英伟达推动5000亿美元AI融资，AI进入资本大基建时代？ AI下一阶段拼的，可能已经不只是芯片了 英伟达联合贝莱德、黑石、高盛等机构，推动超过5000亿美元规模的AI算力融资平台，帮助客户建设数据中心、采购GPU，加速AI基础设施扩张 $NVDA AI开始从科技公司的投入，变成整个资本市场参与的基础设施项目 过去的逻辑 云厂商买GPU，英伟达卖芯片 但未来可能变成 金融资本提供资金 → 建数据中心 → 买GPU → 出租算力 → 持续产生现金流 英伟达正在从卖铲子的人，逐渐变成参与整个矿场建设的人。不过市场没有疯狂上涨，也说明投资者开始关注另一个问题，AI投入这么大，最终回报在哪里？ 毕竟未来几年如果持续投入数万亿美元，仅靠微软、谷歌、亚马逊这些公司自掏腰包并不现实。所以华尔街入场，其实是在解决AI发展的资金瓶颈 但风险也很明显，资本会加速AI建设，同时也可能带来供给过剩。如果算力增长速度超过AI应用变现速度，市场可能重新质疑投资回报。所以接下来不能只看英伟达卖多少GPU 重点要看： ▶️数据中心有没有盈利？ ▶️AI云需求是否持续？ ▶️服务器、光通信、存储、电力这些产业链能不能一起受益？ 我觉得，这可能是AI从第一阶段进入第二阶段的信号 ▶️第一阶段赚的是芯片红利 ▶️第二阶段，机会可能扩散到整个AI基础设施 未来真正的大赢家，可能不只是卖GPU的公司，而是整个AI基建生态 AI正在从一个科技故事，变成一场超级资本周期 非投资建议 DYOR

跟着黄仁勋的时间线走，每一阶段的钱都在提前切换 过去一年，如果你认真拆老黄每次GTC、财报会、闭门峰会说了什么，会发现AI基建的主线其实一直在切换。真正厉害的资金从来不是等新闻出来再追，而是提前拆下一阶段CapEx会流向哪里。 整个时间线其实非常清晰。 第一阶段：GPU → HBM → CoWoS → Memory 最早被老黄反复强调的方向。 Blackwell开始，HBM已经从外围配件升级成AI架构核心。老黄在财报会上明确说了：Blackwell和Vera Rubin的性能瓶颈，越来越取决于HBM带宽与供应。 很多人还把 $MU当周期股。但老钱已经开始把存储当AI structural asset来定价。 第二阶段：Ethernet → 光通信 → Silicon Photonics 2026上半年真正爆发的第二条主线。 AI集群进入十万卡级别后，真正限制效率的已经不是单卡性能，而是GPU之间的数据流动效率。老黄开始疯狂强调Spectrum-X、Ethernet、Scale-Out、Silicon Photonics。 NVLink解决的是Scale-Up，柜内互联。真正的大规模AI集群最终拼的是Scale-Out，柜外组网。AI越大，Ethernet的地位反而越强。 $ANET $MRVL $CRDO $ALAB $LITE ——这些AI数据流动收费站开始进入估值扩张阶段。 第三阶段：Inference CPU / Agentic AI 2026 Q1财报会后华尔街开始重新定价的方向。 很多人之前觉得AI时代CPU会边缘化。但老黄在5月财报会明确：Inference爆发后，CPU反而重新成为瓶颈。Agentic AI、Inference、Orchestration都需要大量CPU调度。 $ARM $QCOM $ADI $TXN $MCHP开始明显走强。 很多人还在盯GPU，但老钱已经开始提前布局Inference infrastructure。 第四阶段：AI-RAN + Edge AI + Physical AI 我认为这是2026下半年到2027真正可能成为主场的方向。 AI第一阶段是Training，第二阶段是Scale-Out。接下来AI必须真正离开hyperscaler数据中心，进入现实世界。 老黄已经把话说得很清楚：未来AI会进入运营商网络、边缘节点、基站、机器人、工厂、汽车。AI不会永远只待在云里。 这一阶段分三类受益方向。 AI-RAN和边缘网络：未来全球几百万个基站可能都会变成边缘AI节点。真正值钱的是射频、DAC/ADC、FPGA、边缘推理网络。 $NOK是AI−RAN联盟的核心发起人，英伟达直接投资背书。 Edge AI和On-Device AI：Agentic AI开始长进PC、手机、汽车、边缘网关。设备端AI最大的问题是低功耗推理加本地memory加实时连接。 $QCOM $SIMO这些传统边缘芯片公司的估值可能会被重新定价。 Physical AI和Robotics：散户喜欢炒机器人概念，但真正决定机器人能不能大规模落地的是工业控制、PLC、伺服系统、自动化基础设施。未来真正持续扩估值的，可能不是最性感的人形机器人概念，而是卡住物理世界执行层的工业收费站。 $TSLA $ABB $SYM $ROK。 总结 AI的下一阶段已经不只是训练模型。而是让AI真正进入现实世界。每一次老黄开口，都是在提前告诉市场下一阶段的钱会流向哪里。 #PhysicalAI# #EdgeAI# #AIRAN# #光通信# #机器人# #数据中心# #半导体# #AI算力#

这位年轻的 OpenAI 前研究员 Leopold Aschenbrenner，SAF 基金最新 AI 持仓，刚刚曝光。我看完之后，脑子里只剩下一句话： 他正在： 做多「AI 的基础设施」。 做空「AI 最拥挤的梦想」。 简单翻译一下： 他押注的是： ⚡ 电力 🗄️ 机柜 💾 存储 🏗️ 数据中心 而不是： 🔥 GPU 神话 🔥 ASIC 狂热 🔥 光刻机叙事 最有意思的是： 他买了高达 84.6 亿美元的 Put 期权。 很多人第一反应： “他开始全面看空 AI 了？” 但我更倾向于： 这其实是在对冲市场过热。 因为他真正的仓位结构， 根本不像“撤退”。 反而像： 从 AI 第一阶段， 切换到 AI 第二阶段。 他的核心逻辑已经越来越明显： AI 最终拼的， 不是谁 PPT 最会讲。 而是谁能： 供电、放服务器、储存数据； 养得起超级数据中心 本季度前五大持仓： 1️⃣ BE（燃料电池） 2️⃣ SNDK（闪迪存储） 3️⃣ CRWV（继续加仓） 4️⃣ IREN（继续加仓） 5️⃣ CORZ 你会发现： 几乎全围绕： ⚡ 能源 🖥️ 算力 🏢 数据中心 展开。 —————————— 更关键的是： 他开始清仓： ❌ 光通信 ❌ 天然气副线 ❌ 二线代工 ❌ 二线矿企 这意味着： AI 市场， 可能正在从： “全面狂热” 进入： “基础设施收敛阶段”。 还有一个细节非常耐人寻味： 他居然买了吴忌寒的 Bitdeer。 这说明： 他真的非常看好未来的数据中心战争。 而且他不赌单一 AI 公司。 他赌的是整个 AI 文明运行背后的“电力系统”。 很多人还在讨论： “下一个 OpenAI 是谁？” 但聪明的钱，已经开始布局： “谁来给 OpenAI 提供电和服务器。”

光通信最重要的变化来了！ 眼下DSP明明还很缺，头部客户还在拼命锁产能，但整个行业已经开始研究怎么减少DSP，甚至最终把它拿掉。 这其实就是光通信下一阶段最值得跟踪的变化。 今年市场赚的是扩产的钱，接下来要开始看架构变化的钱。 先把眼前的情况说清楚。 1.6T的景气没有结束。按照我们美股投资网这次调研的估算，2027年1.6T光模块需求可能达到6000万—6500万颗，而DSP依然是供应链里比较紧的一环。 特别是1.6T DSP基本已经进入3nm时代，产能不像成熟制程那么宽松。现在大约70%的1.6T DSP订单已经被长期协议锁住，GOOGL、NVDA、MSFT、AMZN、META这些头部AI客户，因为订单规模大，而且和供应商绑定得更深，拿货优先级自然也更高。 换句话说，未来一两年1.6T该放量还是会放量，DSP该紧还是会紧。 只是站在投资的角度，这些已经不算特别新的信息了。 如果现在还每天盯着“1.6T又加了多少单”“DSP又缺了多少”，其实还是在交易过去一年市场已经反复讨论的东西。 我们反而更想往后多看一步。 为什么行业开始想办法去DSP？ 说到底还是一个老问题——电。 现在AI数据中心最头疼的已经不只是GPU够不够，而是GPU买回来以后，电从哪里来，热怎么散出去，以及整个网络为了搬运这些数据到底还要吃掉多少电。 这次调研里有一个例子很好理解。 一只800G光模块平均功耗大约25W，其中DSP可能占掉接近一半。假设因为制程差异，一颗DSP多消耗3W，看起来没多少，但一台128端口交换机累积下来，就是接近400W。 再把这个数字放到几十万甚至上百万颗加速器组成的AI集群里，事情就完全不一样了。 而且网络还在继续升级。 800G之后是1.6T，再往后还有3.2T。速率越高，电信号在PCB上传输的距离越长，损耗和功耗的问题就越难处理。 这时候再一味靠“换一颗更先进的DSP”去解决，空间已经越来越小。 NPO和CPO就是在这个背景下开始走到台前的。 2027年，我会先盯NPO NPO你可以简单理解成，以前光模块离交换芯片比较远，现在把光引擎往交换芯片旁边搬。 搬近以后，电信号不用在PCB上跑那么远，损耗下来了，DSP承担的工作自然也可以减少，功耗跟着下降。 按照这次调研的估算，NPO相比传统方案大概可以节省30%—40%的功耗。 更值得注意的是2027年。 现在大家都知道CPO是方向，但CPO的问题是想得很好，真正大规模生产没有那么容易。如果明年部分CPO交换机没办法按照原来的计划出货，那么NPO很可能先顶上去，做一段时间的过渡方案。 这次调研甚至估算，如果相关交换机大量采用NPO，按照端口数量换算，2027年对应规模可能达到1200万只左右。 1200万这个数字我不会太当真，因为这里面的假设很多，CSP最后愿意采用多少、产品能不能按时出来，都还要继续验证。 但我会记住“1200万”背后的那个变化：NPO已经不是飘在天空里的东西了。 只要明年开始看到真实订单、真实交换机出货和CSP验证往前走，市场交易的逻辑就会跟着变化。 这也是为什么2027年我会非常关注NPO。 再往后看，还是绕不开CPO NPO更像是一座桥。 真正有可能把现在光互联架构彻底改变的，还是CPO。 它走得比NPO更远，直接把光引擎进一步靠近交换芯片。距离更短，功耗自然还能继续往下降。 我们调研里给出的数据是，NPO可能节省30%—40%的功耗，而CPO在部分测试里甚至能做到60%—70%。 如果AI集群以后真的做到百万卡甚至更大的规模，这种差距最后全部都是电费、散热和数据中心容量。 但CPO也有一个问题：它现在最大的困难不是设计出来，而是造出来。 里面可能涉及上千根光纤，怎么耦合、怎么提高良率、怎么控制成本，本身就很麻烦。再加上玻璃基板、布线、打孔和先进封装，很多工艺还在往成熟量产的方向爬。 所以我们暂时不会因为CPO来了，就直接判传统光模块“死刑”。 这次调研给出的时间窗口其实挺合理：2028—2029年之前，DSP和传统光模块大概率还有自己的位置，真正明显的技术转折点可能要等到2029年前后，甚至2030年。 这中间还有好几年。 对投资来说，反而是一件好事。 因为这不是突然切换，而是一段我们可以持续观察、持续验证的过程。 到这里，选股思路也要慢慢变了 以前看光通信，我们很容易先问一句：谁的光模块卖得最多？ 以后这个问题可能要稍微换一下： 谁在控制下一代AI网络的架构？ 这两句话听起来差不多，背后的投资逻辑其实完全不同。 传统架构里面，交换机赚交换机的钱，DSP赚DSP的钱，光芯片和光模块也各自拿走一部分价值。 但到了NPO，尤其是CPO，交换芯片、硅光、光引擎和先进封装开始越靠越近。 东西一旦开始整合，价值量就一定会重新分配。 所以接下来除了LITE、COHR这些我们已经很熟悉的光通信公司，我会花更多时间去看NVDA、AVGO和MRVL。 因为它们争的已经不只是某一颗芯片，而是下一代AI网络里面自己到底能控制多少东西。 另外还有一个我会放在观察名单里的公司：INTC。 如果以后AI芯片、交换芯片、CPO一起抢先进制造和先进封装，整个产业迟早会问一个问题：TSM之外，还有没有第二套真正能用的能力？ 这次调研已经提到，部分厂商正在评估INTC的EMIB和先进制程。 现在当然还不能因为这一句话就给INTC算多少收入，但如果未来真的开始出现先进封装产能转移，那么INTC的故事就不只是CPU能不能翻身了。 接下来，就盯三件事 NPO什么时候出现真正的大规模订单，CPO什么时候跨过量产门槛，以及NVDA、AVGO、MRVL这些公司，最后谁能在下一代AI网络里拿走更多价值量。 今年光通信炒的是“量”。 下一阶段，开始看谁拿走“架构”。 $LITE $COHR #美股#

Bernstein昨天给海光信息的目标价从280元上调至450元，核心逻辑是Agentic AI正在颠覆过去四年"GPU独占AI capex"的格局，CPU的角色从配角回到主角。全球服务器CPU TAM从2025年的390亿美金膨胀到2030年的2230亿美金，六倍。海光作为全球唯一Intel/AMD之外的x86服务器CPU供应商，是这个结构性转向里最直接的中国受益标的。 先看Agentic AI为什么对CPU需求完全不同于传统LLM。LLM时代的工作负载映射在大规模并行矩阵运算上，GPU天然契合，CSP训练集群的GPU:CPU比从2020年的3:1一路拉到2024年的8:1。但Agentic AI的计算结构完全不一样。Agent编排、工具调用、上下文窗口管理、多Agent协调、人机交互回路，这些全是通用顺序处理，要求低时延和高内存带宽，都是CPU的活。GPU的工作退缩到token生成本身，其余一切回归CPU。Bernstein给出的数据是GPU:CPU比到2030年反转到2:1，CPU在推理集群AI capex中的占比从14%升至50%。 AMD自己在2025年11月分析师日给的CPU TAM预期是600亿美金，半年后2026年Q1财报电话会翻倍到1200亿。Intel连此前减值报废的库存芯片都能卖掉，客户抢着要。供需紧张程度可见一斑。 中国的x86服务器CPU TAM从2025年的70亿美金到2030年的270亿美金，但增长节奏分两个阶段。2025到2028年CAGR约31%，低于全球的35%，原因是双重供给约束。一方面AMD和Intel的产能被美国超大规模客户优先吸收，分配给中国的份额在缩减。另一方面SMIC先进制程产能有限，既限制了国产AI加速卡的放量（AI加速卡供应不足直接压制CPU的配套需求），也限制了海光自身的晶圆分配。2028年之后这两个约束同时松动。SMIC及其他国内代工厂的先进节点产能规模化释放，国产AI芯片供应上量带动服务器整体部署加速，叠加地方政府主导的AIDC投资追赶，中国CPU市场CAGR升至36%，开始跑赢全球。 海光的技术代际演进值得细看。2016年通过AMD Zen1授权起步，2019年被列入实体清单后失去AMD后续技术支持，但Zen1的IP授权本身不可被追溯撤销。从Gen2到G4，海光在14nm（后转SMIC N+1/10nm等效）的制程约束下，通过架构、内存子系统和I/O的自主改进，每代实现30-50%的性能提升。G4已经做到64核、DDR5、PCIe5.0，SPEC2017 int-rate得分大约1000，对标Intel Xeon四代/五代（2022-2023年产品）和AMD Zen3（2021年产品），技术差距稳定在2-3年。一个有意思的侧面验证是今年曝出的StackWarp硬件漏洞影响了多代AMD Zen处理器，海光完全不受影响，原因是其安全架构已经从AMD的SEV-SNP替换为自研的CSV3。这说明微架构层面的分叉是真实的，不是换皮。 G5是整个增长逻辑的承重点。128核、512线程（SMT4）、16通道DDR5、CXL2.0，全自研微架构，预计在SMIC N+2（7nm等效）上制造。Bernstein估计SPEC2017 int-rate得分能到2000以上，而Intel Granite Rapids（128 P核，2024年9月上市）得分2440，AMD Zen5（2024年）得分2089。如果G5按计划出来，海光跟全球最新产品的差距就从现在的"差两代"缩小到"差一代"。 128核的可行性不依赖制程突破，依赖chiplet封装。不上单片128核的巨型die（良率会崩），而是把多个较小的compute chiplet拼在一起，这是AMD EPYC从Zen2开始用的路线。在SMIC 7nm等效节点上做较小面积的计算die，良率可控，总核心数取决于封装多少块die。IPC的+17%提升来自从Gen2到G4积累的四代全流程设计经验加上国产EDA工具在7nm数字逻辑综合上的成熟。16通道DDR5则依赖长鑫存储的DDR5产能扩张和澜起科技的CXL控制器IP。三个条件中，SMIC的7nm产能分配是最硬的瓶颈。 海光G5真正差异化的点在SMT4。512线程/每socket，这在当前所有服务器CPU里是最高水平。AMD和Intel的主流产品是SMT2。SMT4在什么场景有优势？多租户推理服务（逻辑CPU密度翻倍，单位推理请求成本下降）、Agentic AI的编排层（大量I/O-bound和memory-bound的轻量线程）、以及内存受限的LLM推理（线程在等KV-cache数据时其他线程能利用执行单元）。这恰好是中国市场未来最大的增量场景。中国在推理侧有结构性优势，电力成本低加上DeepSeek等厂商展示的LLM推理优化能力，意味着同样算力下token产出更高。如果中国数据中心的CPU:GPU配比因此高于美国，那CPU需求的上行空间比Bernstein的base case还要大。 Bernstein给海光的市占率预测是按价值从2025年的19%到2030年的36%，按出货量接近50%（因ASP低于Intel/AMD）。逻辑分两步。第一步是信创存量需求的持续消化，这是政策驱动的底仓，不依赖性能绝对值。第二步是2027年之后CSP的商业化采购启动，这才是增量的大头。CSP客群到2030年会占中国x86服务器部署的约75%。海光在这个市场从目前的中个位数渗透率做到20%，需要G5的性能足够用，同时AMD/Intel的供应持续偏紧。海光还有一个独特杠杆，CPU+DCU（AI加速卡）的全栈捆绑。在国产AI芯片供应紧张期，海光可以用DCU的分配权换CPU的采购量，反之亦然。除华为外没有第二家能这么做。 整套逻辑成立与否，供给侧取决于SMIC先进节点的产能爬坡能不能支撑G5持续放量，需求侧取决于CSP客户的实测验收。G5在6月已确认量产出货，配套服务器从风冷双路到浸没式液冷（单组80,000+核心）都有了，但目前没有任何独立的SPEC跑分公开数据。2000分是Bernstein的估算，不是实测。CSP大规模采购需要POC验证周期，从送样到资质认证到批量上架通常两到三个季度。看看下半年是否有头部CSP的集采订单落地。

英特尔 CEO 陈立武 45 分钟的访谈 他在访谈当中提到CPU为什么在AI时代重新杀回来了？ 英特尔的先进封装和台积电的先进封装到底差异在哪里？ 还有一堆你经常听到的材料，比如玻璃基板、人造金刚石、氮化镓、磷化氢，它们为什么在未来的10年特别重要？陈立武采访谈用三个根本性转移把它讲透了。 · 第一个就是计算重心在转移。 过去的三年市场把AI的算力直接等同于GPU，陈立武的判断很直接，就训练时代这个逻辑是成立的，但推理和智能体的时代不成立。 因为智能体不是一直在做矩阵的乘法，它需要调度任务、查数据库、管内存、调工具、做安全的控制，在上百个模型之间做协调，这些全是CPU的活。 他跟AI的模型厂商聊完过后，发现GPU和CPU的配比正在从原来的8：1到4：1再到1：1。你不用干掉英伟达，GPU卖得越猛，系统对CPU的需求就越大，所以英特尔只需要坐稳现在这个位置就可以了。 · 第二个就是连接方式在转移。晶体管缩小越来越难，越来越贵，所以下一个阶段的竞争不是谁能做出更小的纳米级的芯片，而是谁能把更多的芯片更高效的拼装在一起。 台积电CoWOS的做法就是在GPU和HBM下面铺一整块大硅片当作底座，等于修了一整块的高架平台。硅面积受限，并且良率比较难爬坡。英特尔的EMIB完全换了一条路，只在两颗芯片的接缝处衔接一小块的硅桥，别的地方继续用便宜的有机基板。 一句话类比就是台积电在修高架平台，而英特尔只在过河的地方去搭一个桥。桥就比平台更便宜，并且还快，还不限面积。再叠加上Foveros的3D垂直堆叠和铜铜混合键合，目标就是把CPU、GPU、HBM I/O全部揉进一整套的系统级的封装。 · 第三个就是材料体系在转移，也是整场访谈当中信息密度最高的一部分。陈立武明确提出现在正在全面转向新材料的底层突围，他一口气提出五种关键的材料。 · 首先就是玻璃基板，当前的先进封装全部使用的是有机基板，在千瓦级的AI芯片的超高热的发热底下有机基板会严重的翘曲变形，而玻璃基板的平整度和热稳定性能要比有机物要高出50%，能打出更密、更细的通孔，是下一代巨型AI芯片雷打不动的底层地基。 陈立武采用了务实的轻资产的模式，由英特尔输出设计标准转而向韩国的供应商去采购，用创投的思维快速去催熟整个供应链。 其次就是磷化铟，大模型的集群规模越来越大，传统的铜线传输的延迟和功耗就会让人无法忍受了。而磷化铟是制造半导体激光器的核心材料，intel深度布局磷化铟目标就是加速共封装光学(CPO)的落地，直接在封装层面把光电转化的模块和核心的计算芯片封装在一起，实现以光代电的高速通信。 最后就是解决算力怪兽的供电和散热问题，一个AI的机架动辄数万瓦、数十万瓦，传统的硅基电源器件在电压转换的时候损耗惊人，陈立武就提出布局氮化镓和碳化硅等第三代的半导体，就是为了在电流进入到芯片前的最后几厘米最大化的去压缩供电损耗。 当芯片的内部的核心死角产生极端的热量的时候，英特尔在封装当中又引入了自然界里面导热率最高的材料，就是人造金刚石作为热扩散层，将热量瞬间去导走，防止芯片因过热而降频。 这几种材料陈立武可不是只说说，是全部都真金白银在投了一些项目了。三个转移只是方向，但是方向只是第一步，判断对了不等于能够落地。陈立武为了确保这三个转移不会变成空中楼阁，他自己做了一套执行框架，爬、走、跑。 · 爬就是先让组织能够打仗，他接手时候的英特尔公司是表格驱动的公司，层层报数字，层层等审批，部门之间不通气，他上来就让所有的工程团队直接向他一个人汇报，砍掉中间所有的官僚层，产品线大而精，不再什么芯片都做，决策速度必须回到创业公司的水准，组织不调，三个转移一个都推不动。 · 第二个就是走，是为三个转移备足弹药的。资本端他干了一些教科书级别的事情，居然拉了貌似是对手的黄仁勋，投了他50亿美元，14个月账面变成了250亿美元。软银进来了，美国政府成了他的大股东，这就是把所有的关键玩家绑成利益共同体。 你英伟达要用的是我的代工和封装，你软银要的是AI的基础设施，美国政府要的是本土制造的能力，大家都在一个桌子上玩。 · 第三个就是跑，就把三个转移的成果拼成一整个系统。他的目标不是做一个爆款的芯片了，而是把CPU、GPU定制芯片、先进制程、先进封装和软件生态拼成一个完整的计算平台。注意这里叫计算平台，不是他以前擅长的一个芯片了。 看完陈立武的访谈，感觉英特尔的方式对中国其实是一个利好。因为英特尔的先进封装EMIB这条路不需要砸天价的硅中介层的产能，你可以走局部的硅桥加面板级的封装的路线。所以中国这些封装公司都可以按照这个方向进行跟进。 中国在玻璃基板、金刚石的散热，氮化镓，这个产业链上面基础不弱。产业化和工程化的事情，中国应该是个强项。 所以陈立武这45分钟，表面上是在讲英特尔，实际上讲的是AI时代，半导体竞争的换挡是下半场，各巨头们到底在做什么东西，换挡就是有机会。

一文看懂AI数据中心大周期下的功率半导体 的下一场军备竞赛，不再只是GPU，而是Power AI 数据中心正越来越大，一个数据中心耗能动辄相当于一座中型城市。 过去的数据中心是 10-20kW/rack，现在已经变成 80kW、120kW，甚至 600kW/rack。大型 AI Cluster 的耗电已进入 GW 级别。 瓶颈除了GPU、cpu和储存，也开始转向电流、热、配电、铜损、电力转换效率、电网接入和 HVDC。 AI 数据中心产业链： 电网 → 变压器 → UPS → HVDC → PSU → VRM → GPU。 传统服务器大量采用 48V，因为传统互联网时代机柜功率不高。但 AI 时代，低压系统的问题开始全面暴露。因为： P = VI 同样 1MW 功率，48V 需要超过 20,000A 电流，400V 大约 2,500A，800V 进一步下降到约 1,250A。 电流下降意味着铜缆变细、铜损下降、发热下降、母排缩小、PSU 压力下降、液冷压力下降，建设难度下降，成本更低。 800V 是电动车已验证的高压平台，EV 为什么进入 800V？因为快充、高功率、降低线损和降低热损耗。 今天 AI 数据中心遇到的是同样的问题。于是 SiC、高压 MOSFET、高压 DC/DC、高压 PSU、HVDC、Busbar、固态变压器，这些原本偏新能源车的产业链，开始向 AIDC 外溢。 但 800V可能只是开始，真正的大方向是 HVDC（高压直流化）。 这是为什么传统工业电力公司突然重新被市场估值。像 Vertiv、Eaton、Schneider Electric、ABB、Siemens，开始成为 AI 产业链的重要受益者。 这也是为什么功率半导体正在被市场重估值。 英飞凌就是一个典型的从服务汽车的功率半导体无缝过渡到电力基础设施半导体的公司。 英飞凌可能是目前全球少数真正做到“Grid-to-Core”的功率半导体平台。从电网侧高压、HVDC、PSU、GPU 供电、高频 GaN、Driver、Controller、MCU，到功率模块、MOSFET、SiC，几乎全部覆盖。 这也是它最大的护城河。 更重要的是，英飞凌不是 Fabless，而是 IDM。自己设计、自己制造、自己封装、自己测试。这在功率半导体行业极其重要。因为功率半导体和 CPU/GPU 不同。逻辑芯片拼的是 EUV、FinFET、GAA、晶体管密度。功率半导体真正拼的是热管理、高压稳定性、长寿命可靠性、材料、封装、外延和良率。尤其 AI 数据中心未来是长时间满载、高电流、高热密度、高压。制造本身就是技术。 英飞凌现在真正重要的资产，包括 Villach、Dresden、Kulim。其中最关键的是 300mm power fab 和 200mm SiC。市场低估了一点：300mm 功率半导体其实非常难。因为热应力、良率、高压器件、缺陷控制，都远比普通成熟制程复杂。而 AI 时代，功率器件需求开始进入大规模扩张阶段。先进功率半导体制造能力本身，开始重新变成护城河。 如果只看“最纯”的 AI 高压 power 玩家，则是 Navitas Semiconductor 和 Wolfspeed 这种公司。尤其 Navitas，本质上是 GaN + AI 高效率 power 的纯 Beta。 Wolfspeed 则是另一种逻辑。市 AI 数据中心如果全面进入 SiC PSU、HVDC、高压电力架构，那么它可能迎来第二增长曲线。 另外还有大型工业电力平台。比如 Eaton、Schneider Electric、ABB。因为它们控制的是配电、中压、低压、断路器、电力管理和数据中心 power topology。而这些东西的 switching cost 极高。AI 最终会发现，GPU 可以换代，但电力架构一旦确定，生命周期极长。 总的来说，谁能持续解决 AI 超高功率密度时代的电流、热、效率、配电、可靠性和电网接入，谁就可能在这个赛道上持续领先。因为 AI 的下一轮瓶颈，已经开始从 GPU，转向 Power。而这条产业链，现在还远没有被市场 fully priced in。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor

如果未来几年AI继续扩张，康宁可能是最大的赢家之一 大盘开始回调的时候，我就喊过要抄底DRAM、MRVL、INTC、COHR、GLW、NOK这几个标的，康宁就在这个名单里。陈立武访谈里提到玻璃基板对先进封装的重要性，我当时也专门写了一家对应的公司，就是康宁。 然后，亚马逊和康宁签了一份多年期光纤供应协议，加上之前英伟达对康宁的投资，这家公司到底有什么神奇之处，值得重新认真捋一遍。 整理一下我的逻辑，先说最有确定性的部分，再说还需要时间验证的推演，把这两类分开讲，说服力会更强。 一、康宁是一家什么样的公司 成立于1851年，175年历史。给爱迪生定制过第一颗灯泡的玻璃壳，做过登月飞船的太空窗户，打磨过哈勃望远镜的镜片，也是苹果"大猩猩玻璃"的供应商。它的特点是，作为一家重资产制造企业，始终把营收里很高的比例砸进研发，在玻璃、陶瓷、光物理这些底层材料科学上筑起了一座很难被超越的墙。 更关键的是，康宁是市场上唯一一家同时精通大面积工业显示器玻璃和精密光纤传导技术的材料巨头。这两个领域以前完全是不同的板块，但康宁两边都做，而且都以二氧化硅为核心原料，这就成了它切入下一代AI芯片技术（半导体加光通信）的天然护城河。 二、最有确定性的逻辑 第一，AI光互连已经进入锁产能阶段。现在市场开始讨论光纤、连接器、光引擎够不够用。英伟达签了多年期合作，让康宁美国光连接产能扩产10倍，光纤扩产50%；亚马逊AWS也签了多年期光纤供应协议；Meta之前也签了60亿美元的多年期光纤协议。这几件事拼在一起，说明超大规模云厂商已经在提前锁未来几年的产能，不是等需求出现才下单，这是供给端开始紧张的明确信号。 第二，康宁已经不只是传统光纤公司了。Q1光通信业务收入同比涨36%，利润同比涨93%，增速远高于公司的传统业务。这意味着市场开始重新用AI基础设施公司的框架去理解康宁，不再只是按成熟材料公司的逻辑去定价。当然现在估值还没完全切过去，这是一个正在发生、但还没走完的过程。 第三，英伟达愿意通过资本合作绑定供应链。英伟达在这次长期合作协议里获得了认股权证，这说明公司愿意通过资本层面的合作进一步绑定关键供应链。以前绑GPU供应链，后来绑HBM，现在开始绑光连接，说明光互连这件事已经进入了英伟达的战略层面，不是个边缘环节。 第四，玻璃基板可能打开第二成长曲线。如果未来先进封装逐步从ABF载板转向玻璃基板，康宁就不只是卖光纤，还能进入先进封装材料这条线，这才是真正的大故事。但这部分目前还在未来几年逐步商业化的阶段，不能当成已经兑现的业绩来看，要留时间去验证。 三、康宁在AI算力基础设施里到底扮演什么角色 现在的AI数据中心，比如英伟达Blackwell架构机柜，装着成千上万颗GPU。如果用传统铜线传导，面对这么大的数据量，铜线电阻会产生极大功耗和发热，带宽根本扛不住。目前最主流、也是规模化AI集群最有效的解决方案是光互连，光纤具有极低传输损耗，远低于铜缆。康宁是1970年全球第一个发明超低损耗光纤的公司，行业地位很稳。 康宁的高密度光纤互联技术是它真正的杀手锏。现在的AI训练集群要求几万颗芯片像神经元一样密集连接，康宁可以实现更高密度的光纤部署，这直接帮科技巨头提升算力密度，省下电费和连接成本。 它还有个独特的资本效率优势：之前已经提前把厂房和设备砸好了，现在AI订单爆发的时候不用再投大规模资本开支盖新厂，可以直接用现有设备接单。在已有产能利用率持续提升的情况下，利润率存在进一步扩张空间。 除了光通信，康宁还有几条业务线同步走强：太阳能业务保持较快增长；车载玻璃受益于汽车中控屏幕越来越大，正在变成高单价、高毛利的新应用场景；半导体精密材料方面，康宁长期深耕超低热膨胀玻璃、精密光学玻璃和特种玻璃材料，在高端光学系统和半导体光学产业链中拥有深厚积累。 四、这次涨幅背后的几个具体催化剂 英伟达的投资和绑定关系前面说过了，亚马逊这次签的多年期光纤供应协议是又一个独立验证。英特尔CEO陈立武最近在访谈里点名玻璃基板是先进封装的重要方向，这是一次独立的产业领袖背书。 最重要的是在首尔AI数据中心光通信与互连技术大会上发布的GlassBridge玻璃桥技术。花旗的看法是：虽然目前玻璃桥技术对AI光收发模块企业的影响还有限，但存在结构性颠覆的可能性。随着CPO和NPO在2028到2030年间逐步商业化，玻璃桥会主要在新部署项目中和增量型iFAU竞争，光学元件行业有可能从物理微组装走向半导体级工艺集成，这是一次真正的范式转变，不是简单的产品迭代。 还有两条产业链传导的逻辑值得单独提一下：设备商这条线，美国制造的扩产计划里一定会包括相关设备采购。还有材料商，这次扩产的利好是全球性的。 五、资本市场怎么给康宁重新定价 盘一下康宁30年的市值变化，上一次股价历史巅峰还要追溯到2000年左右的互联网泡沫时期，当时市场在炒光纤网络拉线。泡沫破裂之后，股价经历了很长一段沉寂期，这一次在AI超级浪潮光通信、CPO、半导体玻璃基板的加持下，康宁市值再次迎来爆发式增长，打破历史纪录创下新高。 最近一季财报营收43.5亿美元，同比涨18%，核心EPS大幅飙升30%，最核心的光通信业务销售额同比暴增36%，体现出AI数据中心对光纤的强劲需求。财报还透露，除了之前签的60亿美元光纤大单，康宁近期又新增了两家超大规模云客户（Hyperscaler），部分未来几年产能已经提前锁定。 管理层给的路线图是：2026年底光通信营收200亿，2028年300亿，2030年400亿，光子平台单独目标100亿。 六、我自己的判断 随着超大规模AI集群建设持续推进，康宁同时受益于光连接、先进材料和未来玻璃基板这三条成长曲线，英伟达、亚马逊、Meta这几家巨头的长期合作进一步验证了它在AI供应链里的战略地位。 以前市场把它当成一家传统的低估值玻璃厂，现在华尔街开始意识到它是AI硬件底层不可或缺、接近技术垄断的卖水人。当它的标签从传统制造重估为AI核心基建，长线估值有可能发生比较大的跃升。英伟达10倍扩产的时间表是2028年完成，两年时间赌一个供给端紧张的故事，但具体能涨到什么估值，留给市场自己去给，不提前下死结论。

2027—2028，AI第二轮资本开支可能才真正进入高潮：GPU之后，钱正在涌向ASIC、电力、互联和先进封装 伯恩斯坦密集会见博通、英伟达、应用材料、Astera Labs等11家公司后，一个时间点不断重复出现： 2027—2028年。 最值得注意的并不是AI需求放缓，而是AI资本开支正在明显扩散。 过去市场盯着GPU，下一阶段真正可能出现巨大增量的，却是： ASIC、晶圆、先进封装、HBM、电源、液冷、高速互联、硅光。 这可能意味着，AI投资正在从“买GPU”进入“建设整座AI工厂”的第二阶段。 1｜$AVGO：ASIC开始从故事进入收入兑现 博通给出的AI收入路径非常夸张： 2027年：约 1150亿美元 2028年：约 2300亿美元 如果这条路径兑现，最大的意义不仅是博通收入增长，而是证明大型科技公司自研ASIC正在真正进入规模化时代。 但现在行业最大的限制已经不完全是订单。 更现实的瓶颈正在变成： 电力够不够？ 数据中心能不能按时建好？ 先进晶圆够不够？ 封装产能够不够？ HBM和存储能不能跟上？ AI芯片需求仍然存在，但想把芯片真正变成收入，整条供应链都必须同时扩产。 2｜$AMAT：半导体设备和先进封装可能进入新一轮扩产周期 应用材料已经开始按照2028年的需求准备产能扩张，部分产出甚至考虑翻倍。 原因很简单： AI服务器越来越复杂以后，每增加一代计算能力，需要的不只是更多GPU。 还需要更多： 晶圆制造 先进封装 HBM 基板 电源管理 散热设备 与此同时，800V高压直流供电架构的真正收入贡献，更可能集中在 2027年底—2028年。 这说明AI数据中心正在从“芯片升级”进入“整个电力架构升级”。 3｜$ALAB：互联可能成为下一笔被市场低估的大预算 当一个AI集群从几千颗GPU扩大到几万、几十万颗芯片时，真正困难的问题会变成： 这些芯片怎样高速、低延迟地连接在一起？ 所以接下来AI资本开支中，网络和互联的占比可能继续提高。 目前几个重要时间点也高度一致： UALink：2027部署 → 2028放量 NPO：2027测试 → 2028放量 CPO：商业化时间可能更靠后 这背后对应的是一整条新的AI基础设施链： SerDes 高速交换 光模块 硅光 DSP Retimer CPO 过去市场认为“GPU决定算力”。 未来越来越可能变成： GPU决定单颗芯片性能，而互联决定整个AI集群能扩到多大。 4｜AI行情开始从GPU向整座服务器扩散 $NVDA 依然处于AI计算核心。 但如果2027—2028年的资本开支按照现在的方向推进，增量可能越来越多流向GPU之外： 计算： $NVDA $AVGO 设备/制造： $AMAT 高速互联： $ALAB 先进封装 / HBM： 半导体供应链 电源： 800V数据中心架构 光通信： 光模块、硅光、CPO 服务器： 整机、机架和网络系统 这也是未来两年AI投资逻辑最重要的变化之一： 第一阶段，市场交易“算力不够”。 第二阶段，市场可能开始交易“电力不够、互联不够、封装不够、存储不够”。 GPU并没有结束。 恰恰相反—— 正因为GPU和ASIC数量越来越多，围绕它们的整条基础设施供应链，才可能迎来下一轮更大的资本开支。 $NVDA $AVGO $AMAT $ALAB