光纤、CPO……AI基建成本暴涨，“算力难民”咋办？

过去两年，AI行业最吸引眼球的，是模型参数、推理能力和应用爆款；但到了2025年至2026年，真正决定竞争门槛的东西，已经不再只是模型本身，也不再只是受限于高端GPU，而是更多的硬件基础：包括且不限于光纤、CPO、光模块、光芯片、服务器、电力、液冷、存储……以及越来越难以回避的合规与地缘成本。
可以看到，AI的成本上涨，已经不是单点涨价，而是一条完整的“物理通胀链”。 AI行业最初以“软件革命”的姿态进入大众视野，但走到今天，它越来越像一个典型的重工业体系：AI行业正从“模型竞赛”快速滑向“资本竞赛”和“供应链竞赛”。

多项AI基建成本暴涨

Alphabet在2025年三季度上调全年资本开支预期，并在2026年初进一步给出更高的CapEx指引；Meta也连续上调资本开支区间；亚马逊CEO Andy Jassy则明确表示，公司并不是“凭感觉”去投，背后已经有大量客户承诺支撑。头部平台的动作说明，AI基建成本上升已不是个别企业的特殊现象，而是全行业共同面对的现实。
如果把OpenAI推动的Stargate项目（星际之门）放进来，这个趋势会更明显。OpenAI在2025年1月宣布未来四年在美国投资5000亿美元建设AI基础设施，并先行部署1000亿美元；到2025年9月，又披露项目已推进到近7吉瓦规划容量、未来三年超过4000亿美元投资的规模。这说明，AI基础设施建设已经从云计算时代的“持续扩容”，升级为更接近能源、交通和工业工程级别的超大规模建设。
微软在2026财年第一季度电话会上披露的资本开支中，约一半用于GPU、CPU等短生命周期资产，另一半则投向大型数据中心站点等长生命周期资产；微软年报还提到，Azure区域已经具备AI优先和液冷支持能力。

NVIDIA B200方案 vs 华为昇腾950PR方案 算力成本对比表，来源：与非研究院整理

目前AI服务器占比最高的成本仍然是GPU或AI算力芯片，以单卡算力为例，与NVIDIA B200方案相比，国产芯片华为昇腾950PR方案的优势并不只在采购或租赁价格本身，更体现在功耗、电力成本、维护难度和总拥有成本上。据了解，B200方案单机功耗约1000W，而昇腾950PR约为650W至750W，意味着后者在长期运行中的电力支出更低；再结合两年电力成本和单卡年化TCO测算，国产方案整体总成本低约35%。国际方案包含较高的合规与地缘溢价，而国产方案虽然也会受到上游材料涨价影响，但可以避开30%至50%的非法定溢价。与此同时，B200方案维护成本高，依赖非官方渠道备件；而国产方案则更容易获得本地化服务保障。换句话说，在当前环境下，国际高端算力的高成本，并不只是因为芯片先进，更因为它承载了额外的供应链风险和后续维护风险。对于希望长期运营AI业务的企业而言，这种不确定性本身也是成本。

截至2026年4月初，国产G.652.D单模光纤价格从年初的18元/公里飙升至85—120元/公里，涨幅高达400%—650%；光纤连接器、适配器、配线箱等配套硬件价格普遍上涨约30%。更重要的是，光纤预制棒产能扩张周期长，市场甚至出现“半日报价制”，供应商只能保证极短时间内的价格有效。对需要大规模集群互联的AI数据中心来说，这意味着过去看似配套性的光连接环节，正在变成成本上涨最快、波动最直接的基建项目之一。

芯片制造最底层的原材料也在承压：镓价格上涨约32%，钨价格较2024年低点暴涨500%，部分高纯铝、铜、钛靶材在过去72小时内提价60%—70%，现货氦气价格也激增70%—100%。与此同时，以TI、ADI为代表的模拟与功率芯片厂商开启新一轮涨价周期，部分产品涨幅达到15%—85%，NXP、英飞凌的部分电源转换和MCU芯片也同步上调。由于AI服务器内部需要极其复杂的PMIC和电源管理系统，这些过去容易被忽视的“周边芯片”涨价，正在直接抬高单台服务器的BOM成本。

除此之外，散热和电力也不再只是后台配套。液冷系统目前已占AI基建总成本的5%—8%，订单已排至2026年下半年；而在部分电价较高区域，电力运营成本甚至已占到AI数据中心全生命周期TCO的60%以上。随着“算电协同”被提升到更高层级，AI基建竞争已经从“算力比拼”转向“电力系统综合实力较量”。这意味着，未来决定AI项目能否落地的，不只是有没有GPU，还包括有没有足够便宜、稳定、持续的电力与散热体系。

最后一项更容易被低估的是合规与地缘政治带来的“隐形成本”。日前美国推出MATCH法案对半导体设备售后维护的潜在冲击，意味着国内代工厂可能要为二手设备逆向工程、零部件自主翻新和非美化产线维护投入额外成本。与此同时，随着国产AI芯片进入量产期，测试环节的MEMS探针卡等核心耗材需求爆发，也在推高测试成本。

AI基建物理成本上涨汇总表，来源：与非研究院整理

从上表可以看出，国产算力与海外算力的挂牌价格已经形成明显分层。在同一平台体系下，海外高端算力的租赁成本普遍显著高于国产方案。这种差距并不只是芯片性能或品牌溢价带来的结果，更包含了合规、维护、供给紧张和地缘因素所带来的额外成本。对企业尤其是预算有限的中小企业来说，这意味着训练和推理方案的选择，已经不只是技术路线问题，更是财务模型问题。

为什么光纤、CPO……成为价格上涨焦点？

过去市场谈AI，关注的是GPU、HBM和大模型；但资料显示，超大规模AI集群对低时延、高带宽的要求，正在把“互联能力”推到和“算力能力”同等重要的位置。没有高速互联，GPU再多也难以高效组网；没有稳定的光模块和光器件供给，CPO和大规模集群扩容也很难真正落地。也就是说，AI行业的价值链，正在从芯片端向网络互联端外溢。

A股上市公司中最直接映射这一逻辑的，是光纤光缆企业。长飞光纤被定义为全球领先的光纤预制棒、光纤和光缆供应商，拥有“棒—纤—缆”一体化完整产业链。长飞光纤是本轮价格上涨周期的重要受益者之一，其优势不仅在于常规光纤的龙头地位，更在于特种光纤布局能够服务于CPO高速互联等新兴高端市场；在预制棒供给紧张背景下，一体化能力也让其具备更强的成本控制和市场话语权。

亨通光电则是另一家典型代表。该公司业务涵盖光通信、电力传输、海洋能源等多个领域，在光通信领域同样具备“棒—纤—缆”一体化能力。中天科技在特种光纤领域具备优势，能够服务于CPO高速互联等高端场景，2025年前三季度实现归母净利润23.38亿元，同比增长21.4%；烽火通信则覆盖光纤光缆、光传输设备和数据中心，具备从器件到系统的垂直整合能力。前者更偏向高性能光纤需求升级，后者则更受益于“网络建设+设备升级”的双重拉动。

如果说光纤光缆企业是互联底座的受益者，那么光模块和CPO企业，就是AI算力扩张中更直接的“卖铲人”。这类企业是AI算力需求最直接、最核心的受益者。
中际旭创是全球数据中心光模块市场的绝对龙头，尤其在高速光模块领域占据领先市场份额。公司产品覆盖全球主流云厂商和互联网巨头，并积极布局CPO及硅光技术。中际旭创直接受益于AIGC驱动的800G光模块需求爆发，光纤成本上涨对其有一定影响，但远不及高速模块销售带来的利润增量。换句话说，当AI训练集群越做越大，高速互联需求越强，中际旭创这类企业的产业位置就会越重要。

新易盛是少数能够批量交付100G、400G及更高速率光模块的厂商之一。其核心优势在于高速率光器件芯片封装和光器件封装能力，并已深入布局CPO技术。凭借快速技术迭代和灵活市场策略，该公司正在全球云厂商客户中不断提升份额。天孚通信是光器件领域的平台型龙头，核心产品包括高密度连接器、光纤阵列、AOC有源光缆以及面向CPO的光引擎等。华工科技在光模块及CPO领域处于国内领先地位，在光芯片、光模块等领域均有布局，具备一定的垂直整合能力。其优势在于研发底蕴以及激光、传感器等领域的协同能力，未来能否在800G及以上速率的超高速光模块市场取得关键突破，将是其光通信业务增长的重要看点。

相比光模块企业的高关注度，更上游的光芯片与光器件企业的技术突破是整个行业升级的基础。随着800G乃至1.6T时代临近，真正决定行业高度的，已经不只是模块交付能力，还包括更上游的芯片和器件能力。
源杰科技是国内领先的光芯片供应商，专注于高速半导体激光器芯片的研发、设计和销售。源杰科技的突破在于实现了高速率光芯片国产化，尤其是在数据中心市场，其高速DFB激光器芯片是满足800G光模块需求的关键元器件。光库科技在光通讯领域提供隔离器、耦合器、波分复用器等多种无源器件，并向光引擎、光连接器等领域拓展。其产品是构成光模块和CPO方案的重要基础元件。

AI基建硬件A股上市公司整理，来源：与非研究院整理

成本暴涨之后， “算力难民”怎么办？

这轮物理成本上涨，对中小企业意味着什么？笔者认为，物理成本的飙升不会杀掉中小企业的AI梦，但会杀掉它们的“算力粗放型增长”。
中小企业的未来将会分成两类：一类是“算力难民”，缺乏行业壁垒，只能靠烧算力训练通用模型，最终被高昂的算力成本和供应不确定性挤出市场；
另一类则可能成为“应用先锋”，通过小模型、微调、本地部署、RAG和边缘AI硬件，尽量绕开昂贵的云端算力和带宽成本。
在欧美更多依赖市场定价的逻辑下，中国正在试图通过政策和平台机制，为中小企业构建“成本缓冲带”。比如北京、上海等地推出的算力券可覆盖相当比例的模型租赁成本，而算力超市和算力银行则让企业有机会以更灵活、更低廉的价格获取非实时训练资源。这未必能改变AI基础设施整体变重、变贵的长期趋势，但至少能延缓一部分中小企业被“物理成本”直接淘汰的速度。

五大算力超市实时挂牌单价对比表（2026年4月10日），来源：与非研究院整理

同样是国产算力，不同区域之间的价格也出现了明显差异。贵阳大数据交易所的国产算力价格最低，北京、上海、深圳则相对更高，这背后反映的其实就是“算随电走”的现实逻辑。算力价格不再只由芯片决定，而越来越受电力成本、区域政策、基础设施成熟度以及资源调度能力影响。贵阳之所以具备更强性价比，关键就在于其受物理成本波动影响较小，更适合非实时性的大规模预训练。
总的来看，AI基建成本暴涨，给周边配套硬件供应商带来了更多机会，但是对于中小初创企业可能不太友好。综合目前的实时算力价格，如果您是进行垂直行业小模型微调，首选北京智源或上海算力平台，配合当地算力券，实付成本可压低至 ¥1.5/卡/小时 以下；如果是算力消耗型预训练，可以选择将数据脱敏后，优先挂载至贵阳或宁夏算力池。同一规格的昇腾 950 卡，贵阳的价格比北京/深圳低 30% 以上。