如果说过去几年AI产业的核心矛盾是“算力不够”，那么进入下一阶段之后，越来越大的问题可能变成了：这么多算力，究竟靠什么连接起来？ 英伟达最新一代Vera Rubin平台已经把答案进一步推向了光。2026年5月，英伟达宣布Spectrum-X Ethernet Photonics进入量产，这是基于CPO的交换技术，并宣称相比传统光模块方案可以实现5倍功耗效率提升；当AI集群从几十、几百颗GPU进一步走向大规模集群时，数据传输正在成为和计算能力同等重要的基础设施。 也正是在这个背景下，TGV玻璃通孔、CPO、硅光、玻璃基板这些过去相对冷门的制造技术，开始被重新定价。而站在这条产业链更上游的海目星，真正值得关注的并不只是“做TGV”，而是它过去十多年沉淀下来的超快激光、精密光学和微纳加工能力，正在一次次找到新的应用出口。
TGV是最直接的一次验证。玻璃要进入先进封装和高速互联，关键不是简单把孔“打出来”，而是要解决孔径、孔壁、位置精度、热影响以及后续刻蚀和金属化等一整套量产问题。海目星目前走的是“自研超快激光+激光打孔+湿法刻蚀”的组合路线，公司披露已经具备相关半整线交付能力，业务覆盖约80%的市场客户，部分客户已经形成小批量激光、刻蚀订单；2026年半年报进一步披露，公司正在优化TGV系统工艺，并针对金刚石—铜复合材料开发激光微通道、盲孔、表面粗化等工艺。 这组数据真正有价值的地方在于，它说明海目星正在做的不是单一设备，而是一套能够把激光器、光学、材料和工艺揉在一起的制造平台。
而这套平台里，最值得重新估值的技术，反而是BST空间光束整形。传统激光加工最大的限制之一，是光束能量分布和加工形态相对固定；但海目星的BST，本质上是在用空间光调制和算法重新定义“一束激光应该长什么样”。它可以动态生成不同形状的光斑，并进一步把一束光分成数十甚至上百个焦点，在XY乃至XYZ空间进行排列，让原本一次只能加工一个位置的激光，变成可以同时加工多个位置的“并行加工工具”。真正难的不是把光拆成100份，而是这100个焦点必须同时保持位置、形状和能量的一致性，否则效率上去了，良率却下来了。海目星披露，其多焦点加工焦点间功率稳定性可达到约0.5%，光斑直径可调至2—5μm；更关键的是，公司强调相关算法、软件和工艺验证均由自身完成。换句话说，BST真正改变的不是一个光斑，而是激光加工的生产方式：过去是机械运动带着光走，现在开始变成算法控制光场，让一束光同时完成更多加工任务。
这也是为什么BST的价值不会停留在TGV。公司已经在硬脆材料和3D增材制造领域完成相关项目验证，并披露BST优化光路后，3D打印加工效率可以实现约2倍提升；与此同时，公司2025年年报明确把金刚石、碳化硅等硬质材料的精密切割、磨抛、复合导热改性以及表面微纳加工列为高技术壁垒领域，2026年半年报则进一步披露，公司已经掌握金刚石全流程精密加工技术，并开发金刚石—铜复合导热材料方案。 这条线非常值得想象：AI芯片越往高算力发展，功耗和散热越成为硬约束，金刚石这种高导热材料的价值就越高，而真正决定它能不能进入规模制造的，又恰恰是切片、微通道、表面处理和微纳加工这些极难的工艺。
所以再回头看海目星，TGV可能只是它进入AI硬件制造的一扇门，CPO则可能是另一扇门，真正把这些门串起来的，是它对超快激光+精密光学+BST空间光场+微纳加工工艺的底层掌控。公司2026年半年报显示，自研超快激光器年产配套已经超过1000套，并持续向先进封装、光电子和高端材料等领域延伸。 对资本市场而言，这里面最性感的地方恰恰不是某一个订单，而是“技术复用率”：同一套底层能力，可以从玻璃通孔做到光互联，从硬脆材料做到金刚石，从单点加工走向多焦点并行加工。英伟达正在把AI推向光互联，而海目星真正想抢的，可能不是某一台设备的市场，而是AI先进制造里那束越来越重要、也越来越难控制的光。