去GPU化的浪潮，已經攔不住了！OpenAI嫌輝達太慢，Anthropic砸1486億投奔TPU，老黃被迫200億天價收購「叛徒」自救。如今，算力軍備賽正式進入能效為王的新時代：誰先卡住「每焦耳每微秒」的極限，誰或許就是下一個十年的霸主。再過兩周，黃仁勳將站上GTC 2026的舞台。他提前放了話：「我們準備了幾款世界上前所未見的全新晶片。」底氣來自一份炸裂的成績單——輝達2026財年年收入2159億美元，淨利潤翻倍，資料中心業務三年翻了13倍。在財報電話會上，CFO直接甩出一個數字：客戶已經部署了9吉瓦的Blackwell基礎設施！但詭異的一幕出現了。財報發佈當晚，輝達盤後一度漲超4%。隨後股價悄然轉跌，次日直接低開低走，收跌5.46%，一夜蒸發數千億美元市值。華爾街不是看不懂數字，是看懂了趨勢。前有Anthropic甩出210億美元訂單，全面採購基於GoogleTPU的算力系統；後有Meta跟Google簽下數十億美元晶片大單，大規模租用TPU訓練模型。為了給程式設計帶來接近即時的響應體驗，OpenAI更是歷史上首次將主力級產品GPT-5.3-Codex-Spark，部署在了更低延遲與更低能耗的非GPU晶片Cerebras上。輝達最大的幾個客戶，正在集體分散籌碼。全球AI晶片中GPU架構和非GPU架構比例（資料來源：高盛全球投資研究部）根據摩根大通的產能報告，Google計畫在2027年部署600至700萬顆TPU，大部分供給Anthropic、OpenAI、Meta和蘋果等外部客戶。高盛投資研究部的模型顯示，全球AI伺服器中非GPU晶片出貨佔比，將從2024年的36%升至2027年的45%。類似的，IDC也預測，到2028年，中國非GPU伺服器市場規模佔比將逼近50%。GPU的致命短板一個更深層的轉折正在發生：AI的競爭焦點，正從單純的算力規模，轉向對能效比與延遲的極致追求。過去拼誰卡多、誰叢集大。現在拼的是，同樣花一塊錢，誰能吐出更多Token。「每美元產生的Token數」正在取代峰值算力，成為衡量晶片商業價值的核心指標。究其原因在於，GPU的架構決定了，每次計算時資料都要在外部視訊記憶體和計算單元之間來回搬運。路徑長、次數多，能耗就高、延遲就大。堆更多卡解決不了這個問題。路透社爆料，OpenAI已多次表達對輝達晶片的「不滿」——響應速度沒達預期，在程式碼生成產品Codex上感受尤為明顯。壓力迫使輝達這條「巨龍」尋求改變。圖靈獎得主David Patterson教授在最新研究中指出，大模型每次token生成都繞不開資料搬運，而搬運能耗遠高於計算本身。未來的核心命題是「讓資料離計算更近」。為此，他給出了三個AI晶片的演進方向：近記憶體處理、3D堆疊、低延遲互連。實際上，這些都指向同一件事——用架構創新降低資料搬運的能耗和延遲。換句話說就是，誰能用更低的能耗、更低的延遲跑通下一代模型，誰就能在未來十年的算力牌桌上佔得先機。GoogleTPU殺向商用市場一直以來，GoogleTPU專供自家大模型訓練和推理，外人用不到。去年開始，Google把TPU推向了商用。訂單隨即湧入。博通CEO透露，Anthropic下了210億美元的大單；Meta簽下數十億美元TPU租賃協議；潛在客戶還包括蘋果和已與SpaceX合併的xAI。原因不難理解。大模型進入規模化落地階段，算力需求爆發、成本壓力加劇，單一依賴GPU的瓶頸越來越明顯。而GoogleTPU的性能，已經具備與頂級GPU分庭抗禮的實力。2025年推出的第七代TPU，是Google迄今為止性能最高、可擴展性最強的AI晶片——單晶片峰值算力4614 TFLOPS（FP8精度），最大叢集9216顆晶片、總算力達42.5 EFLOPS。劃重點：TPU v7在同等算力輸出下功耗僅為輝達B200的40%至50%。不僅如此，Google自研的光電路交換機（OCS）技術，還讓萬卡級叢集實現近乎線性的加速比。相比之下，傳統GPU叢集規模越大，通訊損耗越嚴重；而TPU叢集基本不吃這個虧。Google TPU v5e、v5p、v6、v7晶片關鍵性能對比GoogleTPU崛起還有更為直接的例證：在TPU上訓練的Gemini 3，在多個權威基準測試中位居榜首，為業界頂尖模型之一。回到成本帳上。TPU憑藉AI專用架構帶來的2-4倍能效優勢，將大模型推理的綜合成本相比GPU拉低50%以上。而這正是Anthropic、Meta們用訂單投票的根本邏輯。當下，大多數大模型企業已經在用TPU+GPU的組合來緩解成本壓力。去年11月，半導體研究機構SemiAnalysis對比大模型公司的採購成本後發現：與OpenAI相比，同時使用TPU與GPU的Anthropic，在與輝達談判時擁有更強的議價權。手裡有TPU，就多了一張跟老黃討價還價的牌。未來頭部AI公司大機率都會走「多晶片平行」路線。OpenAI與Anthropic購買算力的成本對比性能跨越式提升，頂尖大模型規模化驗證，頭部公司主動佈局——TPU已從算力產業的補充路線，升級為主流路線。輝達一家獨大的格局，正在被改寫。十年磨一劍「TPU之父」要造下一代AI晶片2025年底，輝達斥資200億美元，拿下AI晶片創企Groq的核心技術和團隊。這是輝達史上最大的一筆交易，溢價近三倍。Groq創始人Jonathan Ross，被稱為「TPU之父」，GoogleTPU的核心設計者之一。離開Google後，他創立Groq的目標很明確：做一顆超越GoogleTPU的晶片。兩者的差異在架構。GoogleTPU走的是「固定架構+叢集擴展」路線。其中，晶片內部搭載固定計算單元，依託二維資料流運算；晶片間通過3D Torus拓撲實現高效互聯。架構穩定，但靈活性有限。GoogleTPU架構Groq的TSP（Tensor Streaming Processor）則是一種「軟體定義硬體」的資料流處理器。其核心理念是，通過建構可重構的軟硬體系統，在保持可程式設計性的同時，達到接近ASIC的極致性能。具體來說，晶片內部做了功能切片化微架構設計，配合軟體層的靈活配置，可根據不同任務即時調整計算邏輯和資料流路徑。同時，依託大容量片上SRAM及靜態調度機制，顯著提升了資料訪存效率並降低搬運能耗。美國DARPA「電子復興計畫」（ERI）高度看好「軟體定義硬體」方向，將其列為國家級戰略核心。這也是Groq被稱為「高階TPU」的原因。資料顯示，在相同推理任務中，Groq晶片首token延遲比GoogleTPU v7降低20%至50%，每token成本降低10%至30%。這場晶片革命，才剛開始加速Groq被收編，但「高階TPU」的進化沒停。國內清微智能、海外Cerebras等公司正在高效資料流動態配置和先進整合方式上持續突破。1. 通過3D Chiplet技術建構三維立體資料流架構。具體來說，「計算核心+3D DRAM芯粒」的組合在垂直與水平兩個維度上形成了高效的資料流計算模式，突破了傳統二維架構的效率侷限。三維架構可以依據計算任務的需求和資料特性，在兩個維度上靈活調度資料流，最大化縮短傳輸路徑，降低搬運過程中的延遲與能耗，從而進一步提升整體計算效率。2. 依託算力網格技術建構靈活資料流計算範式。傳統固定組網存在擴展性和語義適配瓶頸。而算力網格技術則可以通過靈活組網，實現Scale up與Scale out的協同。根據AI任務特性，系統能即時下發資料流的動態配置資訊，在多種互聯拓撲結構間靈活切換、精準調度。最終降低互聯延遲，充分釋放資料流架構的算力。3. 通過前沿的晶圓級晶片技術，將資料流架構的優勢發揮到極致。這項技術將資料流架構從晶片尺度擴展到整片晶圓。在整張晶圓上高密度整合大量計算核心，計算核心間的互聯距離被極大縮短。帶來的結果是，互聯頻寬實現數量級提升，通訊延遲大幅降低。資料流架構的算力規模與計算效能由此被推到極致。這也是為什麼晶圓級晶片被視為資料流計算架構的理想物理載體。以Cerebras為例。資料顯示，Cerebras CS 3系統推理性能比輝達旗艦DGX B200快21倍，成本與功耗均降低三分之一，在算力、成本、能效上展現出顯著的綜合優勢。在實測中，OpenAI的Codex-Spark跑出了每秒超1000 token的生成速度，讓程式碼編寫第一次有了即時互動的體驗。Cerebras CS-3 vs輝達GPU：大模型推理速度對比GPU獨霸的時代，回不去了GoogleTPU走出圍牆，OpenAI擁抱晶圓級晶片，輝達天價收編Groq。這些訊號均指向同一個方向：算力世界的單極格局正在鬆動。定義下一代AI上限的，不再是單純的算力規模，而是能耗、延遲、確定性共同構成的AI新標尺。對於國產晶片而言，這是窗口，也是分水嶺。簡單復刻只能分得殘羹，唯有在底層架構上走出自己的創新之路，才有資格進入下一輪博弈。 (新智元)

你可能不知道，AI 光互連市場已經正式進入了指數級增長通道。未來三年，整個賽道的規模將直接狂飆三倍！但在眾多產業鏈公司中，為什麼輝達偏偏選擇重金押注 LITE 和 COHR？它們手裡到底握著什麼卡脖子的核心技術，讓老黃非買不可？除了這兩家，還有那些關鍵玩家的行情值得我們要重點關注？現在光互連這條賽道，到底走到了那一步？如果說 2022 年的俄烏衝突，讓世界第一次看到“商業衛星 + AI”在戰場上的雛形；那麼到了 2026 年，戰爭的形態可能已經發生了一次真正的躍遷。戰場不再只是 海、陸、空的三維空間，而是進入了 “太空 + 算力”主導的新四維戰爭體系。當勝負開始取決於，誰的資料鏈路更快、誰的決策模型更強，軍工、航天與 AI 的底層邏輯，是否已經被徹底改寫？AI算力戰爭的真正瓶頸本周，輝達分別向光子技術公司 Lumentum（LITE） 和 Coherent（COHR） 各投資 20 億美元.這筆交易釋放了一個非常清晰的訊號：光互連正在成為 AI 資料中心能否繼續擴張的關鍵基礎設施。消息公佈後，資本市場迅速做出反應。LITE 單日上漲接近 12%，COHR 漲幅超過 15%，而光纖材料龍頭 康寧（GLW） 也同步上漲 4.97%。我們在此前兩篇深度文章中，其實已經系統拆解過這個邏輯，並重點介紹了GLW、LITE與COHR在產業鏈中的位置。AI光互連正在進入指數級增長輝達為什麼偏偏選在這個時間點，加碼光通訊？要回答這個問題，我們得先糾正一個很多投資者的誤判：大家嚴重低估了光模組需求爆發的速度。隨著AI訓練叢集規模不斷擴大，資料中心網路正在經歷一次代際升級。過去主流是400G網路，而在AI算力叢集中，這一頻寬已經遠遠不夠，行業正迅速向800G甚至1.6T光模組升級。行業研究機構Dell’Oro的預測顯示，AI資料中心網路投資正在快速增長。相關基礎設施支出預計將從2023年的約2600億美元，增長到2025年的接近6000億美元，並有望在2028年前突破1兆美元規模。摩根士丹利預測，到 2028 年，整個光通訊市場規模將達到 650 億美元。換句話說，未來三四年，光互連市場將迎來一次史詩級的規模擴張。這意味著，高速光模組正在成為AI算力基礎設施中最關鍵的一環。更重要的是，這一增長並不只是簡單的技術升級，而是來自 AI 資料中心架構的變化。在傳統網際網路資料中心中，流量主要來自伺服器與使用者之間，也就是所謂的 “南北向流量”。但在 AI 資料中心中，絕大多數資料交換發生在 GPU 與 GPU 之間，形成巨大的 “東西向流量”。當數萬甚至數十萬 GPU 組成訓練叢集時，伺服器之間的資料交換規模會呈現指數級增長。這一變化帶來了三條清晰的需求曲線。第一是 橫向擴展（Scale-out）：隨著 AI 叢集規模擴大，機架之間的連線量迅速增加。第二是 縱向升級（Scale-up）：機架內部大量使用的銅纜正在逼近頻寬與功耗極限，未來將逐步被光互連替代。第三是 跨資料中心互聯（Scale-across）：分佈式 AI 訓練需要多個資料中心協同運行，長距離高速光模組需求開始快速增長。在這三條曲線的疊加下，高端光模組的出貨量，可能從 2025 年的 2000 萬隻，猛增到 2026 年的 5300 萬隻，並在 2028 年逼近 8000 萬隻。這不是線性增長，這是指數級爆發。算力瓶頸正在從 GPU 轉向“互連”隨著 AI 叢集規模不斷擴大，一個新的瓶頸開始出現：算力系統的限制，正在從 GPU 本身轉向 GPU 之間的資料連接效率。在 224G 傳輸速率下，傳統銅線的有效傳輸距離已經縮短到 不足 1 米。這意味著，當 GPU 叢集規模繼續擴大時，僅依賴銅互連已經無法滿足資料傳輸需求。因此，光互連正在從一種性能升級選項，變成 AI 資料中心的基礎設施。在華爾街的一些技術報告中出現了這樣非常形象的類比：而在下一輪 AI 基建周期中，光互連能力很可能決定 AI 叢集的擴展速度。在上一輪 AI 基建周期中，先進封裝（CoWoS）決定了 GPU 的產量。這也正是輝達選擇提前佈局光互連產業鏈的核心原因。那麼為什麼輝達選擇 LITE 和 COHR？問題來了，在眾多光通訊公司中，為什麼輝達偏偏選擇了LITE 和 COHR？答案其實就藏在光模組的“身體結構”裡。我們可以把 AI 資料中心想像成一個超大型工廠。GPU 是幹活的機器，光模組是連接機器的傳送帶。現在機器跑得飛快，傳統的“銅傳送帶”扛不住了，必須換成“光傳送帶”。但在光模組這個小盒子裡，真正決定它能不能跑得快、跑得穩的核心部件，只有一個——那就是雷射器。如果把光模組比作一輛跑車，外殼和組裝只是車身，而 雷射器就是發動機。車身再漂亮，如果發動機動力不足，這輛車在 800G 甚至 1.6T 的“超級高速公路”上，根本跑不起來。而且在 AI 場景下，這個發動機不僅馬力要大，還得極度“省油”，否則資料中心瞬間就會變成巨大的電暖爐。但是全世界能造出這種頂級“發動機”的廠家，屈指可數。這就是輝達的邏輯：LITE 和 COHR，是這個細分領域裡幾乎無法繞過的“雙寡頭”。先看 Lumentum (LITE)。它手裡握著一張王牌材料——磷化銦 (InP)。你可以把它理解為光通訊界的“特種鋼材”。只有在磷化銦平台上，才能造出滿足 1.6T 時代高頻、低功耗要求的頂級雷射器。特別是在未來的 CPO 架構中，所需的高功率連續波雷射器，Lumentum 目前處於絕對領跑地位。輝達投它，買的是 技術的天花板。再看 Coherent (COHR)。它更像是一個擁有全產業鏈能力的“巨人”。從最底層的晶體材料生長，到晶片加工，再到器件封裝，Coherent 全部自己能搞定。這種垂直整合的模式，讓它在產能保障、成本控制和良率提升上，有著極強的韌性。輝達投它，買的是 供應鏈的安全墊。為什麼要現在投？因為過去兩年的教訓告訴輝達：光模組交貨慢，往往不是組裝廠沒工人，而是卡在了上游的雷射晶片上。輝達這 40 億美元，表面是投資，實則是鎖定了未來幾年核心零部件的 “優先提貨權”。這裡還有一個很關鍵的商業邏輯：經營槓桿。雷射器行業，技術代差帶來的利潤非常驚人。比如新一代的 200G 雷射器，售價可能是老款的兩倍，但因為工藝成熟，成本可能只增加了百分之十幾。這種“售價翻倍、成本微增”的剪刀差，就是華爾街最看重的利潤爆發點。除了這兩家雷射器龍頭，產業鏈中還有兩家值得關注的公司：Fabrinet（FN） 是光模組製造代工龍頭，很多高端光學產品最終都要通過它生產；而 Applied Optoelectronics（AAOI） 則是正在快速崛起的光模組廠商，800G 產品預計今年開始放量。簡單來說，這四家公司分別代表了 AI 光通訊產業鏈的四個關鍵位置：LITE → 雷射器技術龍頭；COHR → 光學器件綜合平台；FN → 高端光模組製造代工；AAOI → 光模組廠商中的成長黑馬。CPO：中期變數，而非短期殺手當光互連從“可選升級”變成“必選底座”之後，市場關注點自然會轉向下一層：互連技術的路線將如何演進。當前 AI 資料中心最主流的方案仍然是 可插拔光模組（pluggable transceiver）。這種架構生態成熟、維護方便、成本也相對可控，因此仍然是當前大規模部署的核心形態。隨著網路速度不斷提高，行業也在尋找更加緊密結合的解決方案——把光引擎進一步靠近交換晶片，甚至直接與晶片共封裝，這就是 CPO（共封裝光學）。正是因為這種“技術路線升級”的敘事存在，市場才產生了一種典型誤判：很多人認為，一旦 CPO 成熟，傳統光模組就會被迅速取代。但事實恰恰相反。產業鏈模型測算顯示，CPO 在未來幾年仍處於非常早期階段：2026 年對光模組需求影響約 3%2027 年約 11%2028 年約 16%.換句話說，在未來三到四年時間裡，CPO 的滲透仍然非常有限！原因其實很簡單——工程現實。第一是 製造良率。CPO 需要將光引擎直接封裝到交換晶片附近，封裝與測試複雜度遠高於傳統模組。第二是 散熱問題。隨著交換晶片功耗不斷提升，共封裝結構對熱管理提出更高要求。第三是 維護成本。傳統可插拔光模組出現問題時，只需要更換單個連接埠模組；但在 CPO 架構下，一旦光引擎發生故障，可能影響整塊五十太位元每秒以上的交換模組。目前 CPO 的整體成本仍然約為傳統方案的 8—10 倍。因此，未來的資料中心光互連架構更可能形成一種多層共存結構：可插拔光模組NPO（近封裝光學）CPO（共封裝光學）不同技術針對不同距離和功耗需求，各自發揮作用，而不是簡單的替代關係。所以結論其實很清晰：CPO 是長期方向，但在 2026—2028 年這個建設周期裡，真正的贏家仍然是那些能夠同時佈局可插拔、NPO 與 CPO 多條技術路線的廠商。現代戰爭正在變成一條“演算法殺傷鏈”現在我們來談最近的戰爭。這套對伊“手術刀式”精準打擊的背後，其實已經不是傳統的“導彈加雷達”。真正運轉的，是一整套由衛星網路、資料平台、AI和無人系統組成的作戰體系。在這條鏈條裡：SpaceX 的星盾（Starshield）負責通訊網路；Palantir（PLTR）負責資料整合；Anthropic 與 xAI 提供AI推理；而 Anduril 則提供無人系統執行。整場行動，本質上是一條從“圖像資料到精確打擊”的高速資訊閉環。首先改變戰場節奏的，是 SpaceX 的軍用衛星網路“星盾”。過去的軍事衛星大多在約3.6萬公里的高軌道上運行。訊號從地面發到衛星，再返回地面，往返距離接近7萬公里，即便以光速傳輸，也會產生大約500毫秒以上的延遲。半秒聽起來很短，但在高速移動目標面前，這已經足夠讓畫面變成“過去發生的事情”。而星盾使用的是約550公里高度的低軌衛星網路，延遲被壓縮到20毫秒左右。簡單理解就是：過去指揮中心看到的是“半秒前的畫面”，而現在看到的幾乎就是“正在發生的畫面”。同時，星盾還能提供接近 500Mbps 的資料頻寬。這意味著戰場上傳回的，不再只是簡單的坐標和語音，而是持續的視訊畫面、多光譜感測器資料以及無人機即時影像。但問題也隨之出現——當資訊太多時，人類反而更難判斷。這時，Palantir（PLTR） 的平台開始發揮作用。這家由矽谷投資人彼得·蒂爾（Peter Thiel）創立的公司，本質上是在為軍方提供一個“資料作業系統”。Palantir 的 Gotham 平台早已深度嵌入美國國家安全體系，美國國防部、陸軍以及情報機構都在使用這套系統來整合戰場資訊。在這個平台上，來自不同來源的資料會被彙總到同一張數字地圖中——衛星影像、無人機畫面、電磁訊號，甚至公開網路資訊，都可以被快速整合併持續更新。在這種系統裡，目標不再只是一個靜止坐標，而是一條被持續計算和追蹤的運動軌跡。簡單說，指揮官不再需要在多個系統之間切換，而是可以在一張即時地圖上看到整個戰場。接下來，AI開始參與決策。Anthropic 的 Claude 模型和 xAI 的系統在這裡更像一個數位化參謀團隊。它們可以在短時間內分析大量資訊，並模擬不同戰術路徑，例如：那條路徑更容易避開防空系統，那種打擊方式附帶損傷更小。這種AI輔助決策，讓許多戰術判斷可以在幾秒鐘內完成。當最終指令下達，執行任務的是 Anduril 的無人系統。Anduril 的核心系統叫 Lattice，它可以讓多架無人機在同一網路下協同工作。這些無人機在飛行過程中，會不斷接收新的資訊和指令。如果目標移動或者環境變化，系統會即時調整飛行路徑。在低延遲通訊支援下，打擊軌跡可以在最後階段持續修正，從而提高整體精度。四維戰爭如何重寫軍工與美股結構當衛星通訊、資料整合、AI和無人系統連接在一起時，戰爭的組織方式就發生了變化。過去幾十年，軍工體系的核心價值幾乎全部集中在大型武器平台上——戰機、航母、導彈和裝甲車構成了軍事實力的象徵。誰能製造更強的武器平台，誰就能在軍工市場中佔據主導地位。但在新的作戰體系中，決定勝負的關鍵開始發生變化。越來越多的價值，不再來自單個武器平台，而是來自資訊系統本身。誰能更快獲取資訊；誰能更快處理資料；誰能更快完成決策。當戰爭開始比拚資訊速度與決策效率時，軍工產業的價值重心也開始從“鋼鐵平台”轉向“資訊網路”。在美股市場，這種變化已經逐漸顯現。傳統軍工巨頭依然佔據重要位置，例如：洛克希德·馬丁（LMT）雷神技術（RTX）諾斯羅普·格魯曼（NOC）這些公司仍然主導著戰機、導彈和防空系統等核心裝備。但如果把整個作戰體系拆開來看，就會發現，一條新的技術基礎設施正在逐漸形成——低軌衛星通訊、資料平台、AI與雲端運算。也正因為如此，資本市場的關注點開始從單一武器平台，轉向支撐這套體系運轉的底層技術。對於投資者來說，更值得研究的，其實是圍繞這一基礎設施形成的整條美股供應鏈。戰爭重新定價的美股供應鏈首先是通訊與光學鏈路。低軌衛星網路的關鍵並不只是衛星數量，而是通訊效率。Broadcom（AVGO）在通訊晶片領域佔據重要位置，而 Coherent（COHR）與 Lumentum（LITE）則深耕雷射器件與光模組技術。隨著星間雷射通訊的發展，高端光通訊裝置的需求可能明顯增加。第二層是算力與資料系統。低軌衛星提供資訊來源，但真正決定效率的是資料處理能力。Palantir的平台可以整合衛星影像、無人機視訊以及電磁訊號，而AI模型則依賴輝達等公司提供算力支援。第三層是無人系統與邊緣節點。無人機正在從偵察工具演變為戰場執行節點。例如 AeroVironment（AVAV）長期提供戰術無人機系統；Ondas Holdings（ONDS）則佈局無人機平台與專用通訊網路，其軟體定義無線電技術可以幫助無人機形成自組織通訊網路，從而提高協同能力與抗干擾能力。當通訊網路、算力平台和無人系統逐漸連接在一起時，一條新的軍工產業鏈也隨之形成。對於投資者來說，這意味著軍工類股的結構正在發生變化。傳統平台型公司依然穩定，但未來估值彈性更大的，往往是那些掌握通訊鏈路、資料入口和算力資源的企業。如果低軌衛星網路、AI系統和無人平台繼續融合，那麼“空間 + 資料 + 無人系統”，很可能會成為未來幾年軍工產業最重要的一條結構主線。當戰爭形態升級、算力成為軍備、光互連成為基礎設施，你會如何調整自己的資產配置，來參與這場 軍工與 AI 的代際革命？ (美股投資網)

拆解四大卡脖子賽道的技術壁壘、產業鏈暗線與2026年投資的真命題2026年Q1，國內某估值超千億的通用大模型廠商，遭遇了成立以來最嚴重的一次算力危機：他們提前6個月鎖定了晶圓廠產能、包下了華南某頭部封測廠3條Chiplet專屬產線、囤積了足額的HBM3記憶體，計畫一次性落地2萬片國產高端AI晶片，支撐新一代大模型的訓練與推理。但最終，整個項目的交付周期拖了整整4個月，算力叢集上線時間直接跳票——卡脖子的不是晶片設計、不是晶圓代工、不是HBM，而是一張厚度不足0.3mm的ABF載板。該廠商供應鏈負責人的原話是：“我們找遍了國內所有能做ABF載板的廠商，實驗室參數都能對標海外，但量產良率最高只有32%，而海外頭部廠商的良率穩定在95%以上。那怕我們願意承擔3倍的成本，也拿不到足夠的、能穩定用於AI晶片的合格載板。”這個案例，不是個例，而是2026年整個中國AI算力產業的縮影。當全行業都在盯著晶片製程、大模型參數、算力叢集規模的時候，很少有人真正看清：AI算力的終局競爭，早已從晶片設計的表層戰場，坍縮到了底層材料的生死局。海外對華科技封鎖的槍口，也早已從7nm、5nm晶圓代工，精準對準了那些看不見、卻能鎖死整個算力產業命脈的新材料賽道。本文從技術底層邏輯、產業鏈繫結暗線、真實量產資料、海外封鎖細節、投資真偽命題五個維度，深度拆解卡死AI算力的四大核心材料賽道，還原中國材料產業突圍的真實戰場，給從業者與投資人最具落地性的行業判斷。一、破題為什麼AI算力的競爭，最終會坍縮成材料的生死之爭？絕大多數人對AI算力的認知，都停留在“晶片製程越先進，算力越強”的表層。但事實上，當矽基晶片製程逼近1nm的物理極限，電晶體尺寸已經接近矽原子直徑（0.22nm），量子隧穿效應帶來的漏電、發熱問題已經無法通過製程迭代解決。行業公認的提升算力的四大核心路徑——Chiplet先進封裝、液冷散熱、矽光互聯、存算一體，沒有一個能脫離底層材料的突破。換句話說，AI算力的天花板，從來不是晶片設計能力，而是材料的物理極限。我們可以從三個底層邏輯，徹底看清這場材料生死局的本質：1.矽基晶片的物理極限，本質是材料的極限從14nm到3nm，製程迭代帶來的電晶體密度提升，已經從10倍級下降到2倍級，而研發成本、製造成本卻呈指數級上漲。輝達最新的H200晶片，單晶片算力已經突破4PFLOPS，但實際落地到AI叢集中，有效算力利用率不足40%——不是晶片算不動，而是訊號傳不出去、熱量散不出來、資料存不下來，而這三大問題的核心卡點，全在材料。更關鍵的是，所有能突破矽基極限的下一代技術，無論是光子晶片、碳基晶片，還是量子晶片，最終的落地瓶頸，依然是材料。沒有新材料的突破，所有的架構創新、設計創新，都是空中樓閣。2.AI算力的成本曲線，最終由材料的國產化率決定2026年國內AI算力的TCO（總擁有成本）中，70%以上來自進口環節，其中材料成本佔比超過一半。比如：——先進封裝成本中，ABF載板等核心材料佔比高達65%，幾乎100%依賴進口；——AI資料中心液冷系統成本中，核心散熱材料佔比超過60%，高端產品進口依賴度超90%；——800G以上高速光模組成本中，光學材料佔比超過40%，高端產品進口依賴度超70%。這意味著，只要核心材料沒有實現國產化，國內AI算力的成本就永遠降不下來，中國AI產業就永遠只能賺“組裝加工”的辛苦錢，利潤大頭全被海外材料廠商拿走。更致命的是，海外廠商可以隨時通過漲價、斷供，鎖死整個中國AI產業的發展。3.海外對華科技封鎖的終局，是材料的精準卡脖子2025年12月，美國BIS更新了對華半導體出口管制條例，新增了12種用於先進封裝、矽光互聯的半導體材料的出口限制，明確禁止向中國出口用於3nm以下Chiplet封裝的ABF樹脂、高端環氧塑封料；2026年1月，日本經濟產業省跟進更新了對華出口管制清單，新增了6種高端半導體材料，包括AI晶片用的高導熱介面材料、矽光晶片用的非線性光學材料。海外很清楚：晶圓代工你能靠產能、政策慢慢追，但材料的壁壘，是幾十年的工藝積累、全球專利佈局、深度繫結的供應鏈體系，不是短時間能突破的。這才是真正能鎖死中國AI算力產業的“命門”——那怕你能設計出頂尖的AI晶片，能造出晶圓，沒有對應的材料，你根本封裝不出、用不了、跑不起來。二、核心賽道深度拆解四大材料賽道的卡脖子真相與突圍戰場接下來，我們將從技術壁壘的底層本質、產業鏈的繫結暗線、國產替代的真實現狀、投資的真命題與偽命題四個維度，深度拆解每一個核心賽道。（一）先進封裝核心材料：Chiplet時代的命門，不是工藝，是材料體系的全面壟斷1、行業認知糾偏絕大多數人以為，Chiplet的核心壁壘是TSV、RDL等封裝工藝，但事實上，先進封裝的成本構成裡，材料佔比高達65%，其中ABF載板佔45%，封裝樹脂、底部填充膠、導電銀漿等佔20%，工藝裝置僅佔35%。換句話說，Chiplet的產能瓶頸，從來不是封測產線，而是核心材料的供貨能力。輝達、AMD高端AI晶片的交付延遲，80%以上的原因，是ABF載板的供貨不足，而非晶圓代工產能不足——這是全行業都知道，卻很少有人公開說的真相。2、核心卡脖子壁壘的底層拆解先進封裝材料的卡脖子，從來不是“國內做不出樣品”，而是配方、專利、供應鏈繫結的三重壟斷，其中最具代表性的，就是AI晶片用ABF載板。ABF載板的核心，是日本味之素壟斷的ABF薄膜樹脂，全球市佔率高達99%，幾乎形成了絕對壟斷。國內廠商之所以無法突破，核心卡點有三個：（1）ppm級的工藝控制壁壘，不是配方，是量產一致性ABF樹脂的核心性能要求，是低介電常數（Dk≤3.0）、低吸水率（≤0.3%）、高耐熱性（Tg≥180℃），同時雜質含量必須控制在1ppm以內，分子量分佈離散係數必須控制在1.2以內。國內廠商在實驗室裡，能做出參數達標的樣品，但量產時，雜質含量普遍在5ppm以上，分子量分佈離散係數最高達到1.8。這一點點差距，會直接導致載板在高溫工作時介電常數飆升，訊號延遲增加30%以上，甚至出現訊號串擾，直接廢掉AI晶片的多芯粒互聯能力。更致命的是，海外廠商的量產良率穩定在95%以上，而國內廠商的量產良率最高僅能達到40%，這直接導致國產ABF載板的成本，是海外產品的3倍以上，完全沒有市場競爭力。（2）覆蓋全產業鏈的專利壁壘，繞不開的專利陷阱味之素在ABF樹脂領域，佈局了超過3000項全球專利，覆蓋了配方、聚合工藝、應用場景、器件結構等全產業鏈環節，專利保護期長達20年。國內廠商那怕研發出了性能達標的產品，也幾乎無法繞開味之素的專利佈局，只要進入全球供應鏈，就會面臨巨額的專利訴訟，根本無法商業化落地。這也是為什麼，國內絕大多數ABF載板廠商，只能做“來料加工”——採購味之素的ABF薄膜，自己做基板的鑽孔、鍍銅、層壓，核心材料100%依賴進口，根本不是真正的國產替代。一旦海外斷供，直接停擺。（3）繫結死的供應鏈體系，新玩家根本無法進入的閉環味之素和台積電、英特爾、AMD、輝達，有超過20年的聯合研發協議。下一代Chiplet架構需要什麼樣的載板性能，提前3年就會和味之素確定研發方向，材料研發和晶片設計、封測工藝完全同步。這意味著，當國內廠商拿到海外最新的載板參數，開始模仿研發的時候，味之素已經在研發下一代產品了，國內廠商永遠只能跟在後面模仿，永遠慢一步。更關鍵的是，台積電、三星等頭部封測廠，已經和味之素形成了深度的工藝繫結，產線完全適配味之素的材料，國內廠商的材料，那怕參數達標，也需要封測廠花費1-2年的時間調整產線工藝，根本沒人願意付出這個成本。3、國產替代的真實現狀我們用2026年Q1最新的產業資料，還原最真實的國產替代進度，拒絕“偽突破”的宣傳話術：——AI晶片用10層以上高精密ABF載板：國產化率不足3%，僅深南電路、興森科技等少數企業實現小批次試產，仍處於頭部客戶驗證階段，良率不足40%；——消費電子用4層以下ABF載板：國產化率約21%，主要集中在中低端市場，無法用於高端AI晶片；——AI晶片用低應力環氧塑封料（EMC）：國產化率不足5%，高端市場被日本日立化成、住友電木壟斷；——高端底部填充膠、導電銀漿：國產化率不足8%，核心市場被美國漢高、日本日立化成壟斷。4、投資的真命題與偽命題（1）偽命題（堅決規避）——只看實驗室參數，不看量產良率和客戶認證的項目，90%都是“樣品講故事”；——僅做基板加工，不掌握核心樹脂配方的“偽國產替代”項目，沒有核心壁壘，斷供即死；——靠低價內卷中低端市場，沒有高端研發能力，無法進入AI晶片供應鏈的項目，沒有長期成長空間。（2）真命題（重點佈局）：——已經掌握核心樹脂配方，實現中試量產，正在通過頭部封測廠、AI晶片廠商認證的項目；——已經進入華為海思、寒武紀、壁仞科技等國內頭部AI晶片廠商供應鏈，有批次訂單的項目；——和封測廠、晶片設計廠聯合研發，繫結下一代Chiplet技術路線，而非單純模仿海外的項目。（二）算力散熱核心材料：不是“輔助件”，是AI算力成本的生死線1、行業認知糾偏絕大多數人以為，散熱材料只是AI晶片的“輔助空調”，但事實上，2026年國內AI資料中心的TCO中，散熱系統的佔比已經超過30%，而散熱材料佔了散熱系統成本的60%以上。更關鍵的是，國家對東部地區資料中心PUE的強制要求（≤1.3），已經讓風冷技術徹底走到了盡頭，液冷成為高端AI算力機房的唯一標配，而液冷的核心壁壘，從來不是管道和機櫃，而是散熱材料。一組扎心的資料：國內超80%的AI算力機房，因散熱能力不達標，晶片長期只能運行在標稱算力的60%以下，極端場景下甚至會觸發過載保護，直接停機。散熱材料，已經成為決定AI算力能不能跑起來、能不能降本的核心生死線。2、核心卡脖子壁壘的底層拆解AI算力散熱的核心賽道，分為浸沒式冷卻液和高導熱介面材料（TIM）兩大方向，兩者的卡脖子邏輯完全不同，但核心都是工藝、驗證、供應鏈繫結的三重壁壘。（1）浸沒式冷卻液：全氟化合物的合成壟斷，與相容性驗證的死亡門檻浸沒式液冷是當前最高效的散熱方案，直接把晶片泡在冷卻液裡，散熱效率是風冷的100倍以上，也是下一代超算、AI叢集的標配。其中，高端全氟浸沒冷卻液，被美國3M、杜邦壟斷了全球90%以上的市場，國內廠商的突破難度極大：——核心合成工藝壁壘：全氟冷卻液的核心製備技術是電化學氟化，該技術被3M、杜邦壟斷了超過60年，國內只有極少數企業掌握了小規模合成工藝，且產品的絕緣性、熱穩定性、沸點控制精度，和海外產品差距在2個數量級以上。更致命的是，全氟化合物的合成，會產生大量的副產物，提純難度極高，國內廠商的產品純度普遍在99%以下，而海外產品純度能達到99.999%，這一點點雜質，會在長期高溫工作中腐蝕晶片和伺服器元器件，造成不可逆的損壞。——相容性驗證的死亡門檻：3M的氟化液，和輝達的AI晶片、戴爾/惠普的伺服器，做了長達5年的相容性驗證，形成了行業默認的標準。國內廠商的產品，那怕實驗室參數達標，也沒有頭部廠商願意給你做驗證——因為一顆AI晶片的成本超過1萬元，一台伺服器的成本超過10萬元，一旦出現腐蝕問題，損失誰來承擔？那怕你願意承擔所有驗證成本，完整的驗證周期也長達18-24個月，絕大多數廠商根本等不起。（2）高導熱介面材料（TIM）：奈米級配方壁壘，與量產穩定性的鴻溝TIM材料是晶片和散熱板之間的“導熱橋樑”，負責把晶片產生的熱量高效傳匯出去，直接決定了晶片能不能滿負荷運行。高端AI晶片用的TIM材料，導熱係數需要達到12W/m・K以上，日本信越、美國道康寧的產品能做到15W/m・K以上，且熱阻極低，而國內廠商的產品，大多集中在8W/m・K以下的中低端市場，能做到12W/m・K以上的，量產穩定性極差。核心壁壘在於，高端TIM材料的配方，是奈米級的陶瓷粉體和聚合物基體的復合，粉體的粒徑、分散性、表面改性，直接決定了材料的導熱性能。海外廠商經過幾十年的積累，已經形成了完整的配方資料庫和製備工藝，而國內廠商大多還處於“試錯式研發”階段，那怕做出了達標的樣品，量產時也會出現粉體團聚、分散不均的問題，性能波動極大，根本無法滿足AI晶片的長期穩定運行要求。3、國產替代的真實現狀2026年Q1最新產業資料：——國內AI資料中心液冷滲透率約18%，預計到2028年將達到82%，對應的浸沒式冷卻液市場規模，將從2026年的42億元，增長到2028年的310億元，年複合增長率超過170%；——高端全氟浸沒冷卻液：國產化率不足10%，僅永和股份、康鵬科技等少數企業實現小批次量產，仍處於頭部客戶驗證階段；——冷板式液冷合成型冷卻液：國產化率約42%，巨化股份、新宙邦等企業的產品，已經進入字節、阿里、騰訊等頭部廠商的供應鏈；——高端AI晶片用TIM材料：國產化率不足15%，僅德邦科技、飛榮達等少數企業實現技術突破，仍以中低端市場為主。4、產業鏈暗線頭部網際網路廠商、AI廠商的液冷項目，大多採用“總包模式”，總包商和3M、杜邦等海外材料廠商有長達10年以上的合作協議，國內材料廠商那怕產品更便宜，也很難進入供應鏈——因為總包商不願意承擔更換材料帶來的風險，一旦出問題，要承擔巨額的違約賠償。這也是為什麼，很多國產材料參數達標，卻始終拿不到批次訂單的核心原因。5、投資的真命題與偽命題（1）偽命題（堅決規避）：——只有實驗室配方，沒有量產能力和長期相容性驗證資料的項目；——僅做基礎液復配，不掌握核心電化學氟化合成工藝的項目，沒有核心壁壘；——沒有頭部客戶訂單，靠低價內卷中低端市場的項目。（2）真命題（重點佈局）：——掌握核心電化學氟化合成工藝，實現穩定量產，正在通過頭部伺服器廠商、AI晶片廠商認證的項目；——已經拿到字節、阿里、騰訊等頭部網際網路廠商批次訂單，實現商業化落地的項目；——和液冷系統整合商、伺服器廠商聯合研發，繫結下一代液冷技術路線的項目。（三）光電互聯核心材料：矽光時代的算力高速公路，專利與工藝的雙重壁壘1、行業認知糾偏AI大模型的訓練，對叢集頻寬的需求是指數級增長的：GPT-5的訓練，需要的叢集頻寬是GPT-3的100倍以上。傳統的電互聯（銅纜傳輸），頻寬上限是400Gbps，延遲超過100ns，已經根本無法滿足下一代AI大模型的訓練需求。行業公認的終極解決方案，是矽光互聯——用光訊號代替電訊號傳輸資料，頻寬能做到1.6Tbps以上，延遲不到10ns，能耗降低70%。而矽光技術的核心，從來不是光晶片設計，而是光學材料——沒有光學材料的突破，矽光晶片就是無源之水。更關鍵的是，中國光模組廠商佔據了全球800G以上光模組60%以上的市場份額，但核心光學材料的國產化率不足30%，相當於“我們組裝了全球最多的光模組，卻要給海外材料廠商交一半以上的利潤”。2、核心卡脖子壁壘的底層拆解矽光互聯的核心材料賽道，分為特種光纖預製棒、矽光晶片波導材料、高速光模組封裝材料三大方向，核心壁壘是工藝精度、專利佈局、產業鏈協同。（1）特種光纖預製棒：氣相沉積工藝的精度壁壘，折射率的奈米級控制高端資料中心用的超低損耗單模光纖預製棒，是光訊號傳輸的核心載體，日本信越、藤倉壟斷了全球75%以上的市場。核心壁壘在於氣相沉積工藝的精準控制：預製棒的折射率分佈偏差，必須控制在10^-5以內，相當於在1公里的長度上，偏差不能超過1cm。國內廠商的沉積工藝，普遍只能做到10^-4的精度，這一點點偏差，會直接導致光訊號的傳輸損耗增加30%以上，傳輸距離縮短一半，根本沒法用於長距離、高頻寬的AI算力叢集。更致命的是，海外廠商的預製棒拉絲合格率穩定在99%以上，而國內廠商的合格率最高僅能達到90%，成本差距極大。（2）矽光晶片波導材料：原子級的表面粗糙度控制，散射損耗的生死線氮化矽波導是矽光晶片的核心元器件，負責光訊號的傳輸和調製，美國Ligentec、荷蘭ASML旗下的光刻機廠商，壟斷了核心的製備工藝。波導材料的核心性能要求，是表面粗糙度必須控制在0.1nm以內，也就是原子級的精度。國內廠商製備的波導材料，表面粗糙度普遍在1nm以上，比海外高了一個數量級，這會導致光訊號的散射損耗增加10倍以上，根本沒法用於高速光模組。這也是為什麼，國內能設計出頂尖的矽光晶片，卻沒法實現量產落地的核心原因——沒有對應的波導材料，晶片設計再好，也跑不起來。（3）值得驕傲的反向壟斷：非線性光學晶體非線性光學晶體是矽光晶片的核心元器件，負責雷射的頻率轉換和調製，國內福晶科技、華光光電等企業，佔據了全球80%以上的市場份額，掌握了核心專利和製備工藝，是少數能反向卡脖子海外的材料賽道，也是國內矽光產業突圍的核心底牌。3、國產替代的真實現狀2026年Q1最新產業資料：——2026年全球800G以上光模組的市場規模，將達到180億美元，中國廠商的市場份額超過60%，但核心光學材料的國產化率不足30%；——高端資料中心用超低損耗光纖預製棒：國產化率不足25%，長飛光纖、亨通光電實現了部份量產，主要集中在中低端市場；——矽光晶片用氮化矽波導材料：國產化率不足10%，仍處於實驗室研發和中試階段，基本依賴進口；——高速光模組用高端封裝材料：國產化率不足20%，核心市場被日本日立、美國康寧壟斷。4、產業鏈暗線海外光學材料廠商，和全球頭部的光晶片廠商、光模組廠商，有深度的聯合研發繫結。比如康寧和思科、英特爾，信越和中際旭創、新易盛，有長期的合作協議，光模組廠商要給海外客戶供貨，必須使用客戶指定的材料，沒法隨便更換國產材料。這就導致國內材料廠商，那怕產品達標，也很難進入全球供應鏈，只能在國內小眾市場內卷。5、投資的真命題與偽命題（1）偽命題（堅決規避）：——只做材料加工，不掌握核心合成、製備工藝的項目；——沒有頭部光模組廠商的認證，只有實驗室樣品的項目；——技術路線落後，跟不上矽光技術迭代節奏的項目。（2）真命題（重點佈局）：——掌握核心氣相沉積工藝，實現高端光纖預製棒穩定量產的項目；——已經進入中際旭創、新易盛等頭部光模組廠商供應鏈，有批次訂單的項目；——和光晶片廠商、光模組廠商聯合研發，繫結下一代矽光技術路線的項目；——在非線性光學晶體等優勢賽道，拓展矽光應用場景，實現技術延伸的項目。（四）新型儲存核心材料：破解“記憶體牆”的終極底牌，專利與商業化的雙重陷阱1、行業認知糾偏AI大模型訓練中，90%以上的能耗和延遲，都來自資料在計算單元和儲存單元之間的搬運，這就是行業常說的“記憶體牆”。這個問題，靠傳統的DRAM和NAND Flash根本沒法解決，因為它們的讀寫速度和功耗，已經逼近物理極限。破解“記憶體牆”的唯一終極路徑，是存算一體——把計算單元和儲存單元整合在一起，直接在儲存裡完成計算，徹底消除資料搬運的損耗。而存算一體的核心，就是新型儲存材料——沒有材料的突破，存算一體就是空中樓閣。2、核心卡脖子壁壘的底層拆解當前全球公認的、最適合AI場景的三大新型儲存技術，分別是相變儲存（PCRAM）、阻變儲存（RRAM）、鐵電儲存（FeRAM），三者的核心卡點，全在材料，核心壁壘是專利壟斷、量產一致性、晶圓廠工藝協同。（1）相變儲存材料（PCRAM）：硫系化合物的專利壟斷，繞不開的智慧財產權陷阱PCRAM的核心是硫系化合物材料，通過材料的晶態和非晶態轉換實現資料儲存，是當前商業化進度最快的存算一體技術。三星、美光、英特爾壟斷了全球90%以上的核心專利，覆蓋了材料配方、製備工藝、器件結構等全產業鏈環節，專利保護期長達20年。國內廠商那怕研發出了性能達標的材料，也幾乎無法繞開海外的專利佈局，只要進入商業化量產，就會面臨巨額的專利訴訟。這也是為什麼，國內PCRAM的研發進度很快，卻始終無法實現大規模量產的核心原因。（2）阻變儲存材料（RRAM）：量產一致性的鴻溝，晶圓級的均勻性控制RRAM的核心是金屬氧化物材料，通過材料的電阻變化實現資料儲存，結構簡單、功耗極低，特別適合AI端側場景。國內的研發進度和海外基本同步，復旦大學、清華大學等高校，已經研發出了性能達標的材料樣品，但核心問題是量產一致性極差。同一晶圓上的不同儲存單元，電阻變化的偏差超過20%，根本沒法實現大規模量產，而海外廠商的偏差能控制在5%以內。這個差距，不是配方的問題，是幾十年的薄膜製備工藝積累，不是短時間能彌補的。更致命的是，RRAM的製備工藝，和晶圓廠的產線深度繫結，國內晶圓廠的工藝精度，根本沒法滿足大規模量產的要求。（3）鐵電儲存材料（FeRAM）：下一代存算一體的核心，製備工藝的代差FeRAM的核心是鉿基鐵電材料，讀寫速度極快、功耗極低、循環壽命極長，是下一代存算一體晶片最有潛力的方向。英特爾、台積電、三星已經在這個領域佈局了超過10年，掌握了核心的原子層沉積製備工藝，已經實現了3nm以下工藝的量產適配。國內的研發還處於實驗室階段，雖然部分高校實現了材料的實驗室製備，但距離量產還有很遠的距離，核心卡點在於，國內晶圓廠的最先進工藝是14nm，根本沒法支援下一代鐵電儲存材料的大規模製備，研發成果只能在實驗室裡驗證，沒法實現商業化落地。3、國產替代的真實現狀2026年Q1最新產業資料：——2026年全球新型儲存晶片的市場規模，將達到85億美元，預計到2030年將超過400億美元，年複合增長率超過40%；——國內新型儲存材料的商業化量產率不足5%，絕大多數還處於實驗室研發和中試階段；——PCRAM/RRAM材料：僅武漢新芯、兆易創新等少數企業，推出了存算一體晶片原型，進入了端側場景的驗證階段，量產規模極小；——鉿基鐵電儲存材料：國內仍處於實驗室研發階段，商業化量產率不足1%，基本依賴進口。4、產業鏈暗線新型儲存技術的迭代，和晶圓廠的工藝深度繫結。台積電、三星的3nm以下工藝，已經全面支援新型儲存材料的製備，而國內的中芯國際，最先進的量產工藝是14nm，根本沒法支援下一代新型儲存材料的大規模製備。這就導致國內的研發成果，只能在實驗室裡驗證，沒法實現量產落地，陷入了“研發-驗證-沒法量產-再研發”的死循環。5、投資的真命題與偽命題（1）偽命題（堅決規避）：——只有實驗室原型，沒有量產工藝和晶圓廠合作的項目，90%都是概念炒作；——沒有核心自主專利，繞不開海外專利壁壘的項目，商業化即死；——沒有明確的落地場景，純靠技術講故事的項目。（2）真命題（重點佈局/長期關注）：——掌握核心材料配方和製備工藝，有自主智慧財產權，和國內晶圓廠聯合研發，實現中試驗證的項目；——在端側AI場景，已經實現存算一體晶片量產落地，有明確客戶訂單的項目；——和國內AI晶片廠商聯合研發，繫結下一代存算一體架構的項目（長期佈局）。三、深度洞察中國新材料突圍的核心矛盾，根本不是技術，是產業閉環的缺失寫到這裡，相信很多人都能看清一個殘酷的真相：中國新材料產業的最大痛點，從來不是“實驗室做不出來”，而是“做出來了，沒人敢用；沒人用，就沒法量產；沒法量產，就沒法迭代；沒法迭代，就永遠追不上海外”——這是一個死循環，也是海外廠商能壟斷幾十年的核心原因。1、海外廠商的壟斷閉環：聯合研發的生態繫結海外的材料產業，已經形成了“材料廠商-晶圓廠/封測廠-晶片設計廠-終端客戶”的四方聯合研發體系，這是一個牢不可破的閉環。比如味之素的ABF樹脂，是和台積電、輝達、AMD聯合研發的：下一代Chiplet架構需要什麼樣的材料性能，提前3年就會確定研發方向，材料研發和晶片設計、封測工藝完全同步。材料一研發出來，就有台積電的產線做驗證，有輝達的晶片做測試，有終端客戶的場景做落地，迭代速度極快。更關鍵的是，這個閉環形成了極強的排他性：新的廠商那怕做出了性能更好的產品，也根本沒法進入這個體系——因為整個產業鏈的工藝、標準、產線，都已經和現有材料廠商深度繫結，更換供應商的成本極高，風險極大，沒人願意做這個嘗試。2、國內產業的困境：單向研發的死循環國內的材料產業，恰恰相反，是“材料廠商自己悶頭研發，研發出樣品，到處找客戶做驗證”的單向模式，而客戶根本不敢給你驗證的機會，核心原因有三個：驗證成本極高：一顆高端AI晶片的成本超過1萬元，用你的材料做驗證，一旦出問題，晶片直接報廢，損失誰來承擔？驗證周期極長：高端半導體材料的完整驗證周期，長達18-24個月，要經過上千次的高低溫循環、濕度循環、可靠性測試，客戶沒有動力花這麼長的時間，去驗證一個沒有經過市場檢驗的國產材料。責任風險極大：如果用了你的材料，最終產品出了問題，客戶要承擔終端使用者的巨額賠償，沒人敢擔這個責任。國內某頭部封測廠的採購負責人，說過一句非常扎心的話：“我們也想支援國產材料，但海外廠商的材料，用了20年，從來沒出過問題。國產材料那怕實驗室參數達標，我們也不敢大規模用，因為一旦出問題，整個產線都要停，損失幾千萬，誰來負責？我們最多給你1%的產線做驗證，而且要你自己承擔所有的驗證成本，就算驗證通過了，也最多給你10%的訂單，不可能全部替換。”這就是國內材料產業最真實的困境：沒有驗證機會，就沒有量產資料；沒有量產資料，就沒法最佳化工藝、迭代產品；沒法迭代產品，就永遠追不上海外廠商，永遠只能在中低端市場內卷。3、破局的唯一路徑：建構產業鏈協同的國產替代閉環要打破這個死循環，靠單個企業的研發突破根本沒用，必須靠“政策引導+龍頭帶動+產業鏈協同”，建構起屬於中國的材料產業閉環：政策引導：國家出台專項政策，給使用國產材料的晶圓廠、封測廠、終端廠商，提供風險補償、稅收優惠和專項資金支援，降低客戶的驗證風險和成本；龍頭帶動：國內的AI晶片龍頭、網際網路大廠、封測廠、晶圓廠，主動承擔起產業鏈責任，給國產材料廠商提供驗證的機會，開放產線和場景，聯合研發；產業鏈協同：材料廠商、晶圓廠、晶片設計廠、終端客戶，形成聯合研發體系，提前佈局下一代技術路線，讓材料研發和產業需求同步，而不是跟在海外後面模仿。只有這樣，才能真正打破海外的壟斷，實現中國新材料產業的自主可控。四、2026年AI算力材料賽道投資全景圖譜為了方便從業者與投資人參考，我們整理了2026年AI算力材料賽道的完整投資全景圖譜，基於最新的產業資料、國產化進度、技術壁壘，給出明確的投資評級與核心關注標的。結尾AI算力的競爭，從來不是單點的晶片之爭，而是整個產業鏈的底層生態之爭。 (材料匯)

最近，NVIDIA 發佈了備受關注的《State of AI in Healthcare and Life Sciences: 2026 Trends》調研報告。這份報告基於 2025 年 8-9 月對全球 600 多名醫療和生命科學專業人士的調查（管理層與 AI 從業者各佔一半），涵蓋製藥、醫療器械、數字醫療、支付方與提供方等多個細分領域。報告用實打實的資料告訴我們：AI 已經在醫療健康行業站穩腳跟，而且正在加速從“嘗鮮”走向“規模化盈利”。過去一年，AI 的應用成熟度明顯躍升。報告直言，AI不僅幫助醫療器械廠商快速適應新法規，還大幅縮短新藥研發時間，甚至能建立人體數字孿生來輔助癌症治療。更讓人振奮的是，AI agents（智能代理）正讓醫生們把時間還給患者，而不是埋頭在文書工作裡。AI採用率持續攀升，70%企業已在實際使用報告顯示，2025年有 70% 的受訪組織正在積極使用 AI，比2024年的 63% 又上升了7個百分點。其中，生成式 AI 和大語言模型的使用率從 54% 躍升至 69%，成為最熱門的工作負載。各細分領域全面進步：數字醫療：78%（去年70%）製藥與生物科技：74%醫療器械、工具與診斷：70%支付方與提供方（醫院、保險公司等）：56%（去年僅43%，大漲13個百分點）中大型企業（員工超100人）採用更多類型AI，包括生成式AI、資料分析、Agentic AI等，幾乎每個工作負載都比小企業高出約 10個百分點。生成式AI和資料分析仍是各行業前兩大重點，只有醫療器械領域把電腦視覺排在首位（59%）。預測與資料分析仍是AI核心，臨床決策支援最受歡迎65% 的組織把 AI 用於資料分析和資料科學，42% 用於支援臨床決策。這兩大應用貫穿藥物發現、影像診斷、個性化醫療等全鏈條。分行業看，用法各有側重：製藥與生物科技：藥物發現與開發（57%）、基因組應用（44%）數字醫療：虛擬健康助手與聊天機器人（52%）、臨床文件自然語言處理（50%）支付方與提供方：行政任務與工作流最佳化（52%）醫療器械：醫療影像（61%）整體而言，臨床決策支援是全行業最受歡迎的AI用例（42%），其次是醫療影像和行政工作流最佳化（各 38%）。真實盈利來了！醫療影像和藥物發現ROI最亮眼這是報告最鼓舞人心的部分：當 AI 針對具體場景落地時，回報非常明顯。醫療器械領域：57% 的企業表示醫療影像AI已產生ROI製藥企業：46%表示藥物發現與開發AI實現ROI數字醫療：虛擬健康助手與聊天機器人是最高回報用例支付方：行政工作流最佳化回報最顯著全行業來看，醫療影像、工作流最佳化、臨床文件自然語言處理是前三大ROI用例。管理層反饋：85%認為AI幫助年度收入增長80%認為AI幫助年度成本下降44% 的管理者表示收入增長超過 10%（小企業更高達56%）開源模型成“秘密武器”，82%企業視其為戰略關鍵為什麼AI能精準落地？報告給出的答案是開源。82%的受訪者認為開源模型和軟體對AI戰略“重要”或“非常重要”，其中小企業認可度更高（64% 認為非常重要）。開源讓企業能用自己的資料微調模型，打造高度專用的AI解決方案，而不是用通用大模型“將就”。推理性能（模型精準度、資料合規、成本效率）成為大家最關注的點，38% 把模型性能與合規列為首要因素，37% 最看重總擁有成本。基礎設施也在悄然變化：混合計算（本地+雲）使用率從去年的 35% 升至 43% ，純雲部署則從 41% 降至 35% 。Agentic AI初露鋒芒，47%組織已在嘗試今年報告新增了 Agentic AI（智能代理）專題，結果讓人驚喜：47% 的組織已在使用或評估AI agents其中 22% 已實際部署，19% 計畫明年部署大企業部署比例更高（27% 已部署）製藥與生物科技領域最積極：48% 用 AI agents 做藥物發現和生物標誌物識別。整體最受歡迎的 Agentic AI 用例是：知識管理和檢索（46%）文獻綜述與分析（38%）內部流程最佳化（37%）分行業看，製藥側重文獻綜述（55%）和藥物發現（48%）；數字醫療最愛患者聊天機器人（49%）。不過挑戰也不小：性能可靠性（27%）、資料相關問題（隱私、安全）、監管合規是三大痛點。40%的企業表示，HIPAA、FDA審批、GDPR等合規要求是實施Agentic AI的最大影響因素。2026年AI預算大增85%，醫療AI進入“飛輪期”因為看到了實實在在的回報，企業信心滿滿：85%的受訪者表示2026年AI預算會增加近一半企業增幅超過10%預算主要流向：最佳化現有AI工作流和生產周期（ 47% ，比去年上升）建構或獲取更多AI基礎設施（ 34% ，比去年上升）報告總結：醫療AI正進入“飛輪階段”——早期試點成功→更多投資→更好效果→更大投資。2027年，AI 很可能從單純預測分析轉向更成熟的 Agentic 系統，在患者群體、臨床試驗、護理流程中實現端到端智能推理。總結：AI不是“未來”，已經是醫療的“現在”這份 NVIDIA 報告用 600 多份真實調研資料證明：AI 正在讓醫療更高效、更精準、更親民。無論是大藥企用 AI 加速新藥研發，還是醫院用聊天機器人減輕醫生負擔，或者保險公司用工作流最佳化降低成本，AI 都已交出漂亮答卷。當然，預算、人才、資料合規仍是需要跨越的門檻。但趨勢已經清晰：誰先把 AI 和自身業務深度融合，誰就能在 2026 年搶佔先機。 (AI資訊風向)

手握通訊底層能力的諾基亞，從一次成功的戰略轉型中，真正站在了AI時代的基礎設施入口。2026年開年，AI圈發生了一件讓很多人看不懂的事。輝達在最新披露的13F持倉檔案中確認，已持有諾基亞約2.9%股份，消息公佈當天，諾基亞股價單日暴漲約22%。與此同時，輝達全額清倉了ARM、Applied Digital、文遠知行等一眾備受關注的明星標的。全球知名的AI大佬，一邊砍，一邊買。砍掉的，是那些看起來“更AI”的公司；買進的，卻是一家很多中國人印象裡已經“死了”的芬蘭老牌子——諾基亞（Nokia）。黃仁勳給出的邏輯是：當AI從雲端走向工廠、城市、車輛、機器人，決定勝負的不再只是GPU，而是算力+網路+基建的閉環。換句話說，輝達缺的那塊，是一個能把AI算力送達物理世界每處角落的通訊底座。而諾基亞，就是那塊底座。1 那場“死亡”，只是一場戰略撤退在很多人印象中，諾基亞似乎是一個扔掉手機業務之後就徹底涼透的過氣品牌，幾乎就是一個眾所周知的失敗案例。這個認知，被誤解的太久了。事實上，如今的諾基亞，不僅是全球前三大5G裝置商，手握超7000項5G核心專利，每年專利授權收入超過100億人民幣，迄今已有超過130個國家在使用諾基亞的基礎設施。旗下的貝爾實驗室，更是走出過11位諾貝爾獎得主，累計專利超過3萬項，持續驅動前沿創新。可以說，憑藉深厚的技術積累、完整的端到端解決方案以及在地緣政治變化中獲得的機遇，諾基亞已成為當前5G領導者華為在全球範圍內最強勁的競爭對手之一。那麼問題來了：一家曾經被媒體宣判死亡的公司，是怎麼發展到這一步的？答案，要從那場轟動全球的新聞說起。2013年9月3日，全球財經媒體的頭條幾乎都是同一條新聞：諾基亞死了。那一天，諾基亞宣佈將手機業務以54.4億歐元，約合71.7億美元，打包賣給了微軟。這個價格，在當時被認為是“跳樓價”。要知道，諾基亞全盛時期市值超過2500億歐元，僅僅十年，竟然跌去了90%以上，連股票都被評級機構標上了“垃圾股”的標籤。那時的全世界都在“哀悼”諾基亞，就連芬蘭的媒體，也使用了各種悼詞式的標題來懷念這個電信巨頭的倒下。這場震動在芬蘭國內是巨大的，畢竟諾基亞不只是一家公司，它在某種意義上是整個芬蘭的國家驕傲，也是這個北歐小國在全球舞台上最響亮的名片。正因諾基亞的“母國”都表現得如此悲傷和茫然，全世界才相信了這場“世紀葬禮”。但沒有人注意到，就在諾基亞跟微軟談判的同一時期，另一筆交易正在悄悄推進。諾基亞以17億歐元，買斷了西門子手中持有的諾西通訊股份（Nokia Siemens Networks,NSN）。諾西通訊股份，其實是諾基亞與西門子合資成立的通訊裝置公司，專門做基站、做網路基礎設施，做的是網際網路時代真正的地基。這家公司彼時已經是全球排名前三的通訊裝置商，覆蓋全球150多個國家的電信營運商網路。而當時的市場估值，給出的數字是34億歐元，這是諾基亞只花了一半的價格，就把西門子手裡那50%的股權全部買了下來。也就是說，諾基亞一邊將自己的手機業務“賤賣”給了微軟，一邊又抄底買下了西門子手裡的股份。當時，諾西通訊的員工數量佔諾基亞總員工數的80%，營運支出佔80%，銷售額佔總營收的80%。】換句話說，那個在媒體上被宣佈“死亡”的諾基亞，只是剔除了一塊已經開始“腐爛的肉”，它真正看重的，從來都不是那部手機。更戲劇性的結局在三年後。2016年，微軟把當年花了71.7億美元買來的諾基亞手機業務，以3.5億美元的價格，又轉手賣給了富智康與HMD Global的聯合體。同一塊資產，三年間，從71.7億美元跌到3.5億美元，價格直接蒸發了將近97%。微軟虧到骨子裡，諾基亞卻早就把錢揣進了口袋，悄悄做著更為宏大的事業。這筆帳算下來，人們才終於明白，之前那場“死亡告別”，不過是諾基亞一次蓄謀已久的“金蟬脫殼”而已。問題來了，諾基亞究竟靠什麼“死而復生”？2 全球通訊的底層規則下的隱形收費者不妨先看一組數字。2021年，諾基亞的專利授權收入是15.02億歐元，約為17.73億美元，而這筆錢佔諾基亞當年總營收的比例只有5.7%。沒錯，5.7%的營收來源，居然撐起了40%的淨利潤，這就是頂級專利的魅力。幾乎沒有邊際成本，每多授權一台裝置，就多一份純利潤流進帳戶。不需要工廠，不需要流水線，不需要售後，每一份授權合同簽下去，錢就開始流進來。這些誘人的數字背後，是一個估值接近150億美元/年的全球5G專利授權市場。身處其中的，都是行業頂尖企業。其中，高通或許是最被熟知的一家通訊企業。其專利授權部門QTL，2024財年全年收入約56億美元，稅前利潤率達到77%，可謂全球最“無本萬利”的生意之一。不過，諾基亞與高通的做法不一樣。高通的專利主要集中在晶片架構和無線通訊應用層，收的是“用我技術造裝置”的錢；而諾基亞的標準必要專利更深，深在通訊協議的底層標準本身——不是“你用了我的設計”，而是“你要接入這張網，就必須經過我設的關卡”。換句話說，如果將高通比作高速公路上的收費員，諾基亞更像是當年那個把收費站坐標寫進所有地圖的人。而這張專利網，是諾基亞用幾十年一針一線“織”出來的。從2G時代開始積累，經歷3G的WCDMA標準，再到4G的LTE，一路走到今天的5G，諾基亞在每一代通訊標準的核心位置，都埋下了自己的專利樁。根據中國信通院2024年發佈的《全球5G專利活動報告》，諾基亞手持的5G核心專利族，佔全球總量的7.6%。這是個很恐怖的資料，按全球通行5G專利費率折算，單台5G終端專利費約2～3歐元。這意味著全球每出貨一台5G手機，無論這台手機是蘋果造的、三星造的，還是小米造的，都要向諾基亞支付3歐元的專利費。2025年，全球5G手機出貨量超過15億台，可想而知這是多麼龐大的天文數字。更關鍵的是，這條專利鎖鏈根本沒有繞開的可能。這裡有一個概念叫“標準必要專利”。通俗地說，就是某項技術已經被寫進了行業標準協議本身——你不是不想繞，是根本沒有路可以繞。就好比高速公路的收費站被直接印進了所有導航地圖，你的每一條路線都經過它，你唯一的選擇，是付錢還是不開車。5G就是這樣一條高速公路，而諾基亞在這條路上設了不止一個收費站。就連中國三大營運商，最終也選擇了與諾基亞簽訂5G專利授權協議。其中，合作的背後也有一段極為複雜的拉鋸戰。中國三大營運商們曾經試圖推動降低專利費率，談判持續了相當長的時間。但結果是，協議還是簽了。原因很簡單：中國從2G建網開始，核心網路裝置大量使用了諾基亞的技術，歷經三代通訊迭代，這些技術已經深度嵌入整個基礎設施，根本無法剝離。不是不想談，是沒有籌碼可以徹底說不。因為，整個地球的通訊神經，早就嵌入到諾基亞的骨頭裡。3 買下人類科技史：貝爾實驗室的價值如果說擁有一張籠罩全球的通訊專利網已經夠厲害了，可諾基亞還不止這些。2015年，諾基亞宣佈以166億美元收購阿爾卡特朗訊。可能很多人對這個公司名字有些陌生，但這家公司旗下有一個叫貝爾實驗室的機構。貝爾實驗室，或許是人類歷史上最密集的智識奇蹟發生地。1947年，電晶體在這裡被發明出來。三位發明者後來拿了1956年的諾貝爾物理學獎。電晶體是整個現代電子工業的基石，沒有它，就沒有晶片，沒有電腦，也就沒有今天我們整個網路世界。1969年，Unix作業系統在這裡誕生。它是今天所有主流作業系統的祖先，Linux、macOS、Android，血脈裡都流著Unix的基因。除此之外，貝爾實驗室還發明了雷射器、太陽能電池、C語言，以及奠定了整個資訊時代理論基礎的資訊理論。這裡先後走出了11位諾貝爾獎得主，5點陣圖靈獎得主，創立以來累計申請專利超過3萬項。說這裡是人類科技史上“最貴的大腦”，相信沒有人會反對。甚至，很多人也忽視了，貝爾實驗室可不是什麼博物館，也不是什麼“歷史遺蹟”，而是一台依舊高速運轉的“科技引擎”。併入諾基亞之後，貝爾實驗室的研究方向直接對準了下一代通訊網路。隨後，貝爾實驗室開始相繼在6G基礎理論研究、AI原生無線接入網、超低延遲邊緣計算架構三個領域全面佈局。貝爾實驗室的目標是讓未來的基站本身就具備AI推理能力，而不只是傳輸資料的管道。截至2025年，諾基亞的5G標準必要專利組合已突破7000項，6G預標準化工作已被業界評為“行業領先”，並成為AI時代新的“鋪路石”。如果還需要一個更直接的證明，就是之前提到的輝達入股諾基亞那件事。輝達為什麼選諾基亞，而不是高通，不是愛立信？答案其實就寫在這筆交易的背後戰略邏輯裡。隨著AI的飛速發展，越來越多的AI需要即時調度分散在全球的算力節點，需要跨越地理邊界的智能網路傳輸，更需要超低延遲的端到端通訊節點。而那個能提供底層通訊協議專利、同時掌握全球營運商基礎設施入口的合作夥伴，就是諾基亞。根據行業預測，到2030年，全球無線接入網市場規模預計超過2000億美元，輝達相當於提前押了一個最重要的位置。換句話說，諾基亞買貝爾實驗室，不是在收藏一段歷史，而是在購買未來。輝達的這10億美元，是對這個判斷最貴的一次背書。這筆收購帶來的市場效應，也是即時的。收購完成後，諾基亞的通訊業務全球市場份額從8%一躍跳到30%，直接成為全球第二大通訊裝置商。這個數字，我們可以用一個類比來感受它的量級：相當於一家地區性小銀行，一夜之間吞併了全國第二大行。規模、客戶、網路、話語權，全部翻倍。此時的諾基亞，已經是一個前所未有的技術合體，包括原諾基亞的通訊積累，加上諾西通訊的全球裝置網路，再加上阿爾卡特朗訊遍佈歐美的管道資源，最後加上貝爾實驗室這台人類頂級的研發引擎。此外，還有摩托羅拉無線業務的遺產、阿爾卡特的技術積累、朗訊的專利矩陣，以及貝爾實驗室的大腦也在裡面。每一個名字單獨拎出來，都曾是一個時代的象徵，而現在統統屬於了諾基亞。4 真正的對手：華為眼中的諾基亞那麼，這樣一個手握貝爾實驗室、捏著3萬項專利的“超級戰士”，究竟在5G戰場上站在那一邊？如今的全球5G基站市場，是一片三家公司的天下。其中，華為38%、愛立信29%、諾基亞26%（資料來源：2024年前後市場統計，此後格局隨地緣政治持續演變，但三家寡頭的基本盤並未根本改變）。三家加起來，大約佔據全球市場的90%以上。可以說，這個行業早已不是什麼競爭激烈的藍海市場，而是一個寡頭格局已經固化的行業。無論誰要建5G網路，基本上沒什麼選擇餘地。可就在這張三足鼎立的地圖上，諾基亞是唯一一家同時拿下美國四大營運商、日本三大營運商、韓國三大營運商5G網路合同的裝置商，沒有第二家做到這一點。與此同時，諾基亞也是唯一一家能在5G網路上做到“端到端全覆蓋”的廠商——無線電、核心網、雲端運算、網路管理、自動化，整套鏈條全部自研，全部打通，沒有短板。這種“全端能力”，恰恰是諾基亞在行業競爭中最難被覆制的優勢。而讓諾基亞真正成為華為心腹大患的，是2019年前後那場地緣政治的劇變。美國開始對華為實施制裁，全球供應鏈對華為關上了門，歐洲和北美的營運商被迫重新選擇合作夥伴，剔除華為裝置，重建5G網路。這是一扇被地緣政治強行打開的大門，也把諾基亞捲了進去。2020年，諾基亞與英國電信簽訂5G協議，成為英國電信最大的基礎設施合作夥伴。緊接著，德國、法國、荷蘭、北歐各國陸續跟進。諾基亞的新訂單在兩年內出現了久違的爆發式增長。顯然，這不是諾基亞靠技術碾壓贏來的，只是靠所謂“在正確的時間，站在了正確的位置”。當然，地緣政治只是時機，真正的護城河，還是那張專利網，而華為並不遜色。因為在專利這張桌子上，華為已經擁有的5G核心專利族佔全球約15%，是諾基亞的兩倍。這也意味著，任何一方想發動專利攻勢，對方都有能力反制。而雙方都握著對方的把柄，誰也沒有“一擊必殺”的能力。這是一種精妙的、建立在實力均衡上的恐怖平衡。2020年，諾基亞曾就專利授權問題向大陸營運商施壓，涉及的正是5G標準必要專利的收費談判，雙方拉鋸了相當長時間。雖然最終的協議細節沒有公開，但結果眾所周知：協議簽了。這就是這場博弈的本質——不是誰徹底打倒誰，而是誰先在談判桌上讓步。可以說，能讓華為視之為真正對手的，這個世界上沒有幾家，而諾基亞是其中之一，原因不複雜：它掌握的資產，華為一樣也繞不開。而從全球5G賽場回到本土芬蘭，這家巨頭的命運，也早已與一個國家的產業根基深度繫結。5 大樹不倒：諾基亞與芬蘭的經濟根基2010年，諾基亞一家公司，貢獻了芬蘭GDP的3%，出口額約20%，以及全國五分之一的公司稅。而這個北歐國家，總人口才500多萬人。這個數字意味著，芬蘭這個國家，在某種程度上，就是諾基亞的“影子”。所以，2013年當諾基亞的手機帝國轟然崩塌時，所有人都以為芬蘭經濟會跟著一起垮掉。可實際上，這一幕並沒有發生。發生的是另一件事。諾基亞的大批工程師、產品經理、設計師，從那艘看似要沉的大船上跳了下來，帶著他們在諾基亞練出來的技術積累和工程思維，開始創業。Rovio做出了《憤怒的小鳥》，後來被日本世嘉以7.06億歐元收購；Supercell做出了《部落衝突》和《皇室戰爭》，2025年單年營收就達30億美元。一家芬蘭遊戲公司，年入30億美元，體量已經相當於一家中型科技公司。而這兩個名字背後，創始團隊都有前諾基亞員工的身影。據統計，赫爾辛基科技生態中，相當比例的創業公司核心團隊，都有諾基亞工作背景。這批人帶走的不只是程式設計技能，還有諾基亞多年培養出來的產品思維、工程規範和全球化視野。大樹倒了，但根系散開，每一條根都長出了新芽。這背後，其實有一個更深的土壤。芬蘭每年的研發支出佔GDP接近3%，高於歐盟平均水平將近一個百分點。這也是一種長期的，不是為某家公司，而是為了整個國家的技術積累能力的系統投入。諾基亞是芬蘭種出來的果實，但這片土地，並沒有因為果實落地就失去了生長的能力。完成戰略蛻變的諾基亞，自2017年以261億美元年營收重回《財富》世界500強以來，已穩固其全球通訊巨頭的地位。根據其2025年財報，公司淨銷售額達198.89億歐元（約235億美元），展現了強大的經營韌性。同年，輝達又宣佈以10億美元戰略入股諾基亞，成為其第二大股東，這絕非一次情懷投資。輝達看中的，正是諾基亞建構的、讓全球通訊基礎設施都難以繞開的完整體系，以及底層標準、核心專利與遍佈全球的網路裝置。而這筆投資也清晰地揭示出諾基亞真正的護城河：它早已不是一家手機公司，而是一個掌控著物理世界資料傳輸命脈的隱形帝國。因此，當AI從雲端走向萬物互聯的實體世界時，決定勝負的關鍵正從單一的算力轉向“算力+網路”的閉環。手握通訊底層能力的諾基亞，由此從一次成功的戰略轉型中，真正站在了AI時代的基礎設施入口。 (礪石商業評論)

近期除了美國與伊朗的戰事不斷，3月美股市場也有諸多大事，除了要公布2月的非農、通膨數據外，台積電2月營收以及輝達2026GTC大會都將在3月登場，此外美國中級選舉「超級星期二」初選也要在3/3開始。投資美股新選擇「美股代幣」24小時全天候交易輝達、特斯拉等多檔熱門美股，價格同步美股定期開設免費/付費投資課程教學詳情請洽鉅亨買幣官方LINE：https://supr.link/2izDZ交易美股代幣 點擊鉅亨推薦碼註冊派網交易所：https://supr.link/vQa9C

一夜狂砸40億美元！當地時間3月2日，AI晶片霸主輝達接連簽下兩家美國光通訊巨頭——Lumentum和Coherent，分別向每家注資20億美元，全面押注光互聯技術和封裝整合，為下一代AI工廠鋪路。向Lumentum投資20億美元輝達宣佈與 Lumentum Holdings Inc.達成多年戰略協議，以加速先進光學技術的創新，包括研發，從而實現下一代人工智慧基礎設施和系統設計。這項非獨家協議包括輝達數十億美元的採購承諾以及未來先進雷射元件的產能使用權。此外，輝達還將向 Lumentum 投資 20 億美元，以支援其研發、未來產能和營運，助力該公司在美國新建晶圓廠，擴大其製造能力。當前，光互連技術和封裝整合對於人工智慧工廠的持續擴展至關重要，能夠提升大規模人工智慧網路的能效和彈性。此次擴展合作將充分發揮輝達在人工智慧、加速計算和網路領域的領先優勢，以及 Lumentum 在光學和先進製造領域的領先地位。這項投資將助力 Lumentum 擴大其製造能力和研發規模，以滿足未來人工智慧資料中心的需求。“人工智慧重塑了計算，並正在推動歷史上規模最大的計算基礎設施建設，”輝達創始人兼首席執行長黃仁勳表示。“輝達正與 Lumentum 攜手，推進全球最先進的矽光子技術，以建構下一代千兆瓦級人工智慧工廠。”Lumentum首席執行長Michael Hurlston表示：“這項多年戰略協議體現了我們共同致力於推進光學技術發展，從而為下一代人工智慧基礎設施提供動力。為了支援此次合作，我們還將投資建設一座新的製造工廠，以提高產能並加速創新。我們很高興能夠攜手合作，共同拓展未來人工智慧光學架構的可能性。”Lumentum是全球領先的光學和光子技術公司，致力於為人工智慧、雲端運算和下一代通訊等應用提供網路和基礎設施支援。憑藉數十年的光子學創新經驗，Lumentum 提供高性能雷射器、模組和光學子系統，助力實現可擴展、節能的資料中心連接、先進的電信網路、工業製造和感測應用。公司總部位於加利福尼亞州聖何塞，並在全球設有研發、製造和銷售機構。向Coherent投資20億美元與此同時，輝達還與Coherent宣佈了一項多年戰略協議，旨在推進先進光學技術的前沿發展，包括製造能力和研發，從而實現下一代人工智慧基礎設施。這項非獨家協議包括輝達數十億美元的採購承諾，以及未來獲取先進雷射和光網路產品的管道和產能使用權。此外，輝達還將向Coherent公司投資20億美元，以支援其研發、未來產能和營運，助力Coherent公司在美國建立製造能力。此次擴展的合作關係充分利用了輝達在人工智慧、加速計算和網路領域的領先地位，以及Coherent公司在光技術創新和先進製造方面的專長，使Coherent公司能夠擴展其研發和製造能力，從而支援全球下一代人工智慧資料中心的建設。“計算方式已經發生了根本性的變化。在人工智慧時代，軟體運行依賴於人工智慧，而人工智慧工廠會針對每一次互動和每一個場景即時生成令牌，”輝達創始人兼首席執行長黃仁勳表示。“借助Coherent技術，輝達正在開創下一代矽光子學，以前所未有的規模、速度和能效實現人工智慧基礎設施。”“這項戰略合作關係凸顯了Coherent作為下一代人工智慧資料中心基礎設施關鍵推動者的地位，”Coherent首席執行長Jim Anderson表示。“我們很榮幸能夠通過擴大NVIDIA的產品線，使其能夠使用更多產品系列，從而進一步深化我們與NVIDIA長達20年的合作關係，幫助他們建構面向未來的人工智慧資料中心。”Coherent公司是全球光子學領域的領導者。我們利用光子技術推動創新。資料中心、通訊和工業市場的行業領導者依靠Coherent公司世界領先的技術來推動自身的創新和發展。 (芯智訊)