$NOK

AI基础设施的下一个瓶颈：数据开始传不动了 —— $NOK AI基础设施的钱，正在慢慢从单点算力流向系统级互联 过去两年市场一直盯着GPU，这没有错。但现在越来越明显的一件事是：训练大模型不是几张卡单打独斗，而是成千上万张GPU同时协作。机器越来越快，系统整体效率却开始越来越受制于数据搬运能力。 AI行业未来几年，本质上都在解决同一个问题：data movement。 PCIe 6.0之后，铜互联在距离、功耗和信号完整性上的压力越来越明显。AI基础设施正在逐步从以铜为主走向光铜混合，尤其在长距离、高带宽场景下，光互联的重要性会越来越高。 过去两年的核心矛盾是算力不够，接下来，系统瓶颈会慢慢扩散到memory、networking和data movement。 这也是为什么最近英伟达、台积电、运营商和云厂商都开始越来越重视optical和networking；而更长期，AI-RAN和edge AI会成为下一阶段的重要扩容方向。 老黄其实已经把未来说得很清楚 老黄其实已经把未来的增长路径讲得很清楚：云端AI工厂是现在，企业与工业AI正在加速落地，Physical AI——自动驾驶、机器人、边缘AI、AI-RAN——是下一个阶段。 但问题在于，当AI真正走进现实世界之后，每一个机器人、每一辆自动驾驶汽车、每一个智能电网节点，都会持续产生海量实时数据。很多场景根本不允许把数据送到几千公里外的云端再等结果返回，因为延迟本身就决定了系统能不能正常运行。 这意味着AI基础设施的重心，会慢慢从"单点算力"扩展到骨干光网络、边缘低延迟通信、AI-RAN、数据中心互联和运营商级基础设施。未来真正重要的，不只是GPU本身，而是谁在负责把这些AI系统连接起来。 为什么是诺基亚 把竞争格局捋清楚，其实答案并不复杂。 真正能做大规模运营商级通信基础设施的玩家，全球其实就那么几家。华为技术实力