九成国产AI芯片，卡在光模块电芯片？

当分析师把2026年中国AI加速器自给率预测打到90%时，[[寒武纪]]和[[华为]]的销售团队正在国内云厂商那里收获订单；而同一栋楼的另一间会议室，光模块厂商的采购却为[[DSP]]、[[TIA]]的交付交期发愁。一边是数字算力芯片的国产替代高歌猛进，一边是高速互联电芯片的新瓶颈浮出水面。AI硬件的国产化，正在从“大芯片”卷到“小芯片”。

一、90%自给率：寒武纪与华为昇腾的算力替代时刻

一位长期跟踪中国云厂商资本开支的分析师私下说，2026年国内AI加速器九成本土供应已不是激进预测。这个判断背后，是分析师对中国本土AI加速器供应商将供应国内市场的90%的预测，[[寒武纪]]与[[华为]]被认为是最大赢家，[[英伟达]]与[[AMD]]的市场份额会被大幅压缩。

90%是怎么来的？

其实，90%不仅是技术追赶的结果，更多是“供应链安全”压倒“峰值性能”的选择。国内云厂商、电信运营商和智算中心在招标中已经将“国产算力可用性”置于关键位置。比如华为[[昇腾]]系列凭借生态适配和集群能力，正在成为政府与金融客户的可选项；[[寒武纪]]则在互联网推理侧加快落地。多位接近[[寒武纪]]的人士透露，今年针对大模型推理优化的产品需求明显大于训练，这正好避开了最难啃的训练集群互联。

替代的不是性能，是可用性

要注意，90%自给率并不等于性能全面追平。多数国内客户接受的是“可用算力密度”而非“最高算力”。一位云厂商基础设施负责人私下说，现在能连续拿到货、软件栈能跑通主流大模型，比纸面TFLOPS更重要。这句话点明了产业逻辑：在美国限制先进工艺和EDA的背景下，本土AI加速器通过成熟工艺、Chiplet封装和软件优化，先解决“有无”，再解决“好坏”。

二、1.6T爬坡，三颗小芯片浮出水面

财报季把这个此前安静的角落推到了聚光灯下。[[AAOI]]在最新财报电话会上明确提到，800G和1.6T光模块所需的[[DSP]]、[[TIA]]是当前主要运营挑战之一，公司正持续与关键供应商协调供货。与此同时，[[MACOM]]确认200G/lane产品成为数据中心业务增长的重要动力。话不多，却直接点出了供应链的新卡点。

三颗芯片，一条链路

一只高速光模块，本质上是完成电信号到光、光再到电的转换。[[DSP]]、[[Driver]]、[[TIA]]分别处在这条链路的关键位置。简单说：[[DSP]]管“算”，负责均衡、纠错、重定时；[[Driver]]管“推”，把前级电信号推到足以驱动[[EML]]或硅光调制器的幅度；[[TIA]]管“收”，把光电探测器产生的极微弱电流转换并放大成后级能处理的电压信号。之前大家更关注激光器供给，但800G放量、1.6T爬坡后，这三颗电芯片开始“抢镜”。

从配套到约束

[[AAOI]]的点名之所以重要，是因为[[TIA]]已经从一个技术上不可或缺的配套芯片，变成了可能影响高速模块交付节奏的现实瓶颈。背后的推动力正是[[800G]]向[[1.6T]]切换带来的速率跃迁。单通道从100G/lane走向200G/lane，信号裕量被急剧压缩，对DSP的均衡能力、Driver的输出线性度、TIA的噪声性能要求都上了一个台阶。老供应链的弹性开始不足。

三、电-光-电链路里的“模拟暗角”：DSP、Driver、TIA的卡位

一位做光模块系统设计的朋友说，1.6T项目里选型DSP就像开盲盒，供不上时只能被动等待。这句话形象地道出了高速电芯片的供应不确定性。

DSP：数字技术栈，却高度集中

[[DSP]]属于数字技术栈，负责均衡、纠错、重定时等信号整理。理论上它应该受益于数字设计方法，但高速SerDes IP和先进工艺的捆绑，使真正能提供[[800G]]/[[1.6T]]单波200G/lane DSP的供应商屈指可数。更麻烦的是，[[LPO]]/[[NPO]]架构开始削弱模块内DSP的功能，部分线性均衡任务被推到DSP之外的模拟前端，这虽然降低了模块功耗和成本，却也打乱了原有分工。

Driver与TIA：高速模拟前端的“苦力”

[[Driver]]像功率放大器，需要在高频下提供足够的电压摆幅，同时保持线性度；[[TIA]]则要在极低噪声下放大微弱电流。这两颗芯片共同构成光模块最关键的高速模拟前端。在800G向1.6T升级时，它们的带宽、增益、噪声指标几乎被推到当前工艺极限。[[AAOI]]把TIA列为交付约束，说明模拟芯片的产能爬坡和良率提升远慢于数字芯片。[[MACOM]]确认200G/lane产品增长，也意味着这类模拟产品的订单正在从“小批量定制”走向“高价值放量”。

产业逻辑

当量增、规格升级、架构重构与供应趋紧同时发生，电芯片在光模块BOM中的价值占比正在上升。过去它们是“三颗不起眼的小芯片”，现在却可能决定着一台AI服务器能否按时点亮800G互联。

四、数字狂飙与模拟补课：两条国产替代线的分岔

把素材一和素材二放在一起，会看到一个清晰的产业景象：中国在数字算力芯片上大步追赶，但在高速电芯片上仍处于“补课”阶段。

为什么数字芯片更容易“换道”？

AI加速器是典型的大规模数字SoC，设计方法学成熟，有大量的IP、EDA工具和代工工艺可以复用。加上中国有超大市场迭代、云厂商愿意与本土设计公司联合调优，所以[[寒武纪]]、[[华为]]能在相对短的时间内把产品从“能用”做到“好用”。90%自给率预测正是这种工程化能力的体现。

高速模拟是一片“暗礁区”

[[DSP]]虽然是数字技术栈，但高速接口的模拟前端极其依赖工艺PDK的精度和版图寄生参数；[[Driver]]和[[TIA]]更是纯粹的模拟设计，需要设计师对器件失配、噪声、非线性有长期经验积累。这类芯片往往多品种、小批量，且对可靠性要求极高，很难靠堆钱和堆人快速突破。多位接近国内光模块大厂的人士透露，在1.6T项目里，即使激光器供应缓解，电芯片的验证周期和交期仍可能成为关键路径。

分岔意味着节奏差

数字芯片的国产替代是“短跑”，政策资金和客户订单可以快速催化；模拟电芯片是“长跑”，需要一条更慢但更扎实的爬坡曲线。这个节奏差，很可能在未来12-18个月内成为AI硬件国产化的主要矛盾。

五、光模块电芯片会不会成为AI硬件下一轮重估？

一位二级市场半导体基金经理私下说，现在研究AI硬件，如果只盯着GPU的晶体管数量，不看光模块里的三颗小芯片，可能会错过下一轮重估。

从“小配角”到“价值高地”

当[[AAOI]]、[[MACOM]]的财报同时指向电芯片供不应求，市场开始重新评估这类器件的产业地位。过去光模块的成本大头是光器件，现在电芯片的稀缺性正在改变价值分配。对于有能力提供200G/lane DSP或高线性Driver/TIA的公司，不仅可能迎来量价齐升，还可能获得类似“卡脖子”环节的估值溢价。

国产替代的时间窗口

中国政府和企业已经意识到高速电芯片的战略价值。一旦国内厂商在200G/lane模拟前端或线性驱动上通过头部光模块厂验证，就有机会借助中国光模块产能优势快速放量。不过，这需要跨过从“样品”到“批量”的可靠性门槛。不少接近国内头部光模块厂商的人士透露，他们对国产电芯片的态度从“不敢用”转向“可以测”，这已经是一个积极信号。

前瞻判断

AI硬件下一轮重估可能不在主芯片，而在这些“不起眼”的模拟/混合信号芯片。谁能补上高速电芯片的短板，谁就掌握了AI数据中心全链路自主可控的最后一块拼图。

2026年中国AI加速器九成自给率，标志着数字算力芯片的国产替代进入兑现期。但1.6T光模块被DSP、TIA、Driver卡住交付，说明AI硬件的国产化还远未完成。数字狂飙与模拟补课，是两套完全不同的游戏。未来，高速电芯片的验证速度可能比GPU跑分更能决定中国AI方案的真实成色。