夜雨聆风嘿，大家好！上篇咱们聊了全球股市的AI大机会，说到最后留下了一个坑：AI产业链里，光模块、液冷、电力设备和国产芯片，到底谁的确定性更强？
今天就来填这个坑。
这几年，只要一提AI，很多人第一反应就是英伟达。这个当然没错，AI训练、推理都离不开GPU，英伟达确实是这轮AI浪潮里最耀眼的“卖铲人”。但问题是，英伟达太亮了，亮到很多人看不见它身后的那条长长供应链。
其实AI不是一张显卡的生意，也不是一个大模型的生意。AI更像修一座超级工厂：你要有芯片，要有服务器，要有光通信，要有散热，要有电力，要有数据中心，要有软件应用。少一个环节，整座工厂都跑不顺。
所以今天咱们不讲虚的，就拆四个方向：
光模块、液冷、电力设备、国产芯片。
这四个方向都有故事，但故事含金量不一样；都有机会，但确定性不一样；都有波动，但波动背后的逻辑也不一样。
一句话先说结论：
短期弹性看光模块，中期确定性看液冷和电力设备，长期战略价值看国产芯片。
但投资里最怕一句话总结，因为一句话听起来爽，真正买起来就容易踩坑。下面咱们慢慢拆。
1. 先说大背景：AI不是“算力生意”，而是“系统工程”
以前很多人理解AI，就是“大模型+芯片”。但到了2025-2026年，市场已经看明白了：AI最难的不是做一个漂亮PPT，而是把算力真正堆起来、跑起来、稳定运行起来。
这里面有一个非常重要的数据。国际能源署IEA预测，到2030年，全球数据中心用电量可能达到约 945TWh，接近日本当前的总用电量规模；2024年至2030年，数据中心用电量年均增长约 15%，增速大约是其他用电部门的四倍。
这说明什么？
说明AI越往后发展，越不像一个单纯的软件行业，反而越来越像一个“高耗能、高资本开支、高工程复杂度”的新工业。
你可以把AI数据中心想象成一个巨大的数字钢铁厂。
芯片是高炉，光模块是运输带，液冷是冷却系统，电力设备是变电站，服务器是生产线，数据就是原材料。
高炉再先进，如果运输带堵了，产能上不去；
运输带再快，如果机器过热，工厂要停机；
散热再好，如果电不够，整个厂直接熄火。
所以AI产业链不是一个点，而是一张网。真正的机会，经常出现在这张网里最堵、最缺、最难替代的地方。
2. 光模块：AI数据中心里的“高速公路收费站”
先说光模块。
光模块是什么？简单讲，就是让数据在服务器之间高速传输的“小盒子”。听起来不起眼，但在AI数据中心里，它的地位非常关键。
为什么？
因为AI大模型训练不是一台机器在干活，而是成千上万张GPU一起干活。这些GPU之间要不停通信。你可以理解成一个超级大办公室，里面几万个员工同时协作，如果电话线不够、网络太慢，大家就只能互相干瞪眼。
GPU再贵，网络不行，也跑不出效率。
所以AI数据中心对光模块的需求，不是普通增长，而是“又要数量，又要速度，又要低延迟，又要低功耗”。
LightCounting的预测很有代表性：AI集群所使用的光收发器、LPO和CPO相关市场，预计会从2024年的约 50亿美元，增长到2026年的超过 100亿美元，两年翻倍。
这就是光模块行情的底气。
更关键的是，光模块还在技术升级。过去400G是主流，后来800G上来，现在市场又开始看1.6T。另有行业资料引用LightCounting预测称，2026年800G光模块出货量可能超过翻倍，1.6T端口也会从低基数快速增长。
这就像高速公路从双车道变成四车道，再变成八车道。车越多、速度越快，收费站也要升级。
光模块的优点是什么？
第一，订单比较直接。
海外云厂商扩建AI集群，就需要高速光模块。需求不是凭空想象，而是跟数据中心建设节奏挂钩。
第二，弹性比较大。
相比英伟达、台积电这种巨无霸，有些光模块公司的市值没那么夸张。如果订单超预期，业绩弹性会很明显。
第三，技术升级带来结构性机会。
从400G到800G，再到1.6T，每一代产品升级，都可能带来价格、毛利率和市场份额变化。
光模块的风险呢？
也不少。
第一，客户集中。
很多订单来自少数海外大客户。客户一句话调整节奏，供应链公司股价就可能坐过山车。
第二，价格竞争。
只要一个行业火了，就会有更多玩家进来。技术门槛够不够高，客户粘性够不够强，是关键。
第三，节奏波动大。
光模块很多时候是“预期先涨，订单后验证”。一旦业绩兑现慢一点，市场容易翻脸。
所以光模块适合什么投资者？
适合能忍受波动、愿意跟踪订单、技术路线和客户进展的人。它不是稳稳收息的品种，更像AI产业链里的“弹簧”：压得狠，弹得高；但摔下来也疼。
一句话：光模块是AI产业链里短期弹性最强的方向之一，但它不是躺赢赛道，核心要看客户、产品代际和交付能力。
3. 液冷：从“可选配置”变成“刚需空调”
再说液冷。
如果你去过普通机房，可能会看到一排排服务器，旁边空调呼呼吹。以前这种风冷方式还够用。但AI时代不一样了，GPU功耗越来越高，单机柜密度越来越大，风冷就有点像夏天在迪拜户外用小风扇降温——有用，但不够用。
AI服务器最怕什么？
不是贵，而是热。
芯片一热，性能下降；
温度再高，机器报警；
严重一点，停机维护。
数据中心停机，那就是烧钱。
所以液冷开始从“高端选配”变成“AI数据中心标配”。
市场预测也很夸张。MarketsandMarkets报告显示，全球数据中心液冷市场规模预计从2026年的 40.7亿美元 增长到2033年的 276.5亿美元，年复合增长率约 31.5%。
另外一家机构Persistence Market Research也预测，全球数据中心液冷市场将从2026年的 57亿美元 增至2033年的 292亿美元，年复合增长率约 26.4%。
两个不同机构的数字不完全一样，但方向一致：液冷是高增长赛道。
液冷的投资逻辑是什么？
我觉得可以概括成四个字：热得不行。
AI服务器热得不行，所以必须降温；
机柜密度高得不行，所以必须提升散热效率；
电费贵得不行，所以必须降低PUE；
客户要求高得不行，所以必须提升稳定性。
液冷产业链包括冷板、CDU、泵阀、管路、快速接头、冷却液、换热器、温控系统、整机方案等等。这里面既有零部件机会，也有系统集成机会。
液冷比光模块更好吗？
不能简单这么说。
光模块的特点是弹性强，液冷的特点是趋势稳。
光模块像跑车，速度快，但颠簸大；
液冷像空调电梯，没那么刺激，但楼越盖越高，就越离不开它。
液冷的优势在于，它更像基础设施必需品。一旦AI数据中心继续提高功率密度，液冷渗透率就有提升空间。
但液冷也有风险。
第一，行业标准还在演进。
冷板式、浸没式、喷淋式，不同方案各有优缺点。路线没完全定死时，押错方向会比较难受。
第二，客户验证周期长。
数据中心不敢随便用新方案。毕竟漏液、腐蚀、维护难度，都是大问题。
第三，价格战迟早会来。
只要市场空间大，供应商就会增加。最后拼的不只是技术，还有成本、交付和服务。
所以液冷的确定性，我认为比光模块更偏中期。它未必每个月都有大行情，但产业趋势比较清晰。
一句话：液冷是AI数据中心从“能跑”到“稳定跑”的关键，弹性可能不如光模块，但中期渗透率提升的确定性更强。
4. 电力设备：AI最容易被低估的“铲子”
接下来讲我个人觉得最有意思的方向：电力设备。
为什么有意思？
因为它不是传统意义上的AI股。很多人一听电力设备，就想到变压器、电缆、开关柜、UPS、配电系统，觉得这些东西土土的，不够性感。
但AI时代，最性感的可能恰恰是这些“不性感”的东西。
数据中心要运行，第一件事不是买GPU，而是找电。
没有电，GPU就是一堆贵金属；
电不稳定，数据中心就是一颗定时炸弹；
电网接不进去，再多资本开支也只能停在PPT上。
路透最近报道提到，美国电池储能公司正在看到AI数据中心需求增长，因为数据中心用电需求快速上升；但一些地区接入电网可能需要 3到7年，而数据中心建设只需要 18到24个月。报道还提到，到2030年，数据中心用电可能达到美国总电力供应的 17%，而目前约为 4%。
这组数字很关键。
它说明AI数据中心的瓶颈，不只是芯片，不只是光模块，也不只是散热，而是电网接入速度。
你想想，一个数据中心两年就建好了，但电网排队要三到七年，这不就像房子盖好了，水电没通吗？
所以未来几年，AI对电力设备的拉动可能比很多人想象得更持续。
电力设备包括哪些机会？
第一，变压器。
数据中心需要大量中高压变压器，尤其是大容量、高可靠性设备。
第二，UPS和备用电源。
数据中心不能突然断电，必须有备用系统。
第三，配电和开关设备。
高功率数据中心对配电安全和稳定性要求极高。
第四，储能。
储能可以帮助平滑用电波动，也可以缓解电网压力。路透提到，AI数据中心需求正在推动储能公司获得更多关注。
第五，电缆、母线、温控和能源管理系统。
这些看起来细碎，但数据中心规模越大，价值量越高。
电力设备的好处是什么？
它的需求不完全依赖某一家AI公司。
只要全球数据中心继续扩建，只要电网升级继续推进，电力设备都有机会。
而且这个方向还有一个特点：它不仅受益于AI，也受益于新能源、电网升级、工业电气化、储能建设。也就是说，AI只是给它加了一把火，它本身就处在一个不错的周期里。
欧洲市场已经开始交易这个逻辑。路透在欧洲股市报道中提到，有基金经理认为，Legrand和Schneider Electric这类AI基础设施公司可能比部分芯片股更像AI基础设施受益者。
这话很有意思。
因为它说明全球资金开始意识到：AI不只属于半导体，也属于电气设备。
一句话：电力设备是AI产业链里最容易被低估的方向，弹性未必最大，但需求宽、周期长、确定性强。
5. 国产芯片：最难、最慢，但战略价值最高
最后讲国产芯片。
这个方向最复杂，也最容易情绪化。
有人觉得国产芯片是星辰大海，迟早突破；
有人觉得技术差距太大，短期难以替代；
还有人只要听到“国产替代”四个字就热血上头，完全不看业绩。
我的看法比较中间：国产芯片长期必须看，但短期不能只看情怀。
AI芯片是AI产业链最核心的环节，也是最受政策、技术、资本和地缘因素影响的环节。对中国来说，外部限制越强，国产替代的必要性越高。
但芯片这件事，不是喊口号就能解决。它涉及架构、制程、封装、软件生态、编译器、服务器适配、客户迁移、应用优化等等。
一颗AI芯片能不能用，不只看跑分，还要看生态。
客户买不买，不只看参数，还要看稳定性、成本、供货能力和软件兼容。
路透此前报道，中国长鑫存储预计2026年上半年收入增长，背后原因之一是AI计算推动DRAM价格上涨和需求扩大。这个例子说明，AI需求确实在推动中国半导体产业链某些环节受益，但不同环节的确定性不一样。
国产芯片可以分几类看：
第一类，AI训练芯片。
难度最高，壁垒最高，替代难度也最大。
第二类，AI推理芯片。
场景更多，成本敏感度更高，国产替代机会可能更早落地。
第三类，存储、模拟、功率、接口芯片。
不一定最炫，但需求广，国产替代路径更现实。
第四类，半导体设备和材料。
这是更底层的“卖铲人”。如果设备材料国产化提升，整个产业链自主性才会提升。
国产芯片的问题是，产业逻辑很强，但投资节奏很难。
有时候政策推动，股价先涨；
有时候订单还没来，估值已经很高；
有时候技术突破是真的，但商业化需要三五年。
所以国产芯片适合什么样的投资？
适合长期配置、分散布局、重视产业验证的人。
不适合每天追涨杀跌，也不适合只看新闻标题买入。
一句话：国产芯片是长期战略方向，但短期投资要看客户验证、收入兑现和生态成熟度，不能只靠热血。
6. 四大方向放一起，谁的确定性更强？
咱们做一个简单对比表：
如果用更直白的话说：
想要弹性，看光模块；
想要趋势，看液冷；
想要稳一点，看电力设备；
想要长期战略，看国产芯片。
但这里有个重点：这四个方向不是互相替代，而是互相配合。
AI数据中心扩建，先买芯片和服务器；
服务器多了，网络压力上来，光模块需求增加；
功耗高了，液冷必须跟上；
机房越建越多，电力设备成为瓶颈；
外部限制越强，国产芯片和国产设备越重要。
这是一条链，不是四个孤岛。
7. 怎么避免买到“假AI”？
AI行情火了以后，市场上会出现很多“蹭AI”的公司。这个很正常，每轮大主题都会这样。
新能源火的时候，卖螺丝的也说自己是新能源；
元宇宙火的时候，做网页的也说自己是虚拟世界入口；
AI火的时候，做机柜门把手的也可能说自己是AI基础设施。
所以普通投资者要问三个问题：
第一，收入里AI占比到底多少？
公司说自己受益AI，但AI相关收入占比是5%，还是50%？差别很大。
第二，客户是谁？
如果客户是头部云厂商、大型运营商、核心数据中心，那确定性更强。
如果只是“正在接触”“积极布局”“未来有望”，那就要小心。
第三，毛利率有没有提升？
真正的产业机会，不只是收入增长，还要看利润质量。
如果收入涨了，但毛利率跌了，说明可能只是低价抢单。
投资AI产业链，不能只听故事，要看订单；
不能只看订单，要看利润；
不能只看利润，还要看现金流。
这三层过一遍，很多“假AI”自然就露馅了。
8. 最后唠唠：AI投资不是找最热的，而是找最缺的
写到最后，咱们回到核心问题：AI产业链里，到底谁最值得看？
我的答案是：不要只找最热的，要找最缺的。
市场最热的时候，往往也是估值最高的时候；
产业最缺的时候，才是利润最容易出来的时候。
AI现在缺什么？
缺高端芯片，缺HBM，缺先进封装，缺高速光模块，缺低功耗互联，缺液冷，缺电力接入，缺稳定电源，缺真正能赚钱的应用。
其中，光模块是“网络瓶颈”，液冷是“散热瓶颈”，电力设备是“能源瓶颈”，国产芯片是“自主可控瓶颈”。
这四个瓶颈，每一个都可能诞生牛股，但节奏不同。
光模块可能涨得最快，也跌得最快；
液冷可能走得更稳，但需要订单持续验证；
电力设备可能不够性感，但需求越来越硬；
国产芯片想象空间最大，但也最考验耐心。
所以我更愿意把AI投资看成一场“接力赛”，而不是一场“百米冲刺”。
第一棒是芯片；
第二棒是光模块和服务器；
第三棒是液冷和电力设备；
第四棒是应用落地和国产替代深化。
谁能跑到最后，不是看今天喊得多响，而是看明天订单能不能来，后天利润能不能留住，大后天行业地位能不能稳住。
一句话总结今天这篇：
AI不是只改变软件，也不是只改变芯片。它正在把全球股市里一批看似传统的行业重新点亮。光模块负责让AI跑得快，液冷负责让AI不发烧，电力设备负责让AI不断电，国产芯片负责让AI不被卡脖子。真正的机会，就藏在这些瓶颈里。
