瑞银：AI基础设施投资从GPU扩散至全产业链
Nashnova编辑部
瑞银团队在台北OCP APAC Summit 2026上调研15家核心厂商后得出结论：AI投资重心正从GPU本身扩散至维持其高利用率所需的全部基础设施——电源、封装、网络、散热、机架，每一环都在变成增长点。
为什么说"光买GPU"的时代结束了？
瑞银报告的核心判断：AI基础设施正转向全系统方法，计算、内存、网络、电源、散热、安全、封装、存储和机架架构必须同步优化。
这意味着→ 过去"采购GPU就等于搞AI"的逻辑已经失效，围绕GPU的每一层配套都在变成独立的资本开支项。
用大白话说＝ GPU是发动机，但现在引擎太强，油路、散热、变速箱全得重做——钱正沿着这条链往外流。
电源升级：400V/800V直流为什么是最确定的方向？
微软、谷歌、英伟达、台达等多家厂商共同指向同一路径：从2027年起，电力系统将迁移至独立电源侧车（把供电模块从机架里拆出来单独部署），把400V/800V直流电直接送入IT机架。
瑞银产业反馈显示，英伟达Rubin平台起步渗透率约10%，Rubin Ultra阶段进一步提升；谷歌和Meta的±400V ASIC系统推进更快，渗透率预计达30%–40%。
这意味着→ 高压直流能同时提升机架密度、减少铜材用量和转换损耗——一次升级解决多个瓶颈，这是它被一致看好的原因。
先进封装：瓶颈为什么从"做更小的晶体管"变成了"把芯片组装到一起"？
台积电、日月光、应用材料、博通均强调：AI性能越来越依赖先进封装，技术工具箱已从CoWoS扩展至CoPoS、SoIC、扇出/FoCoS、CPO（共封装光学）及STCO（系统—技术协同优化）。
关键瓶颈不再只是逻辑制程，还包括良率、翘曲、载板供应、热设计和光学对准。
用大白话说＝ 以前拼的是"把电路刻得更细"，现在拼的是"把好几块芯片像乐高一样严丝合缝地叠到一起"——组装环节的难度和价值都在快速上升。
网络与光学：数据搬运为什么成了下一个卡脖子环节？
随着速率提升，铜缆传输距离缩短、光模块可靠性下降、芯片边缘带宽不足，共封装光学（CPO）（把光学器件直接封装到芯片旁边，用光而非电来传数据）正成为解决方案。
日月光将CPO视为先进封装的自然延伸：把光学器件、ASIC、交换芯片、HBM和电源传输集成到更紧密的系统级架构中。
这意味着→ "算得快"之后，"搬得快"成了新瓶颈——光学互连厂商的战略价值正在被重新定价。
Agentic AI时代，CPU为什么反而更重要了？
AMD和Arm均指出，Agentic AI（能自主调用工具、管理多步任务的AI代理）不仅需要GPU，还会大幅增加CPU的编排需求——内存、存储、RAG/向量数据库、工具调用都要CPU来协调。
AMD的数据：传统推理场景CPU与GPU比例约1:4，新架构正向1:1靠拢。这意味着→ 数据中心内CPU计算量将翻倍级增长，但并不会减少GPU机架的需求。
用大白话说＝ GPU是干重活的工人，CPU是调度员；工人越多，调度员也得等比增加，否则整个工地会乱。
瑞银看好谁？钱会流向哪些环节？
半导体：偏好台积电、日月光、ASpeed、联发科——受益逻辑分别来自先进封装、CPO/光学封装、BMC/安全芯片、定制芯片与系统级集成。
硬件与组件：服务器ODM鸿海、广达、纬创、纬颖；基础设施厂商台达、King Slide、BizLink——受益于更高机架密度、800V直流电源、液冷和线缆/互连升级。
这反映出 瑞银的核心判断：AI投资扩散已经发生，但各环节估值是否充分反映了这一扩散，将是后续市场最大的分歧所在。
Content is for reference only, not financial advice.