CPO延期風波深度複盤：SemiAnalysis 一紙報告為何單日重挫美股光通訊，「延後」到底該不該信

2026 年 6 月 9 日，一份僅向機構付費客戶發布的研究報告，觸發美股光通訊類股單日集體重挫。撰寫者既非高盛，也非摩根士丹利，而是一家以電子報起家的獨立研究機構 SemiAnalysis。本文以這份報告為切入點，系統性拆解 CPO（Co-Packaged Optics）大規模落地是否真的延後、市場為何會為一個充滿爭議的靜態良率模型集體買單，以及面對「權威報告引爆暴跌」這一類事件，投資人應當如何建立一套不被情緒左右的解讀框架。

1. 事件回放：一份機構限定報告，如何抹去數百億美元市值

先還原當天的價格事實。2026 年 6 月 9 日，美股光通訊類股在單日之內集體下挫：Applied Optoelectronics（AAOI）單日重挫約 17%，POET Technologies（POET）下跌約 12%，Coherent（COHR）跌約 11%，Lumentum（LITE）下跌約 8%，Marvell（MRVL）下跌約 7.6%，Ciena（CIEN）亦有約 7% 的跌幅；此外，Fabrinet（FN）、Credo（CRDO）等光互連鏈條上的標的同樣承壓。

在進入技術爭論之前，有一個細節值得先行標註：在同一則利空之下，AAOI 單日下挫約 17%，而技術重合度極高的 Lumentum 僅下跌約 8%，跌幅相差近一倍。這種結構性差異本身，就已經透露出當日恐慌盤的資金屬性——它更接近一場針對弱勢籌碼的清洗，而非一次冷靜的基本面重定價。這條線索，我們會在文末的「反身性」一節重新回收。

這份報告的核心論點只有一句：CPO 的大規模落地時間需要延後。由此引出本文要回答的兩條主線：其一，一家做獨立電子報的研究機構，憑什麼憑一份報告，就能讓美股光通訊族群在一天之內蒸發數百億美元市值；其二，它這次言之鑿鑿地判斷 CPO 大規模落地將延後，到底該不該信。

2. 技術背景補充：CPO 是什麼，為什麼它牽動整條光通訊產業鏈

要判斷「延後」的分量，必須先理解 CPO 在 AI 數據中心裡的位置。傳統數據中心依賴可插拔光模組完成交換機之間的光電轉換；隨著 AI 集群從數千卡邁向數十萬卡乃至百萬卡，互連環節的功耗、延遲與可靠性正在成為新的系統瓶頸。共封裝光學的思路，是把矽光引擎直接與交換晶片（ASIC）封裝在同一基板上，把訊號路徑從「英吋級」壓縮到「毫米級」，並省去笨重的 DSP 重定時器，從而在功耗與密度上實現躍遷。

這並非紙面概念。據輝達在 GTC 2025（2025 年 3 月 18 日）的官方發布，公司推出了面向乙太網路的 Spectrum-X Photonics 與面向 InfiniBand 的 Quantum-X Photonics 兩套共封裝光學交換平台，單埠速率達 1.6 Tb/s。輝達官方給出的對比數據是：相較傳統可插拔方案，CPO 可實現約 3.5 倍的能效提升、約 63 倍的訊號完整性改善、約 10 倍的網路韌性，以及約 1.3 倍的部署速度，同時所需雷射器數量減少約四分之三（官方表述為「4x fewer lasers」，部分後續材料將能效收益上修至約 5 倍）。創辦人黃仁勳將其定位為把矽光直接整合進交換機、突破超大規模網路舊有限制的關鍵一步，視之為通往百萬 GPU AI 工廠的重要環節。

這套方案的底層製造，落在台積電身上。台積電董事長魏哲家在同場發布中強調，矽光方案結合了其先進製程與 SoIC 三維堆疊能力。具體而言，Quantum-X800 交換 ASIC 採用台積電 4N 製程，整合約 1070 億顆電晶體，吞吐量達 28.8 Tb/s；其矽光引擎基於台積電 COUPE（Compact Universal Photonic Engine）平台，採用 200G 微環調製器（MRM），並以連續波分布回饋（CW-DFB）雷射作為光源。值得注意的是，腳本中反覆出現的「COUPE」，正是台積電這一光子引擎封裝平台的名稱——理解了這一點，後文那道「良率算式」才有了具體的工程對象。

同樣關鍵的是供應鏈名單。據輝達官方，CPO 平台的聯合發明與協作方包括台積電、Coherent、康寧（Corning）、富士康（Foxconn）、Lumentum 與 SENKO；而在與之並行的可插拔光模組陣營中，輝達點名的產業夥伴包括 Coherent、新易盛（Eoptolink）、Fabrinet 與中際旭創（Innolight）等。換言之，這次單日下挫的眾多個股，恰恰是輝達親自納入其光學生態的核心成員——這也是為什麼一份關於落地節奏的報告，能在情緒上撬動整條產業鏈。需要補充的是，CPO 並非輝達一家的敘事，博通等廠商亦在同一賽道布局，行業對「何時、以何種形態大規模放量」本就存在分歧。

3. 報告主張：被下修的三條時間軸，與一道引爆全場的良率算式

回到這份名為《Powered Down, Lights Off》的報告本身。它將三條技術時間軸一併下修：第一，用於 scale-out（外擴網路架構）的 CPO 產品，2027 年的出貨量將明顯低於此前市場那種激進預期；第二，完整且大規模的量產時間，將被推遲到 2028 年甚至 2029 年；第三，輝達原定採用的 800VDC 供電架構，也將延後至 2028 年。

需要客觀指出的是，這家機構並未盲目全面看空。報告明確表示，±400VDC 技術仍在既定軌道上，並將於 2026 年迎來放量；甚至部分 NPO（Near-Packaged Optics）項目，還可能因為這輪延期而出現加速推進。這一「有保留的看空」，恰恰是它區別於純粹唱空的地方。

報告給出的核心論據有三：生產良率、系統整合難度，以及整體成本經濟性。其中最令市場恐慌的，是一道關於良率的數學算式。報告假設單顆光引擎在組裝時的良率為 95%；而在其所述的新一代交換架構下，一顆交換 ASIC 需要封裝 32 顆光引擎（COUPE）。若將 0.95 連乘 32 次方，即 0.95 的 32 次方，得到的系統級良率僅約 19.4%。這意味著產線上每製造五台設備，僅約一台合格。更棘手的是，這些光引擎被直接焊死在基板上，缺乏重新加工路徑——只要任意一顆光引擎在耦合後出現瑕疵，整塊昂貴的基板便只能直接報廢。

除良率之外，報告還提出系統整合層面的實證：相關交換平台在系統級測試中傳出插入損耗超過 3.5 dB，幾乎吃滿整個光通道可容忍的預算極限。而且，持類似謹慎立場的並非僅此一家。摩根士丹利（大中華區半導體團隊）在 6 月 10 日的報告中做出部分呼應：它同意近期 CPO 放量低於預期，預估 2027 年全球光引擎出貨量僅約 600 萬至 700 萬顆，遠低於市場此前 2000 萬至 3000 萬顆的共識。但必須強調的是，摩根士丹利的立場並非全盤認同——它明確反駁了「800V 量產延後至 2028 年」的判斷，稱供應鏈調研顯示 800VDC 機櫃仍有望在 2026 年下半年如期推進，並對 CPO 維持「增持」評級，預期真正的爆發式增長將自 2028 年起步、長期邏輯不變。換言之，即便在空方陣營內部，對「延後」的範圍與程度也存在明顯分歧。

4. 三層時間軸：把「延後」拆開看，多空物理各有其理

面對這些看似無可辯駁的工程數據，更透徹的方式，是把「延後」拆成三層不同的時間軸分別審視，而不是籠統地接受或否定。

第一層，是 2026 年下半年的小量驗證與導入。在這一層，多空並無實質衝突，甚至連原廠都公開站出來反駁。報告發布當日，輝達即對外作出澄清：網路事業群高級副總裁 Gilad Shainer 在台北 GTC／Computex 期間公開表示，CPO 是目前最令人興奮的技術，並明確指出相關產品已在出貨、當年下半年將開始放量，直接與報告口徑相左。需要釐清的是，官方所說的「放量」，指的是面向少數頂級雲端客戶進行小規模的實體部署與驗證，這一步並未被延後。

第二層，是 2027 年 scale-out 的全面放量。在這一層，SemiAnalysis 的警示確有其道理。此前市場廣泛流傳一種過度樂觀的敘事，認為 2026 年是 CPO 的商用元年，兩年之內便可在超大規模數據中心內全面鋪開。這種被過度壓縮的普及時間表確實過於激進，2027 年的出貨預期存在向下修正的必要——這也是摩根士丹利「2027 年僅 600 萬至 700 萬顆」這一估計所指向的同一層問題。

第三層，是 2028 年之後完整的 scale-up 架構替換，即當 CPO 像 Sidecar 方案那樣，直接搭載於 Rubin Ultra、Kyber 等下一代全新平台之上。這一進程原本預估的窗口本就在 2028 年，並非 2026 至 2027 年應當發生的事件。值得補充的是，輝達下一代 Rubin 平台將把單機櫃 GPU 數量從當前的 72 顆提升至 144 顆乃至 576 顆，機櫃內互連頻寬隨之升至每秒數百 TB——正是這種密度躍遷，才讓 CPO 從「可選項」逐步變為「必需項」。因此，若把這一層合理技術交替窗口，放大解讀為 CPO 整體技術路線的「死亡」，那顯然是市場在恐慌情緒下的過度誤讀。把三層疊在一起看，結論會清晰許多：被合理修正的，只是中間那一層 2027 年的激進曲線，而非整條技術路徑。

5. 兩個反證：良率算式的方法論瑕疵，與上游雷射訂單的硬指標

為平衡觀點，必須引入兩個分量很重的反面證據——這也是嚴肅分析與單純轉述報告之間的根本差別。

第一個反證，指向良率算式本身的方法論瑕疵。將 0.95 連乘 32 次方，本質上是把某個特定悲觀時點的初始良率「凍結」，並假設它在未來量產過程中永不進步。這種算法完全忽略了半導體產業最核心的晶片篩選、分級、冗餘設計，以及隨產量爬坡而迅速抬升的學習曲線。事實上，良率隨量產持續優化，正是半導體製造的常態而非例外。對此，反方機構 Global Semi Research 發布專文《Co-Packaged Optics Is Not Delayed》直接反駁，認為這份報告把一個保守的工程模型，當成了不會演化的靜態結論。

第二個反證，來自上游產能的真實數據，也是最難用「延到 2029 年」自圓其說的硬指標。Global Semi Research 在同一篇反駁中指出，沒有哪家廠商，會為一項據稱「顯著低於此前預期」技術，把高功率雷射訂單指引從約 4000 萬顆大幅拉升至約 1 億顆，更不會讓 Lumentum 訂滿整整一條最終裝配產線。需要說明的是，這兩個數字出自 Global Semi Research 的論斷，截至發稿尚未獲得輝達或 Lumentum 的官方證實，宜視為反方的有力旁證而非已坐實的官方數據。訂單是會計入資本支出的承諾，遠比一句口頭指引更有約束力——在產業的商業邏輯裡，幾乎沒有任何一家巨頭，會為了一項要拖到 2029 年才落地的技術，提前數年掏出真金白銀，把上游整條雷射產線全部訂滿。

綜合兩個反證，可以給出一個不被情緒左右的總結：所謂「大規模落地被推遲」，如果指的是市場原先計入價格的 2027 年那條過於激進的放量曲線需要向後修正，這確實是正在發生的產業現實；但若要把這份報告解讀為 CPO 整體技術路徑將徹底滑落至 2029 年，那麼上游大廠瘋狂搶佔雷射產能的訂單證據，顯然並不支持如此悲觀的結論。

6. SemiAnalysis 與 Dylan Patel：從養蜂人到華爾街最忌憚的情報機構

既然無論從原廠高管的公開表態，還是從上游雷射「1 億顆全線訂滿」的硬數據來看，這套 19% 的良率算式都存在明顯的方法論瑕疵，那麼一個更值得深思的問題隨之浮現：市場為何會對一個充滿爭議的靜態數學模型集體買單，甚至在一天之內砸掉數百億美元市值。

答案在於報告背後的靈魂人物——Dylan Patel，當前整個半導體產業鏈中最令人敬畏的情報操盤者之一。他的發跡頗具傳奇色彩：並無半導體相關學位，早年曾在鄉間養蜂，後憑一個匿名的半導體推特帳號發表深度分析，於 2020 年創立 SemiAnalysis，一步步成長為各大 AI 實驗室、雲端巨頭、頂尖避險基金與半導體大廠頻繁引用的明星分析師。其影響力之大，可由一個細節佐證：在 2026 年 3 月的 GTC 大會上，黃仁勳全程僅點名兩人，其中之一便是 Dylan Patel，並將 SemiAnalysis 的 InferenceMAX 晶片性能基準（部分報導作 InferenceX）投上大螢幕講解；AMD 執行長蘇姿豐亦專門安排了約 90 分鐘的當面會談。

就規模而言，SemiAnalysis 長期穩居 Substack 科技類訂閱榜首位；其訂閱總數在不同口徑下約為 20 萬至 28 萬以上（官網表述為「逾 20 萬」，第三方報導多稱「逾 25 萬」，Substack 平台計數則顯示近 29 萬），其中絕大多數為免費讀者，僅少數付費用戶按年訂閱。更能說明商業體量的是營收：據市場估算，其營收已從 2025 年的約 2000 萬美元，躍升至 2026 年有望突破 1 億美元。

但真正構成護城河的，並非訂閱量，而是其獲取情報的方法論。SemiAnalysis 不依賴公開財報數字去倒推，而是建立在紮實的實體供應鏈情報之上：透過衛星影像清點科技巨頭數據中心一棟棟拔地而起的進度，追查晶圓廠最核心的產能瓶頸所在，追蹤雷射元件與光模組的底層訂單變動，甚至翻閱 GitHub 上的程式碼提交紀錄，以推斷各家公司究竟在哪些技術路徑上踩下油門。正是這種細到「顆粒級」的情報網路，讓機構願意為其支付高額費用。若要給這家公司一個精準定位，與其說它是傳統的賣方研究機構，不如說它是一家隱身於市場背後的產業鏈情報公司。

然而，情報足夠細致，並不等同於對未來的宏觀判斷必然正確。在評估這份報告的可信度之前，必須先看清它的商業模式，以及它究竟是寫給誰看的。

7. 付費牆之後：這份報告在服務誰的利益

SemiAnalysis 的主要收入，來自機構級訂閱數據、客製化顧問諮詢，以及把一手調研資料直接出售給四大雲端巨頭、頂級 AI 實驗室與大型避險基金；相比之下，面向公眾的 Substack 訂閱費，僅占其收入的很小一部分。也就是說，它真正的客戶群，幾乎都是這條產業鏈裡掌握最高話語權的核心玩家。

這就引出本次事件最關鍵的一個事實：這份引爆光通訊類股暴跌的 CPO 報告，標題為《Powered Down, Lights Off》，是一份僅限機構客戶閱覽的付費報告，並未向社會公眾公開。理解這一點至關重要。一份只提供給付費機構、本身就帶有引導部位布局性質的交易提示，與一篇純粹中立的技術判斷，在寫作動機上截然不同。機構報告的目的，往往是為已經在場內參與博弈的資金，提供一個明確的交易理由或調倉藉口。也正因如此，這份報告引發了關於「資訊不對稱」的討論——機構客戶可以讀到完整結論，公眾與散戶卻只能從二手轉述裡接收一個被簡化、甚至被扭曲的版本，並據此追漲殺跌。因此，閱讀這類研究時，首要思考的永遠是：這份報告究竟寫給誰看。

值得一提的是，這家機構在公開平台上也有鮮明的偏好——它曾自嘲，自己對 Anthropic 的 Claude 模型在做一種長期力挺式的宣傳。這並不構成道德上的瑕疵，但在參考其任何判斷時，都應將其作為一種背景權重放在心裡。需要強調，討論這些利益結構絕非搞陰謀論；弄清誰付了錢、報告要服務誰，本就是閱讀任何賣方研究的基本功，是一種理性的盡職調查，而非對研究機構的惡意攻擊。

8. 戳破神話：爆料準，不等於預測準

為更理性地評估這家機構，可以把它過往的代表作拆成三種截然不同的能力層次。

第一種，是資訊源的還原與爆料能力。2023 年 5 月，那份轟動一時、寫著「我們沒有護城河，OpenAI 也沒有」的 Google 內部備忘錄，最早便由 SemiAnalysis 公開發布；SemiAnalysis 當時表示已核實文件的真實性，而其作者後來被彭博社指認為 Google 資深工程師 Luke Sernau。關於 GPT-4 的底層架構——包括它如何採用混合專家（MoE）模型、具體的參數規模等關鍵細節——同樣是 SemiAnalysis 率先拆解還原。在此前引發市場風暴的 DeepSeek 事件中，市場一度盛傳該模型訓練成本僅約 600 萬美元；正是 SemiAnalysis 撰文，把這個失真數字還原成更貼近現實的資金結構。它指出，DeepSeek 背後的伺服器總資本支出約為 16 億美元（其中約 9.44 億美元為集群營運成本；部分早期媒體一度轉述為約 13 億美元，但量級明確），並揭示其手中約有 5 萬張 Hopper 級 GPU，由 H800（約 1 萬張）、H100（約 1 萬張）與大量中國特供的 H20 混搭組成，而非外界誤傳的「5 萬張純 H100」；那 600 萬美元，僅僅是 DeepSeek-V3 單次預訓練的 GPU 帳面算力成本，不含研發、基礎設施與硬體的整體擁有成本。這一類案例，足以證明其在挖掘巨頭內部情報與拆解供應鏈方面，確屬業界頂尖。

第二種，是對未來的預測能力。例如記憶體晶片（DRAM／HBM）價格的全面上漲，SemiAnalysis 自 2024 年底便開始公開預警，事後的市場走勢驗證了這一方向；其針對模型部署成本所做的 InferenceMAX 量化工作，也為 AI 推理經濟學奠定了重要基準。這一類對產業趨勢的推演，才屬於真正意義上的「預測」，評估時必須與「爆料」能力分開看待。

第三種，是直接移動市場、影響股價的能力。本次 CPO 報告引發的暴跌，正是最典型的例證；而在在此之前，其關於 Vera Rubin 平台與 DRAM 用量的判斷，也曾在記憶體類股掀起過一輪類似的「消防演習式」拋售。換言之，這家機構如今每發布一份報告，本身就可能成為一個獨立的市場事件。

由此可以提煉出一句關鍵結論：能拿到獨家消息，並不等於對未來的預測就成了先知。許多投資人最容易犯的錯誤，正是把這家機構的供應鏈獨家情報，直接等同於它對技術放量節奏的精準預言。事實上，在判斷一項新技術何時能大規模放量、其增長斜率有多陡這件事上，SemiAnalysis 與市場上其他分析師一樣，會面臨修正與失誤。前文那個 0.95 的 32 次方、最終只剩約 19% 的靜態良率模型，恰恰是最好的反例：它把瑕疵良率凍結、忽略學習曲線，與它挖出 DeepSeek 真實資本支出的那種爆料能力，根本是兩回事。「能挖到別人挖不到的料」，與「能算準未來的放量斜率」，是兩種不同的本事，切不可混為一談。

9. 個股分流：同一份報告，並非全面看空

進一步看，這份報告對個股其實做了精細分流，這也佐證了它並非邏輯上唱空整個光通訊產業。在報告中，SemiAnalysis 直接點名中際旭創（300308.SZ）與新易盛（300502.SZ）這兩家中國光模組龍頭，將是這輪延遲的受益者——邏輯並不複雜：當 CPO 大規模放量的時點向後推移，反而拉長了傳統可插拔光模組以及 NPO 架構的需求窗口期。技術延遲並不等於需求憑空消失，而是需求在時間軸上被重新分配。

與此同時，報告對基礎設施類標的相對看好，點名了 Amphenol、Vertiv 與 Legrand；而對 Lumentum、Himax、Navitas 與 Wolfspeed 則持偏謹慎態度。把受益與承壓兩側並置，可以看到這份報告真正針對的，是某一特定層次、特定標的的節奏問題，而非對光通訊需求總量的否定。

10. 暴跌的真相：被驗證的技術，還是被相信的報告

把個股分流的特徵攤開後，機構報告的真正威力也隨之顯現，並引出一個新的問題：這家機構如今的影響力已經大到，報告本身就成了股價下跌的原因。這正是金融學中經典的「反身性」（reflexivity，由喬治·索羅斯系統化）理論的現實演繹。

表面上，這次美股光通訊類股的集體重挫，像是市場驗證了 SemiAnalysis 的判斷；實質上，是因為市場選擇相信這份報告，才集體做出賣出動作。當一份研究報告本身成為市場走勢的催化劑，它說得對不對，在短期內就退化為一個循環論證——股價的重挫，只能證明這家機構在機構圈層中擁有巨大的心理影響力，卻不能被當作「技術判斷已被事實驗證」的鐵證。

此時，可以回收文章開頭埋下的那條線索。面對同一則技術延後的利空，AAOI 單日重挫約 17%，而技術重合度極高的 Lumentum 僅下跌約 8%。若這是一次基於基本面理性推導的重定價，兩個高度相似的標的，跌幅不應出現成倍差異。這種資金動向說明，當日跌得最慘的，往往是籌碼結構最鬆散、融資餘額編高、或散戶占比最高的標的——它更像是一場借恐慌情緒洗掉弱勢手的籌碼清洗，而非冷靜的基本面價值重估。

更重要的是，從客觀數據看，本次事件顯然更偏向後者，因為全球 AI 算力的總需求並未出現任何萎縮。微軟、亞馬遜、Google 與 Meta 這四大雲端巨頭，2026 年的資本支出合計已升至約 6500 億至 7250 億美元區間（多數口徑逼近甚至超過 7000 億美元），相較 2025 年的約 3800 億至 4100 億美元，同比增長約六到八成（約 1.6 至 1.8 倍）。從公司層面看，亞馬遜指引約 2000 億美元，Alphabet 約 1750 億至 1850 億美元，Meta 約 1150 億至 1350 億美元，微軟 2026 財年的資本支出運行速率約相當於 1450 億美元。巨頭採購算力的需求依舊強勁，真正改變的，只是市場對某一特定時間軸上技術落地節奏的預期。

11. 方法論：面對「權威報告引爆暴跌」，先跑完這兩層思考

把上述拆解收斂為可操作的框架，當再次遭遇由某份權威研究報告引發的股價暴跌時，在動用資金之前，有兩層思考需要依序完成。

第一層，是學會如何讀懂這份研究。股價大跌時，先在心裡問自己三個問題：其一，這份報告究竟為誰而寫？認清它的利益結構——它是一份機構限定、帶有引導部位調整性質的交易報告，還是一篇公開的學術探討？其二，這場大跌究竟是基本面利空被驗證，還是一場由機構影響力驅動的情緒性重定價？其三，報告所稱的「延後」，到底指向哪一個特定層次的時間軸？切忌把某個高難度架構的推遲，錯當成一條核心技術路徑的徹底死亡。

第二層，是據此如何調整行動，談的是決策流程而非具體標的。高品質的研究報告，是用來檢驗你既有投資假設的，而非一個可以直接執行買賣的交易訊號。正確的思路是：這份報告提出了一個我此前未曾認真考慮的反方論點，那麼我當前的持股邏輯，究竟能否經得起這個反方論點的質疑——而不是一看到權威機構說「延後」，就慌忙清倉。當一份報告本身已具備撼動市場的催化劑屬性時，若你是在散戶圈都已看到消息、股價已經崩盤之後，才追著報告方向去交易，往往只會讓自己淪為恐慌盤的最後一棒；因為在公開引爆下跌的那一刻，報告所蘊含的負面資訊，已在極短時間內被迅速計入價格。

因此，此刻真正該問的，不是「要不要跟著賣」，而是「這場下跌是否出現了非理性的過度反應」。要把前文拆解的三層時間軸，翻譯成你自己的持股與部位問題：你必須清楚，自己手中標的當初的買入邏輯，究竟建立在「未來全新架構的替換」之上，還是押注於「傳統可插拔光模組的需求窗口期」。面對同一份 CPO 延期報告，這兩類部位的底層邏輯與市場反應，往往截然相反。最後，不妨訓練自己思考「第二序問題」：當多數散戶還停留在「延後就是利空」的單向思維時，更成熟的投資者，已經在追問——誰會在這場技術延遲中意外受益？而那些過度激進的完美預期，最初又是被誰塞進了今天的股票估值裡？