算力硬件又爆发了！这次不是集体吃肉，而是残酷大分化

9月7日，算力硬件又涨疯了。光模块、PCB多股涨停，科创50涨2.42%，创业板指涨3.4%。

但这根阳线之前，7月到8月刚经历了一轮明显回调。光模块、CPO、存储、AI芯片这些方向，交易拥挤度从高位回落，部分资金转向其他赛道。所以9月7日这根阳线，到底是新一轮行情启动，还是下跌途中的反弹，市场其实是有分歧的。

现在打开大部分分析，说的都是同一套话，英伟达财报好、国产算力要兑现了、AI从训练转推理了、政策在兜底。这些话本身没错，但说的人太多了，反而把真正要紧的事给盖住了。

芯片性能越强，部分硬件需求反而收缩

芯片算力每18个月翻一倍，同样的活需要的芯片在变少。

三年前训练一个模型可能要1万块A100，现在可能5000块H100就够了。单卡虽然贵了，但总数少了。服务器、电路板这些配套硬件如果按芯片数量收钱，那芯片越先进，配套硬件的需求量就越小。

算法也在变。量化压缩、稀疏计算这些技术成熟后，同样任务需要的算力在减少。MoE架构比较特殊，它减少了单次计算量，但模型总参数量大幅增加，对存储和通信带宽的需求反而在上升。

所以影响是分开的。服务器、电路板这些直接跟GPU数量挂钩的硬件，长期面临需求压缩。光模块、存储这些则取决于网络带宽和数据搬运需求，跟算法效率的关系更复杂，不能一概而论。

如果你的生意是按芯片数量来收钱的，那你的对手不是同行，而是芯片本身越来越强的效率。这个趋势只会加速，不会回头。

云厂商加大投入，利润却向少数环节集中

云厂商确实在疯狂砸钱建数据中心，但这笔钱不是谁都能赚到。

云厂商一边买硬件，一边推自研芯片。谷歌有TPU，亚马逊有Trainium，微软也在推Maia。这些芯片不会取代英伟达，但给了云厂商更多选择。选择多了，英伟达的定价权就被牵制，整个链条的利润空间都会被压缩。

而且，云厂商越来越集中。全球就那么几家大厂，占了绝大部分采购量。买方集中，卖方可替代性强的就吃亏。

一种是组装代工，比如服务器代工、普通电源。门槛低，谁都能做，云厂商可以随时换人。订单量确实在涨，但单价被压得越来越低，利润很薄。

另一种是核心零部件，比如高端光模块、高多层电路板。技术门槛高，能做的人少，现在供不应求。云厂商再集中，也得按它们的报价来。这类厂商的订单和利润都在涨。

所以云厂商花钱越狠，代工厂越难赚钱，但核心零部件厂反而赚得更多。

订单充足，但生态割裂侵蚀利润

美国对华芯片出口管制已经好几年了。大家都在说国产替代的机会，但很少人提到这带来的一个实际问题：中国算力市场和海外市场越来越不兼容。

在海外，硬件围绕英伟达设计，生态统一，技术迭代快，产品能卖高价。在国内，硬件要适配国产芯片或降级版芯片，昇腾、海光、寒武纪各家软件标准不完全通用，生态比较碎。

这导致国内硬件厂虽然订单饱满，但日子并不好过。首先，因为生态不统一，同样的硬件要针对不同芯片做多次适配，研发成本被摊高了。其次，利润的大头被芯片端拿走。配套端严重分化：高端零部件如特定速率光模块、高多层电路板，技术门槛高，能做的人少，利润还行。但通用配套如服务器组装、标准电源、机箱，竞争者太多，利润很薄。而且绑定大客户的配套厂商，往往被强势甲方压价，议价空间不大。

另外，中国市场的硬件标准与海外不完全兼容。中国厂商出海要重新适配，海外厂商进入中国也要改方案。两边都要重复投入，长期看会拉高整体成本，没有核心壁垒的厂商利润空间会被进一步压缩。

所以国产算力投资越大，硬件配套的需求确实越旺盛。但旺盛的是订单量，不是每个环节的利润。有技术壁垒的高端配套能赚钱，做通用标准件的厂商只能赚辛苦钱。

光模块龙头风光，但投入越来越大

中际旭创、新易盛这些光模块龙头，股价涨了好几倍，估值很高。但它们的生意本质，需要拆开看。

光模块确实有技术门槛。800G以上的高速率产品，涉及光芯片、先进封装、信号完整性等复杂技术，能做的人越来越少，行业越来越集中。龙头的竞争壁垒是在增厚的。

但另一方面，光模块行业的投入强度也在急剧加大。从100G到400G到800G再到1.6T，每一代升级都需要重新投入研发、验证工艺、通过客户认证。虽然产线里的通用设备可以复用，但关键工艺环节需要持续追加投资。

更关键的是定价逻辑。客户采购光模块时，核心指标是单位带宽成本。1.6T模块的带宽是800G的两倍，但客户要求单位带宽成本持续下降。所以产品虽然升级了，但厂商从单位带宽里赚到的钱并没有同比例增加。

这意味着光模块厂商必须不断推出更高速率的产品来维持收入增长，但每一代产品都面临降价压力。收入增长靠换代，利润增长却要靠规模效应和良率提升来硬挤。

所以这不是躺赢的生意。龙头能跑出来，靠的是持续高强度的研发投入和工艺迭代能力，以及在大客户那里的认证壁垒。一旦技术迭代放缓或者良率爬坡不及预期，利润就会迅速被侵蚀。

液冷涨得猛，但渗透率可能没想象中快

液冷是今年涨得最猛的方向之一。AI服务器功耗越来越高，单机柜突破几十万瓦，风冷不够用了。这个逻辑在超高密AI集群里成立。训练大模型的万卡集群，GPU满载运行，发热巨大，液冷是物理层面的必须选择。

但市场把这个逻辑推广到了所有场景，这就出了问题。

液冷分两种。冷板式是在现有服务器上加冷板，用液体带走热量，改造成本相对低，但散热效率有上限。浸没式是把整个服务器泡进特殊液体里，效率最高，但改造成本极高，已建成的数据中心基本没法改。

现在市场预期液冷成本会随着规模扩大快速下降，渗透率快速提升。但这个预期忽略了几个现实。

真正必须用液冷的场景占比没那么大。只有新建的超大规模AI训练集群，才一定上液冷。普通的云计算、企业数据中心、推理机房，通过优化机柜功率密度、改进风道，风冷还能满足需求。这些场景占数据中心总量的绝大部分。

液冷维护比风冷复杂。风冷坏了换风扇，运维简单。液冷涉及管路、接头、冷却液监测，一旦漏液可能毁掉整柜服务器。运维团队需要重新培训，管理流程要改。这些隐性成本不会随着规模扩大而消失。

推理时代云厂商的核心诉求是降本。训练集群不计成本上液冷，是因为GPU持续满载。但推理集群负载波动大，平均功耗远低于峰值。很多推理机房的风冷还有余量，云厂商没有动力为了峰值场景改造整个机房。

所以液冷的渗透率会两极分化。新建的超大规模训练中心，液冷是标配。但存量改造和中等规模新建项目，风冷仍是主流。整体渗透率会提升，但速度可能慢于市场预期。

而且液冷厂商的业绩爆发，高度依赖少数几个大客户的建设节奏。一旦这些大客户资本开支放缓，或者延迟上液冷，订单就会出现明显波动。

最后，如何分辨好坏公司

算力硬件板块已经从普涨时代进入了分化时代。以前买指数就能跟着涨，现在不同公司的差别越来越大。

如果要观察这种分化，可以从三个维度去看。

收入结构。 基建类设备，比如机房、机柜、普通电源，建完之后短期内不会重复采购，订单波动大。零部件和耗材，比如光模块、电路板、冷却液，技术每升一代就要重新买一次，需求更持续。运维服务也是持续收入，设备在就得有人维护。

客户结构。 云厂商订单大，但压价狠、客户集中。政企客户订单散，但利润通常较厚、关系更稳定，只是回款审批流程复杂，账期往往更长，现金流压力不一定小。两类客户面临的约束完全不同。

技术升级对产线的影响。 如果升级需要大规模更换核心设备，资本开支压力大。如果主要在工艺和材料上改进，产线可以复用，压力就小。光模块从800G到1.6T，部分设备可复用，但关键工艺需要持续追加投资，资本开支压力较大。高端电路板升级材料和层数，产线主体复用度相对更高。

当然，这些只是观察产业的视角，不是投资依据。市场短期走势受资金情绪、政策变化、外部环境等多重因素影响，与基本面并不总是同步。任何基于上述分析做出的判断，都需要独立验证，并自行承担风险。