AI产业正在同时经历模型效率、算力容量与光模块供应链三条主线的重新定价。谷歌Gemini暴露出的Token效率问题，说明模型能力不能脱离单位推理成本讨论；Meta兼容DDR4/DDR5和限制供应商集中度，则说明客户会通过架构创新与多供应商采购对冲上游涨价；剑桥进入Meta供应链，则提供了一个从认证、招标到实际订单兑现的完整产业样本。
核心观察
- Gemini 3.5延期的核心不只是产品打磨，而是模型性能、Token效率和算力承载能力仍需修正。
- Meta兼容DDR4/DDR5表明，内存和硬件涨价正在倒逼系统架构创新，上游不存在无限定价权。
- 剑桥取得Meta IFQ认证并获得真实800G订单，但供应商资格、理论产能和实际出货必须严格区分。
- 70mW向100mW CW光源切换，是1.6T周期中的结构性供给约束，扩产与认证均需要时间。
- Meta采用多供应商招标，旭创约三成份额已接近较高水平，其他厂商需要通过价格、技术和海外产能逐季竞争。
01｜Meta兼容DDR4/DDR5：存储涨价正在倒逼架构创新
Meta正在研发一款配套PCIe接口的新芯片，目标不是单纯提升算力，而是让数据中心能够兼容混用DDR4与DDR5内存。这个动作反映出一个异常鲜明的产业信号：当新一代内存价格、供给和迁移成本上升到一定程度，客户不会无限接受涨价，而会从系统架构端寻找替代方案。即便消费级电脑已经快速转向DDR5，数据中心仍需要保留DDR4资产并延长使用周期，说明存量基础设施的折旧压力和内存供给约束正在变得更强。
这类兼容方案的经济逻辑大于技术噱头。上游涨价短期可以改善利润，但也会倒逼客户通过内存池化、拓扑优化、异构混用和软件调度降低单位算力成本。一旦替代方案成熟，受影响的不只是当期出货量，而是相关产品的长期估值中枢。因此，供应链定价权必须建立在客户仍愿意为供给确定性付费的基础上，而不是把短缺简单理解为可以无限提价。
同样的逻辑也适用于光模块与AI硬件。旭创当前更重视毛利率和客户关系，而不是继续激进提升市场份额，本质上是在避免一家独大后触发下游的替代冲动。对已经拥有较高份额的龙头而言，维持份额稳定、改善产品结构和毛利，往往比追求绝对出货量更有利。
02｜Gemini 3.5 Pro延期：表面是打磨产品，底层是性能未达标
谷歌原计划在6月发布Gemini 3.5 Pro，随后推迟到7月，市场又出现7月17日的时间预期。官方解释是利用额外窗口收集测试反馈、优化体验，并通过Antigravity等渠道征集意见。单看官方表述，这只是一次常规延期；但结合Flash版本的实际反馈，更合理的判断是模型性能、推理效率和稳定性尚未达到正式上线要求。
Gemini新一代模型重点补强长文本处理和智能体驱动能力，而这恰恰是谷歌相对Anthropic与OpenAI的薄弱环节。多模态能力虽然突出，但当前高价值应用更关注代码生成、复杂上下文、工具调用和长链路任务。谷歌如果不能在这些核心场景里缩小差距，即使继续强化多模态，也很难转化为开发者和企业客户的实际黏性。
延期本身并不等于战略失败，但它说明模型研发节奏已经落后于原有规划。尤其在竞争快速收敛到少数头部模型的阶段，发布时间推迟会影响开发者迁移、API调用和生态合作。模型厂商的竞争已经不只是参数规模，而是单位成本、稳定性、工具调用和长期运行效率的综合竞争。
03｜Flash的Token膨胀：轻量模型为何反而变得更昂贵
Gemini 3.5 Flash定位是快速、低成本的轻量模型，但实际使用中却暴露出Token消耗过快的问题。核心原因不是用户提示词突然变长，而是模型内部默认触发了更多分步推理、工具调用和中间过程。为了补强复杂任务能力，Flash版本叠加了原本更适合Pro版本的深度推理机制，导致轻量模型在后台执行了大量用户看不到的计算。
这是一种典型的“用成本换性能”。同一个代码生成任务，优秀模型可能用约1万Token完成，而谷歌模型可能需要数倍的中间推理内容。表面输出差异不大，但后台算力、显存占用和延迟显著增加。对于消费级搜索和免费入口，这部分成本主要由平台承担，无法完全向用户转嫁，因此会直接侵蚀模型服务的经济性。
此前站内对智能体成本压力的分析已经指出，Agent工作负载会显著放大Token调用量，包月或低价模式很容易被重度任务击穿。Gemini Flash的问题进一步说明，决定模型竞争力的不只是输出质量，还包括完成同一任务所需的总计算量。相关逻辑可结合《AI模型定价重构与NPO产业链升温》一起理解。
04｜谷歌限制Meta调用：内部打磨、外部商用与生态合作三重挤压
谷歌开始限制Meta对Gemini的使用，直接原因是Meta的调用规模超出谷歌现有算力承载能力。对Meta而言，这会打乱多个AI项目的训练与验证节奏；对谷歌而言，则说明其算力资源正在同时承受内部模型迭代、外部客户调用以及与苹果等生态伙伴合作的多重压力。
如果模型本身的Token效率偏低，同样的业务请求就会占用更多GPU时间和网络资源，算力紧张会被进一步放大。谷歌既要打磨新模型，又要维持Gemini商业服务，还要支持大型生态合作，任何一端的超额需求都可能挤占其他项目。这种情况下，限制Meta不是简单的客户管理，而是一次算力容量重新分配。
从产业链角度看，算力挤兑并不意味着AI需求减弱，反而说明真实负载正在增长。但如果模型效率长期没有改善，云厂商会更强调单位Token成本、推理效率和自研芯片适配。硬件需求仍然存在，只是采购决策会更加关注完整系统的成本，而不再只追求峰值算力。
05｜谷歌AI团队重组：从临时突击队转向长期组织
谷歌正在调整AI突击小组，将原本偏短期项目制的组织转化为更长期的架构，并拓展团队在模型训练、产品落地和业务协同方面的职责。这个动作说明谷歌已经意识到，当前问题并非某一个功能缺失，而是基础模型、训练方法、产品定位和组织协作需要同时修正。
谷歌试图追赶Anthropic在高利润AI应用和开发者工具中的优势。Anthropic的领先并非只来自单次模型发布，而是来自逻辑推理、代码场景、工具调用和产品化的持续迭代。谷歌如果继续通过给现有模型叠加功能补丁来追赶，容易形成架构冗余和Token膨胀；真正有效的改善需要从训练方法和底层模型能力入手。
此外，核心人才流失对AI公司影响明显。模型研发高度依赖少数关键团队，组织调整与人才变化叠加，短期内可能继续拖慢发布节奏。谷歌具备算力、数据和分发优势，但这些资源并不能自动转化为最优模型体验，研发组织效率仍是决定竞争力的关键变量。
06｜剑桥切入Meta供应链：从技术对接到IFQ认证的完整路径
剑桥与Meta的合作始于2025年上半年技术对接，2025年下半年进入送样和客户验证，2026年一季度完成品质、管理、供应链、产能和合规等多维度审核。800G光模块灰度测试同步推进，覆盖信号完整性、功耗、可靠性和兼容性等核心指标。2026年4月取得IFQ认证，标志着其正式进入Meta供应体系。
这个时间线说明，进入头部云厂商供应链并不是拿到样品认可就等于规模出货。技术验证、工厂审核、产能证明、海外生产合规和招标竞争是连续门槛，任何一项未达标都会影响订单兑现。剑桥能够完成认证，说明公司产品和海外制造能力已经得到客户认可，这是实质性进展。
但供应商资格与订单份额必须分开看。取得认证后，剑桥仍需要参与季度或不定期招标，没有长期保底份额。行业经常把“进入供应链”直接等同于“百万只订单”，忽略后续价格、产能、物料和竞争对手等变量，这也是资本市场预期容易显著高于产业实际的原因。
07｜Meta招标的硬门槛：海外产地、月产能和多路线能力
Meta对光模块供应商的要求十分明确。第一，生产地需要排除中国大陆，以满足供应链安全和合规要求；第二，月产能必须稳定达到约10万只量级，只有具备持续交付能力的厂商才能进入核心招标池；第三，供应商需要具备硅光、LPO、EML乃至未来NPO等多条技术路线的配套能力。
这些条件不是简单相加，而是相互制约。海外工厂有设备并不代表能够满产，人员、良率、物料和客户审核都会影响实际出货；拥有某项技术样品，也不代表具备稳定量产能力。Meta采用“五选三”或类似多供应商筛选机制，通过价格与交付能力动态分配订单，后排供应商必须在每轮招标中重新竞争。
Meta对价格尤其敏感。800G通用光模块虽然订单规模大，但供应商毛利率通常低于深度定制的JDM项目。对厂商而言，进入Meta供应链的意义在于扩大客户结构和验证技术能力，但并不意味着自动获得高利润。真正需要跟踪的是每季度订单、实际交付和净利润，而不是理论产能。
08｜10万只订单如何理解：真实突破，但不能直接外推百万只
2026年二季度，剑桥陆续获得超过10万只通用800G光模块订单，这证明其供应链资格已经转化为真实业务。该进展对公司经营是明确利好，因为从样品验证走向批量订单，意味着客户认可度和产线稳定性迈过了关键门槛。
但10万只只是当前订单，不是全年最终数量。三季度可能继续获得意向订单，四季度招标结果仍不确定。乐观情景下，全年Meta相关意向量可能达到几十万只，但实际确认收入还受生产、运输、验收和客户拉货节奏影响，部分订单可能顺延到2027年。
此前市场普遍给出百万只甚至更高预期，忽略了多个概率相乘的约束：海外产能能否持续爬坡、核心芯片能否稳定供给、价格是否有竞争力、客户需求是否调整、产品良率是否达标。产业端的合理方法是逐季验证，而不是从一张供应商资格证直接推导远期满产收入。
09｜理论产能不等于实际出货：马来西亚工厂的上限与约束
剑桥马来西亚工厂按设备额定能力测算，满产状态下可承接每年100万至120万只Meta光模块产能，这一口径不包含思科相关订单。该数据可以作为产能上限参考，也符合Meta对供应商月产能的硬性要求。
但理论产能默认订单、人力、物料和良率全部充分，现实中很难长期满负荷运行。海外工厂需要经历员工培训、供应链协同、设备维护和产品切换，任何一个环节都会形成损耗。特别是800G与1.6T产品迭代期间，产线调试和物料切换会进一步降低有效产出。
因此，判断剑桥业绩不能简单用“100万只产能×单价”计算。更可靠的指标是季度实际出货、产能利用率、产品结构和毛利率。理论产能解决的是客户准入问题，实际交付能力才决定收入兑现。
10｜思科JDM与Meta招标：两种商业模式决定不同利润结构
剑桥与思科采用JDM定制合作，成本较高的硅光光源和DSP芯片由客户提供，因此不进入剑桥的采购成本。这种客供料模式可以降低营运资金占用，也会改变毛利率分母，使表面毛利率高于需要自主采购核心芯片的通用光模块厂商。
Meta业务则采用招标分单，供应商需要自行面对价格竞争。通用800G硅光模块价格通常低于EML或LPO定制方案，Meta订单的毛利空间也低于思科定制项目。此前市场把样品阶段约40%的毛利率直接外推到大批量阶段，忽略了产品放量后价格回落和会计口径差异，因此容易高估盈利水平。
JDM与招标模式没有绝对优劣。思科业务利润率相对稳定，但客户集中度高，且其在AI后端网络的份额存在不确定性；Meta业务订单潜力更大，但价格和份额波动更明显。剑桥未来经营质量取决于两类客户能否形成平衡。
11｜小公司为何更灵活：供应链协调优势只适用于有限订单规模
在部分非核心物料上，中小厂商确实可能比头部公司更灵活。大型光模块厂商订单规模巨大，涉及几十种物料，采购调整必须与全年产能、客户承诺和供应商体系同步，任何替换都可能触发认证和交付风险。小厂订单体量小，更容易通过行业关系协调少量现货或替代料。
但这种灵活度有严格边界。DSP、EML、硅光芯片和高功率CW光源属于核心物料，真实产能缺口无法靠人脉解决。小厂可以更容易补齐几万只订单所需的零散物料，却无法在上百万只规模下绕开行业总供给约束。
因此，“剑桥供应链比新易盛灵活”只能在小订单和部分非核心物料场景下成立，不能理解为整体供应链能力更强。头部厂商的优势仍然是长期协议、研发协同和优先产能，小厂的优势是小批量调度速度，两者对应不同的经营阶段。
12｜CW光源切换：70mW向100mW迁移制造新的结构性紧张
当前CW光源供给紧张，核心原因是光模块从800G向1.6T升级，主流需求由70mW向100mW迁移。新规格不仅需要扩充MOCVD和后端产能，还要重新完成工艺调试、良率爬坡和客户认证，因此旧产能无法立即等比例转化为新产能。
如果1.6T需求快速放量，100mW光源的需求会显著增加。索尔思、源杰以及永鼎旗下鼎芯等企业都在扩大CW光源投入，但设备交付、工艺成熟度和客户验证需要时间。短期供给缺口更多是规格切换与产能爬坡造成，而不是原材料绝对不足。
这一变化与此前对1.6T光模块和EML瓶颈的跟踪一致。相关供需逻辑可参考《1.6T光模块进入验证深水区》和《AI光模块需求爆发，上游旋光片与EML为何成了新瓶颈？》。
13｜镭芯与磷化铟协议：预付款锁定的是备料，不是排他供应
同美与镭芯签署约2500万美元的磷化铟相关供应协议，并设置50%不可撤销预付款条款。更合理的理解是，镭芯需要提前3至6个月锁定衬底、外延和生产资源，以降低全球磷化铟供应集中带来的不确定性，而不是把全部产能排他性留给某一个客户。
剑桥与镭芯存在投资和业务关系，这会增强双方沟通和产能协调，但股权关系并不等于独家供应。镭芯的CW光源还需要服务其他光模块客户，产能分配必须遵循商业回报和长期客户结构。把供应协议直接解读为“全部产能归剑桥”，会严重高估订单确定性。
类似情况在光芯片行业非常常见。客户通过预付款、设备投资和长期协议获取优先供应，但供应商通常仍会保留多元客户，避免单一客户依赖。投资关系带来的是软性倾斜和协同效率，而不是绝对排他。
14｜思科PIC故障后的单芯片方案：设计切换比临时补救更重要
思科PIC芯片曾出现影响光信号传输的故障，企业通过短期验证和应急方案保证当月交付。真正有长期意义的变化，是800G硅光模块从双芯片耦合逐步切换为单芯片方案，以减少耦合环节、降低复杂度并提升可靠性。
双芯片方案增加对准、封装和信号链路的不确定性，任何一颗芯片或耦合界面出现问题都会影响整机。单芯片方案如果能够覆盖原有功能，可以减少BOM和装配步骤，并降低长期故障率。但方案切换仍需要重新验证光学性能、热管理和量产一致性。
思科通过Acacia自研硅光芯片并交由代工生产，剑桥负责模块层面的JDM制造。这种分工使剑桥不承担核心芯片研发成本，但也意味着产品节奏高度依赖客户芯片方案。芯片问题解决后，模块出货才能恢复稳定。
15｜Meta供应商份额：旭创约三成，多元化采购限制单一厂商上限
旭创凭借产能、技术路线和客户协同能力，在Meta光模块供应链中占据约三成份额，是当前第一大核心供应商。Meta全年需求规模较大，但会主动维持多供应商体系，避免任何一家形成过度集中。
这意味着后进入者即使获得认证，也很难迅速拿到极高份额。索尔思、剑桥、光迅和联特等厂商各自依靠EML、LPO、硅光或成本优势参与竞争，订单会根据季度招标动态变化。单一供应商达到10%至20%已经具有较高产业意义。
市场传闻某家厂商获得800万只意向订单，若与Meta总需求和多供应商结构对照，明显缺乏合理性。更可能的情况是把多年度意向需求合并统计，或把理论上限误认为确定订单。供应链份额必须用实际中标和交付验证。
16｜800G硅光、EML与LPO：价格与利润取决于技术和定制程度
800G硅光模块的市场价格通常低于EML方案，EML路线因芯片成本和性能要求更高，价格存在一定溢价。LPO定制模块由于减少DSP并需要更深的系统协同，若顺利量产，毛利率可能高于通用硅光DR产品，但对链路设计和客户验证要求也更高。
供应商不能只看单价判断盈利。硅光模块虽然价格较低，但如果芯片由客户客供、设计成熟且良率高，实际利润可能更稳定；EML单价较高，却受磷化铟、芯片良率和供应紧张影响。LPO可以降低部分芯片成本，但系统容差和交换机侧能力要求更高。
因此，Meta要求供应商具备多路线能力，是为了在不同产品周期和成本条件下灵活切换。SpaceX等产业玩家对LPO的押注也强化了这一技术路线的长期关注度，相关分析可参考《SpaceX押注LPO与光模块供应链再评估》。
17｜原材料涨价对剑桥影响有限，但明年重新定价仍需关注
当前上游材料涨价对剑桥当期成本影响相对有限。一方面，思科JDM项目中的硅光光源和DSP由客户提供；另一方面，公司与多数供应商签订年度协议，当年价格和货源已经锁定。即便现货价格上涨，也不会立即全部传导到当期BOM。
旋光片等小价值量物料即使现货采购成本上升，在整机BOM中的占比仍然有限。真正需要关注的是下一年度重新谈价时，核心芯片、光源和结构件成本如何分担，以及Meta招标价格能否同步调整。若上游涨价而下游继续压价，净利润会比毛利率更先承压。
此前对光模块出货瓶颈的分析表明，供应短缺并不一定直接带来模块厂商利润提升，关键取决于客户是否接受成本传导。相关背景可参考《光模块出货瓶颈与NPO概率贴现》。
18｜产业判断：模型效率与光模块订单都应回到逐季验证
本轮材料看似同时讨论谷歌模型、Meta算力和剑桥光模块，实际上指向同一个分析框架：不要把技术概念、供应商资格或理论产能直接等同于商业结果。Gemini的多模态与Agent能力需要用单位Token效率验证，剑桥进入Meta供应链需要用季度订单和实际交付验证。
AI产业仍在扩张，算力和光互联需求并未消失。但客户开始更精细地计算成本，模型厂商会重新评估推理效率，云厂商会通过多供应商、招标和架构创新压低硬件成本。上游短缺可以带来阶段性景气，却不会自动转化为无限定价权。
对产业链跟踪而言，未来最重要的指标包括Gemini新模型是否按期发布、Token效率是否改善、Meta对各供应商的季度分单、剑桥马来西亚工厂实际利用率、100mW CW光源良率与产能，以及800G向1.6T升级的真实速度。只有这些指标持续兑现，远期预期才有足够支撑。