第1183 章 康寧光连接產能拉升10倍：A股AI敘事交易的新主线

  二、“ai敘事交易”的內核：从gpu独舞到基础设施合唱

  很多人把“ai敘事交易”理解成：只要跟ai沾边就涨。

  这只看到了表面。真正的內核是——市场在给“算力增长的瓶颈环节”重新定价。

  过去两年，瓶颈更像是gpu：买不到、太贵、交付慢，於是故事集中在英伟达，以及围绕gpu的一圈圈配套。

  但到了2026年，產业竞爭发生了关键转向：不再只是“模型更强”，而是“模型更能干活、更高效率、更可部署”。

  4月29日，英伟达发布开源全模態模型nemotron 3 nano omni，官方给出的效率提升是：推理吞吐量可以提高9倍。它强调为agentic ai设计，將文本、图像、音频与视频统一到一个推理体系里，减少跨模型调用带来的效率损耗；並採用moe架构，在约300亿参数规模下仅激活部分参数参与推理，在保证性能的同时降低算力消耗，同时优化hopper和blackwell等架构的fp8推理，併兼容rtx 5090、jetson thor等平台。

  把这段话翻译成交易语言就是：

  当“效率提升9倍”成为卖点时，產业链定价会从“堆更多卡”，变成“让系统跑得更顺、更省、更稳”。

  於是瓶颈自然会外溢到三类基础设施：

  1）互联：数据中心內部、集群之间的高速互联能力（光模块、光器件、有源光缆、连接器、交换等）

  2）存储：token消耗上去后，读写、带宽、延迟都会被放大成成本

  3）能源：电力、散热、供配电、变压、液冷等（所以电力电网今天也不意外）

  康寧“光连接產能提升10倍”，就是把“互联瓶颈”摆在檯面上：你想让ai系统更高效，得先把“路”和“血管”加宽。

  三、为什么是康寧？为什么是“10倍產能”？

  康寧不是做gpu的，它做材料、光学与连接相关能力。但在ai时代，光连接越来越像算力系统的“血管”。