过去一两年写了很多关于AI产业链的推文，之前也详细梳理了AI算力产业链的投资逻辑。
去年9月底https://x.com/qinbafrank/status/1973043276568781033?s=46&t=k6rimWsEbo2D2tXolYcM-A 聊到应用的扩展算力需求更大了，利好算力和存储。
今年2月中https://x.com/qinbafrank/status/2023597321368547520?s=20 在资本开支的战争这篇推文里聊到：1）算力产业链上关键环节依然能攫取最大的价值：芯片、封装测试、存储、光模块等，哪些产能不易快速扩张的，哪些是有极高护城河的，就会享受到庞大资本开支的红利；
2）效率优化空间仍然很大：推理端的蒸馏、量化、MoE、专用芯片、液体冷却、核聚变（远期）等可能把单位算力的能耗和成本再降10–100倍。在这些环节上寻找机会
今年四月中在https://x.com/qinbafrank/status/2043653387271712962?s=20 AI算力产业链瓶颈传导的底层逻辑里详细梳理了产业瓶颈是如何在GPU、存储、光互连、电力、CPU之间传导的。
最近的思考是：AI capex 顺着数据中心产业链扩散”仍然是底层地图，但它已经不再是有效的 alpha 框架。现在真正有效的框架应从 capex beta 升级为：
谁拥有真实瓶颈、谁能把瓶颈兑现成利润、谁在下一代架构迁移中拿到控制点、谁的估值已经提前透支。
换句话说，过去两年可以买“AI 数据中心相关性”；再往后更要去买 稀缺现金流 + 架构控制权 + 可验证的订单持续性。为什么？核心逻辑就是当一个产业链上所有环节都被炒过一遍之后，再往后就不能眉毛胡子一把抓，而是要去真正区分哪些公司在产业链真的是不可替代、有极强的核心竞争力，之前市场对其的预期已经有足够巨量的订单和超预期的交付在支撑。本质是从撒胡椒面到细细筛选。
一、上面逻辑的三个关键变量
第一，不能简单说“数据中心各环节都炒过，所以旧逻辑失效”，而是产业链映射逻辑没有失效，但它从“选股逻辑”退化成了“研究入口”。
大厂 capex 和需求并没有减弱。微软 FY26 Q3 Azure 及其他云服务收入同比增长 40%，并明确说客户需求仍超过可用 capacity；这说明算力供给约束仍真实存在。 Meta 也把 2026 年 capex 指引从 1150–1350 亿美元上调到 1250–1450 亿美元，理由包括组件价格更高和未来数据中心 capacity 成本。 Alphabet Q1 2026 Google Cloud 收入同比增长 63%，cloud backlog 超过 4600 亿美元，说明云端 AI 需求正在进入订单/合同层面。
所以问题不是“capex 逻辑没了”，而是：capex逻辑已经被市场充分学习，不能再无差别买所有受益环节。
第二，必须把“涨业绩”拆成“量、价、mix、持续性”
说“涨业绩 vs 涨预期/估值”是对的，但还不够细。现在市场真正会问：
- 业绩增长来自出货量，还是 ASP？
- ASP 是结构性提价，还是短缺驱动的周期价格？
- 毛利率提升来自产品 mix，还是一次性供需错配？
- backlog 是可取消订单，还是多代平台锁定？
- 客户集中度是否给了公司议价权，还是反而压低利润率？
比如存储板块现在明显不是纯预期：Micron FY26 Q2 收入从去年同期 80.5 亿美元升至 238.6 亿美元，毛利率达到 74.4%，公司把创纪录业绩归因于强需求、紧供给和 AI 时代 memory 的战略价值。 这和很多“只讲 CPO/800V 故事但还没大规模确认收入”的公司完全不同。
第三，要把“技术升级”再拆成“方向正确”和“采用节奏正确”
CPO、800V DC、先进封装、液冷、电源架构升级都是真方向，但投资上最容易犯错的是：方向对，但节奏错；节奏对，但公司不在主链条；公司在主链条，但利润被平台方拿走。
NVIDIA 800V DC 页面已经把 54V 传统架构称为下一代 AI factory 的瓶颈，并强调 800V DC 可以减少转换级数、电流、铜耗和线缆体积，提高 tokens per watt。 但这不等于所有 800V 相关公司马上放量；它更可能先在最高功率密度的 Rubin/Vera Rubin、NVL rack、超大规模 AI factory 中落地，然后再逐步扩散。
二、 当前 AI 数据中心产业链分成四类
最好的资产通常在第一类和第三类之间：既有短期业绩，又有下一代架构控制点。 最差的是第四类：收入跟着 capex 走，但竞争壁垒低、毛利率低、客户议价强。
三 、分环节看：投资逻辑和竞争格局的新变化
1、AI 数据中心存储/内存：仍是最强的“业绩兑现型”主线，但要防2027后供给反噬。存储这里要分三层：HBM、服务器 DRAM/DDR5/SOCAMM、企业级 SSD/eSSD。
1）HBM：从 GPU 附属品变成 AI 系统的核心瓶颈
HBM 的逻辑最硬，因为它同时具备三点：需求强、技术壁垒高、供给扩张慢。SK hynix 引述的市场观点显示，2026 年 HBM3E 预计仍占 HBM 出货约三分之二，HBM4 逐步提升；同时云厂商自研 ASIC 也在采用 HBM，说明 HBM 需求已经不只绑定 NVIDIA GPU，而是扩展到 Google、AWS 等自研芯片体系。
竞争格局上，SK hynix 仍是最强者之一。其新闻稿引用 Counterpoint 数据称，SK hynix 在 2025 年 Q2 HBM 出货份额为 62%、Q3 收入份额为 57%，并称其已为 HBM4 建立量产系统、加强与 TSMC 的封装合作。 三星则在 Q1 2026 表示，Memory 业务已开始 HBM4 和 SOCAMM2 面向 NVIDIA Vera Rubin 平台的量产销售，并开发 PCIe Gen6 SSD。
投资变化： 过去买的是“HBM 总需求”，现在买的是 HBM4 代际份额、客户认证、base die/封装协同、12-high/16-high 良率、与 NVIDIA/ASIC 客户的多代绑定。HBM 不再只是周期品，而是介于存储、先进封装和系统架构之间的战略资产。
2）DDR5/SOCAMM：被低估的 CPU/inference 侧瓶颈
Agentic AI 和推理 workload 增长后，CPU、主存、KV cache、数据预处理的重要性提升。三星明确提到 H2 2026 server memory 需求仍强，并把 DDR5、SOCAMM2 和 PCIe Gen6 eSSD/KV cache storage 作为 AI 产品重心。
这意味着存储逻辑从“训练 GPU 需要 HBM”扩展到“推理和 agent 需要更大的 memory hierarchy”。 这对 Micron、Samsung、SK hynix 都有利，但弹性来源不同：SK hynix 偏 HBM 份额，Micron 偏价格/利润弹性，Samsung 偏 HBM4 追赶 + DDR5/eSSD + foundry/base die 组合。
3）eSSD/NAND：从普通周期品变成推理基础设施的一部分
过去 NAND 更像消费电子/企业存储周期品；现在 AI 数据中心的 checkpoint、embedding、向量数据库、KV cache、数据湖、高吞吐推理都会抬升 eSSD 需求。SK hynix 也提到 AI training/inference 扩张会推升每台服务器 DRAM/HBM 容量，并同步拉动 eSSD 需求。
风险： 存储是当前最强基本面环节，但也是最典型的周期行业。SK hynix 自己也提示，2026 年以后 HBM 价格可能因竞争加剧和产能扩张进入修正阶段。 因此存储股不能只看 PE 便宜，而要看 HBM4 份额是否稳、普通 DRAM/NAND 价格是否接近峰值、客户长约是否足够硬、capex 扩张是否破坏供需。
个人判断： 存储仍是 AI 数据中心里确定性最高的环节之一，但 2026 年下半年以后要从“全面多”切换到“买技术份额和长期合约，卖纯价格周期”。
2、光互连/CPO：从“光模块量价齐升”进入“架构战争”
光互连是变化最大的环节之一。过去市场买的是 800G、1.6T 光模块放量；下一阶段买的是 pluggable、LPO、CPO、silicon photonics、switch ASIC 之间的价值迁移。
NVIDIA 已推出 Quantum-X 和 Spectrum-X silicon photonics/CPO 架构，称其 CPO 可带来相较 pluggable transceiver 5 倍能效、5 倍 sustained AI runtime、降低延迟，并且 Spectrum-X Ethernet Photonics 最高可达 409.6 Tb/s，计划 2026 年下半年可用。 NVIDIA 还称其 photonics switches 以 4 倍更少激光器实现 3.5 倍能效，并披露生态伙伴包括 TSMC、Coherent、Corning、Fabrinet、Foxconn、Lumentum、SENKO、SPIL、Sumitomo、TFC 等。
Broadcom 也在推进另一条路径。其 Tomahawk 6 已经 shipping，单芯片 102.4 Tbps，支持 100G/200G SerDes 和 CPO，目标是超百万 XPU 的 AI 网络。 Broadcom 后续 Davisson CPO Ethernet switch 则强调传统 pluggable optics 在功耗、延迟、系统体积上承压，CPO 可降低 70% optical interconnect power，并支持 512 XPU scale-up 和 100,000+ XPU 两层 scale-out。
1、竞争格局的新变化
这里不是简单的“光模块需求继续增长”，而是两条路线竞争：
- NVIDIA 全栈网络路线：InfiniBand + Spectrum-X + silicon photonics，绑定 GPU/AI factory 系统设计。
- Broadcom/open Ethernet 路线：Tomahawk + Ethernet ecosystem，云厂商更容易避免被 NVIDIA 全栈锁定。
这对传统光模块公司是双刃剑。短期 800G/1.6T pluggable 仍有业绩，但中期 CPO 如果大规模采用，价值可能从前面板光模块转移到 光引擎、激光器、硅光、封装、连接器、测试、switch ASIC 生态。Broadcom 早在 Bailly 51.2T CPO switch 中就指出，传统 pluggable optical transceiver 可占传统 switch system 约 50% 功耗和超过 50% 成本，这正是 CPO 试图重构的利润池。
2、投资变化：
光互连不应再只问“800G 出货多少”，而要问：
- 公司是否拿到 NVIDIA/Broadcom/头部云厂商 design-in？
- 产品是 200G/lane 的核心能力，还是上一代可替代产能？
- 在 CPO 里价值会被增强，还是被替代？
- 毛利率来自技术稀缺，还是来自一时供不应求？
- 1.6T、LPO、CPO 的节奏是否会导致库存/订单错配？
个人呢判断： 光互连仍是大方向，但市场会从“光模块总量逻辑”转向“架构站队逻辑”。CPO 是中期主线，但不宜把它理解为 2026 年所有 pluggable 立刻被替代；更合理的节奏是：800G/1.6T pluggable 先兑现，CPO 在最高密度 AI 集群中逐步验证。
3、 800V DC：方向非常重要，但投资节奏不能太早线性外推
800V DC 的本质不是一个普通电源产品升级，而是 AI rack 功率密度上升后，电力分配架构必须变化。NVIDIA 明确说传统 54V 标准已成为瓶颈，800V DC 可减少转换和 routing volume、降低配电损耗、减少电流/铜耗/线缆体积，并提升 tokens per watt。 同页还提到数据中心会从当前 AC distribution 逐步演进到 800V DC，未来形态是一次 AC-to-800V DC 转换后直接分配到 compute rack。
竞争格局的新变化
800V DC 会把价值从传统低压供电、AC 配电、PSU，迁移到：
- 800V rectifier / power shelf；
- 高压 DC/DC；
- solid-state transformer；
- SiC/GaN 功率器件；
- 高压连接器、保护器件、busbar；
- rack-level battery backup / BBU；
- 与液冷/机柜/服务器系统协同设计。
NVIDIA 披露其 800V DC 生态伙伴覆盖 ABB、Delta、Eaton、GE Vernova、Hitachi Energy、Infineon、LITEON、Schneider Electric、Siemens、STMicro、Vertiv 等，说明这不是单一芯片公司故事，而是整个 electrical ecosystem 的重构。
投资变化：
800V DC 现在更像“架构 option”，还不是所有公司都已经进入业绩兑现期。最值得跟踪的是：谁进入 NVIDIA reference design，谁拿到云厂商/ODM 量产资格，谁的产品从样机进入 rack-level 出货，谁能在安全认证、可靠性、热管理、维护便利性上过关。
主要风险：
- 标准未完全统一，NVIDIA/OCP/云厂商内部方案可能存在差异；
- 高压 DC 的运维、安全、保护、认证周期可能拖慢采用；
- 一旦 reference design 标准化，电源/连接器/保护件利润可能被竞争压低；
- 股价可能先按“800V 渗透率”交易，但收入兑现滞后 4–8 个季度。
我的判断： 800V DC 是真方向，但不是最适合简单追主题的环节。它应按“谁在 Rubin/Vera Rubin 后续高功率 rack 中拿到量产份额”来跟踪，而不是按“公司是否提到 800V”来买。
4、电力板块：从“AI capex 受益”升级为“AI 产能许可权”
电力是当前 AI 数据中心里最有持续性的瓶颈之一，因为它不是单一产品，而是 土地、并网、变压器、开关柜、电缆、UPS、燃机、储能、PPA、监管审批 的综合约束。
IEA 预计全球数据中心用电量将从 2024 年约 415 TWh 增至 2030 年约 945 TWh，AI 是主要驱动之一；在美国，数据中心将贡献到 2030 年近一半的电力需求增长。 IEA 同时警告，约 20% 规划中的数据中心项目可能面临延迟风险，新建输电线路在发达经济体需要 4–8 年，变压器和电缆等关键部件等待时间过去三年已翻倍。
这也是为什么 Eaton 这类电气设备公司订单和 backlog 仍强。Eaton Q1 2026 披露 Electrical sector backlog 同比增长 48%，Electrical Americas 12 个月滚动平均订单增长 42%，并称数据中心动能驱动需求。
竞争格局的新变化
电力板块不能混在一起看。至少分四层：
- 电网设备：变压器、开关柜、断路器、电缆、保护控制。
- 数据中心内部电力链：UPS、PDU、busway、switchgear、rack power、BBU。
- 发电侧：天然气、燃机、核电、SMR、地热、储能、PPA。
- 工程与 EPC/系统集成：谁能按期交付可用 MW，谁就有定价权。
短期最硬的是 电气设备 backlog + 交付能力，中期是 并网和发电资源，长期是 拥有低成本、可调度电力的区域/公司。Reuters 也引用 EIA 称，美国电力需求将在 2026 和 2027 年继续创新高，受 AI 数据中心和电气化推动。
投资变化：
电力已经不只是“数据中心 capex 的下游供应商”，而是 AI 产能能否投放的准入条件。对云厂商而言，GPU 不够可以买，HBM 不够可以排队，但 并网 MW 和变压器交期不是花钱马上能解决的。
主要风险：
- 电力设备估值已较拥挤；
- 项目延期会把收入后移；
- 公用事业股受监管、利率、资本开支回报率约束；
- 燃机/核电/SMR 叙事容易长期正确、短期兑现慢。
个人判断： 电力是 AI 数据中心里持续性最好的“实物瓶颈”之一，但要优先看设备和系统交付商，其次再看发电资产，最后才是普通 utility beta。
**
5、CPU：从“GPU 配套件”重新变成 AI 系统关键路径，但利润池会被云厂商内化
CPU 的逻辑变化被市场低估。过去大家把 AI 服务器理解成 GPU/HBM 主导，CPU 只是 host processor。但 agentic AI、推理、工具调用、数据预处理、sandbox、retrieval、network/storage virtualization 都会把 CPU 重新推到关键路径。
Google 在 Axion 介绍中明确说，通用计算仍是客户 workload 的关键部分；Amdahl’s Law 意味着加速器继续改进时，general-purpose compute 会成为成本和能力限制。Google 称 Axion 相比当时最快的 Arm cloud instances 性能高最多 30%，相比可比 x86 实例性能高最多 50%、能效高最多 60%。 Arm 2026 年的文章进一步指出，agentic systems 会增加并发、延迟敏感性和总体计算需求，把 CPU 放到成功的关键路径上；Google TPU 8t/8i 也将 Axion 作为 header，以降低数据准备延迟、保持 TPU 利用率。
AWS 的数据也说明 CPU/自研芯片不是边缘故事。Amazon Q1 2026 称其 chips business，包括 Graviton、Trainium、Nitro，年化收入 run rate 超过 200 亿美元且同比三位数增长；并提到 OpenAI 从 2027 年开始消耗约 2GW Trainium capacity、Anthropic 将获得最多 5GW Trainium。
竞争格局的新变化
CPU 这里要非常谨慎。需求增长是真实的，但不等于所有 merchant CPU 公司都同等受益。
- 云厂商自研 Arm CPU：AWS Graviton、Google Axion、Microsoft Cobalt，会把一部分 CPU 利润内化到 hyperscaler 内部。
- AMD EPYC：在高核心数、内存带宽、PCIe lanes、x86 生态上仍有强竞争力，尤其适合 GPU host、通用云、数据库和 enterprise workload。
- Intel Xeon：仍有庞大装机基础、enterprise 生态和 AMX/加速指令，但制程、功耗、份额和毛利率压力仍是关键。
- NVIDIA Grace/Vera CPU：如果系统架构进一步 rack-scale 化，NVIDIA CPU 的价值不只是 CPU，而是 NVLink/NVL rack 体系的一部分。
投资变化：
CPU 不是最稀缺的 AI 资产，估值弹性通常不如 HBM、先进封装、电力、核心网络。但 CPU 的战略重要性在上升，尤其在 inference/agentic AI 中。真正的问题是：新增 CPU 需求的利润流向 merchant CPU，还是被 hyperscaler 自研芯片和系统级优化吸收。
个人判断： CPU 板块逻辑改善，但它更像“AI 系统效率/成本优化”主线，而不是纯短缺主线。最强的不是单颗 CPU，而是 CPU + accelerator + memory + network + software scheduling 的系统控制权。
6、先进封装
AI芯片越来越大，HBM越堆越多，CoWoS继续扩，但“圆形晶圆+硅中介层/有机基板”的效率、面积、良率和成本压力会越来越大。CoPoS是为下一代超大AI/HPC封装准备的生产形态。
台积电现有CoWoS仍是AI/HPC主力。官方CoWoS页面写得很清楚：CoWoS-S使用硅中介层，面向AI、超算等超高性能运算；CoWoS-S可做到约3.3倍reticle尺寸，超过这个尺寸则推荐CoWoS-L或CoWoS-R。 台积电2026技术论坛又进一步把CoWoS路线推到5.5x、14x reticle，14x CoWoS预计2028年生产，可整合约10颗大型compute die和20个HBM stacks。
CoWoS = 现阶段AI GPU/HPC的主战场。
它已经量产、客户明确、产能紧张，是当下业绩主线。
CoPoS = 下一代超大尺寸AI/HPC封装的中长期平台。
它不是单纯“封测厂业务”，而是台积电3DFabric体系下从晶圆、RDL/interposer、chiplet、HBM、substrate到系统级封装的延伸。
FOPLP = 面板级扇出封装，是CoPoS相关但不等于CoPoS。
FOPLP可以用于中低到中高阶应用，比如RF、车用、电源、光通讯、部分AI服务器电源/模块；CoPoS更偏向大AI/HPC封装，需要更强的interposer/RDL/TGV/良率控制。CommonWealth对比写得很直接：CoWoS成熟、量产；CoPoS和FOPLP都从wafer转向panel，但CoPoS更面向更大AI芯片，FOPLP更多用于移动、车用、IoT等较薄、高密度芯片。
CoPoS会重塑AI先进封装供应链，但真正值得跟踪的不是“玻璃基板”四个字，而是“谁能帮台积电把超大AI封装做出来、做稳、做便宜”。
从这个角度看，最值得研究的是：台积电平台、CoWoS/CoPoS设备链、RDL/TGV/湿制程、量测良率、ABF/玻璃核心基板、关键材料
四 现在每个环节的“新投资结论”
五 你的投资组合应该如何布局
可以用三个问题筛公司：
问题一：它是“真实瓶颈”，还是“主题相关”？
真实瓶颈的特点是：交期拉长、客户愿意预付款或签长期协议、ASP 上行、毛利率扩张、扩产慢。
主题相关的特点是：收入涨但毛利不涨，客户高度集中，capex 多但 ROIC 不清楚，或者只是“进入供应链”但份额很小。
当前更接近真实瓶颈的是：HBM、高端 server DRAM/eSSD、先进封装、变压器/开关柜/电网设备、部分高端光互连。
问题二：它的价值会在架构升级中上升，还是被架构升级替代？
这是光互连、800V DC、CPU 最关键的问题。CPO 会让部分传统 pluggable 模块价值被压缩，但会抬升硅光、光引擎、激光器、连接器、封装测试和 switch ASIC 的价值。800V DC 会抬升高压电源链、SiC/GaN、保护器件和 rack power architecture 的价值，但可能压缩部分传统低压供电部件。
问题三：下游 cloud capex 还能不能继续被资本市场容忍？
这是 2026 年最重要的估值天花板。Amazon Q1 2026 trailing twelve-month free cash flow 降至 12 亿美元，主要因为 PPE 采购同比增加 593 亿美元，主要反映 AI 投资。 Reuters 6 月 10 日报道 Amazon 获得 175 亿美元贷款安排，并称 Big Tech AI 相关支出今年预计超过 7000 亿美元，且大型科技公司正更多通过债务和股权市场融资。 Oracle 的案例更极端：Reuters 报道其 FY2027 capex 最高可能达 950 亿美元，并计划通过债务和股权融资近 400 亿美元，引发市场对现金消耗和债务的担忧。
这意味着上游供应链的估值不能只看订单，还要看下游客户的 AI revenue conversion、tokens economics、depreciation drag、free cash flow 承压程度。一旦市场开始质疑 AI capex ROI，最先杀的是“纯预期 + 高估值 + 未兑现利润”的环节。
https://x.com/168X_Fortune/status/2062463349573718318
之前跟168X对谈的时候，也聊到4 到 5 月这波涨，核心就两个：一是云厂商验证了大资本开支带来云业务超预期增长，而云业务变现来自 B 端、C 端的 token 消耗；二是 Anthropic 的年化收入快速增长。
这两个是现在支撑整个业务逻辑的基点：AI 商业化已经进入拐点、在快速增长。
五 最终的投资逻辑和主线
AI 数据中心投资已经从“capex 流向哪里”进入“瓶颈在哪里、瓶颈能持续多久、谁控制下一代架构、利润最终被谁留下”的阶段。
当前我对各环节的相对判断是：
- 存储/HBM/eSSD：最强业绩兑现主线。 但 2026 后要关注供给扩张和价格周期，不宜无差别追高。
- 光互连/CPO：技术方向很强，但竞争格局重构。 未来赢家未必是过去 800G 模块涨幅最大的公司，而是拿到 NVIDIA/Broadcom/云厂商平台卡位的公司。
- 800V DC：大方向确定，短期收入节奏不确定。 这是高功率 AI rack 的必要演进，但投资上要等 design-in、认证和量产节奏落地。
- 电力板块：最持久的实物瓶颈。 但要区分设备商、发电资产、公用事业和 EPC；最优先的是有 backlog、交付能力和定价权的电气设备商。
- CPU：重要性上升，但不是简单短缺逻辑。 Agentic AI 让 CPU 回到关键路径，但 hyperscaler 自研芯片会内化一部分利润池，merchant CPU 公司的估值弹性需要更谨慎评估。
最危险的投资是：只因为某家公司“沾 AI 数据中心”就买；只因为它提到 CPO/800V/液冷就给高倍数；只看收入增长不看毛利、份额、客户集中和架构替代风险。
最有吸引力的投资是：
已经涨业绩，但市场低估持续性的瓶颈资产；
或者尚未完全兑现业绩，但已经被下一代架构平台锁定的控制点资产。
简单说市场都认识到了AI算力产链条的瓶颈和卡脖子，那么投资就要更进一步：不是只站在瓶颈上，不是只处于卡脖子环节就可以了，你还要看这家企业这个在这个瓶颈和卡脖子的节点上是不是独特的、不可替代的、技术路线正确的、不仅订单一大把交付还能持续超预期。同时还要这技术演进和落地的节奏到底是如何的？
