恐惧：AI下阶段的投资
AI算力红利的二次分配：从暴力扩张到结构性统治（2026）
进入2026年，AI半导体行业的核心矛盾已经发生了本质变化。过去三年，行业依赖的是一种近乎粗暴的增长逻辑： 算力线性扩张 → GPU堆叠 → 模型能力提升。
但这一逻辑正在被三重约束打断：
功耗墙（Power Wall）
带宽墙（Memory Wall）
互联墙（Interconnect Wall）
当“规模”不再线性转化为“能力”，算力红利开始进入再分配阶段。 这一阶段的本质，不是技术突破本身，而是谁有权重新定义算力的成本结构。
一、CPU权力重排：从架构之争到生态税收
x86：防守的不只是性能，而是历史债务。Intel 的18A节点（Panther Lake / Clearwater Forest）被市场解读为“制程翻盘”，但更深层的问题不在制程本身，而在：x86生态是否仍然值得被维持。
X86的优势从来不是性能，而是：
向后兼容的历史资产
企业级软件锁定
数据中心迁移成本
但这些优势正在被云计算“吞掉”。当计算不再部署在本地，而是运行在云抽象层上，ISA的重要性开始下降。
Intel真正的赌注，不是性能反超，而是：用18A把自己重新变成“制造平台”，而不是“架构信仰”。如果良率无法稳定，其代工业务不仅是失败，更是信用崩塌。因为Foundry本质上卖的是“确定性”。
Arm：从架构供应商到“算力税务局”。Arm Holdings 的变化更为隐蔽，也更危险。它正在完成一个关键转型：从“授权架构” → “嵌入基础设施的长期税收模型”。
以 Amazon Web Services 的Graviton、Google 的Axion为代表，Arm已经不再是手机芯片的附属，而是：
数据中心默认指令集候选
云厂商自研CPU的标准底座
更关键的是：Arm的收入不依赖单次销售，而依赖持续授权。这使它具备一种类似操作系统的特性：它不参与竞争，但向所有竞争者收费。真正的风险不在Intel，而在Arm，因为它的终局，是成为算力世界的“基础税”。
二、互联革命：从“带宽升级”到“架构吞噬”
过去十年，网络层的升级是“外挂式”的：
更快的光模块
更高带宽的交换机
更密集的机架设计
但当速率迈向 1.6T / 3.2T，问题不再是“快不快”，而是：电信号已经无法跨越物理距离。
CPO：不是优化，而是边界重写。Broadcom 与 NVIDIA 推动的CPO（Co-Packaged Optics），本质不是技术升级，而是：把“网络”从系统外部，搬进芯片封装内部。
结果是三层重构：
功耗下降30%-50%（电转光路径缩短）
延迟显著降低（消除PCB损耗）
最关键：价值链重新分配
传统光模块厂商的角色被削弱：从“系统核心组件”变成“被集成的零部件”。这意味着：光模块行业的高溢价，本质上是“接口红利”，而不是技术壁垒。
当接口被消灭，溢价也随之消失。
三、Custom AI XPU：去中心化的算力生产
GPU的问题，从来不是性能，而是：成本不可控，功耗不可扩展，架构过于通用。这催生了第三条路径：定制化算力（ASIC/XPU）。
从“卖铲子”到“代工铲子”。Broadcom 与 Marvell Technology 的崛起，代表一种新逻辑：算力不再是标准商品，而是定制基础设施。
它们的优势不在AI算法，而在：
SerDes（高速互联）
定制设计能力
与云厂商的深度绑定
尤其是Broadcom，其在定制AI芯片市场约70%的份额，本质上不是“产品胜利”，而是：接口与物理层的统治力。这比GPU更稳定，因为：客户锁定周期更长，替换成本更高，不依赖单一模型路径。但风险同样清晰：客户集中度极高（Google / Meta / AWS）。一旦资本开支周期反转，收入波动将被放大。
四、HBM4：算力时代的隐性货币
AI的真正瓶颈，已经从“算力”转向“数据吞吐”。HBM4的短缺揭示了一个更深层逻辑：算力系统的核心，不是计算，而是数据流动能力。
SK Hynix 与 Micron Technology 的产能被提前锁定，意味着：
GPU ≠ 可用算力
HBM = 实际算力上限
换句话说：HBM正在成为AI时代的“硬通货”。
它具备三种金融属性：稀缺性（产能受限），定价权（供不应求），锁定性（与封装深度绑定）。这将导致利润向存储侧迁移，形成新的产业重心。
五、结论：算力体系的三次权力转移
如果把2023–2026看作一个完整周期，可以看到三次权力迁移：
第一阶段（GPU中心化）。核心玩家：NVIDIA。逻辑：算力=规模。
第二阶段（系统重构）。核心玩家：Broadcom / CPO体系。逻辑：算力=能效+互联
第三阶段（生态税收）。核心玩家：Arm Holdings / HBM厂商。逻辑：算力=结构控制权
最终判断，2026年的关键，不是“谁更强”，而是谁能把自己的位置，从组件，变成规则。
Intel 试图成为“制造规则”
Arm 正在成为“架构规则”
Broadcom 控制“连接规则”
HBM厂商掌握“资源规则”
而传统组件厂商（尤其光模块）的问题在于：它们仍然活在“被调用”的位置，而不是“定义调用”的位置。这就是你直觉里那种“不对劲”的来源——而且判断是对的：高溢价，正在失去结构基础。
算力红利的再分配：一套建立在结构迁移之上的投资组合
进入2026年之后，AI半导体投资已经不再属于“增长行业”的范畴，而更接近一种典型的结构迁移市场。过去三年那种围绕NVDA单点爆发、依靠GPU堆叠推动估值扩张的阶段，正在被一个更复杂、也更冷静的现实所替代：算力不再稀缺，有效算力才稀缺。
这句话的含义，在投资层面非常直接——你不再需要去问“谁的芯片更强”，而必须去判断“谁在决定算力的可用性、成本结构以及扩展路径”。一旦问题被这样重写，资产配置的逻辑就会发生根本变化。
真正的分水岭来自三个物理约束的同时显现：功耗、带宽与互联。当功耗不再允许线性堆叠，当HBM成为算力上限的实际决定因素，当机架之间的电信号开始在物理上不可维持，整个产业的利润分配就开始脱离“计算核心”，向更底层、更隐蔽的位置迁移。这种迁移的结果，是投资组合必须围绕“结构控制权”而不是“性能领先”来构建。
在这样的背景下，定制算力的崛起并不是一条新叙事，而是一个几乎不可逆的结果。云厂商不再满足于采购标准化GPU，它们开始系统性地将算力内生化。这一变化的真正受益者，并不是那些试图复制GPU路径的AI芯片公司，而是那些能够帮助超大规模客户“定义芯片”的平台型企业。AVGO与MRVL的价值正在于此：它们并不提供统一答案，而是提供“构建答案的能力”。这种能力建立在SerDes、高速互联以及复杂SoC整合经验之上，使其在定制AI加速器市场中形成极高的进入壁垒。更关键的是，这种模式天然绑定客户的长期资本开支周期，使收入具备某种“准基础设施”的稳定性。
如果说定制算力是对计算核心的分解，那么互联层的变化则是对整个系统边界的重写。随着带宽需求进入1.6T乃至3.2T时代，传统可插拔光模块的物理极限已经显现，电信号在板级传输中的损耗不再是可以通过工程优化解决的问题。在这一点上，AVGO与NVDA推动的CPO（Co-Packaged Optics）并不是“效率提升”，而是一种更激进的行为——它试图直接消灭接口，把网络功能内嵌进芯片封装本身。一旦这一结构成立，传统光模块厂商赖以生存的高溢价基础将迅速瓦解，因为它们本质上是接口时代的产物，而不是架构时代的参与者。
与此并行发生的，是存储的重要性被重新定价。市场已经逐渐意识到，算力系统的瓶颈并不在计算单元，而在数据的移动能力。HBM4的全面锁定，使得MU以及SK Hynix这样的厂商，从周期性存储公司转变为“算力发行者”。它们提供的不是简单的存储容量，而是决定整个AI系统上限的关键资源。在这种条件下，HBM的定价权开始呈现出类似大宗商品甚至金融资产的特征：稀缺、锁定、难以替代。这意味着利润将持续向存储侧倾斜，而任何缺乏HBM绑定能力的AI硬件公司，其商业模型都存在结构性缺陷。
在这样的结构之中，NVDA本身的定位也发生了微妙变化。它依然是整个算力体系中最重要的公司，但其角色已经从“唯一核心”转变为“系统整合者”。投资它不再是为了获取超额收益，而更像是持有一只“算力指数”——一种对整个行业景气度的Beta暴露。这也是为什么在组合中保留其权重是必要的，但过度集中反而会削弱对结构迁移的捕捉能力。
相比之下，INTC与AMD所代表的CPU与工艺路径，则更接近一种“期权”。Intel的18A节点如果成功，将不仅仅是性能层面的回归，而是其重新建立代工信用的唯一机会；一旦失败，其Foundry战略可能面临根本性动摇。AMD则处于另一种困境——它在传统x86体系内仍具竞争力，但正在被云厂商自研的Arm架构逐步边缘化。因此，这一部分配置的意义不在于确定性回报，而在于以有限风险博取结构反转的可能。
当这些部分被放在一起时，一套清晰的组合轮廓就浮现出来：以定制算力为进攻核心，以互联技术作为下一阶段的增长引擎，以HBM存储锁定产业底层收益，以GPU龙头维持系统性敞口，同时用少量权重押注工艺与架构的潜在反转。这种组合并不追求表面上的分散，而是围绕一个单一判断展开——AI产业的利润，正在从“制造算力”，转向“定义算力结构”。
在这个判断之下，一些看似仍然繁荣的领域反而需要被主动回避。传统光模块公司如COHR与LITE的高估值，建立在接口存在的前提之上，而这一前提正在被CPO逐步侵蚀。同样，那些缺乏生态、仅以“替代GPU”为叙事的AI芯片公司，也很难在长期竞争中获得生存空间，因为算力系统的门槛已经从芯片本身，转移到了系统与资源整合能力。
最终，这套投资方法可以被压缩成一句话：你不再是在选择“更快的芯片”，而是在选择谁有能力重写算力世界的规则。当市场完成这一认知转变之后，价格只是时间问题。