第一章：从一块主板的“能效压榨”说起

在AI从训练走向推理和应用的今天，算力（GPU）往往不是唯一的瓶颈，配套设施（主板、内存、网络）反而拖了后腿。

想象一下，你买了一辆F1赛车（GPU），但你把它开在了一条坑坑洼洼的乡间小路上（老旧的主板和IO通道），赛车再快也跑不起来。

通过软件层面的系统调度，控制供电、散热等物理参数，把现有主板的潜力“榨干”。等摸清了哪些硬件是真正的瓶颈后，再自己下场做AI SSD和协处理器芯片（ASIC）。

这种“从软到硬、从通用到专用”的渐进式路线，揭示了当前AI芯片产业最大的一个趋势：一招鲜吃遍天（通用GPU打天下）的时代正在过去，垂直场景的专用芯片（ASIC）和系统级优化迎来了大爆发。

第二章：拆解“数据物流”：HBM、DPU与光模块的恩怨情仇

当算力不再是唯一瓶颈，“搬运数据”就成了最赚钱的生意。但很多人搞不清楚HBM、DPU、光模块这些听起来高大上的词到底是怎么分工的。

我们用一个“超大型连锁餐饮集团”来做个极简类比：

GPU（算力核心） = 炒菜的厨师。只负责疯狂颠勺。
HBM（高带宽内存） = 厨师面前的操作台。离手最近，放着正在炒的菜的食材。HBM解决的是“手边数据够不够快”的问题。
光模块（网络传输） = 城市之间的高速公路。它是一根“管道”，不思考、不决策，只负责用光信号把食材从A城市“嗖”地运到B城市。
DPU（数据处理器） = 物流调度中心的大脑。它坐在高速公路的入口处，决定包裹走哪条路、负责打包拆包、甚至直接把食材送到厨师（GPU）的操作台（HBM）上，不让前台（CPU）插手。

这三者材质都是硅，但电路设计天差地别。HBM里面全是存数据的“小格子”，光模块的DSP芯片里全是做数学运算的“计算器”，而DPU里面则是能跑操作系统的“小电脑”。

它们各管一段，谁也替代不了谁。这就是为什么AI浪潮下，做光模块的中际旭创、做DPU的Marvell、做HBM的海力士，都在享受几倍的增长红利——因为任何一个环节堵了，整条高速公路就瘫痪了。

除了大家都盯着的GPU，在微观层面，还有很多“隐形”的环节正在闷声发大财。

BIOS固件：电脑的“开机管家”AI服务器里塞满了各种复杂的硬件，开机时谁先通电、风扇转多快、供电怎么分配？这全靠BIOS固件来协调。这是一个被系微（Insyde）等极少数公司垄断的小众但致命的市场。
PCB高速设计：芯片之间的“立交桥”信号跑得越快，对电路板（PCB）的要求就越高。AI服务器需要几十层的高频高速PCB，这直接引爆了沪电股份、胜宏科技等公司的业绩。
先进封装材料：把芯片“粘”起来的魔法现在的GPU其实是由十几颗小芯片拼起来的。把它们拼在一起，需要极高端的ABF载板和底底部填充胶。这个领域目前主要被日本企业（如味之素）垄断，但国内的华海诚科、兴森科技等也在加速突围。

如果说现在的AI还是被关在服务器里的“赛博幽灵”，那么Physical AI（物理AI）就是给AI装上了身体。

黄仁勋预言：“Physical AI将是下一个万亿美元产业”。人形机器人、自动驾驶、无人机，这些需要在真实物理世界中行动的设备，需要一种全新的芯片品类：既要能算（推理），又要能感知（传感器融合），还要能实时控制（低延迟）。

在这个全新的赛道上，不仅有英伟达的Jetson Thor平台，中国企业也在加速狂奔。比如地平线（09660.HK），刚刚发布了中国首款舱驾融合智能体芯片“星空”，正式从智驾向具身智能全面转型，试图打造“物理AI时代的Wintel”。

而伴随着Physical AI和电动车的爆发，另一个巨大的风口已经到来：SiC（碳化硅）和GaN（氮化镓）功率半导体。

机器人和数据中心都是电老虎。功率半导体就是“电力世界的变速箱”，负责把一种电高效地转换成另一种电。SiC和GaN比传统硅的效率高出30-50%，能省下海量的电费和散热成本。在这个领域，英飞凌（IFNNY）是全球霸主，而国内的三安光电、天岳先进等也在快速崛起。

麦肯锡预测，全球半导体行业规模将从2024年的7750亿美元增长到2030年的1.6万亿美元。

在这场史无前例的大爆发中，机会绝不仅仅属于造大芯片的巨头。从主板能效优化的软件调度，到专精于某一特定任务的NPU/ASIC协处理器；从搬运数据的DPU，到省电的SiC功率器件；从开源免费的RISC-V架构，到融合感知与计算的Physical AI芯片……

AI正在把芯片产业的蛋糕无限做大，并切分得越来越细。在这个“百花齐放”的时代，每一个把细分场景做到极致的“卖水人”，都有机会成为下一个十年的隐形冠军。

对于投资者和创业者而言，看懂了这条数据流动的全链路，也就找到了在这个万亿市场中掘金的藏宝图。