点，而是接受一个更朴素的现实：未来 12 个月，真正决定你产品毛利和 SLA 的，可能不只是模型能力，而是你有没有为上游 capacity shock 留出 switching cost 足够低的退路。