AI才刚刚开始，不要轻易看空存储、光和先进封装
最近很多人开始讨论：
AI会不会见顶？
算力会不会过剩？
我反而觉得，大多数人低估了AI接下来5-10年的发展空间。
因为现在的AI，本质上还停留在“大模型训练时代”。
未来真正的爆发，不是ChatGPT，而是：
Agent
机器人
自动驾驶
AI搜索
AI办公
AI编程
AI视频
AI终端
这些应用全面落地后，对底层硬件的需求将远超今天。
━━━━━━━━━━━━
如果把AI看成一座工厂。
GPU只是发动机。
真正限制产能的，是：
📦 存储
🌐 光互联
🏗 先进封装
⚡ 被动元器件
━━━━━━━━━━━━
① 存储（HBM、DRAM、NAND）
AI最大的瓶颈已经不是算力。
而是存力。
GPU每提升一代，
HBM容量和带宽都要同步升级。
HBM3E → HBM4 → HBM4E → HBM5
未来几年几乎看不到需求天花板。
没有存储，
再强的GPU也跑不起来。
━━━━━━━━━━━━
② 光通信（800G → 1.6T → 3.2T）
未来AI最大的挑战是互联。
从训练到推理，
从单Agent到多Agent协同，
数据流量呈指数级增长。
未来拼的不是芯片数量，
而是传输速度。
光模块、光芯片、磷化铟、DSP的重要性会越来越高。
很多人低估了光互联在AI时代的战略价值。
━━━━━━━━━━━━
③ 先进封装（CoWoS、ABF）
过去是单芯片时代。
未来是：
GPU + CPU + HBM + DPU
异构集成时代。
芯片越来越大，
功能越来越多，
先进封装成为唯一出路。
没有CoWoS，
HBM和GPU就连不到一起。
没有ABF，
高端AI芯片就无法实现高密度集成。
━━━━━━━━━━━━
④ MLCC与钽电容
这个环节最容易被忽略。
但AI服务器本质上是超级供电系统。
功耗越来越高，
电流波动越来越大。
高端MLCC、
高分子钽电容、
电源管理器件，
都会持续受益。
未来AI服务器的被动元器件价值量远高于传统服务器。
━━━━━━━━━━━━
一句话总结：
GPU决定AI能跑多快；
HBM决定AI能装多少数据；
光互联决定AI能传多快；
先进封装决定AI能集成多少功能；
MLCC和钽电容决定AI能否稳定运行。
所以我始终认为：
AI不是结束了，而是刚刚开始。
未来真正值得长期跟踪的，
不是应用层的热点轮动，
而是存储、光通信、先进封装、MLCC这些底层硬科技。
因为每一次AI升级，
最终都会转化为这些环节的真实需求。
#AI ##光模块 ##MLCC ##半导体 #
