2025年、2026年、2027年这些时间节点上，市场格局正悄然生变。芯片巨头的亮眼表现直接把AI算力产业链的高景气度映照得清清楚楚。就在2月26日这天，全球AI芯片霸主英伟达交出了2026财年第四季度的成绩单，营收和利润双双刷新历史纪录，而且给出的下一季度营收预期更是远超市场预估，这无疑宣告了AI算力需求还在疯狂飙升。这种超出预期的业绩背后，其实是因为大模型的产品力越来越硬，市场给算力的资本开支限制也被彻底松绑了。现在大家都在抢着把钱投进AI赛道里，“算力应用-基础设施投资”的正向循环已经形成。照这个势头看，未来两年资金还会源源不断地往里砸，光模块、PCB、液冷、电源这些产业链环节自然就受益了。 到了2025年，大模型能力迎来质变的时刻就要来了。随着多模态模型也步入正轨，光靠消耗海量的tokens就能看出AI需求到底有多大。像OpenAI这种前沿机构，训练模型的成本早就升到了几十亿美元的级别。就在最近，他们更是放出话来，预计2026年的模型训练成本会冲到95亿美元。这种巨额资本投入虽然偶尔会让人担心是不是泡沫要破了，但用来解释模型能力提升的“Scaling Law”（规模化法则）却一直在发挥作用。 为了支撑这一切算力增长，最关键的还得靠硬件。光模块和PCB在硬件里是大市场。现在训练和推理网络带宽需求涨得飞快，大家纷纷调高了对2026年1.6T光模块的需求预期。头部厂商的规模效应和供应链优势在2026年到2027年这波交付大年里更是被放大得很明显。 至于PCB这边，服务器和交换机里的板子价值量水涨船高，而且供应商数量虽然多，一旦定好了主供也很难再换人。这就让行业的ROE随着净利率的提升进入了上升通道。除了光模块和PCB之外，液冷和电源这些细分领域也都有很大的体量。