2026-05-12

2026-05-12 從歷史擴散邏輯看：下一層 AI 題材該怎麼找？先追下一層，還是先盯 CPU / memory 資金？

2026-05-12 從歷史擴散邏輯看：下一層 AI 題材該怎麼找？先追下一層，還是先盯 CPU / memory 資金？

結論先講

你的方向 大致正確，而且其實比單純追熱門股健康。

也就是：

先理解資金怎麼沿著瓶頸與基建需求，一層一層擴散，再去找下一層受益者。

但我會補一個很重要的反駁：

不能只用「下一層」這個概念選股。

因為很多第二層、第三層題材，雖然邏輯上受惠， 但不一定：

  • 有足夠大的收入彈性
  • 有供給瓶頸
  • 有價格權力
  • 能在一年內反映到報表

所以比起問「下一層是誰」，我更建議問：

哪一層開始變成新的 bottleneck，而且管理層/客戶/資本支出已經把證據講出來？

一、你這個思路為什麼基本上是對的

AI 產業鏈常見的擴散路徑，大致會像這樣：

  1. 最先被定價的是核心瓶頸

    • 這輪最明顯就是 Nvidia / GPU

  2. 接著是直接配套瓶頸

    • HBM / DRAM / NAND / CPU / advanced packaging

  3. 再往下會是系統級基建

    • optical interconnect
    • power distribution
    • liquid cooling
    • rack / deployment architecture

  4. 最後才會輪到更外圍的應用與衍生資產

    • 軟體、運維、自動化、電力基建、甚至建廠與供應鏈設備

這很像早年網路/電信建設周期：

  • 一開始市場先衝核心 backbone
  • 接著擴散到路由、光纖、設備、連接與部署基礎設施
  • 真正賺最多的，不一定是最早被看到的名字，而是在瓶頸處有定價權的環節

所以你的方向不是錯，反而是比較像在問：

下一個 bottleneck 會在哪？

這個問題本身是對的。

二、但我不同意「一定要先去猜更下一層」

這裡我要直接反駁你一下。

如果現在 CPU / memory / storage 還在資金主升段，太早跳去第三層，可能反而會犯兩個錯：

錯誤 1：主升浪還沒走完，你卻先去換到次主線

比如：

  • MU / CPU / SNDK 還在持續被上修與擴大敘事
  • 但你因為想提早，反而跑去比較邊緣的受益股
  • 結果主線還在漲，次主線只是「有故事但沒資金」

錯誤 2：只看受惠邏輯，不看獲利穿透速度

很多第三層概念確實會受惠， 但如果：

  • 要 18–24 個月才會反映
  • 合約還沒定
  • ASP 沒有上去
  • Capex 是有，但還沒轉成收入與毛利

那一年內未必是最好部位。

所以我會把你的問題改寫成：

不是現在要不要找下一層，而是現在主線是不是已經過熟，值得把部分注意力往下一層轉移。

我的答案是：

  • 可以開始找
  • 但不應該完全把 CPU / memory / storage 放掉
  • 比較合理的是：
    • 繼續盯主線資金與財報強度
    • 同時建立下一層候選池，等證據密集化再加碼

三、我認為未來 6–12 個月最值得先看的「下一層題材」

我先把最有證據的放前面。

1) Optical / co-packaged optics：我認為很像下一個高機率擴散方向

這條現在已經不是空想。

CNBC 5/6：

  • Nvidia 與 Corning 合作，將在 North Carolina / Texas 推進三座專門服務 AI 的 optical 工廠
  • Nvidia 取得最高 32 億美元投資權利
  • Corning 此前也已和 Meta 簽下到 2030 年、規模 60 億美元的光纖相關合作
  • CNBC 直接指出，Nvidia 很可能正為 rack-scale systems 導入 co-packaged optics，從 copper 轉向 optical

這背後邏輯非常強：

  • AI rack 功率與帶寬都在爆炸成長
  • 銅線在速度、訊號損失與耗能上開始吃力
  • optical 可以提升傳輸效率並降低能耗

如果這條路線成立，這不是單一元件換代， 而是整個 AI data center 內部互連架構的升級。

我對這條的判斷

這條很像當年網路基建裡的光纖/路由設備擴張邏輯：

  • 一開始大家只看 compute
  • 後來發現真正卡的是 資料在系統內怎麼傳

所以 optical 不是邊角，而可能是 下一個 bottleneck。

風險

  • 目前市場已經開始注意到，不算完全沒人看
  • 真正放量節奏取決於 Nvidia / hyperscaler 導入速度
  • 若只是試點而不是廣泛標準化，估值可能跑太快

2) Power distribution / electrical infrastructure：我覺得這條很實，且通常市場一開始不會給太高想像力

Eaton 2026/04/08 官方新聞稿：

  • Eaton 在 Nebraska 擴建新設施，明講是為了滿足 AI data center boom 帶動的 switchgear demand
  • 新的 370,000 平方英尺設施，預計 2027 上半年投產
  • 公司強調其 grid-to-chip 產品組合正服務 data center、utility、industrial 客戶

這條我很喜歡，因為它代表一件事：

AI 不只是晶片問題，還是電力分配問題。

當單機櫃功耗、園區功率、備援與能源調度越來越極端時， 真正缺的會是：

  • switchgear
  • medium/low voltage distribution
  • modular electrical systems
  • onsite backup / resiliency architecture

這些名字不像 GPU 那麼性感， 但往往更容易變成「大家本來看不起，後來發現訂單太多」的類型。

我對這條的判斷

如果你想找 一年內有機會、但還不一定 fully crowded 的題材， power infrastructure 我覺得很值得放進核心候選池。

風險

  • 市場可能把這些公司當工業股，不願一開始給高倍數
  • 受惠節奏可能比 memory 慢，但持續性可能更長
  • 訂單到收入的轉換時間可能比晶片慢

3) Liquid cooling / thermal management：我覺得這條是未來一年最該持續追的潛在主線之一

Siemens 與 nVent 2025/12/09 聯合架構公告：

  • 推出針對 NVIDIA GB200 NVL72 等大型液冷 AI 基礎設施設計的 reference architecture
  • 目標是幫助客戶建置 100MW hyperscale AI data centers
  • 核心就在於：液冷、配電、自動化整合成可以標準化部署的架構

這條訊號值得重視，因為它表示：

  • 液冷不再只是實驗性方案
  • 而是正在變成 hyperscale AI data center 的標準化部署模組之一

如果 AI workload 持續往高密度 rack 走， 冷卻不只是附屬品，而會變成必要條件。

我對這條的判斷

我會把液冷看成：

現在還不像 MU 那樣被市場 fully price-in，但很可能在未來 6–12 個月越來越像必需品。

風險

  • 題材分散，標的不一定純
  • 真正能把液冷收入做大的公司可能比市場想像少
  • 標準與技術路線還可能演進，容易提早押錯名字

四、我怎麼排序未來一年最值得關注的層級

如果你是問我「未來一年佈局順序」，我目前會這樣排：

Tier 1：持續追蹤，但不要盲追

  • Memory / HBM / DRAM / NAND（MU 類）
  • CPU / inference compute（AMD / CPU 鏈）
  • AI storage / enterprise SSD（SNDK 類）

這些仍是主線。 但缺點是：

  • 已經漲很多
  • 估值與預期都高
  • 需要更在意進場點與財報節奏

Tier 2：開始建立候選池，等證據更密集就加碼

  • Optical / co-packaged optics
  • Power distribution / switchgear / electrical systems
  • Liquid cooling / thermal management

這三條我認為最值得做「下一層預備佈局」。

Tier 3：可以觀察，但先別太早重壓

  • 建廠設備
  • 一般工業自動化
  • 更外圍的 data center 配套
  • 未被客戶與財報直接驗證的 AI 受益故事

原因很簡單： 受惠不代表一年內最會漲。

五、所以你現在應該先看下一層，還是先看 CPU / memory 資金？

我的答案是：

先盯 CPU / memory / storage 這條主線的資金與財報強度，同時建立下一層 watchlist。

原因：

如果主線還在：

  • 營收 / 指引持續上修
  • shortage 還在
  • 大行還在升評
  • AI capex 還在擴散

那主線就不應該因為「已經漲很多」就被你完全放棄。

但如果你只盯主線：

你可能會錯過下一批從「還沒 fully crowded」走向「市場突然承認是 bottleneck」的機會。

所以最好的做法不是二選一， 而是：

  1. 主線繼續追蹤強弱
  2. 次主線提早做研究
  3. 等次主線出現財報/訂單/長約/資本支出證據時再升級部位

六、我給你的實戰框架：如何判斷「下一層要開始動了」

你未來不用每次都從零猜，可以直接看下面幾個訊號：

訊號 1：龍頭客戶開始直接點名

例如：

  • Nvidia
  • Meta
  • OpenAI
  • hyperscaler
  • 大型 colocation / cloud builder

一旦這些人直接提到某個架構或零組件，訊號強度比 sell-side 報告高很多。

訊號 2：不只接單，而是多年期承諾或建廠投資

像：

  • Corning 與 Meta / Nvidia 的長期合作
  • Eaton 因 AI data center boom 擴產 switchgear
  • Siemens / nVent 推出標準化 reference architecture

這種訊號比單次採購更重要。

訊號 3：從「可選」變成「必需」

例如：

  • HBM 對高階 GPU 是必需
  • 液冷對高密度 rack 越來越接近必需
  • optical 對更高帶寬和更低功耗可能走向必需

一旦變成必需，估值模式會改變。

訊號 4：開始出現 bottleneck / lead time / capacity shortage

這是最值錢的訊號之一。 因為一旦供應跟不上，價格權力和估值彈性都會上來。

七、我的最終判斷：我會怎麼反駁你、又怎麼支持你

我支持你的地方

  • 用歷史事件與供應鏈擴散邏輯來推演下一波：這方向對
  • 不想只追最後一棒，而是想提早找下一層：這是對的思考方式

我反駁你的地方

  • 不要急著離開 CPU / memory / storage 主線
  • 現在比較好的做法不是「主線 or 下一層」二選一
  • 而是：
    • 主線看資金、財報、供需
    • 下一層看 bottleneck、訂單、長約、部署架構

我目前的偏好

如果只問未來一年「最值得先準備研究的下一層」， 我會排：

  1. Optical / co-packaged optics
  2. Power distribution / electrical infrastructure
  3. Liquid cooling / thermal management

這三條都有一個共同點：

它們不是抽象 AI 概念，而是 AI data center 真正變大後，系統層一定會碰到的物理問題。

這種題材通常比純故事更有價值。

八、這份報告的失效條件

以下若出現，我對「下一層題材值得布局」的判斷要下修：

  1. AI capex 在未來 2–3 季明顯降速
  2. GPU / memory / CPU 主線已經過熱，但下一層沒有任何財報或訂單驗證
  3. optical / cooling / power 的採用速度慢於市場預期
  4. 市場回到極度集中在少數核心晶片商，擴散交易中斷

Sources

  • CNBC, 2026-05-06, Nvidia to invest up to $3.2 billion in Corning as part of massive optical fiber deal with 3 new factories focused on AI
  • CNBC, 2026-05-08, Wall Street sees ‘changing of the guard in AI’ as Intel, AMD shares soar while Nvidia lags
  • Eaton, 2026-04-08, Eaton expands operations in Nebraska with new manufacturing facility to meet increasing switchgear demand driven by AI data center boom
  • Siemens / nVent, 2025-12-09, joint reference architecture purpose-built for NVIDIA AI data centers
  • CNBC, 2026-05-05, AMD’s stock soars 16% as data center growth pushes revenue and guidance past estimates