2017年，44歲的胡海洋做了一個“瘋狂”的決定。

彼時，他手握光學工程博士學位，是全球最大電子測量儀器企業——美國是德科技的資深技術顧問，干了15年。

就是這一年，他與其他兩位光學工程技術專家來到蘇州高新區，開了一家叫"聯訊儀器"的小公司。

之所以說這個決定"瘋狂"，因為當時沒人相信中國能做出高端測試儀器。示波器、誤碼分析儀這些設備，被是德科技、安立、泰克等海外巨頭壟斷了幾十年，中國企業連門都摸不到。

但胡海洋在是德科技干了15年，太清楚這里面的技術門道，也清楚"被卡脖子"的滋味。

他的兩位搭檔，一位是菲尼薩光電的工程總監黃建軍，一位是是德科技的銷售經理楊建。

三個人，一個懂技術，一個懂產品，一個懂市場。

2026年，這家公司在科創板以81.88元的發行價上市，沒人能想到，40天后，股價來到了2004。

40天，約25倍。

A股新王

翻開聯訊儀器的公司簡介，主營電子測量儀器和半導體測試設備，核心產品包括采樣示波器、誤碼分析儀、時鐘恢復單元等通信測試儀器，以及光電子器件測試設備、功率器件測試設備、電性能測試設備等半導體測試設備。

在AI時代，這些設備是光模塊和芯片測試的必需品，是給高科技硬件做"體檢"的儀器。

一顆AI芯片在出廠前，需要經過數千次電性能測試，一個800G光模塊在交付前，需要經過誤碼率、眼圖、波長等多項精密測試，每一次測試都離不開這些儀器。

聯訊儀器抓住了這個風口。

首先是光模塊，光纖網絡里傳輸數據的核心部件。就像快遞包裹一樣，把海量數據從一個地方送到另一個地方，現在AI數據中心用的，比如800G光模塊，一秒鐘能傳完100多部高清電影。

但速度越快，越容易出錯、失真，AI數據中心要擴建，需要大量光模塊，每個光模塊出廠前，都要用聯訊儀器的設備檢測，合格才能發貨。

聯訊儀器就是光模塊產業鏈上的"體檢中心"。

其次，是功率器件。功率器件是電動車、充電樁、光伏逆變器里的"心臟"，負責控制大電流、高電壓?，F在最火的是碳化硅芯片，比傳統芯片更耐高溫、更省電。

但這些器件必須在極端條件下長期穩定工作，比如電動車的冬測，碳化硅芯片出廠前也要用特定的的設備"虐"一遍，確保裝到車上不會半路拋錨。

最后，是集成電路，就是我們日常說的芯片，手機、電腦、AI服務器里都有。芯片制造出來后要測一遍電性能，比如電壓、電流的穩定性。

現在邏輯鏈就很清晰了。

AI算力爆發帶來光模塊擴產，光模塊一旦擴產，測試設備就成了剛需。

當下，全球的AI巨頭都在瘋狂建設數據中心，數據中心需要800G/1.6T光模塊來傳輸數據，光模塊出廠前必須經過誤碼率、眼圖、波長等精密測試。

而聯訊儀器是全球第二家，國內唯一能量產1.6T光模塊全套測試設備的企業，市占率9.9%，全球第一是美國的是德科技，也就是聯訊老板胡海洋的老東家，與安立、泰克這些巨頭就占了84%份額。

雖然9.9%看起來不高，但考慮到這是一個被海外巨頭壟斷數十年的領域，這個比例意味著國產替代已經有了出口。

在更細分的領域，聯訊儀器的地位更為突出。光電子器件測試設備市場份額國內第一，碳化硅功率器件晶圓級老化系統國內市占率43.6%，排名第一，功率器件測試設備國內市占率21.7%，排名第一。

"打破國外壟斷"的故事，在A股永遠不缺聽眾。

三位數的增長率

要理解聯訊儀器782倍市盈率背后的邏輯，首先要理解什么是市場的稀缺性。

作為A股唯一一家以光通信測試設備為主業的上市公司，聯訊儀器的"唯一性"被資金無限放大。

你想投資AI算力？可以買中際旭創（光模塊）、寒武紀（AI芯片）、海光信息（CPU）。

你想投資光模塊全產業鏈測試設備？A股只有聯訊儀器這一個選項。

這種"別無選擇"的稀缺性，讓聯訊儀器成為AI產業鏈的終極補漲標的，光模塊、AI芯片、服務器都被炒高后，資金自然會流向產業鏈最上游、市值最小的環節。

聯訊儀器的財報，也確實耐看。今年一季度，公司營收4.88億元，同比增長142.52%，凈利潤1.19億元，同比增長515.17%。

公司在投入上的狠勁也讓投資者們看著放心。

從2023年到2025年，公司研發投入從1.05億增至2.80億，三年增長167%，2025年研發投入已接近凈利潤的1.6倍，說明公司不僅把賺到的錢全部投入了研發，還在透支利潤做技術儲備。

這也不是瞎說，2026年一季度公司研發投入1.19億，已經相當于2023年全年研發投入的113%，呈現出"越賺越投、增速不減"的態勢。

公司在投入上的狠勁也讓投資者們看著放心。

然而，從二級市場的角度來看，還有一個股價暴漲最被忽視、也最核心的原因：聯訊儀器的流通股極少。

總股本約1.03億股，但流通股僅1200萬股，占比18.79%，一家市值2000億的公司，實際能在二級市場自由買賣的股票只有大概24億。

24億的流通盤，對于A股每天萬億成交量來說，就像"一滴水掉進油鍋"。

主要原因是，聯訊儀器的前5大流通股東鎖倉超過50%，導致少量資金就能撬動巨大漲幅，比如1億元買單就能拉漲4%，引發跟風盤。

這種小流通值、高換手率、機構鎖倉的玩法，是游資和量化資金最喜歡的游戲模板，股價越漲，關注度越高，散戶跟風越多，資金接力越順暢。

我們簡單做一個技術性分析。

第一階段，也就是上市前5天，無漲跌幅限制。聯訊儀器發行價81.88元，首日最高觸及375元，漲幅超350%，這是打新資金與一級市場的博弈。

第二階段，今年五月，股價從300元漲至800元。此時量化資金開始介入，出現小流通盤的高波動和高換手，展示了量化策略的完美曲線。

六月初是第三個階段，股價從800元飆升至2000元。游資接力、散戶入場，市場進入高潮，聯訊儀器日均成交額超10億元，換手率超30%，成為A股最活躍的情緒風向標。

昨日，公司發布風險提示公告，但股價仍創新高。此時，大家都知道估值離譜，但大家都相信有人接盤。

更微妙的是，聯訊儀器的前5大流通股東中，3家是私募，2家是券商資管。這些"聰明錢"在上市初期就大量鎖倉，客觀上制造了籌碼稀缺的局面。

碳基轉身，硅基補位

同一時間，另一個數字也在刷新A股的歷史。

工業富聯市值約1.68萬億元，正式超越貴州茅臺（約1.6萬億元），成為A股市值第二，中際旭創的股價也超過了茅臺，作為聯訊儀器的大客戶之一，2025年前三季度收入中，7.17%是中際旭創的貢獻。

一天之內，兩家AI硬件公司的市值和股價同時超過中國最貴的酒。

富時羅素在同一天宣布季度調整結果：A50指數一口氣納入兆易創新、瀾起科技、東山精密、勝宏科技、濰柴動力5只硬科技股，同時剔除中國建筑、海天味業、平安銀行、邁瑞醫療、海爾智家。

進來的全是AI和半導體，出去的全是傳統藍籌，這是一條明顯的從“碳基”到“硅基”的遷移路徑。

把A股當前市值前十的公司列出來，會發現前五名中有四家是AI或半導體公司。

股價參考時間6.3-6.4

“舊王”難免顯得落寞，茅臺孤零零地夾在中間，像一個舊時代的標本。

A股歷史上，股價觸及2000元的股票屈指可數，但每一只"股王"的誕生與隕落，都精準映射了那個時代的風口與焦慮。

2021年的茅臺，是"碳基時代"的巔峰。當茅臺股價沖破2600元、市盈率約70倍時，市場相信的是品牌護城河、現金流永續、消費升級的確定性。

此后五年，茅臺凈利潤從467億元增長到860億元，用扎實的業績證明了自己，但股價卻再未回到2600元的高點。

2023年的禾邁股份，是"新能源狂潮"的祭品。光伏微型逆變器的故事曾讓市場沸騰，2000元的股價、200倍的市盈率，寄托著"雙碳"戰略下對清潔能源的無限想象。

但專利訴訟與價格戰的雙重絞殺，讓這個故事迅速破滅，股價從2000元跌至400元，跌幅超80%。

2026年的聯訊儀器，是"硅基時代"的宣言。782倍的滾動市盈率，是A股歷史上估值最高的2000元股，茅臺需要五年凈利潤增長84%來證明自己，而聯訊儀器期待的是三年內凈利潤增長10倍、20倍，甚至更多。

這不是說茅臺不優秀了，茅臺仍然是一臺每年穩定增長15%的現金流機器，但在AI公司動輒三位數的增速面前，15%的穩定變成了不夠性感。

華泰證券在研報中對下半年大類資產的排序是：AI鏈> 資源品 > 黃金 > 債券。AI排第一，沒有爭議。

結語

蘇州的光通信產業，從光纖光纜到光芯片、光器件、光模塊，全鏈條閉環。中際旭創、天孚通信、長光華芯、亨通光電……這些名字串起來，就是一條"不出方圓100公里"的產業鏈。

聯訊儀器的客戶幾乎都在家門口，工程師可以騎著電動車去客戶廠里聯合調試，這種距離的協同，是深圳、上海都給不了的。

更關鍵的是，蘇州高新區2022年啟動了太湖光子中心，目標直指中國光子產業新高地，政策、資金、人才，像水一樣往這里灌。

聯訊儀器從一間小辦公室起步，到市值突破2000億，背后站著的，是整個江蘇制造業。

胡海洋們賭的，不是聯訊儀器這一家公司，而是整個中國的高端制造業。

2026年6月3日，A股用2000元的股價，給了這個賭局一個階段性的答案。

參考資料：

[1]證券時報，《工業富聯市值超越茅臺，AI硬件重塑A股權重》，2026年6月3日

[2]每日經濟新聞，《聯訊儀器上市40天漲25倍》，2026年6月3日

[3]富時羅素公告，《2026年6月季度調整結果》，2026年6月3日

[4]華泰證券，《2026下半年大類資產配置策略》，2026年6月3日

[5]聯訊儀器招股說明書（688808），2026年4月

[6]聯訊儀器2026年第一季度報告，2026年4月28日

[7]界面新聞，《上市不到一個月，聯訊儀器何以成為光通信賽道新”股王”？》，2026年5月18日

[8]Frost & Sullivan，《中國光通信測試儀器市場研究報告》，2024年

合集回顧：

轉載須注明出處，禁止用于AI大模型訓練