AI 数据中心的连接革命: 看清产业链的完整硅片与材料版图
几万张 GPU 如何像一个大脑一样协作，从 InP 晶圆到 CPO 光学引擎、从铜缆到相干 DCI，谁在这张神经网络的每一个关键节点上卡住了命脉
© 2026 Street Alpha. All rights reserved.
Disclaimer: This article is for informational and educational purposes only. It does not constitute financial, legal, or geopolitical investment advice. The views expressed are based on public intelligence and analytical frameworks as of the publication date and are subject to change without notice. Readers should conduct their own research or consult professional advisors before making any investment decisions.
先从一个比喻开始
想象你是一个工厂厂长，你的工厂要完成一道极其复杂的工程计算题。
2015 年的时候，你雇了一个天才工程师，他坐在自己的办公室里，闷头算了三天，给你一个答案。那时候的数据中心，就是这个逻辑：一台超级服务器，装着强大的 CPU，独立完成任务。
2020 年，题目变难了十倍。你雇了一百个工程师，每人负责一个模块，最后汇总。他们之间偶尔发邮件沟通，但基本各干各的。这是云计算时代的数据中心：几千台服务器横向堆在一起，通过网络松散地协作。
2024 年之后，题目又难了一千倍。你的工厂必须在同一时刻，让十万个工程师同步开会、同步计算、同步交换中间结果——每隔几纳秒就要全员同步一次数据，任何一个人的信息滞后，其他所有人都得等他。
这就是训练一个现代大模型（比如 GPT-4、Claude、Gemini 级别）时，AI 数据中心里正在发生的事情。
这个比喻里，工程师的大脑是 GPU，工程师之间的通信就是我们今天要讲的主角：AI 集群的连接基础设施。
Scale-Out vs. Scale-Up：一个改变了整个行业的物理问题
先搞清楚两个词的含义
Scale-Out（向外扩展），是说你的计算任务可以被切碎，分给很多独立的机器，每台机器算自己的那份，最后把结果拼起来。这些机器之间可以用普通以太网连着，延迟哪怕有几毫秒也没关系，因为它们不需要实时同步。你家用的 Netflix 推荐系统、早期的谷歌搜索索引，都是这个逻辑，机器越加越多，总体能力越来越强。
Scale-Up（向内收紧），是说你的任务不能被切碎，或者说切碎之后，碎片之间必须高频、实时地互相交换信息。想象你在做一道超级大的拼图，每个拼图块之间都互相依赖，你没法让 A 这个人把左边拼完、B 那个人把右边拼完然后合并。你必须让所有人围坐一张桌子，每过几秒就互相调整。这就是 AI 大模型训练的本质。
为什么 AI 训练只能用 Scale-Up？
训练一个大语言模型，本质上是在做反向传播（backpropagation）：把预测错误一层一层地反馈回神经网络，调整几千亿个参数。这些参数分散在几万颗 GPU 上，每一轮训练迭代结束，所有 GPU 必须把自己持有的参数更新量同步给所有其他 GPU。
这个同步过程叫做 AllReduce，是集群通信最核心的操作之一。更可怕的是：GPU 数量翻倍，通信量不是翻倍，而是接近平方级别增长，因为每一颗新增的 GPU 都要和已有的所有 GPU 建立双向通信通道。
这就是平方问题：当你从 72 颗 GPU 扩展到 1152 颗，通信总量增加的不是 16 倍，而是 256 倍。如果通信速度跟不上，多出来的 GPU 不但帮不了忙，反而会让全体空转等待。
铜线的物理极限
铜缆的问题是一个不可违背的物理定律：传输距离越长、带宽越高，信号衰减越严重，功耗越不可控。
英伟达 NVL72（72 颗 Blackwell 紧耦合）勉强在铜缆极限内。但下一代 NVL1152 把规模推到 1152 颗 GPU，机柜分布在多个机架行，最远的两颗 GPU 之间距离可能超过 10 米。在这个距离和带宽下，铜线物理上已经传不动了。
这就是 NVIDIA CEO 黄仁勋在 2026 年 3 月 GTC 上明确宣布的转折点：NVL1152 架构必须全面转向 CPO（共封装光学，Co-Packaged Optics），这是有史以来第一次芯片厂商在最高规格产品上”强制”采用光学互联。TrendForce 预测 CPO 在 AI 数据中心光模块中的渗透率，将从 2026 年的约 0.5%，增长到 2030 年的约 35%。
值得注意的是，铜并没有束手就擒。Amphenol 在 2026 年 DesignCon 展示了 XtremePass 共封装铜（CPC）互联系统，支持 448 Gbps，试图在极短距离 scale-up 市场与 CPO 竞争。这说明”铜 vs 光”的技术之争在未来几年依然会持续，在 1 米以内的距离上铜仍有一席之地。
Scale-Out 并没有消失，它只是退位了
一个完整的 AI 训练集群，是这样的层次结构：
Layer 1（Scale-Up 层）： 几十到上千颗 GPU 组成一个”超节点”（Super-Pod），内部必须用低延迟、高带宽的 Scale-Up 连接（NVLink 或等效光学方案）
Layer 2（Scale-Out 层）： 多个超节点通过以太网连成一个大集群，可以有数万乃至数十万颗 GPU
Layer 3（Scale-Across 层）： 多个数据中心楼栋之间，甚至多个园区之间，组成一个超大 AI 工厂
Scale-Up 是技术难度最高、产品价值最高的那一层，因为它对延迟和带宽的要求最严苛。
当整个数据中心变成一台超级电脑
这个结构变化，带来了一个非常重要的财务含义。
全球最大 14 家数据中心运营商的 2026 年资本开支预计接近 7500 亿美元，较上年增长约 65%。Goldman Sachs 预测到 2031 年全球 AI 资本开支将增长到 1.6 万亿美元。McKinsey 估计 2025 到 2030 年间仅 AI 相关数据中心产能所需资本开支约达 7.9 万亿美元。
在这个巨大的盘子里，网络与互联的占比正在快速抬升。原因是：
Scale-Up 层是全新的硬件支出，过去根本不存在
Scale-Out 层的带宽需求从 400G 向 800G、再向 1.6T 快速升级
CPO、Scale-Up switch、AEC 等品类是新增 SKU，都是增量市场
未来 AI 资本开支每多花一块钱，流向网络与连接的份额会比上一块钱更高。 这不是预测，是产业结构的算术。
产业链的完整版图：从材料到系统，九个层级
这篇文章的第一版覆盖了六条业务线，但遗漏了若干关键环节。完整版应该包含从最上游的晶圆材料，一直到最下游的系统软件，共九个层级。
第 0 层（最上游）：化合物半导体材料与基板——最深的隐形瓶颈
这是整个光学产业链的起点，也是最容易被忽略的瓶颈层。
每一颗光模块里的激光器（DFB、EML）、每一个 CPO 引擎里的光源，都建立在一种特殊的半导体材料上，叫做氮化铟磷（Indium Phosphide，简称 InP）。普通的硅晶圆做不了激光器——它不能直接发光，因为硅是”间接带隙”材料，而 InP 是”直接带隙”，可以高效地把电能转化为光。
随着 800G → 1.6T → CPO 的演进，每颗光模块需要的激光源功率越来越高，对 InP 基板的需求呈指数级增长。InP 基板市场预计以超过 18% 的年复合增速增长到 2031 年，是整个化合物半导体中最动态的细分。
主要玩家：
AXT Inc.（AXTI）： 全球主要 InP 基板供应商之一。Q1 2026 收入 2690 万美元，同比增长 39.1%，其中 InP 贡献 1360 万美元。InP backlog 创历史新高超过 1 亿美元。公司计划在 2026 年底前将 InP 产能翻倍，并在 2027 年底再翻一倍。AXTI 的生产基地主要在中国，出口许可（export permit）审批周期是其短期收入的主要风险变量。
Sumitomo Electric、JX Nippon Mining（日本）： 日本系 InP 和 GaAs 基板供应商，占全球市场较大份额
Coherent（COHR）： 垂直整合，自有 InP 材料和 EML 激光器外延生长能力，在下游应用中绕过了对 AXTI 等外部供应商的依赖
除 InP 以外，还有两种化合物半导体材料值得关注：
GaAs（砷化镓）： 用于高速光器件和部分 RF 应用
SiC（碳化硅）： 主要用于数据中心的电力传输和高效电源模块，不在光学互联链条里，但是 AI 数据中心电力基础设施的关键材料
为什么说这是隐形瓶颈： InP 的生产周期长（单晶生长就需要数周），产能扩张需要 12 到 18 个月，地理上高度集中（日本+中国），而且随着 CPO 大规模落地，一颗 CPO 引擎里的激光源需求量是传统插拔模块的 4 到 8 倍。从 800G 到 1.6T 的跃迁，Digitimes 把这个转变定性为从升级周期变成物理驱动的拐点。
第 1 层：先进封装（TSMC CoWoS）——芯片层的物理瓶颈
所有这些最终卖出去的芯片（GPU、XPU、CPO 引擎）都需要经过先进封装才能变成可用的产品。
最关键的封装技术叫 CoWoS（Chip on Wafer on Substrate），是台积电独有的技术，允许把多个裸芯片（die）和 HBM 内存封装在同一个硅转接板（interposer）上，实现极高密度的芯片间通信。英伟达 Blackwell、Marvell 的 Octeon 数据处理芯片、以及未来的 CPO 引擎，都依赖这一工艺。
为什么说这是真正的瓶颈： 英伟达已经预订了台积电绝大部分最先进的 CoWoS 封装产能。CNN Business/CNBC 在 2026 年 4 月报道：“即使是美国本土制造的顶级芯片，也需要飞回台湾去完成封装”。CoWoS、HBM、3nm 晶圆被认为是 AI 供应链直到 2027 年的三大核心约束。这意味着不管下游需求有多强，产能瓶颈限制了整个生态系统的扩张速度。
主要玩家： 台积电（CoWoS、SoIC）几乎是唯一选项；三星和英特尔的先进封装能力正在追赶但差距明显。
第 2 层：定制加速芯片（Custom ASIC / XPU）
这是替亚马逊、微软、谷歌等超大规模云厂商设计他们自己的 AI 加速芯片的业务。云厂商不想全部依赖英伟达，同时也能针对自己的工作负载（推荐系统、搜索索引、图片理解等）做针对性优化。
自研芯片需要几百人的设计团队，加上 18 到 24 个月的台积电流片周期，一次失败损失上亿美元，绝大多数云厂商宁愿外包给专业的 ASIC 设计服务商。
技术壁垒： 高端制程（3nm/2nm）、HBM 接口、CoWoS 先进封装经验、复杂 SerDes IP，以及深度嵌入客户业务的设计迭代能力。一旦选定，切换成本极高——Marvell 与 AWS 的合作已从 Trainium 2 量产推进到 Trainium 4 架构定义，就是最好的例证。
主要玩家：
2026 年最重要的新动向 NVLink Fusion： 2026 年 3 月 31 日，英伟达宣布与 Marvell 深度合作并投资约 20 亿美元。NVLink Fusion 平台允许云厂商的自研 XPU 通过 NVLink 接口直接接入英伟达 AI 工厂生态，这意味着 Marvell 的 ASIC 客户可以保留自研算力的同时无缝接入英伟达生态。管理层在 Q1 FY27 电话会上明确说明，NVLink Fusion 的相关收入基本没有包含在 FY28 165 亿美元框架内，属于纯增量。
第 3 层：Scale-Up 互联（CPO + Scale-Up Switch）
超节点内部的紧耦合连接，是整个产业链里当前价值最高、技术难度最大的一段。
CPO（共封装光学） 的概念是把激光器和调制器等光学元件直接和交换芯片封装在同一个硅基板上，功耗降低约 30%-50%，带宽密度大幅提升。这里的关键分水岭：传统光模块是插拔式的，CPO 把光直接集成进了封装，意味着传统光模块厂商的产品在这一层被绕开了。
Scale-Up Switch 是专为超节点内部通信设计的全新交换芯片品类，延迟要求比传统以太网交换低一个数量级。
主要玩家：
Marvell（MRVL）： Celestial AI Photonic Fabric（2026 年 2 月完成 32.5 亿美元收购）+ Teralynx Scale-Up Switch。Celestial 的光子 fabric 可将光学互联做到芯片内部任意位置，声称比竞争性 CPO 方案带宽高 25 倍、延迟低 10 倍。Amazon 收购时同时获得认购权证，条件是采购 Celestial 光子 fabric。Marvell 预计 FY2028 H2 开始产生实质 CPO 收入，FY2028 Q4 年化 5 亿美元，FY2029 Q4 再翻倍到 10 亿美元。管理层明确 Scale-Up Switching 在 FY28 165 亿框架里“几乎没有算进去”。
Broadcom（AVGO）： 自有 CPO 路线 + Tomahawk Ultra，主要绑定自家交换生态
英伟达： NVLink + Spectrum-X，只服务自家 GPU 生态
COHR / LITE：提供激光器和 PIC 上游零件，不做完整封装方案
第 4 层：Scale-Up Fabric 与 PCIe/CXL 连接（之前完全遗漏）
这是第 3 层的互补层，聚焦在超节点内部 GPU 与 CPU、GPU 与 GPU、加速器与内存之间的总线级连接。
核心技术是 PCIe（外围组件互联高速接口） 和 CXL（计算机互联高速接口）。随着 AI 集群规模扩大，PCIe 信号在印刷电路板上传输一段距离后会严重衰减，需要专用的 retimer（信号再生芯片）来补偿。Gearbox 则是在不同 PCIe 速率之间做速率转换的芯片。
主要玩家：
Astera Labs（ALAB）： 这是之前完全遗漏的核心玩家之一。全球 PCIe 和 CXL retimer 的市场领导者，同时推出了 Scorpio Fabric Switch，支持 scale-up 和 scale-out 双模配置。它也是 UALink 联盟的核心成员，UALink 是由 AMD 主导、苹果、AWS、谷歌、微软等联合发起的开放 scale-up 互联标准，直接对标英伟达 NVLink。PCIe 6.0 系列产品已全面进入量产。
Marvell： 在部分 scale-up fabric switch 场景也有布局
Broadcom： Jericho 系列部分覆盖这一层
UALink / Ultra Ethernet 标准战争： 这是决定未来”连接语言”的层面。UALink 2.0 于 2026 年 4 月发布，定义了加速器之间的开放 scale-up 互联协议。AMD 的 ESUN 架构让 UALink 能在标准以太网层上运行，进一步降低门槛。与 Ultra Ethernet Consortium（针对 scale-out）并行推进，共同构成了非英伟达阵营的开放互联生态。谁的协议成为标准，就决定了哪些芯片公司能进入这个市场。
第 5 层：Scale-Out 交换硅片
集群内部超节点之间的连接，以太网是主干，这是网络规模最大的一段。
当前主流单芯片带宽 51.2T，正在向 102.4T 进化，需要台积电 3nm 甚至 2nm 工艺。
主要玩家：
Broadcom： Tomahawk / Jericho 系列，市场霸主
Marvell： Teralynx 系列，第二大硅片供应商
Cisco： Silicon One G300，2026 年 2 月发布，102.4 Tbps，3nm 工艺，直接对标 Broadcom 和英伟达，声称 GPU 任务完成时间提升 28%。Cisco 是同时拥有自研芯片和整机+软件的少数玩家，介于纯硅片厂和纯整机厂之间的独特地位。
Nokia： FP5 自研路由芯片，主要用于电信级骨干路由，在 AI 数据中心是新进入者
英伟达：Spectrum-X，仅用于自家生态
第 6 层：系统整机与软件堆栈
这是把硅片装进机箱、搭配网络操作系统（NOS）和 Fabric 管理软件、卖给最终客户的层级。
真正的护城河在于软件生态：如何管理几千台交换机、实时发现拥塞点、在 AI 训练崩溃时快速定位故障，以及支持 SDN（软件定义网络）让整个 AI 工厂像编程一样被配置。
主要玩家：
Arista（ANET）： AI 数据中心整机网络设备市场龙头，EOS 网络操作系统是核心护城河。2025 年全年收入 90 亿美元，同比增长约 29%。Q1 2026 收入 27.09 亿美元，同比增长 35.1%，全年指引上调至约 115 亿美元。核心竞争力在于 EOS 平台的可编程性和稳定性，一旦部署很难替换。注意：Arista 整机里装着 Broadcom 交换芯片和 Marvell DSP。它是 Marvell 的客户，不是竞争对手。
Cisco： Silicon One 芯片 + IOS-XR 软件 + Nexus 整机，在企业网占据主导，正在向 AI 数据中心发力。全栈（芯片+系统+软件）是它的独特定位。
Nokia： FP5 芯片 + 7750/7250 系列整机 + SR Linux + EDA（事件驱动自动化）平台。2025 年 10 月英伟达战略投资 10 亿美元（占股 2.9%），并建立 AI 数据中心网络与 AI-RAN 深度技术合作。Nokia 收购 Infinera（约 23 亿欧元）大幅增强了光传输能力，AI 和云业务细分约占总销售额的 6%。
Juniper（被 HPE 收购）：AI-Native Networking 解决方案
第 7 层：光层硅片（PAM4 DSP、Retimer、AEC）
每一根光纤或高速铜缆的两端，都需要一颗专用芯片来完成信号调制、纠错、光电转换。
主要玩家：
Marvell（MRVL）： PAM4 DSP 市场份额第一，公司官网定义自己为“leads the pluggable module ecosystem”。2021 年以 100 亿美元收购 Inphi，获得相干 DSP 核心技术。PAM4 DSP 市场规模预计 2033 年达到 25 亿美元。
Broadcom：第二供应商，主要绑定自家生态
Credo（CRDO）： 之前被低估的关键玩家。AEC（有源电缆）这个品类的实际冠军，“紫色电缆”已成为 AI 后端网络的标志性产品，2024 年股价涨 245%、2025 年再翻倍。Q3 FY2026 收入飙升至 4.07 亿美元。Credo 现在还推出了 ZeroFlap 光模块和 1.6T 光学 DSP，正在从纯铜缆向光层扩张。AEC 的商业逻辑： 在 7 米以内的机柜间距离，AEC 比光模块便宜、比铜缆走得更远，是 scale-out 层“cost-optimal”的连接选择。
COHR / LITE / AAOI：它们是 Marvell DSP 和 Credo 的客户，不是竞争对手
结构性 hedge： 不管 COHR、LITE、AAOI 哪家赢得市场份额，Marvell 的 DSP 都装在每家的模块里，是这一层的“水电公司”。
第 8 层：光模块成品 + 相干 DCI
光模块是规模最大、玩家最多、毛利相对最低的一层。400G+ 光模块 2025 年出货量超过 5500 万颗，800G 是主要增长引擎，1.6T 正在进入量产阶段，光模块市场预计从 2025 年的 232 亿美元增长到 2031 年的 605 亿美元，CAGR 约 17%。
主要玩家：
长期结构性压力： CPO 渗透率到 2030 年预计逼近 35%，传统可插拔光模块市场会被蚕食。COHR/LITE/AAOI 最终还是要从 Marvell 那里买 DSP 芯片，同时面对台湾/中国模块厂的成本竞争。
相干 DCI 的格局： 商用开放市场上，Marvell（Inphi 系）是事实上的唯一开放相干 DSP 供应商。Cisco/Acacia（WaveLogic）和 Ciena 基本内部消化。Nokia 在电信骨干网强，但不做开放芯片市场。
第 9 层：物理连接层（连接器 + 铜缆）
这是整个产业链最不性感但绝对绕不开的一层，所有信号最终都要通过物理连接器和铜缆传输。
全球数据中心高速铜连接器市场 2024 年约 2.76 亿美元，预计增至 4.81 亿美元。
主要玩家： Amphenol（APH）、TE Connectivity、Molex 三家主导。Amphenol 在 2026 年 DesignCon 展示了 XtremePass 共封装铜（CPC）互联，试图在极短距离 scale-up 市场与 CPO 正面竞争。
注：✓ 主要参与者；△ 部分参与/正在布局；"客户" 表示购买该层产品的下游方；TSMC、Amphenol 单独在正文讨论
各家公司在 Scale-Up 转型中的暴露度与定位
Marvell（MRVL）：最广泛的全栈覆盖
FY2026 全年收入约 82 亿美元，数据中心业务占 74% 以上。Q1 FY27（2026 年 5 月）创季度纪录 24.18 亿美元，同比增长 28%，Q2 指引约 27 亿美元。FY27 展望约 115 亿美元，FY28 约 165 亿美元。
三条未计入 165 亿框架的增量曲线：
Scale-Up Switching —— 产品成型，财务贡献 timing 待确认
NVLink Fusion 收入 —— 合作结构新，核算方式尚不明确
Celestial CPO —— FY2028 H2 开始产生实质收入
2026 年 4 月还收购了 Polariton Technologies（等离激元硅光子器件），为 3.2T 以上的下一代调制器补充技术储备。
Broadcom（AVGO）：覆盖广但主动选择客户集中
只服务少数顶级客户（Google、Meta、Apple），带来高毛利率但也把中间市场大量份额留给了 Marvell。
Arista（ANET）：Scale-Out 的最大规模系统整合商
受益于 AI 集群规模扩大推动的以太网交换机需求，但在 Scale-Up 这一最高价值层基本没有自研硅片。其成功间接拉动 Marvell DSP 和 Credo AEC 的出货量。
Cisco（CSCO）：从企业网到 AI 数据中心的全栈进攻
Silicon One G300 是对 Broadcom/英伟达的正面挑战，但商业验证还在进行中，在超大规模云客户里的份额仍远低于 Broadcom 和 Marvell。
Nokia（NOK）：电信根基 + AI 数据中心新故事
AI 和云客户细分约占集团总销售额的 6%，主战场仍在电信运营商。Infinera 收购 + NVDA 战略投资，是切入 DCI 和 AI fabric 市场的两张关键牌。
Credo（CRDO）：AEC 层最纯正的标的
最纯正的 scale-out 层连接受益者之一。AEC 在 7 米以内的距离是光模块的 cost-optimal 替代方案。正在向 1.6T 光学 DSP 和 ZeroFlap 模块扩张，是中期高增长、但单一品类依赖度高的小市值标的。
Astera Labs（ALAB）：PCIe/CXL 与 UALink 生态的核心玩家
在 scale-up 内部总线连接层几乎独占鳌头。UALink 开放标准联盟的核心，AMD/AWS/谷歌/微软背书。如果 UALink 成为 scale-up 的主流开放标准，ALAB 是最直接受益者。
COHR / LITE / AAOI：光层成长但上下受压
800G/1.6T 市场短期受益，长期面对三重压力：CPO 蚕食、中国厂商成本竞争、核心 DSP 依赖 Marvell。COHR 垂直整合（自有 InP 激光器）是最强的差异化壁垒。
AXT Inc.（AXTI）：光学产业链最上游的隐形矿山
InP 市场受益于 800G→1.6T→CPO 的代际跃迁，backlog 历史新高超 1 亿美元，2026 年年底前产能翻倍。主要风险：中国生产基地带来的地缘政治和出口许可审批变量，以及半导体材料固有的周期波动性。
为什么”全栈覆盖”产生产业链级别的议价权
把九个层级的格局看完，能得出一个结论：
Broadcom 是唯一在多层与 Marvell 全面竞争的公司，但它主动选择只服务少数顶级客户。
这留下了一个”结构性真空”：所有不在 Google/Meta/Apple 战略圈子里的云厂商、所有光模块厂、所有需要相干 DCI 的开放市场客户，实际可选的全栈连接合作伙伴只有 Marvell。
产业链各层都在向它”上贡”：
Arista 整机里要装 Marvell DSP
COHR、LITE、AAOI 的光模块里要装 Marvell DSP
AWS 和微软的自研芯片本身就由 Marvell 设计
NVLink Fusion 合作让英伟达主动把 Marvell 拉进自家生态
跨数据中心相干 DCI 的开放市场，Marvell 几乎是唯一供应商
而 Credo、Astera Labs 则在 AEC 和 PCIe 这两个 Marvell 不主导的细分层填补空白，但不与 Marvell 正面竞争
这不是垄断，是结构性的不可替代性：每增加一个新的 AI 连接层级，Marvell 要么已经有产品，要么通过收购快速补齐。
结语：瓶颈在哪里，定价权就在哪里
AI 数据中心的演进，是一个物理约束层层上移的故事：
第一代： 算力是瓶颈，英伟达 GPU 是最稀缺的资源。
第二代： 算力足够了，连接变成瓶颈。Scale-Up 层的延迟和带宽，成为限制集群有效规模的硬约束。
第三代（正在成型）： Scale-Up 连接标准化之后，能够在从 InP 材料到 CPO 引擎、从 PCIe fabric 到相干 DCI 的多个连接层级同时提供解决方案的”全栈连接平台”，将具备最强的定价权和客户粘性。
我们目前处于第一代到第二代的过渡区间，并已能看到第三代的轮廓。在这个背景下，理解瓶颈在哪里，是理解这一轮 AI 资本开支产业链机会最核心的问题。答案不在 GPU 层，而在从 InP 晶圆到交换机软件栈的九个连接层级里，以及那些同时在多条线上拥有收费站的公司。
请问怎么看待SIVE走势 以及SIVE InP wafer产能增速 可能 限制营收天花板压制估值天花板