---
title: "【Mizuho科技大会lite 管理层发言摘录】 今天的瑞穗科技大会，Lumentum管理层演讲释放了几个消息，值得lite投资者关注。 首次比较系统地描绘了未"
topic_id: 14422458445141252
created_at: 2026-06-10T09:12:03.249+0800
source: zsxq
type: topic
cssclasses: zsxq-vault
---

# 【Mizuho科技大会lite 管理层发言摘录】 今天的瑞穗科技大会，Lumentum管理层演讲释放了几个消息，值得lite投资者关注。 首次比较系统地描绘了未

- 序号：299
- 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/14422458445141252)
- 附件：图片 0，音频 0，文档 0
- 音频文件：_无音频_

## 图片

_无图片_

## 正文

【Mizuho科技大会lite 管理层发言摘录】
今天的瑞穗科技大会，Lumentum管理层演讲释放了几个消息，值得lite投资者关注。

首次比较系统地描绘了未来3-5年的AI光通信路线图。从投资角度看，这场交流非常重要，因为很多市场争论的问题——CPO、NPO、OCS、Scale-Up光互连、产能瓶颈、竞争格局——管理层都直接回应了。

Michael Hurlston最核心的观点是：AI超级周期本质上也是光通信超级周期，而且目前市场看到的增长只是开始。他表示公司历史最高季度收入曾经只有5亿美元，而现在单季度即将突破10亿美元，但未来最大的增长引擎实际上还没有真正贡献收入。

首先是Scale-Out（集群之间互联）。目前Lumentum最赚钱的业务仍然是EML激光器。随着800G向1.6T升级，每通道从100G升级到200G，EML ASP大约翻倍。同时公司向NVIDIA供应CPO外置激光器（ELS），预计今年四季度单季就能新增5000万至1亿美元收入。

其次是Scale-Up（集群内部互联）。这是管理层最兴奋的方向。Michael明确表示，Scale-Up市场规模远大于Scale-Out，未来GPU机柜内部和机柜之间的连接将逐步由铜缆转向光学连接。原因很简单：200G SerDes时代铜缆已经接近物理极限。公司预计2027年下半年开始出货Scale-Up光产品，2028年正式放量。这与用户此前记录的Lumentum长期框架基本一致。

一个新的重点是NPO（Near-Packaged Optics）。管理层透露，过去两个月客户兴趣明显从CPO转向NPO。NPO把光引擎放在芯片封装附近，而不是直接封装在芯片旁边，技术难度低于CPO，但同样能解决高速铜互连问题。Michael甚至认为NPO市场规模可能比CPO还大，因为许多ASIC厂商为了挑战NVIDIA，会更加激进地采用光学背板架构。

第三个重要方向是OCS（Optical Circuit Switch）。管理层认为OCS未来可能成为公司最大的机会之一。除了Google已经采用的Spine层交换之外，现在开始出现“每个机柜一个OCS”的新架构。原因是推理集群需要动态调度GPU资源，避免GPU故障或负载不均导致推理任务失败。管理层将OCS市场规模从之前的40亿美元上调至接近100亿美元。

在竞争壁垒方面，Michael反复强调Lumentum最大的护城河是InP激光器制造能力。他认为激光器不像逻辑芯片那样设计和制造可以分离，工艺和设计高度绑定，因此很难复制。特别是在高功率激光器和EML领域，公司拥有明显性能和良率优势。

供应链方面也透露出一个重要信号。目前公司EML供给仍然落后需求30%以上。即使新增Greensboro六英寸晶圆厂，公司仍然预计未来供给跟不上需求。这说明整个光通信行业仍处于严重供

## 总体总结

主题正文
1. 今天的瑞穗科技大会，Lumentum管理层演讲释放了几个消息，值得lite投资者关注。
2. 从投资角度看，这场交流非常重要，因为很多市场争论的问题——CPO、NPO、OCS、Scale-Up光互连、产能瓶颈、竞争格局——管理层都直接回应了。
3. Michael Hurlston最核心的观点是：AI超级周期本质上也是光通信超级周期，而且目前市场看到的增长只是开始。
4. 他表示公司历史最高季度收入曾经只有5亿美元，而现在单季度即将突破10亿美元，但未来最大的增长引擎实际上还没有真正贡献收入。
5. 同时公司向NVIDIA供应CPO外置激光器（ELS），预计今年四季度单季就能新增5000万至1亿美元收入。
6. 原因很简单：200G SerDes时代铜缆已经接近物理极限。
7. 公司预计2027年下半年开始出货Scale-Up光产品，2028年正式放量。
8. 原因是推理集群需要动态调度GPU资源，避免GPU故障或负载不均导致推理任务失败。
