北京
人工智能領域的瓶頸正在悄然轉移。當業界還在為電力供應、土地資源和HBM內存爭得頭破血流時，一個更隱蔽的掣肘浮出水面：芯片之間數據傳輸的速度，已跟不上算力膨脹的節奏。
隨著AI集群從幾千張GPU膨脹到幾十萬張GPU的規模，連接這些處理器的網絡本身，正在變得跟算力芯片一樣值錢。英偉達創始人黃仁勛在近期公開表態中確認，規模化部署時，光學技術將成為必需品，這也驅動英偉達通過投資和合作大舉切入光電子領域。
對于投資者而言，這意味著目光必須從英偉達本身移開，轉向那些正在鋪設AI數字高速公路的公司。
英特爾CEO陳立武在近期播客中給出了一個判斷框架：最好的投資機會，出現在技術撞上瓶頸的地方。而當下最清晰的一個卡點，正是互聯技術，也就是在AI數據中心內部，讓GPU、CPU、存儲和內存之間搬運數據的硬件系統。
一個現代AI集群本質上是一個巨型物流樞紐。GPU負責計算，但每一次運算結果都取決于數據能否準時送達。只要信息遲到，昂貴的處理器就只能空轉等待。這一等，浪費的不只是電力，還有算力容量，以及數十億美元的基礎設施投資。
傳統銅纜連接在距離拉長時，會遭遇信號質量衰減、功耗飆升和發熱加劇的物理極限。光纖通過以光脈沖替代電信號來傳輸數據，在提供更大帶寬的同時消耗更低功耗，恰好繞開了這些限制。物理定律決定了，當集群規模繼續膨脹，光互聯不再是選擇題，而是必答題。
與此形成鮮明對照的是，有那么一批公司，它們并不制造任何一顆博眼球的AI處理器，卻在搭建讓這些處理器高效協作的底層設施。在光模塊、光纖、激光器、連接芯片、網絡交換機等細分環節，這些公司正在成為算力軍備競賽背后的“賣鏟人”。
市場給出的反饋已足夠清晰。Astera Labs最新財報顯示，其營收同比增長了93%，達到3.08億美元。另一家相關廠商Coherent的光學相關積壓訂單，排期則一直延伸到了2028年。這些數據指向同一個事實：巨頭每在GPU上砸下一個十億美元，就會連帶催生出對網絡交換、光模塊和連接芯片的額外需求。
算力不再是決定AI性能的單一標尺。數千乃至數十萬個處理器之間數據交換的速率，正在重新定義“性能”這個詞的真正含義。當GPU的工作效率受制于“路”的寬度而非“車”的馬力時，AI產業的下一個軍備賽道，已經鎖定在互聯基礎設施上。
投資者需要重新理解這條價值鏈的分配邏輯——算力堆疊的紅利正逐步讓位于網絡互聯效率。誰能把數據傳輸的時延降到更低、帶寬提得更高，誰就握住了下一代AI基礎設施的分配權。這七家正在建造AI數字高速公路的公司，值得你用打量芯片廠商同樣的嚴謹眼光去審視。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
